വൈദ്യശാസ്ത്രത്തിലെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്  തീർച്ചയായും ഗുണങ്ങളുണ്ട്, പക്ഷേ ഇത് “മാന്ത്രികത” അല്ല, അതിനാൽ എഐയുടെ തലകീഴായി ദോഷവും മനസിലാക്കേണ്ടത് ദാതാക്കൾക്ക് പ്രധാനമാണ്.

“കിടക്കയ്ക്കരികിലുള്ള ക്ലിനിക്കുകളെ സംബന്ധിച്ചിടത്തോളം, ഇത് പ്രധാനമാണെന്ന് ഞാൻ കരുതുന്നു … ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്നത് ‘ക്ലൗഡിൽ’ സംഭവിക്കുന്ന ഒരുതരം മാന്ത്രികതയല്ലെന്ന് തിരിച്ചറിയുക,” അമേരിക്കൻ അക്കാദമി ഓഫ് നഴ്സിംഗ് 2023 ഹെൽത്ത് പോളിസി കോൺഫറൻസിലെ ഒരു പാനലിൽ ക്ലിനിക്കൽ സർവീസസ് വൈസ് പ്രസിഡന്റും അറ്റെർജന്റ് റോബോട്ടിക്സിന്റെ നഴ്സ് എക്സിക്യൂട്ടീവുമായ ഗ്രെഗ് സ്പ്രിംഗൻ പറഞ്ഞു.

“ക്ലൗഡ്” പോലും ഒരു ഭൗതിക കെട്ടിടത്തിലെ ഒരു ഡാറ്റാ സെന്ററാണ്, അദ്ദേഹം പറഞ്ഞു. “ആ ആത്മാവിൽ ഞാൻ ചിന്തിക്കുന്നു … പ്രവചന മോഡലുകൾ [വൈദ്യശാസ്ത്രത്തിൽ] പ്രവർത്തിക്കുന്നു എന്ന ആശയം … ‘മാന്ത്രിക വസ്തുക്കൾ’… അങ്ങനെയല്ല,” അദ്ദേഹം പറഞ്ഞു.

കാനഡയിലെ ഒന്റാറിയോയിലെ വാട്ടർലൂ സർവകലാശാലയിലെ സ്കൂൾ ഓഫ് കമ്പ്യൂട്ടർ സയൻസ്, സ്കൂൾ ഓഫ് പബ്ലിക് ഹെൽത്ത് സയൻസ് എന്നിവയിലെ ഗവേഷണ പ്രൊഫസറായ മൗറ ഗ്രോസ്മാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് മൂന്ന് പ്രധാന ഭാഗങ്ങൾ കാണുന്നുവെന്ന് പറഞ്ഞു: അൽഗോരിതം, മെഷീൻ ലേണിംഗ്, നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (എൻഎൽപി).

ഒരു അൽഗോരിതം ഒരു കേക്ക് പാചകക്കുറിപ്പ് പോലെയാണ്. ഇത് അടിസ്ഥാനപരമായി “ഒരു കമ്പ്യൂട്ടറിനോട് എന്താണ് ചെയ്യേണ്ടതെന്ന് പറയുന്ന നിർദ്ദേശങ്ങളുടെ ഒരു കൂട്ടമാണ്,” അവർ പറഞ്ഞു. പാറ്റേണുകൾ തിരയുന്നതിന് കമ്പ്യൂട്ടറിനെ പരിശീലിപ്പിക്കുന്നത് മെഷീൻ ലേണിംഗ് ഉൾപ്പെടുന്നു. ഉദാഹരണത്തിന്, ഒരു കമ്പ്യൂട്ടറിന് മാരകമായ ക്യാൻസറിന്റെയും നിരുപദ്രവകരമായ ട്യൂമറിന്റെയും ചിത്രങ്ങൾ നൽകാം, തുടർന്ന് അത് ഒരിക്കലും കണ്ടിട്ടില്ലാത്ത ഒരു ചിത്രം കാണിക്കാം. ആ പുതിയ ഫോട്ടോ മാരകമായ ക്യാൻസറിന്റെ ഫോട്ടോയുമായി കൂടുതൽ സാമ്യമുള്ളതാണോ അതോ നിരുപദ്രവകരമായ ട്യൂമറുമായി കൂടുതൽ സാമ്യമുള്ളതാണോ എന്ന് പറയാൻ കഴിയും.

