अध्ययन में पाया गया कि एआई निदान सटीकता गैर-विशेषज्ञ डॉक्टरों के करीब है

ओसाका मेट्रोपॉलिटन यूनिवर्सिटी के एक बड़े पैमाने के विश्लेषण के अनुसार, जनरेटिव एआई मॉडल चिकित्सा निदान के मामले में गैर-विशेषज्ञ डॉक्टरों के साथ अंतर कम कर रहे हैं, लेकिन वे मानव विशेषज्ञों की तुलना में काफ़ी कम सटीक हैं। डॉ. हिरोताका ताकिता और एसोसिएट प्रोफ़ेसर दाइजू उएदा के नेतृत्व में किए गए इस शोध में चिकित्सकों के मुक़ाबले एआई के प्रदर्शन की तुलना करने के लिए 83 अध्ययनों की व्यवस्थित समीक्षा की गई, जिससे पता चला कि एआई निदान की औसत सटीकता 52.1% है।

22 मार्च को नेचर में प्रकाशित इस मेटा-विश्लेषण में जून 2018 से प्रकाशित 18,000 से ज़्यादा शोधपत्रों का विश्लेषण किया गया। इसमें विभिन्न प्रकार के एआई का मूल्यांकन किया गया, जिनमें GPT-4 जैसे गहन अध्ययन वाले मॉडल के साथ-साथ Llama3 70B, Gemini 1.5 Pro, और Claude 3 Sonnet जैसे विशेष रूप से उल्लिखित मॉडल भी शामिल थे।

मुख्य तुलना से पता चला कि एआई का निदान प्रदर्शन सांख्यिकीय रूप से गैर-विशेषज्ञ चिकित्सकों के समान था, जिसमें मनुष्यों के पक्ष में केवल 0.6% का अंतर था। हालाँकि, चिकित्सा विशेषज्ञों ने स्पष्ट बढ़त बनाए रखी और सटीकता में AI मॉडलों से 15.8% अधिक अंतर से बेहतर प्रदर्शन किया।

प्रदर्शन क्षेत्र और जटिलता के अनुसार भिन्न होता है

AI मॉडलों ने विभिन्न चिकित्सा विषयों में अलग-अलग सफलता प्रदर्शित की। उन्होंने त्वचाविज्ञान में विशेष रूप से मज़बूती दिखाई, एक ऐसा क्षेत्र जहाँ दृश्य पैटर्न पहचान – वर्तमान AI की एक विशेषता – एक बड़ी भूमिका निभाती है। फिर भी, शोधकर्ता आगाह करते हैं कि त्वचाविज्ञान दृश्य मिलान से परे जटिल तर्क की भी माँग करता है।

इसके विपरीत, मूत्रविज्ञान में AI दक्षता का सुझाव देने वाले निष्कर्ष इस तथ्य से प्रभावित थे कि वे मुख्य रूप से एक ही बड़े अध्ययन से उत्पन्न हुए थे, जिससे यह सीमित हो गया कि उन परिणामों को कितने व्यापक रूप से लागू किया जा सकता है। सामान्यतः, विश्लेषण से संकेत मिलता है कि जटिल मामलों से निपटने में AI लड़खड़ा जाता है, जिनमें व्यापक, विस्तृत रोगी जानकारी की व्याख्या करने की आवश्यकता होती है, एक ऐसा क्षेत्र जहाँ विशेषज्ञ अक्सर अनुभव और सूक्ष्म नैदानिक तर्क के माध्यम से उत्कृष्टता प्राप्त करते हैं।

AI सहायक के रूप में, प्रतिस्थापन के रूप में नहीं

विशेषज्ञों की तुलना में सटीकता में कमी के बावजूद, यह अध्ययन स्वास्थ्य सेवा सहायता और प्रशिक्षण में AI की संभावित भूमिकाओं पर प्रकाश डालता है। ओसाका मेट्रोपॉलिटन यूनिवर्सिटी ने 18 अप्रैल, 2025 को एक बयान में डॉ. ताकिता के हवाले से इन संभावनाओं पर कहा: “यह शोध दर्शाता है कि जनरेटिव AI की नैदानिक क्षमताएँ गैर-विशेषज्ञ डॉक्टरों के बराबर हैं। इसका उपयोग चिकित्सा शिक्षा में गैर-विशेषज्ञ डॉक्टरों की सहायता के लिए और सीमित चिकित्सा संसाधनों वाले क्षेत्रों में निदान में सहायता के लिए किया जा सकता है।”

