ડૉ. શ્રેય દેસાઈ
ડૉ. શ્રેય દેસાઈ દક્ષિણ ગુજરાતના ઝઘડિયા આસપાસના આદિવાસી વિસ્તારમાં આરોગ્ય અને વિકાસનાં કામો માટે કાર્યરત સેવારૂરલના સંશોધન વિભાગના વડા છે. તેઓ ડીજીટલ હેલ્થ ક્ષેત્રમાં સંશોધક, સલાહકાર, કાર્યક્રમો વિકસાવનાર, જાહેર આરોગ્યમાં કામ કરનાર તરીકે તથા આદિવાસી સમાજમાં દાક્તર તરીકે સેવા આપી રહ્યા છે.
સામાન્ય રીતે રોગના નિદાન માટે દર્દી ડૉક્ટર પાસે જાય છે, તે એકસ-રે, લેબોરેટરીના ટેસ્ટ કરાવે, સોનોગ્રાફી, સીટી સ્કેન કરાવે. તેના રિપોર્ટને આધારે પેથોલોજિસ્ટ કે રેડિયોલોજિસ્ટ પરિણામોનું અર્થઘટન કરે છે. જેથી દર્દીનું નિદાન થઈ શકે. આ ક્ષેત્રે બે પડકાર છે : એક વધુ ખર્ચ અને બીજું ગ્રામીણ વિસ્તારમાં સારા ડૉકટર, લેબોરેટરી કે રેડિયોલોજીનાં કેન્દ્રોની અછત. વળી, ગ્રામીણ ક્ષેત્રમાં આરોગ્ય સેવાઓની ગુણવત્તા પણ નબળી ગણાય. આરોગ્ય સેવાઓ આપવામાં અસમાનતા પણ રહેલી છે. જાહેર ક્ષેત્રના આરોગ્યકર્મીઓની મોટી ફોજની અસરકારકતા અને કાર્યક્ષમતા એકંદરે ઓછી છે. એમનો ખાસ્સો સમય ડોક્યુમેન્ટેશનમાં જવાથી સેવા આપવાનો સમય બગડે છે. આ પડકારોનો કાંઈક અંશે ઉકેલ અઈંજન્ય ટેક્નોલોજીમાં જણાય છે. AI ઘણી તકો ખોલી શકે તેમ છે.
AIજન્ય ટેક્નોલોજીથી રોગોના નિદાન અને સારવાર માટે હાલમાં શહેરોના દાક્તરો, મોટાં દવાખાનાં અને લેબોરેટરી પર મદાર રાખવો પડે છે. AIજન્ય ટેક્નોલોજી આમાં હકારાત્મક ફેરફાર લાવી શકે છે. સૌ પ્રથમ પેરામેડિકલ તાલીમ લીધેલ વ્યક્તિઓ AIજન્ય ટેક્નોલોજીની મદદથી લગભગ દાક્તરકક્ષા સુધીની નિદાન અંગેની સલાહ આપી શકે છે. ભારતમાં ગામેગામ આશા કાર્યકરો, ફીલ્ડ નર્સ, પ્રાથમિક આરોગ્યકેન્દ્રો ઉપલબ્ધ છે. યોગ્ય AI અલ્ગોરિધમની મદદથી તેમની ક્ષમતા વધારી શકાય. દર્દીઓને કદાચ શહેરોમાં ન જવું પડે. એવા ઘણા પ્રયોગો થઈ રહ્યા છે કે લેબોરેટરી વિના કે નિષ્ણાત વિના પણ નિદાન બાબતે મોટી ક્રાંતિ આવી શકે તેમ છે.
જેમ કે બેકાબૂ ડાયાબિટીસને લીધે આંખના પડદાને નુક્સાન થાય તો દ્દષ્ટિને નુક્સાન થાય છે. આવી રેટિનોપથીના નિદાન માટે દર્દીએ આંખના પડદાના નિષ્ણાત પાસે જવું પડે છે. AIની મદદથી ગ્રામ્યસ્તરે એક ખાસ પ્રકારના કેમેરા-રેટિનોસ્કોપની મદદથી ઘર આંગણે એક પેરામેડિકલ કાર્યકર પણ આંખનો ફોટો લઈ AIના મોડલ-અલ્ગોરિધમ થકી ઘણી ચોક્સાઈપૂર્વક દર્દીને ડાયાબિટિક રેટિનોપથી છે કે નહીં તેનું પ્રારંભિક નિદાન કરી શકે છે. આ દ્વારા આંખના પડદાના ડૉક્ટરની જરૂરિયાત ઘટાડી શકાય. તે બહુ મોટો ઉપકાર ગણાય. એવું જ છાતીના એક્સ-રેને વાંચવા માટે આજે રેડિયોલોજિસ્ટની જરૂર પડે છે, જે ગામડામાં હોતા નથી. AIજન્ય ટેક્નોલોજીથી એક્સ-રે પડે અને તે સાથે જોડાયેલ અલ્ગોરિધમ તરત જ કહી શકે અને દર્દીને જો ક્ષય થયો હોય તો તેનું નિદાન કરી શકે.
