ਜਦੋਂ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੇ ਆਨਕੋਲੋਜੀ (oncology) ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਸੀ, ਇੱਕ ਤਾਜ਼ਾ ਹਕੀਕਤ ਦੀ ਜਾਂਚ ਹਾਈਪ (hype) ਅਤੇ ਕਲੀਨਿਕਲ ਉਪਯੋਗਤਾ ਵਿਚਕਾਰ ਇੱਕ ਵੱਡਾ ਪਾੜਾ ਦਰਸਾਉਂਦੀ ਹੈ। ਨਵੇਂ ਨਤੀਜੇ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਬ੍ਰੈਸਟ ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ ਵਿੱਚ ਮੌਜੂਦਾ AI ਲਾਗੂਕਰਨ ਮੈਡੀਕਲ ਪੇਸ਼ੇਵਰਾਂ ਦੁਆਰਾ ਰੱਖੀਆਂ ਗਈਆਂ ਉੱਚੀਆਂ ਉਮੀਦਾਂ 'ਤੇ ਖਰੇ ਨਹੀਂ ਉਤਰਦੇ।

ਉਮੀਦ ਅਤੇ ਕਲੀਨਿਕਲ ਹਕੀਕਤ ਵਿਚਕਾਰ ਪਾੜਾ

Clinical Imaging ਵਿੱਚ ਕੀਤੇ ਗਏ ਇੱਕ ਸਰਵੇਖਣ ਨੇ ਰੇਡੀਓਲੋਜਿਸਟਾਂ ਦੀਆਂ AI ਬਾਰੇ ਉਮੀਦਾਂ ਅਤੇ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੁਆਰਾ ਅਸਲ ਵਿੱਚ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਨਤੀਜਿਆਂ ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ। ਇਸ ਅਧਿਐਨ ਵਿੱਚ 'ਸੋਸਾਇਟੀ ਆਫ ਬ੍ਰੈਸਟ ਇਮੇਜਿੰਗ' ਦੇ 215 ਮੈਂਬਰਾਂ ਦਾ ਸਰਵੇਖਣ ਕੀਤਾ ਗਿਆ; ਲਗਭਗ ਅੱਧੇ ਪਹਿਲਾਂ ਹੀ FDA-ਮਨਜ਼ੂਰਸ਼ੁਦਾ AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਫਿਰ ਵੀ ਇਸਦਾ ਪ੍ਰਭਾਵ ਸੀਮਤ ਹੈ।

ਮੁੱਖ ਪ੍ਰਦਰਸ਼ਨ ਮਾਪਦੰਡ ਇੱਕ ਕੌੜੀ ਸੱਚਾਈ ਦੱਸਦੇ ਹਨ। 59 ਫੀਸਦੀ ਰੇਡੀਓਲੋਜਿਸਟਾਂ ਨੂੰ ਉਮੀਦ ਸੀ ਕਿ AI ਰੀਕਾਲ ਰੇਟ (recall rates) ਨੂੰ ਘਟਾਏਗਾ, ਪਰ ਸਿਰਫ 35% ਨੇ ਹੀ ਉਹ ਲਾਭ ਦੇਖਿਆ। ਹੋਰ ਨਤੀਜਿਆਂ ਲਈ ਇਹ ਪਾੜਾ ਹੋਰ ਵੀ ਵੱਧ ਜਾਂਦਾ ਹੈ: ਸਿਰਫ 9% ਨੇ ਬਿਨਾਂ ਲੋੜ ਤੋਂ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਬਾਇਓਪਸੀਆਂ (biopsies) ਵਿੱਚ ਕਮੀ ਦੇਖੀ ਜਦੋਂ ਕਿ ਉਮੀਦ 36% ਦੀ ਸੀ, ਅਤੇ ਸਿਰਫ 29% ਨੇ ਹੀ ਕੰਮ ਦੇ ਬੋਝ (burnout) ਤੋਂ ਕੋਈ ਰਾਹਤ ਮਹਿਸੂਸ ਕੀਤੀ, ਭਾਵੇਂ ਕਿ 56% ਨੇ ਕੰਮ ਦੇ ਬੋਝ ਵਿੱਚ ਵੱਡੀ ਕਮੀ ਦੀ ਉਮੀਦ ਕੀਤੀ ਸੀ।

