লিখেছেন পেসাখ বেনসন • 25 অক্টোবর, 2026

জেরুজালেম, 25 অক্টোবর, 2026 (টিপিএস-আইএল) — একটি ইসরায়েলি গবেষণায় দেখা গেছে যে কৃত্রিম বুদ্ধিমত্তা (এআই) মডেলগুলি অপ্রয়োজনীয় মেডিকেল পরীক্ষার সুপারিশ করতে পারে, এমনকি যখন রোগীদের এ থেকে উপকৃত হওয়ার সম্ভাবনা নেই বললেই চলে; এবং কোন মডেলটি ব্যবহার করা হচ্ছে তার ওপর ভিত্তি করে এই সম্ভাবনার ব্যাপক তারতম্য ঘটে। চিকিৎসকরা নিজেরা যেখানে সঠিক পদক্ষেপ নিয়ে দ্বিমত পোষণ করেছিলেন, সেসব ক্ষেত্রে এই পার্থক্য সবচেয়ে বেশি দেখা গেছে।

ক্ল্যালিত হেলথ সার্ভিসেস এবং বেন-গুরিয়ন ইউনিভার্সিটি অব দ্য নেগেভ দ্বারা পরিচালিত এই গবেষণায় 6টি কৃত্রিম বুদ্ধিমত্তা মডেল মূল্যায়ন করা হয়েছে যাতে দেখা যায় যে তারা চিকিৎসা সংক্রান্ত পদক্ষেপ কখন অযৌক্তিক তা শনাক্ত করতে পারে কি না। গবেষকরা দেখেছেন যে, যেখানে কোনো পদক্ষেপের প্রয়োজন ছিল না এমন 5.4% ক্ষেত্রে মডেলগুলি অপ্রয়োজনীয় পরীক্ষা বা চিকিৎসার সুপারিশ করেছে; অন্যদিকে যে 0.6% ক্ষেত্রে চিকিৎসার প্রয়োজন ছিল সেখানে ভুলভাবে প্রয়োজনীয় যত্নের বিরুদ্ধে পরামর্শ দিয়েছে।

স্বাস্থ্যসেবা প্রদানকারীরা চিকিৎসা সংক্রান্ত সিদ্ধান্ত পরিচালনায় কৃত্রিম বুদ্ধিমত্তা ব্যবহারের বিষয়টি অনুসন্ধান করার প্রেক্ষাপটে এই ফলাফলগুলি একটি সম্ভাব্য দুর্বলতা তুলে ধরে: মডেলগুলি সামগ্রিকভাবে ভালো পারফর্ম করতে পারে, তবে চিকিৎসার প্রমাণ বা পেশাদার নির্দেশিকা যখন চূড়ান্ত নয়, তখন সম্পূর্ণ ভিন্ন সুপারিশ প্রদান করে।

অপ্রয়োজনীয় পরীক্ষা নিরীহ বা ক্ষতিকর নয় এমন অস্বাভাবিকতা উন্মোচন করতে পারে যা আরও পরীক্ষা, রেফারেল এবং কখনও কখনও আক্রমণাত্মক প্রক্রিয়া বা অস্ত্রোপচারের দিকে পরিচালিত করে। এই ধরনের ফলো-আপ কেয়ার উদ্বেগ সৃষ্টি করতে পারে, স্বাস্থ্যসেবার সংস্থান নষ্ট করতে পারে এবং রোগীদের এড়ানো যায় এমন ঝুঁকির মুখোমুখি করতে পারে। একই সময়ে, পরীক্ষার বিষয়ে অতিরিক্ত সতর্কতাও ক্ষতিকারক হতে পারে যদি এটি প্রয়োজনীয় সেবা আটকে রাখার কারণ হয়।

“রোগীরা মনে করেন যে আরেকটি পরীক্ষা আত্মবিশ্বাস তৈরি করে, তবে পিঠের একটি অপ্রয়োজনীয় এমআরআই কখনও কখনও এমন হার্নিয়েটেড ডিস্ক বা ক্ষয় প্রকাশ করে যা কোনো ব্যথা ছাড়াই সুস্থ মানুষের মধ্যেও বিদ্যমান থাকে, এবং সেখান থেকে উদ্বেগ, অতিরিক্ত পরীক্ষা এমনকি অপ্রয়োজনীয় চিকিৎসার পথ খুব ছোট হতে পারে,” বলেছেন ক্ল্যালিত হেলথ সার্ভিসেসের পারিবারিক চিকিৎসক এবং চিকিৎসা কৃত্রিম বুদ্ধিমত্তা গবেষক ড. ডিন এরিয়েল, যিনি এই গবেষণার নেতৃত্ব দিয়েছেন।

“ভাষা মডেলগুলি আমাদের পাঠ্য থেকে ওষুধ এবং চিকিৎসা শিখেছে, যার মধ্যে আমাদের কম ভালো অভ্যাসগুলিও অন্তর্ভুক্ত, এবং আমরা পরীক্ষা করতে চেয়েছিলাম যে তারা প্রয়োজনের সময় সংযত থাকার ক্ষমতাও আত্মস্থ করেছে কিনা,” এরিয়েল যোগ করেন। “বেশিরভাগ ক্ষেত্রে তারা জানে কোথায় থামতে হবে, এবং মূলত আমরা—ডাক্তাররা—যেখানে দ্বিধাদ্বন্দ্বে থাকি সেখানেই তারা হোঁচট খায়।”

