செயற்கை நுண்ணறிவு (AI) புற்றுநோயியல் (oncology) துறையில் புரட்சியை ஏற்படுத்தும் என்று வாக்குறுதி அளித்திருந்தாலும், சமீபத்திய உண்மைச் சோதனை, அதைப் பற்றிய மிகைப்படுத்தப்பட்ட எதிர்பார்ப்புகளுக்கும் (hype) மருத்துவப் பயன்பாட்டிற்கும் (clinical utility) இடையே ஒரு குறிப்பிடத்தக்க இடைவெளியை வெளிப்படுத்துகிறது. மார்பகப் புற்றுநோய் பரிசோதனையில் தற்போதைய AI பயன்பாடுகள், மருத்துவ வல்லுநர்கள் வைத்திருக்கும் உயர்ந்த எதிர்பார்ப்புகளைப் பூர்த்தி செய்யவில்லை என்று புதிய கண்டுபிடிப்புகள் காட்டுகின்றன.

எதிர்பார்ப்பிற்கும் மருத்துவ யதார்த்தத்திற்கும் இடையிலான இடைவெளி

Clinical Imaging இதழில் வெளியான ஒரு ஆய்வு, AI குறித்த கதிரியக்க நிபுணர்களின் (radiologists) நம்பிக்கைகளுக்கும், அந்தத் கருவிகள் உண்மையில் வழங்கும் முடிவுகளுக்கும் இடையே உள்ள முரண்பாட்டை வெளிப்படுத்துகிறது. Society of Breast Imaging அமைப்பின் 215 உறுப்பினர்களை இந்த ஆய்வு ஆய்வு செய்தது; அதில் சுமார் பாதி பேர் ஏற்கனவே FDA அங்கீகாரம் பெற்ற AI கருவிகளைப் பயன்படுத்துகின்றனர், இருப்பினும் அதன் தாக்கம் மிகக் குறைவாகவே உள்ளது.

முக்கிய செயல்திறன் அளவீடுகள் ஒரு கடுமையான உண்மையைச் சொல்கின்றன. ஐம்பத்தொன்பது சதவீத கதிரியக்க நிபுணர்கள், AI மூலம் மறுபரிசோதனை விகிதங்கள் (recall rates) குறையும் என்று எதிர்பார்த்தனர், ஆனால் 35% மட்டுமே அந்தப் பலனைப் பெற்றனர். மற்ற முடிவுகளிலும் இந்த இடைவெளி அதிகமாக உள்ளது: 36% எதிர்பார்த்த நிலையில், வெறும் 9% மட்டுமே தேவையற்ற பயாப்ஸிகளை (biopsies) குறைப்பதாகக் கண்டனர்; மேலும் 56% பேர் பணிச்சுமை கணிசமாகக் குறையும் என்று எதிர்பார்த்த போதிலும், 29% பேர் மட்டுமே பணிச்சுமையிலிருந்து (burnout) நிம்மதி கிடைப்பதாக உணர்ந்தனர்.

முடிவெடுப்பவராக அல்லாமல், ஒரு "இரண்டாவது கருத்து" (Second Opinion) ஆக AI

கதிரியக்க நிபுணர்கள் AI-ஐ ஒரு முதன்மை நோய் கண்டறியும் கருவியாகக் கருதாமல், ஒரு துணை ஆலோசகராகவே கருதுகின்றனர். UC San Diego Health-ன் முதன்மை ஆசிரியர் Joud Almogati கூறுகையில், மிகச் சில மருத்துவர்களே இறுதி நோயறிதலை AI மூலம் தீர்மானிக்க அனுமதிக்கிறார்கள்; அவர்கள் பெரும்பாலும் முடிவுகளை மீண்டும் சரிபார்க்கவே (double-check) இதைப் பயன்படுத்துகின்றனர்.