ਫੈਸਲਾ ਲੈਣ ਵਾਲੇ ਦੀ ਬਜਾਏ ਇੱਕ "ਦੂਜੀ ਰਾਏ" ਵਜੋਂ AI

ਰੇਡੀਓਲੋਜਿਸਟ AI ਨੂੰ ਇੱਕ ਬੈਕਅੱਪ ਕੰਸਲਟੈਂਟ ਵਜੋਂ ਵਰਤਦੇ ਹਨ, ਨਾ ਕਿ ਮੁੱਖ ਡਾਇਗਨੋਸਟੀਸ਼ੀਅਨ ਵਜੋਂ। UC San Diego Health ਦੀਆਂ ਮੁੱਖ ਲੇਖਕ ਜੌਡ ਅਲਮੋਗਾਟੀ ਨੋਟ ਕਰਦੇ ਹਨ ਕਿ ਬਹੁਤ ਘੱਟ ਕਲੀਨਿਸ਼ੀਅਨ AI ਨੂੰ ਆਪਣਾ ਅੰਤਿਮ ਨਿਸ਼ਕਰਸ਼ (diagnosis) ਤੈਅ ਕਰਨ ਦਿੰਦੇ ਹਨ; ਉਹ ਇਸਦੀ ਵਰਤੋਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਨਤੀਜਿਆਂ ਦੀ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰਨ ਲਈ ਕਰਦੇ ਹਨ।

ਪ੍ਰਣਾਲੀਗਤ ਰੁਕਾਵਟਾਂ ਇਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਸੀਮਾ 'ਤੇ ਰੱਖਦੀਆਂ ਹਨ। ਪੇਸ਼ੇਵਰ ਉੱਚ ਲਾਗੂਕਰਨ ਲਾਗਤਾਂ ਅਤੇ ਕਮਜ਼ੋਰ ਸੰਸਥਾਗਤ ਸਹਾਇਤਾ ਨੂੰ ਮੁੱਖ ਰੁਕਾਵਟਾਂ ਵਜੋਂ ਦੱਸਦੇ ਹਨ। ਹਸਪਤਾਲ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਸਖ਼ਤ ਏਕੀਕਰਨ ਅਤੇ ਸਪੱਸ਼ਟ ਲਾਗਤ-ਲਾਭ ਡੇਟਾ ਤੋਂ ਬਿਨਾਂ, AI ਇੱਕ ਮੁੱਖ ਹਿੱਸੇ ਦੀ ਬਜਾਏ ਸਿਰਫ ਇੱਕ ਵਾਧੂ ਚੀਜ਼ ਬਣ ਕੇ ਰਹਿ ਜਾਂਦਾ ਹੈ।

AI ਭਵਿੱਖਬਾਣੀਆਂ ਦੇ "ਗੌਡ ਕੰਪਲੈਕਸ" (God Complex) ਤੋਂ ਅੱਗੇ ਵਧਣਾ

ਰੇਡੀਓਲੋਜੀ ਵਿੱਚ AI ਦਾ ਮਾਮੂਲੀ ਅਪਣਾਉਣਾ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਕੰਮ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਇੱਕ ਵਿਆਪਕ ਤਣਾਅ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇੱਕ ਦਹਾਕਾ ਪਹਿਲਾਂ, ਬਹੁਤ ਸਾਰੇ AI ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਰੇਡੀਓਲੋਜਿਸਟਾਂ ਦੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਜਾਣ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਸੀ; ਅੱਜ, ਸਾਰੇ ਕੰਪਿਊਟਰ-ਅਧਾਰਤ ਗਿਆਨ-ਅਧਾਰਤ ਕੰਮਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਅਜਿਹੀ ਹੀ ਹਾਈਪ ਹੈ।