यह एक ऐसे भविष्य का संकेत देता है जहाँ AI एक पूरक उपकरण के रूप में अधिक कार्य करेगा, शायद मानव क्षमताओं को प्रतिस्थापित करने के बजाय उन्हें बढ़ाएगा। यह दृष्टिकोण चिकित्सा में AI के बारे में व्यापक चर्चाओं में भी प्रतिध्वनित होता है जहाँ संयुक्त मानव-AI प्रदर्शन अक्सर अकेले किसी एक से बेहतर होता है।

लगातार बाधाएँ: पूर्वाग्रह और पारदर्शिता

विश्लेषण में पहचानी गई उल्लेखनीय चुनौतियों से एआई की क्षमता के प्रति उत्साह संतुलित होता है। एक प्रमुख समस्या कई व्यावसायिक एआई मॉडलों के लिए उपयोग किए जाने वाले प्रशिक्षण डेटा के संबंध में पारदर्शिता का अभाव है। यह अस्पष्टता संभावित पूर्वाग्रहों का आकलन करना या यह निर्धारित करना मुश्किल बना देती है कि किसी मॉडल के प्रदर्शन को विभिन्न रोगी समूहों में सामान्यीकृत किया जा सकता है या नहीं।

शोधकर्ताओं ने नोट किया कि किसी मॉडल के ज्ञान और सीमाओं को समझने के लिए पारदर्शिता आवश्यक है। PROBAST टूल का उपयोग करके गुणवत्ता मूल्यांकन में शामिल 76% अध्ययनों में पूर्वाग्रह का उच्च जोखिम पाया गया, जो अक्सर छोटे परीक्षण डेटासेट का उपयोग करके मूल्यांकन या एआई के प्रशिक्षण डेटा के बारे में अपर्याप्त विवरण के कारण होता है, जो बाहरी सत्यापन मूल्यांकन को प्रभावित करता है।

कुछ विशेषज्ञों को यह भी चिंता है कि सामान्य स्वास्थ्य रिकॉर्ड पर प्रशिक्षित एआई अनजाने में डेटा में मौजूद ऐतिहासिक मानव नैदानिक त्रुटियों को सीख और दोहरा सकता है।

मेडिकल एआई के लिए आगे का रास्ता

ओसाका अध्ययन ऐसे समय में आया है जब विशिष्ट मेडिकल एआई के निर्माण के प्रयास जारी हैं, जिसका उदाहरण जुलाई 2024 में जारी बायोप्टिमस के एच-ऑप्टिमस-0 पैथोलॉजी मॉडल जैसे उपकरण हैं। मेटा-विश्लेषण एक आवश्यक मानदंड प्रदान करता है, जो मानव चिकित्सकों की तुलना में इन उपकरणों की सामान्य नैदानिक क्षमता के स्तर का मूल्यांकन करता है।

भविष्य को देखते हुए, डॉ. ताकिता ने अधिक जटिल नैदानिक परिदृश्यों और स्पष्ट एआई प्रक्रियाओं के माध्यम से सत्यापन की निरंतर आवश्यकता पर बल दिया: “एआई की क्षमताओं को सत्यापित करने के लिए और अधिक शोध, जैसे कि अधिक जटिल नैदानिक परिदृश्यों में मूल्यांकन, वास्तविक मेडिकल रिकॉर्ड का उपयोग करके प्रदर्शन मूल्यांकन, एआई निर्णय लेने की पारदर्शिता में सुधार, और विविध रोगी समूहों में सत्यापन, की आवश्यकता है।”

स्रोत: विनबज़र / डिग्पू न्यूज़टेक्स