চিকিৎসা, জীববিজ্ঞান ও মেশিন লার্নিংয়ের তিন বিশেষজ্ঞ মাইক্রোসফট রিসার্চের পডকাস্ট সিরিজ The Shape of Things to Come-এর একটি পর্বে আলোচনা করেছেন, এআই কীভাবে রোগের পূর্বাভাস দিতে এবং তা প্রতিরোধে সাহায্য করতে পারে। পর্বটি সঞ্চালনা করেছেন মাইক্রোসফট রিসার্চের প্রধান ডগ বার্গার। অতিথিরা ছিলেন মাইক্রোসফটের প্রধান বিজ্ঞান কর্মকর্তা এরিক হরভিৎজ; স্ক্রিপস রিসার্চের নির্বাহী ভাইস প্রেসিডেন্ট এরিক টোপল, যাঁকে পর্বের বিবরণে মাইক্রোসফটের এআই স্বাস্থ্য উপদেষ্টা হিসেবে উল্লেখ করা হয়েছে; এবং মাইক্রোসফটের প্রিন্সিপাল রিসার্চ ম্যানেজার আভা আমিনি।

বিজ্ঞাপন

এআই দিয়ে রোগ নির্ণয়

হরভিৎজ মাইক্রোসফটের একটি প্রকল্পের কথা বলেন, যেটি এআই পরীক্ষাকে কোনো মডেলের হাতে সম্পূর্ণ কেস তুলে দেওয়ার ধাপ ছাড়িয়ে নিয়ে গেছে। বরং সিস্টেমটিকে একজন চিকিৎসকের অবস্থানে বসানো হয়েছিল: এটি শুরুতে একগুচ্ছ উপসর্গ ও ইতিহাস পেত, তারপর প্রশ্ন ও পরীক্ষা বেছে নিতে হতো, খরচের বিপরীতে তথ্যের মূল্য বিবেচনা করতে হতো এবং কখন রোগ নির্ণয়ে সিদ্ধান্ত নেবে তা ঠিক করতে হতো। তিনি বলেন, বেশ কয়েকটি ফ্রন্টিয়ার ভাষা মডেল ভালো করেছে, তবে তিনি সতর্ক করেন যে সাধারণ চিকিৎসকদের সঙ্গে তুলনার কিছু সীমাবদ্ধতা আছে।

টোপল বলেন, সায়েন্স-এ প্রকাশিত এই কাজটি প্রথম, যেখানে একটি এজেন্টিক সিস্টেম চিকিৎসকদের এবং অন্যান্য ফ্রন্টিয়ার মডেলের চেয়ে নির্ভুলভাবে রোগ নির্ণয় করেছে। তাঁর বক্তব্য অনুযায়ী, চিকিৎসকদের তুলনায় নির্ভুলতা প্রায় দ্বিগুণ হয়েছে, তা-ও কম খরচে। তিনি জনস হপকিন্সের একটি অনুমানও উদ্ধৃত করেন, যেখানে রোগ নির্ণয়ের ভুলে বছরে ৮,০০,০০০ মৃত্যু বা অক্ষমতার কথা বলা হয়েছে।

অব্যবহৃত চিকিৎসা-চিত্রের প্রমাণ ও সম্পূর্ণ-রোগী মডেল

টোপল যুক্তি দেন, চিকিৎসাবিজ্ঞান এমন একটি ক্ষেত্র উপেক্ষা করেছে যেখানে ডিপ লার্নিং আরও ভালোভাবে প্রমাণিত: রেটিনা স্ক্যান, বুকের এক্স-রে ও ইলেকট্রোকার্ডিওগ্রামের মতো চিকিৎসা-চিত্র। তিনি ম্যামোগ্রাফিতে এক লক্ষের বেশি নারীর ওপর একটি র‍্যান্ডমাইজড ট্রায়াল এবং কোলোনোস্কোপিতে ৪৪টি র‍্যান্ডমাইজড ট্রায়ালের কথা উল্লেখ করেন এবং বলেন, এসব ফলাফল বাস্তবে কাজে লাগানো হচ্ছে না। টোপলের মতে, যুক্তরাষ্ট্রে প্রায় কোনো নারীই তাঁর ম্যামোগ্রামের অত্যাধুনিক এআই বিশ্লেষণ পান না; বিকল্প হলো অত্যন্ত সীমিত একটি নেটওয়ার্কের মধ্যে এর জন্য অর্থ দেওয়া, বলেন তিনি।