NLP ഭാഷയെ “നിർമ്മിക്കാനോ മനസ്സിലാക്കാനോ” നോക്കുന്നു. “അതിനാൽ അടുത്ത വാക്ക് പ്രവചിക്കാനോ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാനോ കഴിയും,” അവർ പറഞ്ഞു.

ഗ്രോസ്മാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെ പഴയ രീതിയിലുള്ള ഹാർഡ്വെയറിനോട് ഉപമിച്ചു: “ആരും ഡ്രിൽ വാങ്ങുന്നില്ല, കാരണം അവർക്ക് ഡ്രിൽ വേണം,” അവർ പറഞ്ഞു. ചുമരിൽ ഒരു ദ്വാരം ആവശ്യമുള്ളതിനാലാണ് അവർ ഒരു ഡ്രിൽ വാങ്ങുന്നത്.” നിയമ സേവനങ്ങളെക്കുറിച്ച് അന്താരാഷ്ട്ര കമ്പനികളുമായി കൂടിയാലോചിക്കുന്ന എഴുത്തുകാരനും ഫ്യൂച്ചറിസ്റ്റുമായ റിച്ചാർഡ് സുസ്കിൻഡ്, എൽഎൽബി, ഡിഫിൽ എന്നിവരെ ഉദ്ധരിച്ച് ഗ്രോസ്മാൻ കൂട്ടിച്ചേർത്തു.

ആരോഗ്യപരിപാലനത്തിൽ, ആ “ദ്വാരം” മികച്ച രോഗനിർണയവും ചികിത്സയുമാണ്, ഭാവിയിൽ ഇത് രോഗ പ്രതിരോധമായിരിക്കും, ഗ്രോസ്മാൻ പറഞ്ഞു. അതിനാൽ “ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഒരു ഉപകരണമാണ്. വൈദ്യുതി ഒരു ഉപകരണമാണ്. തീ ഒരു ഉപകരണമാണ്. ഇത് ഒരു പൊതു ഉദ്ദേശ്യ ഉപകരണമാണ്, വ്യത്യാസം വരുത്താൻ പോകുന്നത് ഞങ്ങൾ ഇത് എങ്ങനെ ഉപയോഗിക്കുന്നു, അതിന് ചുറ്റും ഞങ്ങൾ സ്ഥാപിക്കുന്ന നിയന്ത്രണങ്ങളും ഗാർഡ് റെയിലുകളും ആണ്.”

എന്നാൽ ഒരു റോബോട്ട് എന്റെ ജോലി ഏറ്റെടുക്കുമോ?

ആരോഗ്യ പ്രവർത്തകർക്ക് പകരം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഏർപ്പെടുത്തുന്നതിനെക്കുറിച്ച് ആശങ്ക പ്രകടിപ്പിച്ചിട്ടുണ്ട്. ആരോഗ്യ പരിരക്ഷാ ദാതാക്കൾ അതിനെക്കുറിച്ച് ആശങ്കപ്പെടേണ്ടതില്ലെന്ന് ഗ്രോസ്മാനും സ്പ്രിംഗനും പറഞ്ഞു.

“നിങ്ങളുടെ ക്ലിനിക്കൽ പ്രാക്ടീസിൽ നിങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കാൻ തുടങ്ങുന്ന ഒരു നിമിഷത്തിലാണ് ഞങ്ങൾ, അല്ലെങ്കിൽ നിങ്ങൾ പിന്നിലാകാൻ പോകുന്നു,” സ്പ്രിംഗൻ പറഞ്ഞു. കമ്പനി വെബ്സൈറ്റ് അനുസരിച്ച് , “രോഗി പരിചരണ ടീമുകളെ പിന്തുണയ്ക്കുന്നതിനും ശാക്തീകരിക്കുന്നതിനും റോബോട്ടുകൾ” വികസിപ്പിക്കുന്നു, പക്ഷേ “ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് നഴ്സുമാർക്ക് പകരമാകാൻ പോകുന്നില്ല,” സ്പ്രിംഗൻ ഊന്നിപ്പറഞ്ഞു. “മനുഷ്യസ്പർശത്തിന് പകരം വയ്ക്കാൻ യാതൊന്നിനും കഴിയില്ല.”

ഗ്രോസ്മാൻ സമ്മതിച്ചു: “ഞാൻ ഹോസ്പിസിലാണെങ്കിൽ അല്ലെങ്കിൽ എന്റെ ജീവിതാവസാനത്തെ അഭിമുഖീകരിക്കുകയാണെങ്കിൽ. ഒരു ബോട്ടുമായി കൈകോർത്ത് പിടിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നില്ല, “അവർ പറഞ്ഞു.