முறையான கட்டமைப்புத் தடைகள் இந்தத் கருவிகளைத் தள்ளி வைத்துள்ளன. அதிகப்படியான அமலாக்கச் செலவுகள் மற்றும் நிறுவனங்களின் பலவீனமான ஆதரவு ஆகியவற்றைத் தடையாக நிபுணர்கள் குறிப்பிடுகின்றனர். மருத்துவமனை அமைப்புகளுடன் நெருக்கமான ஒருங்கிணைப்பு மற்றும் தெளிவான செலவு-பயன் தரவுகள் இல்லையென்றால், AI ஒரு முக்கிய அங்கமாக மாறுவதற்குப் பதிலாக ஒரு கூடுதல் கருவியாகவே (add-on) இருக்கும்.

AI கணிப்புகளின் "கடவுள் சிக்கலைத்" (God Complex) தாண்டிச் செல்லுதல்

கதிரியக்கத் துறையில் AI-ன் மந்தமான ஏற்பு, வேலைவாய்ப்பின் எதிர்காலம் குறித்த தொழில்நுட்பத் துறையில் நிலவும் பரந்த பதற்றத்தைப் பிரதிபலிக்கிறது. ஒரு தசாப்தத்திற்கு முன்பு, பல AI ஆராய்ச்சியாளர்கள் கதிரியக்க நிபுணர்கள் முற்றிலும் இடமாற்றம் செய்யப்படுவார்கள் என்று கணித்தனர்; இன்று, கணினி சார்ந்த அனைத்து அறிவுசார் வேலைகளையும் சுற்றி இதே போன்ற மிகைப்படுத்தப்பட்ட எதிர்பார்ப்புகள் நிலவுகின்றன.

Nvidia நிறுவனத்தின் CEO Jensen Huang இத்தகைய மிகைப்படுத்தல்களைக் கடுமையாகச் சாடியுள்ளார், மேலும் இதை AI தீர்க்கதரிசிகளிடையே உள்ள "கடவுள் சிக்கல்" (God complex) என்று அழைக்கிறார். மார்பகப் புற்றுநோய் கண்டறிதல் ஆய்வு நமக்கு நினைவூட்டுவது என்னவென்றால், மிக முக்கியமான மருத்துவத் துறையில், ஒரு மாதிரியின் (model) "அறிவுத்திறனை" விட அதன் நம்பகத்தன்மை, நடைமுறைச் சாத்தியம் மற்றும் சிக்கலான மனிதப் பணிப்பாய்விற்குள் (workflow) அதன் பொருளாதாரத் திறன் ஆகியவையே முக்கியம். டெவலப்பர்கள் வெறும் தத்துவார்த்தத் துல்லியத்தைத் தேடுவதிலிருந்து மாறி, உண்மையான மருத்துவச் சிக்கல்களைத் தீர்ப்பதில் கவனம் செலுத்த வேண்டும்.

முக்கியக் குறிப்புகள்

  • செயல்திறன் முரண்பாடு: மறுபரிசோதனை விகிதங்களைக் குறைப்பதில் (35% உண்மை vs 59% எதிர்பார்த்தது) மற்றும் தேவையற்ற பயாப்ஸிகளைத் தவிர்ப்பதில் (9% உண்மை vs 36% எதிர்பார்த்தது) AI கருவிகள் எதிர்பார்ப்புகளைப் பூர்த்தி செய்யவில்லை.
  • பணிப்பாய்வு வரம்புகள்: அதிக செலவுகள் மற்றும் நிறுவனங்களின் பலவீனமான ஆதரவு காரணமாக, பெரும்பாலான கதிரியக்க நிபுணர்கள் AI-ஐ ஒரு "இரண்டாவது கருத்தாகவே" கருதுகின்றனர்.
  • மிகைப்படுத்தப்பட்ட எதிர்பார்ப்பு இடைவெளி: AI டெவலப்பர்கள் வெறும் தத்துவார்த்த அளவுகோல்களைத் தவிர்த்துவிட்டு, மருத்துவர்களின் பணிச்சுமை (burnout) போன்ற நடைமுறை மருத்துவச் சிக்கல்களைத் தீர்க்க வேண்டும் என்று இந்த ஆய்வின் முடிவுகள் வலியுறுத்துகின்றன.