Geographical targeting of active case finding for tuberculosis in Pakistan using artificial intelligence software: a qualitative study embedded within the SPOT TB trial

तपेदिक (टीबी) दुनिया के सबसे निरंतर हत्यारों में से एक बना हुआ है, एक ऐसी बीमारी जो भीड़भाड़ वाले शहरों और दूरदराज के गांवों, दोनों ही जगहों पर पनपती है। पाकिस्तान जैसे देशों में, जहाँ इस बीमारी का बोझ अत्यधिक उच्च है, स्वास्थ्य कर्मियों को एक कठिन चुनौती का सामना करना पड़ता है: उन लाखों लोगों को ढूंढना जो बीमार हैं लेकिन अभी तक उनका निदान नहीं हो पाया है। इन छिपे हुए मामलों को पकड़ने के लिए, कार्यक्रम मोबाइल टीमों को समुदायों में स्क्रीनिंग कैंप लगाने के लिए भेजते हैं, जिसमें लोगों के फेफड़ों में संक्रमण के संकेतों को देखने के लिए एक्स-रे मशीनों का उपयोग किया जाता है। वर्षों तक, ये कैंप कहाँ लगाए जाएं, इसका निर्णय मानवीय निर्णय, स्थानीय मानचित्रों और फील्ड स्टाफ के अनुभव पर निर्भर करता था। लेकिन जैसे-जैसे डेटा की मात्रा बढ़ती गई, स्वास्थ्य अधिकारियों ने सोचने लगा कि क्या कंप्यूटर बेहतर काम कर सकते हैं। वे आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) की ओर मुड़े, जो एक ऐसी तकनीक है जो उन पैटर्न को पहचानने के लिए विशाल मात्रा में जानकारी को छान सकती है जिन्हें इंसान शायद मिस कर दें। उम्मीद यह थी कि एक स्मार्ट कंप्यूटर प्रोग्राम स्वास्थ्य कर्मियों को सीधे उन मोहल्लों तक पहुँचा सकता है जहाँ बीमार लोग मिलने की सबसे अधिक संभावना है, जिससे खोज तेज़ और अधिक प्रभावी हो सके।

इस प्रश्न ने पाकिस्तान में 'स्पॉट-टीबी' (SPOT-TB) नामक एक बड़े पैमाने के प्रयोग को प्रेरित किया। शोधकर्ता यह देखना चाहते थे कि क्या स्थानीय ज्ञान के आधार पर स्थान चुनने की पारंपरिक पद्धति की तुलना में, 'मैच-एआई' (MATCH-AI) नामक एक आर्टिफिशियल इंटेलिजेंस टूल का उपयोग करके स्थानों का चयन करने से तपेदिक के अधिक मामले मिल सकते हैं। इस टूल ने नियमित स्वास्थ्य डेटा और स्थानीय स्थितियों का विश्लेषण करके अनुशंसित स्थानों की एक सूची तैयार की। हालाँकि, एक कंप्यूटर की सिफारिश उतनी ही अच्छी होती है जितनी ज़मीनी वास्तविकता। यह समझने के लिए कि क्यों परीक्षण ने मामलों को खोजने में कोई स्पष्ट समग्र सुधार नहीं दिखाया, शोधकर्ताओं की एक अलग टीम ने इस परियोजना के मानवीय पक्ष का गहन अध्ययन किया। उन्होंने उन डॉक्टरों, पर्यवेक्षकों और समन्वयकों से बात की जो वास्तव में वैन चलाते थे और टेंट लगाते थे, और उनसे नई तकनीक के साथ उनके दैनिक अनुभवों के बारे में पूछा। उनका लक्ष्य केवल यह देखना नहीं था कि सॉफ्टवेयर स्क्रीन पर कैसे काम करता है, बल्कि यह समझना था कि यह पाकिस्तान की जटिल और अव्यवस्थित स्वास्थ्य प्रणाली में कैसे कार्य करता है।

शोधकर्ताओं ने पाया कि आर्टिफिशियल इंटेलिजेंस टूल एक दोधारी तलवार की तरह था। एक ओर, कई फील्ड स्टाफ ने सॉफ्टवेयर की सराहना की क्योंकि यह उनके काम में निष्पक्षता और संरचना की भावना लेकर आया। टूल से पहले, कैंप कहाँ आयोजित किया जाए, इसका निर्णय व्यक्तिगत संबंधों, स्थानीय नेताओं के राजनीतिक दबाव, या हमेशा उन्हीं परिचित जगहों पर लौटने की साधारण आदत से प्रभावित हो सकता था। सॉफ्टवेयर ने इस मानवीय पूर्वाग्रह को हटा दिया, और विशुद्ध रूप से डेटा के आधार पर स्थानों की एक सूची तैयार की। इसने कर्मचारियों को उन अधिकारियों के दबाव का सामना करने में मदद की जो अपने कारणों से विशिष्ट क्षेत्रों में कैंप लगवाना चाहते थे। कुछ उदाहरणों में, टूल ने टीमों को दूरदराज के या पहले अनदेखे किए गए गांवों की ओर निर्देशित किया जहाँ उन्होंने तपेदिक के मामलों के समूह खोजे, जो अन्यथा अनसुने रह जाते। उदाहरण के लिए, एक टीम ने फैसलाबाद में एक दूरस्थ घर तक जाने की सिफारिश का पालन किया और वहां एक साथ रहने वाले पांच संक्रमित लोगों को पाया, जिसका श्रेय उन्होंने सॉफ्टवेयर की सामान्य सीमाओं से परे देखने की क्षमता को दिया।