ഇതിനർത്ഥം ദാതാക്കൾക്ക് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് വിപ്ലവം അവഗണിക്കാൻ കഴിയുമെന്നല്ല. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കാര്യം വരുമ്പോൾ “മണലിൽ തലയിടാൻ” ആഗ്രഹിക്കുന്ന ചിലരുണ്ടാകാമെന്ന് ഗ്രോസ്മാൻ അഭിപ്രായപ്പെട്ടു, ഒരുപക്ഷേ അതിനെക്കുറിച്ച് അറിയാൻ വിരമിക്കുന്നതുവരെ കാത്തിരിക്കുമെന്ന് അവർ പറഞ്ഞേക്കാം. “അടുത്ത 3 മുതൽ 5 വർഷത്തിനുള്ളിൽ നിങ്ങൾ വിരമിക്കാൻ പോകുന്നില്ലെങ്കിൽ, നിങ്ങൾക്ക് ഒരു പ്രശ്നമുണ്ടാകും,” ഗ്രോസ്മാൻ പറഞ്ഞു. “നീ ഈ സാധനം സ്വീകരിക്കണം.”

AI the Ally

സ്റ്റാഫിംഗ് പ്രശ്നങ്ങൾ, രോഗിയുടെ സുരക്ഷ, വീണ്ടും പ്രവേശനം എന്നിവ പോലുള്ള ആരോഗ്യസംരക്ഷണ സംവിധാനത്തിലെ വെല്ലുവിളികളെ അഭിസംബോധന ചെയ്യാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കാമെന്ന് സ്പ്രിംഗൻ അഭിപ്രായപ്പെട്ടു. ഉദാഹരണത്തിന്, പ്രായമായവരിൽ വീഴ്ച കൈകാര്യം ചെയ്യുന്നതിനുള്ള റിസ്ക് സ്കോറുകളിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കുന്നു, അദ്ദേഹം പറഞ്ഞു.

നഴ്സിംഗിൽ, ഡാറ്റാ ശേഖരണം, വിശകലനം എന്നീ മേഖലകളിലായിരിക്കും “ഏറ്റവും ഉടനടി സ്വാധീനം” ഉണ്ടാകുകയെന്ന് ഗ്രോസ്മാൻ പറഞ്ഞു. “രോഗിയുടെ അപകടസാധ്യതയോ ശോഷണമോ തിരിച്ചറിയുന്നതിന് ട്രയേജിനൊപ്പം സഹായം നൽകുന്നത് പോലുള്ള വളരെ കൃത്യവും പ്രവർത്തനക്ഷമവുമായ ശുപാർശകൾ നഴ്സുമാർക്ക് നൽകാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾക്ക് കഴിയും. ഈ അർത്ഥത്തിൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കടുത്ത കാഴ്ചയുള്ള ‘രണ്ടാമത്തെ ജോഡി കണ്ണുകളായി’ പ്രവർത്തിക്കും,” ഗ്രോസ്മാൻ മെഡ്പേജ് ടുഡേയോട് പറഞ്ഞു.

ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ടൂളുകൾ രോഗിയുടെ കുറിപ്പുകൾ, റിപ്പോർട്ടുകൾ, പതിവ് ഫോമുകൾ എന്നിവ തയ്യാറാക്കാൻ സഹായിക്കുമെന്നും അതുവഴി ഈ അഡ്മിനിസ്ട്രേറ്റീവ് ജോലികൾ കൈകാര്യം ചെയ്യാൻ നഴ്സുമാർക്ക് എടുക്കുന്ന സമയം കുറയ്ക്കുമെന്നും അവർ എഴുതി. അത്തരം ഉപകരണങ്ങൾ നഴ്സുമാരെ അവരുടെ പരിശീലനത്തിന്റെയും അനുഭവത്തിന്റെയും പൂർണ്ണ തലത്തിൽ പ്രവർത്തിക്കാൻ പ്രാപ്തരാക്കുമെന്ന് ഗ്രോസ്മാൻ പറഞ്ഞു.

“രോഗികളുടെ വിദ്യാഭ്യാസത്തിനും ആരോഗ്യകരമായ ജീവിതശൈലി പ്രോത്സാഹിപ്പിക്കുന്നതിനും എഐ നഴ്സുമാരെ സഹായിക്കും,” അവർ കൂട്ടിച്ചേർത്തു.