રોગોની સારવાર માટે ઘણા AI-અલ્ગોરિધમ બની રહ્યા છે, જેમાં વ્યક્તિગત સારવારના વિકલ્પો ખુલ્લા થયા છે. ઉદાહરણરૂપે ચેટ GPT કે અન્ય લાર્જ લેન્ગવેજ મોડેલ્સ (LLM) દ્વારા જે તે દર્દી માટે, ઉંમર, જાતિ, લિંગ, સામાજિક-આર્થિક સ્થિતિ અનુસાર કયા પ્રકારની સારવાર સૌથી વધુ અસરકારક રહેશે તેની વધુ સારી સ્પષ્ટતા મેળવી શકાશે. સર્જરી અંગેના નિર્ણય બાબતે પણ આ લાગુ પડે છે, સાથોસાથ AIના ઉપયોગથી આરોગ્યકર્મી કે સામાન્ય વ્યક્તિને પોતાના રોગનાં લક્ષણોને આધારે ઓનલાઈન અભિપ્રાય મળવા માંડશે, જે હાલમાં ગૂગલ સર્ચથી મળતા અભિપ્રાય કરતાં વધુ ગુણવત્તાસભર હશે.
AI ટેક્નોલોજીને યોગ્ય રીતે વાપરવામાં આવે તો તે ડૉક્ટરનો એક હોંશિયાર મદદનીશ બની રહેશે. ઉદાહરણથી વાત સમજીએ. ઇલેક્ટ્રોનિક રીતે મેડિકલ રેકર્ડ રાખવાનું શરૂ થયા પછી ડૉક્ટર અને દર્દી વચ્ચેના સંવાદમાં મોટો ફેર આવ્યો છે. આજે દર્દી જ્યારે તેની પીડા કે લક્ષણોનું વર્ણન કરતો હોય છે ત્યારે ડૉક્ટરો દર્દી સાથે આંખ મિલાવવાને બદલે કમ્પ્યુટરમાં હિસ્ટ્રી ટાઈપ કરતા હોય છે અને દર્દી સાથે સંવેદનશીલ ભાવનાત્મક સંબંધ બનવાની તક ઘટી જાય છે. AI ટેક્નોલોજી આપમેળે દર્દના વર્ણનને ટાઈપ કરી લે તો ડૉક્ટર દર્દી પ્રત્યે વધુ ધ્યાન આપી શકે. આ ખૂબ ઉમદા બાબત છે. આવું શક્ય બનાવવા માટે AIજન્ય ટેક્નોલોજીના વિકાસ પહેલાં એક સ્પષ્ટ પ્રોબ્લેમ સ્ટેટમેન્ટ બનાવવામાં આવે જેથી દર્દી, ડૉક્ટર, પેરામેડિકલ સ્ટાફની તકલીફોનો ઉકેલ આવી શકે. આ પ્રોબ્લેમ સ્ટેટમેન્ટના આર્ટીક્યુલેશન માટે સંવેદનશીલ ડૉક્ટરો અને સામાન્ય વ્યક્તિની ભૂમિકા અનિવાર્ય છે.
આરોગ્ય સંશોધનક્ષેત્રે નવી દવાઓના સંશોધનમાં તેની ઘણી ઉપયોગિતા જણાય છે. દવાઓમાં વપરાતાં રસાયણોના મોટા ડેટાબેઝનું ઝડપથી પૃથક્કરણ કરીને કઈ દવા કયા રોગમાં કામ લાગશે તે વિશેનાં સંશોધનો ઝડપી બનાવી શકાશે. અન્યથા હાલમાં વપરાતી પરંપરાગત પદ્ધતિઓ લાંબો સમય માંગી લે છે.
મેડિકલ શિક્ષણમાં પણ સંભવિત ફાયદા છે. આ ટેકનોલોજીથી વ્યક્તિગત શિક્ષણ થઈ શકશે. આપણે જાણીએ છીએ કે દરેક વ્યક્તિની શીખવાની જરૂરિયાત, ક્ષમતા અને શૈલી અલગ અલગ હોય છે. તેમના સબળા-નબળા વિષયો અલગ અલગ હોય છે. હાલના મેડિકલ શિક્ષણમાં બધા જ વિદ્યાર્થીઓને એક જ વર્ગ કે પદ્ધતિથી શીખવવામાં આવે છે. હવે AI થકી વિદ્યાર્થી તેની પ્રકૃતિ અને જરૂરિયાત મુજબ શિક્ષણ લઈ શકશે. બીજો ફાયદો એ છે કે મેડિકલ શિક્ષણ ક્ષેત્રે એક અનુભવાત્મક શિક્ષણ (Experiential Learning)ની તક ઊભી થશે. જેમ આજે ડ્રાઈવિંગ માટે કૃત્રિમ વાતાવરણમાં આબેહૂબ સ્થિતિ ઊભી કરાય છે તેમ Artificial Stimulationની મદદથી ઘણી સારી તાલીમ થઈ શકશે.