Nvidia ਦੇ CEO ਜੇਨਸਨ ਹੁਆਂਗ ਨੇ ਅਜਿਹੀ ਅਤਿਕਥਨੀ ਦੀ ਨਿੰਦਾ ਕੀਤੀ ਹੈ, ਅਤੇ ਇਸਨੂੰ AI ਭਵਿੱਖਬਾਣੀਆਂ ਵਿੱਚ ਇੱਕ "ਗੌਡ ਕੰਪਲੈਕਸ" ਕਿਹਾ ਹੈ। ਬ੍ਰੈਸਟ ਕੈਂਸਰ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਅਧਿਐਨ ਸਾਨੂੰ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਉੱਚ-ਜੋਖਮ ਵਾਲੀ ਮੈਡੀਸਨ ਵਿੱਚ, ਇੱਕ ਮਾਡਲ ਦੀ "ਬੁੱਧੀ" (intelligence) ਨਾਲੋਂ ਉਸਦੀ ਭਰੋਸੇਯੋਗਤਾ, ਵਿਹਾਰਕਤਾ ਅਤੇ ਇੱਕ ਗੁੰਝਲਦਾਰ ਮਨੁੱਖੀ ਕਾਰਜ-ਪ੍ਰਵਾਹ (workflow) ਦੇ ਅੰਦਰ ਆਰਥਿਕ ਵਿਹਾਰਕਤਾ ਵਧੇਰੇ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਸਿਧਾਂਤਕ ਸ਼ੁੱਧਤਾ ਦੇ ਪਿੱਛੇ ਭੱਜਣ ਦੀ ਬਜਾਏ ਅਸਲ ਕਲੀਨਿਕਲ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸੁਧਾਰਨ ਵੱਲ ਵਧਣ ਦੀ ਲੋੜ ਹੈ।

ਮੁੱਖ ਨੁਕਤੇ

  • ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਅੰਤਰ: AI ਟੂਲ ਰੀਕਾਲ ਰੇਟ ਘਟਾਉਣ (35% ਅਸਲ ਬਨਾਮ 59% ਉਮੀਦ) ਅਤੇ ਬਿਨਾਂ ਲੋੜ ਤੋਂ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਬਾਇਓਪਸੀਆਂ (9% ਅਸਲ ਬਨਾਮ 36% ਉਮੀਦ) ਦੀਆਂ ਉਮੀਦਾਂ 'ਤੇ ਖਰੇ ਨਹੀਂ ਉਤਰਦੇ।
  • ਕਾਰਜ-ਪ੍ਰਵਾਹ ਦੀਆਂ ਸੀਮਾਵਾਂ: ਉੱਚ ਲਾਗਤਾਂ ਅਤੇ ਕਮਜ਼ੋਰ ਸੰਸਥਾਗਤ ਸਹਾਇਤਾ ਕਾਰਨ ਜ਼ਿਆਦਾਤਰ ਰੇਡੀਓਲੋਜਿਸਟ AI ਨੂੰ ਇੱਕ "ਦੂਜੀ ਰਾਏ" ਵਜੋਂ ਵਰਤਦੇ ਹਨ।
  • ਹਾਈਪ ਦਾ ਪਾੜਾ: ਇਹ ਨਤੀਜੇ ਮੰਗ ਕਰਦੇ ਹਨ ਕਿ AI ਡਿਵੈਲਪਰ ਸਿਰਫ ਸਿਧਾਂਤਕ ਮਾਪਦੰਡਾਂ ਨੂੰ ਛੱਡ ਕੇ ਡਾਕਟਰਾਂ ਦੇ ਬਰਨਆਊਟ (burnout) ਵਰਗੇ ਵਿਹਾਰਕ ਕਲੀਨਿਕਲ ਦੁੱਖਾਂ ਦਾ ਹੱਲ ਕਰਨ।