എന്നിരുന്നാലും, റോബോട്ടിക്സിൽ നിന്ന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് വേർതിരിക്കാൻ ഗ്രോസ്മാൻ ശ്രദ്ധാലുവായിരുന്നു, ഇത് “ഓട്ടോമേഷന്റെ” മേഖലയിൽ കൂടുതൽ കാണുന്നു.

“ആരോഗ്യസംരക്ഷണ വിതരണ സംവിധാനങ്ങളിൽ സോഷ്യൽ അല്ലെങ്കിൽ കമ്പാനിയൻ റോബോട്ടുകൾ ഇതിനകം അവതരിപ്പിച്ചിട്ടുണ്ട്,” അവർ പറഞ്ഞു. “രോഗികളുമായി ഇടപഴകുന്നതിനുപുറമെ, അവർക്ക് മരുന്നുകൾ വിതരണം ചെയ്യാനും നൽകാനും ആംബുലേഷൻ പിന്തുണ നൽകാനും കഴിയും; ചിലർക്ക് ജീവാധാര ലക്ഷണങ്ങൾ എടുക്കാനും പകർച്ചവ്യാധി പ്രോട്ടോക്കോളുകൾ നടപ്പിലാക്കാനും കഴിയും, ഉദാഹരണത്തിന്, മലിനമായ വസ്തുക്കൾ കൈകാര്യം ചെയ്യുന്നതിലൂടെയോ നീക്കം ചെയ്യുന്നതിലൂടെയോ.”

വ്യക്തിഗത സന്ദർശനം ബുദ്ധിമുട്ടായേക്കാവുന്ന വിദൂര പ്രദേശങ്ങളിൽ വിട്ടുമാറാത്ത രോഗങ്ങളുള്ള രോഗികളെ സഹായിക്കുന്നതിന് ടെലിഹെൽത്തിനൊപ്പം “ആംബുലേറ്ററി റോബോട്ടുകൾ” ഉപയോഗിക്കാം.

“റോബോട്ട് പരിശോധനകൾ എടുക്കുന്നു അല്ലെങ്കിൽ രോഗിയുടെ ആരോഗ്യ നില വിലയിരുത്തുകയും ഫലങ്ങളുടെ അടിസ്ഥാനത്തിൽ രോഗിക്ക് ഉപദേശവും പരിശീലനവും നൽകുന്ന നഴ്സിന് ആ ഡാറ്റ കൈമാറുകയും ചെയ്യുന്നു,” അവർ പറഞ്ഞു.

ഉപകാരപ്രദമാണ്, പക്ഷേ അനുയോജ്യമല്ല

നിയന്ത്രണത്തിന്റെ അഭാവം പോലുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെക്കുറിച്ചുള്ള ചില സംശയങ്ങൾ ഗ്രോസ്മാൻ അറിയിച്ചിട്ടുണ്ട് – നിലവിൽ കമ്പനികൾ ഒരു മനുഷ്യനുമായോ ബോട്ടുമായോ ഇടപെടുന്നുണ്ടോ എന്ന് ഒരു വ്യക്തിയോട് പറയേണ്ടതില്ല, കൂടാതെ “ആഴത്തിലുള്ള വ്യാജന്മാരും യഥാർത്ഥ ചിത്രങ്ങളും” തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയാത്തതിന്റെ അപകടവും അവർ പറഞ്ഞു.

മറ്റൊരു ആശങ്ക തെറ്റായ വിവരങ്ങളാണ്. കുഞ്ഞിന് കോളിക് ബാധിച്ച ഒരു അമ്മ കരയുന്ന കുട്ടിയെക്കുറിച്ച് ഉപദേശം ചോദിച്ചതായും “പോർസലൈൻ അരച്ച് മുലപ്പാലിൽ ഇടാൻ” നിർദ്ദേശിച്ചതായും ഗ്രോസ്മാൻ റിപ്പോർട്ട് ചെയ്തു. ഇപ്പോൾ, സങ്കീർണ്ണമല്ലാത്ത, ഒരു പ്രാദേശിക എമർജൻസി റൂമിലേക്ക് പോകാൻ കഴിയാത്ത ഒരാൾക്ക് എങ്ങനെ കഴിയും … അത് ശരിയാണോ അല്ലയോ എന്ന് അറിയണോ?”