અલબત્ત, કેટલીક બાબતો અઈંજન્ય ટેક્નોલોજીને સોંપી શકાય તેમ નથી. સૌથી પ્રથમ કોઈ મશીન દર્દી સાથે લાગણીના સંબંધો ન બનાવી શકે, એ તો દાક્તર કે આરોગ્યકર્મી જ બનાવી શકે. બીજું, નિદાન અને સારવારમાં કેટલાક ક્લિષ્ટ પ્રશ્ર્નો આવે છે. તેના ઉકેલ માટે દર્દીનો ઇતિહાસ, સામાજિક પૂર્વભૂમિકા, દર્દીની પ્રાથમિક્તાને ધ્યાને લઈને ક્રીટીકલ થિંકીંગની જરૂર પડે છે. આ કામ અઈંજન્ય ટેક્નોલોજી હરગિજ કરી ન શકે કે તેને સોંપી ન શકાય. ત્રીજું, દર્દીની ભૌતિક તપાસ કોઈ દાક્તરે કરવી અનિવાર્ય છે. તે કોઈ રોબોટ કે મશીનને સોંપી ન શકાય.
AIના વપરાશમાં સાવચેતી જરૂરી છે. પ્રથમ જોખમ છે, દર્દી અને વ્યક્તિઓના ડેટાની પ્રાઈવસી અને સલામતીનું. ડેટાની ચોરી કે લે/વેચ દ્વારા સર્વેલન્સ (પ્રજા/દર્દી પર નજર રાખવી તે) વધવાની શક્યતા છે. AI મોડેલ્સ ખૂબ જ મોટા ડેટા સેટનો ઉપયોગ કરી બનેલાં હોય છે અને તે કોઈ ચોક્કસ વ્યક્તિની માહિતી મેળવી શકે છે. જો સાવચેતી ન રહે તો દર્દીની સંમતિ વિના તેનો ડેટા બીજા પાસે જતો રહે.
આ ડેટાનો દુરુપયોગ કંપની દ્વારા, સરકાર દ્વારા કે અન્ય દ્વારા થાય. આ જોખમને ટાળવા ડેટા ડિ-આઈડેન્ટિફિકેશન એટલે કે માહિતીમાંથી વ્યક્તિની ઓળખને કાઢી નાંખવાની વાજબી માંગણી થઈ રહી છે. સાથોસાથ સરકારોએ પણ AIના દુરુપયોગને ટાળવાની પહેલ શરૂ કરી છે. હાલમાં જ ઇન્ડિયન કાઉન્સિલ ઓફ મેડિકલ રિસર્ચ (ICMR) દ્વારા અઈંના ઉપયોગ અંગેની માર્ગદર્શિકા બહાર પાડવામાં આવી છે, જે સ્વાગતને પાત્ર છે.
બીજું જોખમ, AIના ઉપયોગથી અસમાનતા વધી શકે છે. કારણ કે AIના સંશોધન અને વિકાસ માટે ઘણો ખર્ચ થતો હોઈ ટેક્નોલોજી એટલી મોંઘી થાય કે સમાજમાં પાછળ રહી ગયેલ વર્ગોને તે ન પરવડે, ન મળે. જો આમ થાય તો અસમાનતા વધે. આ જોખમને ઘટાડવાનું કામ આપણા જેવી સંસ્થાઓ અને વ્યક્તિઓએ કરવાનું રહે. હાલમાં ચાલતા અઈંના સંશોધન, વિકાસ અને અમલમાં આપણા જેવા સંવેદનશીલ લોકો અને સરકાર શરૂઆતથી જ ભાગ લે તે જરૂરી છે. તથા આપણા આદર્શોને તેમાં પરોવવામાં આવે તો AI ટેકનોલોજી ઉપયોગી થઈ શકે તેમ છે. મારા મતે AI ટેકનોલોજીથી સામાન્ય પ્રજા વધુ જાણકાર બનીને સક્ષમ બનશે અને તેમ થશે તો અનૈતિક રીતભાતોથી પોતાની જાતને બચાવી શકશે.