তিনি বলেন, পরবর্তী ধাপ হবে স্বাস্থ্য রেকর্ড, চিত্র, জিনোমিক্স, প্রোটিওমিক্স ও অন্যান্য তথ্য একত্র করা সম্পূর্ণ-রোগী মডেল, যা কখন রোগ হতে পারে তার পূর্বাভাস দেবে এবং “কী হলে কী হবে” পরিস্থিতি যাচাই করবে। তাঁর কথায়, এ ধরনের মডেল এখনই ঝুঁকির কিছু সময়সীমা জানাতে পারে, এবং তিনি আশা করেন এগুলো ভার্চুয়াল সেলের আগেই পরিণত হবে। তিনি আরও বলেন, লক্ষ্য শুধু মানুষকে ঝুঁকিতে আছেন বলে জানানো নয়, বরং প্রতিরোধের দিকে এগোনো হওয়া উচিত।

বাধা: গ্রহণ ও প্রণোদনা

টোপল বলেন, যা অনুপস্থিত তা হলো বাস্তবায়ন। তাঁর বর্ণনায়, চিকিৎসা পেশা পরিবর্তন গ্রহণে ধীর, স্বাস্থ্যব্যবস্থাগুলো আর্থিক সীমাবদ্ধতার মুখে এবং অত্যন্ত কম মার্জিনে চলে, আর চিকিৎসক বা রোগী কেউই এসব অগ্রগতির দাবি তুলছেন না। তিনি যেসব কারণ দেখানো হয় সেগুলোকে ভালো যুক্তি নয়, বরং অজুহাত বলে বর্ণনা করেন।

বিজ্ঞাপন

বার্গার একটি সাম্প্রতিক সম্মেলনের একটি যুক্তি তুলে ধরেন যে স্বাস্থ্যসেবার অর্থনৈতিক মডেল প্রতিরোধের সঙ্গে সাংঘর্ষিক। টোপল উত্তরে বলেন, এক বছরের বিমা কভারেজের মতো কাঠামোর কারণে যুক্তরাষ্ট্রে নিরুৎসাহিত করার ব্যবস্থা আছে, অন্যদিকে অন্যত্র জনগোষ্ঠীকে সুস্থ রাখার জন্য প্রণোদনা রয়েছে।

আমিনি, যিনি ক্যানসার কোষের অবস্থা নিয়ে ব্রড ইনস্টিটিউটের সঙ্গে মাইক্রোসফটের সহযোগিতা Project Ex Vivo-র সহ-নেতৃত্ব দেন, বলেন, জৈবিক এআই মডেল নিয়ে উৎসাহের সঙ্গে এখন সমাধানযোগ্য সুস্পষ্ট সমস্যা এবং পরীক্ষামূলক বিজ্ঞানীদের গ্রহণ যুক্ত হওয়া দরকার। তিনি বলেন, জীববিজ্ঞানের বহুস্তরীয় জটিলতার কারণে অণু থেকে রোগী পর্যন্ত তথ্য একীভূত করা মেশিন লার্নিংয়ের জন্য কঠিন চ্যালেঞ্জ। জীববিজ্ঞানকে কি কখনো কম্পিউটার চিপের মতো নিখুঁতভাবে মানচিত্রায়ন করা যাবে—এই প্রশ্নে হরভিৎজ উত্তর দেন না, এবং বলেন এর গুরুত্বপূর্ণ খুঁটিনাটি নির্দিষ্ট পারমাণবিক স্তরে কখনোই বোঝা যাবে না। আমিনি ছিলেন আরও দ্বিধান্বিত; তিনি বলেন, বিজ্ঞান কখনো পুরোপুরি সেখানে পৌঁছাবে বলে তিনি মনে করেন না, তবে যুক্তি দেন যে কার্যকর আবিষ্কারের জন্য এমন নিখুঁততা প্রয়োজন নেই।

সূত্র