اگرچہ مصنوعی ذہانت (AI) نے آنکولوجی (oncology) میں انقلاب لانے کا وعدہ کیا تھا، لیکن حال ہی میں حقیقت کے ایک جائزے سے اس کے بڑھ چڑھ کر کیے گئے دعووں اور طبی افادیت کے درمیان ایک بڑا فرق سامنے آیا ہے۔ نئی تحقیقات سے پتہ چلتا ہے کہ بریسٹ کینسر کی اسکریننگ میں موجودہ AI کا استعمال طبی ماہرین کی بلند توقعات پر پورا نہیں اتر رہا۔

توقعات اور طبی حقیقت کے درمیان فرق

Clinical Imaging میں کیے گئے ایک سروے سے ریڈیالوجسٹس (radiologists) کی AI سے وابستہ امیدوں اور ان ٹولز کے اصل نتائج کے درمیان عدم مطابقت کا پتہ چلتا ہے۔ اس مطالعے میں Society of Breast Imaging کے 215 اراکین کا سروے کیا گیا؛ تقریباً نصف اراکین پہلے سے ہی FDA سے منظور شدہ AI ٹولز استعمال کر رہے ہیں، پھر بھی اس کا اثر محدود ہے۔

کارکردگی کے اہم پیمانے ایک تلخ حقیقت بیان کرتے ہیں۔ 59 فیصد ریڈیالوجسٹس کو توقع تھی کہ AI سے ریکال ریٹس (recall rates) میں کمی آئے گی، لیکن صرف 35 فیصد نے اس فائدے کا مشاہدہ کیا۔ دیگر نتائج کے لیے یہ فرق مزید بڑھ جاتا ہے: صرف 9 فیصد نے غیر ضروری بائیوپسیز (biopsies) میں کمی دیکھی جبکہ توقع 36 فیصد کی تھی، اور صرف 29 فیصد نے کام کے بوجھ (burnout) سے کچھ ریلیف محسوس کیا، حالانکہ 56 فیصد نے کام کے بوجھ میں خاطر خواہ کمی کی امید کی تھی۔

AI بطور "دوسری رائے" نہ کہ فیصلہ ساز

ریڈیالوجسٹس AI کو ایک بیک اپ کنسلٹنٹ کے طور پر استعمال کرتے ہیں، نہ کہ بنیادی تشخیص کرنے والے کے طور پر۔ UC San Diego Health کی لیڈ آتھر جوڈ الموگاتی (Joud Almogati) کا کہنا ہے کہ بہت کم طبی ماہرین AI کو اپنی حتمی تشخیص پر اثر انداز ہونے دیتے ہیں؛ وہ اسے بنیادی طور پر نتائج کی دوبارہ تصدیق کے لیے استعمال کرتے ہیں۔

نظامی رکاوٹیں ان ٹولز کو حاشیے پر رکھتی ہیں۔ پیشہ ور افراد اسے نافذ کرنے کے بلند اخراجات اور کمزور ادارہ جاتی تعاون کو اہم رکاوٹیں قرار دیتے ہیں۔ ہسپتالوں کے نظام کے ساتھ گہرے انضمام اور واضح لاگت و فائدے کے ڈیٹا کے بغیر، AI ایک بنیادی جزو بننے کے بجائے محض ایک اضافی چیز (add-on) ہی رہتا ہے۔

AI کی پیش گوئیوں کے "گڈ کمپلیکس" (God Complex) سے آگے بڑھنا

ریڈیالوجی میں AI کا کمزور اپناؤ ٹیکنالوجی کی دنیا میں کام کے مستقبل کے حوالے سے موجود وسیع تر تناؤ کی عکاسی کرتا ہے۔ ایک دہائی قبل، بہت سے AI محققین نے ریڈیالوجسٹس کی مکمل جگہ لینے کی پیش گوئی کی تھی؛ آج، اسی طرح کا شور تمام کمپیوٹر پر مبنی علمی کاموں (knowledge work) کے گرد مچا ہوا ہے۔

Nvidia کے سی ای او جینسن ہوانگ (Jensen Huang) نے ایسی مبالغہ آرائی کی سخت مذمت کرتے ہوئے اسے AI پیشگوئی کرنے والوں کا "گڈ کمپلیکس" قرار دیا ہے۔ بریسٹ کینسر کی تشخیص کا یہ مطالعہ ہمیں یاد دلاتا ہے کہ حساس طب میں، کسی ماڈل کی "ذہانت" سے زیادہ اس کی قابل اعتمادیت، عملیت پسندی اور ایک پیچیدہ انسانی ورک فلو کے اندر اس کی معاشی افادیت اہمیت رکھتی ہے۔ ڈویلپرز کو نظریاتی درستگی کے پیچھے بھاگنے کے بجائے حقیقی طبی مشکلات (clinical friction) کو حل کرنے کی طرف توجہ دینے کی ضرورت ہے۔

اہم نکات

  • کارکردگی کا فرق: AI ٹولز ریکال ریٹس کو کم کرنے (35% اصل بمقابلہ 59% متوقع) اور غیر ضروری بائیوپسیز (9% اصل بمقابلہ 36% متوقع) کے حوالے سے توقعات پر پورا نہیں اتر رہے۔
  • ورک فلو کی حدود: زیادہ تر ریڈیالوجسٹس AI کو "دوسری رائے" کے طور پر استعمال کرتے ہیں کیونکہ اخراجات زیادہ ہیں اور ادارہ جاتی تعاون کمزور ہے۔
  • دعووں اور حقیقت کا فرق: یہ نتائج تقاضا کرتے ہیں کہ AI ڈویلپرز محض نظریاتی معیار کو چھوڑ کر طبی ماہرین کے کام کے بوجھ (burnout) جیسے عملی طبی مسائل کو حل کریں۔