મહત્ત્વનું જોખમ પરતંત્રતાનું છે. કોઈપણ દર્દી કે સમસ્યાના ઉકેલ માટે પોતાનું મગજ કસવાને બદલે મશીન પાસેથી જ ઉકેલ શોધવાની કુટેવ આરોગ્યકર્મીઓને પડી જાય. આ બાબત એટલા માટે પણ જોખમી છે કે AIનાં મોડેલ હજી ઘણાં અધકચરાં છે, તેમાં પૂર્વગ્રહો રહી જાય છે, તે સંપૂર્ણ નથી અને તેથી નિર્ણયમાં અનુભવજન્ય માનવ હસ્તક્ષેપ અનિવાર્ય છે. આના ઉપાય માટે મેડિકલ શિક્ષણના અભ્યાસક્રમમાં AIના વાજબી ઉપયોગને હવે સમાવવું જોઈએ.
ટેક્નોલોજી પોતે સારી કે ખરાબ નથી હોતી, તે આપણા ઉપયોગ પર આધાર રાખે છે. ટેક્નોલોજીને કોણ, કોને માટે અને શેને માટે વાપરે છે, તેનું નિયમન કઈ રીતે થાય છે, તે માટેના કાયદા કેવા બને છે તેના પર તે સારી કે ખરાબનો આધાર છે. સર્જન પાસેની છરી ઓપરેશન દ્વારા દર્દીને સારો પણ કરી શકે છે અને મારી પણ નાંખી શકે છે. આ માટે પ્રજાની સામૂહિક જાગૃતિ જરૂરી છે. જો ટેકનોલોજીના વિકાસની શરૂઆતથી જ ઈરાદાઓને નેક રખાશે અને તેમાં સંવેદનશીલ વ્યક્તિઓ જોડાશે તો સારાં પરિણામો આવશે.
આ બાબતે ઉત્કૃષ્ટ સંશોધનની જરૂર પડશે. સોફ્ટવેર તો બની જશે પણ વાસ્તવિક પ્રજાજીવનમાં શું ફેર પડયો તે જાણવા ટ્રાન્સલેશન રિસર્ચની પણ જરૂર રહેશે. સાથોસાથ AIજન્ય ટેક્નોલોજીથી સૂચવેલ નિદાન અને સારવાર સચોટ છે કે નહીં તેના સંશોધનની પણ જરૂર પડશે. વિશેષ કરીને મેડિકલ ક્ષેત્રે તો આ ટેક્નોલોજી ખાસ્સી અધકચરી હોઈ સંશોધન સંસ્થાઓની ભૂમિકા ઘણી મોટી બનશે.
સરકારે વહેલી તકે આ ટેક્નોલોજીના નિયમન માટે ધારા-ધોરણો અને કાયદાઓ બનાવવાનું કરવું જોઈએ. હાલમાં તો તેના સંશોધન, વિકાસ અને અમલ માટે કોઈ કાયદા નથી. ભારતે તેમાં પહેલ કરવી જોઈએ. ટેક્નોલોજીના વિકાસ સાથે એવી વ્યવસ્થા કે શરતો હોય છે જેથી તેને ઓછા ભાવે કે વિનામૂલ્યે (Open Source) રખાય. સામાજિક સંસ્થાઓએ તેના સંશોધન અને વિકાસમાં અત્યારથી જ જોડાઈ કંપનીઓ સાથે ભાગીદારી શરૂ કરવી જોઈએ. એ માટે સાવધાની રાખી આપણે હકારાત્મક રીતે વિચારવું જોઈએ. આપણા સિદ્ધાંતો અને પ્રાથમિકતાને મક્કમ રાખીને પણ એ શક્ય છે. એમ કરવાથી ટેક્નોલોજીના વિકાસમાં મૂળમાંથી જ કામ થશે.
ટેક્નોલોજી કંપનીઓ AIજન્ય ટેક્નોલોજીના ઉપયોગ માટે મધ્યમ અને ઓછી આવકવાળા દેશો પાસે ઓછા નફાની અપેક્ષા રાખે. લોકહિતમાં જોડાયેલ વ્યક્તિ અને સંસ્થાઓને તેના વિકાસમાં પહેલેથી જ સામેલ કરે. જેથી જે પ્રોડક્ટ બહાર આવે તે સસ્તી, સચોટ અને ગુણવત્તાને સુધારનારી, આરોગ્યકર્મીઓને સક્ષમ બનાવનારી અને પર્યાવરણ માટે લાભદાયક હોય. સમાજ પાસે એ પણ અપેક્ષા છે કે AIજન્ય ટેક્નોલોજીના ઉપયોગ માટે પોતાની સમજ અને ક્ષમતામાં વધારો કરે.
સેવારૂરલ છેલ્લાં દોઢ વર્ષથી AIજન્ય ટેક્નોલોજીનો લાભ ગ્રામીણ પ્રજાને થાય તેવા પ્રયોગોમાં જોડાયું છે. અમે પણ શીખી રહ્યા છીએ.
સાભાર સૌજન્યઃ ભૂમિપુત્ર, ૯ ઓગસ્ટ ૨૦૨૩
વેબ ગુર્જરી 