ചില ജനസംഖ്യകളെ ഒഴിവാക്കുക അല്ലെങ്കിൽ ഒരു ജനസംഖ്യയുടെ ആരോഗ്യത്തിൽ എത്രമാത്രം നിക്ഷേപിക്കണമെന്ന് പ്രവചിക്കാൻ നിലവിലെ ആരോഗ്യ ചെലവുകൾ ഉപയോഗിക്കുക തുടങ്ങിയ ആരോഗ്യപരിപാലനത്തിലെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പക്ഷപാതങ്ങളെക്കുറിച്ചും ഗ്രോസ്മാൻ ആശങ്ക പ്രകടിപ്പിച്ചു. നിറമുള്ള ആളുകൾ ആരോഗ്യസംരക്ഷണത്തിനായി കുറച്ച് ചെലവഴിച്ചേക്കാം, കാരണം അവർക്ക് അത് ആക്സസ് ചെയ്യാൻ കൂടുതൽ ബുദ്ധിമുട്ടുണ്ട്, പക്ഷേ അതിനർത്ഥം അവർക്ക് ആവശ്യം കുറവാണെന്ന് അർത്ഥമാക്കുന്നില്ല, അവർ പറഞ്ഞു.

അപ്പോൾ “മാനുഷിക പക്ഷപാതം” അല്ലെങ്കിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഫലങ്ങളിൽ ആളുകൾക്ക് എത്രമാത്രം വിശ്വാസമുണ്ട്. ഒരു റേഡിയോളജിസ്റ്റിനേക്കാൾ നന്നായി ഇമേജിംഗ് സ്കാനുകൾ വായിക്കാൻ കഴിയുന്ന പ്രോഗ്രാമുകൾ ഉണ്ടെന്ന് ഗ്രോസ്മാൻ അഭിപ്രായപ്പെട്ടു, പക്ഷേ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് റീഡിലുള്ള വിശ്വാസം അവിടെയില്ല. മറുവശത്ത്, “ജിപിഎസ് പറഞ്ഞതിനാൽ ഒരു മലഞ്ചെരിവിൽ നിന്നോ വെള്ളത്തിലേക്കോ ഓടിക്കുന്ന ആളുകളുണ്ട്,” ഗ്രോസ്മാൻ പറഞ്ഞു.

ഒരു അൽഗോരിതത്തിന്റെ പക്ഷപാതം തടയുന്നതോ കൈകാര്യം ചെയ്യുന്നതോ എളുപ്പമല്ല, കാരണം ഉപയോഗിക്കേണ്ട ശരിയായ മാനദണ്ഡങ്ങളെക്കുറിച്ച് വ്യക്തമായ ധാരണയില്ല. ഉദാഹരണത്തിന്, ഓരോ ജനസംഖ്യയെയും തുല്യമായി പരിഗണിക്കണമെന്ന് ഒരു വ്യക്തി ചിന്തിച്ചേക്കാം, അതേസമയം അൽഗോരിതം “മുൻകാല അസമത്വങ്ങൾ പരിഹരിക്കേണ്ടതുണ്ടെന്ന്” മറ്റൊരാൾ ചിന്തിക്കും, ഗ്രോസ് പറഞ്ഞു.

“പലപ്പോഴും, ഞാൻ എന്റെ അൽഗോരിതം എത്ര നന്നായി നിർമ്മിക്കുന്നുവോ, അത്രത്തോളം കൃത്യത കുറവാണ്,” അവർ പറഞ്ഞു.

ഹെൽത്ത് കെയർ പ്രൊവൈഡർമാർക്കായുള്ള അടിസ്ഥാന വരി: നിങ്ങൾക്ക് മുന്നിൽ വച്ചിരിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപകരണങ്ങൾ വിലയിരുത്തുകയും “ചോദ്യം ചെയ്യുകയും” ചെയ്യുക: “ഇത് പരിശീലിപ്പിച്ച ഡാറ്റ എന്താണ്, ഇത് ഞാൻ പ്രവചിക്കുന്ന ഡാറ്റയ്ക്ക് സമാനമാണോ?” ഗ്രോസ്മാൻ പറഞ്ഞു.

“ഈ അൽഗോരിതത്തിലേക്ക് പോയ അനുമാനങ്ങൾ, പശ്ചാത്തല അനുമാനങ്ങൾ എന്തൊക്കെയാണ്?” അവർ ചോദിച്ചു. “സ്കെയിലിൽ ഒരു വിരൽ ഇടുന്നുണ്ടോ … ഒരിക്കലും വ്യക്തമായി പറയാത്ത ആരെങ്കിലും തിരശ്ശീലയ്ക്ക് പിന്നിലുള്ളതാണോ?”