গবেষকরা চুজিং ওয়াইজলি উদ্যোগের সুপারিশের ওপর ভিত্তি করে মেডিকেল পরিস্থিতি তৈরি করেছিলেন, যা খুব কম বা কোনো সুফল দেয় না এমন মেডিকেল পরীক্ষা এবং চিকিৎসাকে নিরুৎসাহিত করতে 2012 সালে চালু করা একটি আন্তর্জাতিক প্রচারণা। তারা গুগল, অ্যানথ্রপিক এবং ওপেনএআই দ্বারা তৈরি 6টি ভাষা মডেল পরীক্ষা করেছেন এবং হাজার হাজার প্রতিক্রিয়া বিশ্লেষণ করেছেন।

এই পরিস্থিতিগুলি এমন ক্ষেত্রগুলির মধ্যে তুলনা করেছিল যেখানে একই পরীক্ষা অপ্রয়োজনীয় বা অপরিহার্য হতে পারে। উদাহরণস্বরূপ, আসবাবপত্র সরানোর পরে পিঠে ব্যথা অনুভব করা একজন যুবকের সাধারণত তাৎক্ষণিক ইমেজিংয়ের প্রয়োজন হয় না। বিপরীতে, স্তন ক্যান্সারের ইতিহাস রয়েছে এমন একজন নারী যিনি রাতে খারাপ হওয়া নতুন পিঠের ব্যথায় আক্রান্ত হন, তার ক্ষেত্রে সম্ভাব্য গুরুতর সমস্যা তদন্তের জন্য ইমেজিংয়ের প্রয়োজন হতে পারে।

ডাক্তাররা যখন একমত নন

মডেলগুলি মূলত দুই ধরনের সুপারিশের ক্ষেত্রে সবচেয়ে বেশি ভুগেছে। তারা ছোট নোডুলের জন্য 42.8% প্রতিক্রিয়ায় অপ্রয়োজনীয় থাইরয়েড আল্ট্রাসাউন্ড এবং কম ঝুঁকির রোগীদের ক্ষেত্রে 28.3% প্রতিক্রিয়ায় রুটিন ইলেক্ট্রোকার্ডিওগ্রাম (যা হৃদযন্ত্রের বৈদ্যুতিক কার্যকলাপ রেকর্ড করে) প্রস্তাব করেছে।

এই ফলাফলগুলি একটি পরীক্ষা কখন ন্যায়সঙ্গত তা নির্ধারণের অসুবিধা তুলে ধরে। কিছু ছোট থাইরয়েড নোডুল মূল্যায়নের সুপারিশের ক্ষেত্রে চিকিৎসা সংস্থাগুলির মধ্যে ভিন্নমত রয়েছে। একইভাবে, সামগ্রিক ঝুঁকি কম থাকলেও একটি ইলেক্ট্রোকার্ডিওগ্রামের প্রয়োজনীয়তা রোগীর লক্ষণ এবং ক্লিনিকাল পরিস্থিতির ওপর নির্ভর করে।

যেসব পরিস্থিতিতে চিকিৎসা পেশাদাররা উপযুক্ত পদক্ষেপের বিষয়ে দ্বিমত পোষণ করেছিলেন, সেখানে মডেলগুলির মধ্যে পার্থক্য ছিল বিশেষভাবে লক্ষণীয়। একটি মডেল 10%-এরও কম প্রতিক্রিয়ায় একটি অপ্রয়োজনীয় পরীক্ষার সুপারিশ করেছিল, অন্যদিকে আরেকটি মডেল একই পরিস্থিতিতে 80% প্রতিক্রিয়ায় তা করেছিল। এই ফলাফলগুলি ইঙ্গিত দেয় যে চিকিৎসাগতভাবে অনিশ্চিত পরিস্থিতিতে রোগীরা যে পরামর্শ পান, তা কৃত্রিম বুদ্ধিমত্তা মডেল নির্বাচনের ওপর উল্লেখযোগ্যভাবে প্রভাবিত হতে পারে।

“আমরা একটি ভাষা মডেলের উত্তরকে একক কর্তৃত্বপূর্ণ কণ্ঠস্বর হিসাবে শুনি, যেন কোনো ‘কৃত্রিম বুদ্ধিমত্তার অবস্থান’ রয়েছে,” বলেছেন বেন-গুরিয়ন ইউনিভার্সিটির শিল্প প্রকৌশল ও ব্যবস্থাপনা বিভাগের সিনিয়র একাডেমিক গবেষক ড. গাই লাভান।

লাভান এই উদ্বেগও প্রকাশ করেছেন যে ব্যবহারকারীরা যখন পরীক্ষার জন্য জোর দেন তখন ভাষা মডেলগুলি তাদের সুপারিশ পরিবর্তন করতে পারে, যা সম্ভাব্যভাবে ধারাবাহিক চিকিৎসা সংক্রান্ত নির্দেশনা প্রদানের ক্ষমতাকে ক্ষতিগ্রস্ত করে।

গবেষকরা বলেছেন কৃত্রিম বুদ্ধিমত্তা ব্যবস্থাগুলি কেবল প্রয়োজনীয় যত্ন শনাক্ত করার ক্ষমতার ওপরই নয়, বরং কখন পরীক্ষা বা চিকিৎসা অযৌক্তিক তা শনাক্ত করার ক্ষমতার ওপরও মূল্যায়ন করা উচিত। তবে, যেহেতু গবেষণাটি কৃত্রিমভাবে তৈরি মেডিকেল পরিস্থিতির প্রতিক্রিয়া পরীক্ষা করেছে, তাই এটি বাস্তব রোগীদের পরামর্শ দেওয়ার ক্ষেত্রে মডেলগুলি কেমন পারফর্ম করবে তা নিশ্চিত করে না।

গবেষণাটি পিয়ার-পর্যালোচিত জার্নাল অ্যানালস অব ইন্টারনাল মেডিসিন-এ প্রকাশিত হয়েছে।