फिर भी, टूल की सफलता की कहानी परिदृश्य की कठोर वास्तविकताओं और स्वयं तकनीक की सीमाओं से जटिल हो गई। सॉफ्टवेयर, डेटा को प्रोसेस करने में तो अच्छा था, लेकिन उसमें उस सामान्य समझ (कॉमन सेंस) की कमी थी जो समुदाय में रहने से आती है। यह कभी-कभी ऐसे स्थानों का सुझाव देता था जहाँ पहुँचना भौतिक रूप से असंभव था, जैसे कि बर्फ से ढकी पर्वत चोटियाँ या नदियों द्वारा कटे हुए क्षेत्र, यह समझे बिना कि एक मोबाइल वैन वहां नहीं जा सकती। अन्य मामलों में, इसने उन स्थानों की ओर इशारा किया जो स्थानीय सुरक्षा जोखिमों के कारण असुरक्षित थे या जहाँ सांस्कृतिक मानदंड महिलाओं के लिए दूर यात्रा करने या सार्वजनिक कैंप में जाने को असंभव बनाते थे। उदाहरण के लिए, रूढ़िवादी क्षेत्रों में, महिलाएँ घर से निकलकर पाँच किलोमीटर दूर व्यस्त बाजार में स्थित कैंप में जाने से मना कर सकती हैं, खासकर यदि स्क्रीनिंग क्षेत्र में गोपनीयता का अभाव हो। सॉफ्टवेयर इन सामाजिक बाधाओं को नहीं समझता था; वह केवल मानचित्र पर एक बिंदु देखता था। फील्ड स्टाफ, जो इलाके और लोगों को जानते थे, अक्सर कंप्यूटर के सुझावों को दरकिनार कर देते थे, और अपनी बुद्धि का उपयोग करके ऐसे स्थान चुनते थे जो सुलभ और समुदाय के लिए स्वीकार्य हों।

डिजिटल योजना और भौतिक दुनिया के बीच का अंतर उस बुनियादी ढांचे द्वारा और बढ़ गया जिसकी इस प्रणाली को चलाने के लिए आवश्यकता थी। सॉफ्टवेयर वास्तविक समय में डेटा एकत्र करने के लिए एक डिजिटल प्लेटफॉर्म पर निर्भर था, लेकिन कई दूरदराज के क्षेत्रों में इंटरनेट कनेक्शन अविश्वसनीय या अनुपलब्ध था। जब सिग्नल टूट जाता, तो सिस्टम फ्रीज हो जाता, या फील्ड में दर्ज किया गया डेटा केंद्रीय सर्वर के साथ सिंक (sync) होने में विफल हो जाता। इसने स्वास्थ्य कर्मियों को पुराने जमाने के कागजी रिकॉर्ड पर वापस जाने के लिए मजबूर किया, जिसे उन्हें बाद में शहर लौटने पर कंप्यूटर में टाइप करना पड़ता था। इस दोहरे काम ने हताशा और थकान पैदा की, जिससे वही प्रक्रिया धीमी हो गई जिसे तकनीक को तेज करने के लिए बनाया गया था। इसके अलावा, अग्रिम पंक्ति के लोगों को अक्सर पूरी तरह से समझ नहीं आता था कि सॉफ्टवेयर अपने निर्णय कैसे लेता है। उन्हें स्थानों की सूची का पालन करने के लिए कहा गया था, लेकिन उन्हें उनके पीछे के तर्क की स्पष्ट व्याख्या शायद ही कभी दी गई। समझ की इस कमी ने उन्हें टूल पर भरोसा करने या उस पर स्वामित्व महसूस करने में कठिनाई पैदा की, जिससे कुछ लोगों ने अपने अनुभव के पक्ष में इसकी सिफारिशों को अनदेखा करना शुरू कर दिया।

अध्ययन ने निष्कर्ष निकाला कि हालांकि आर्टिफिशियल इंटेलिजेंस तपेदिक की स्क्रीनिंग को व्यवस्थित करने और सुधारने में वास्तविक क्षमता रखता है, लेकिन यह फील्ड में काम करने वाले लोगों के गहरे, प्रासंगिक ज्ञान की जगह नहीं ले सकता। यह तकनीक एक शक्तिशाली सहायक है जो पूर्वाग्रह को कम कर सकती है और उन क्षेत्रों को उजागर कर सकती है जिन्हें अन्यथा अनदेखा किया जा सकता है, लेकिन यह मानवीय निर्णय का विकल्प नहीं है। यह किसी पड़ोस की सुरक्षा, समुदाय की सांस्कृतिक संवेदनशीलता, या एक कच्ची सड़क की स्थिति को नहीं समझ सकता। प्रभावी ढंग से काम करने के लिए, इसे स्थिर इंटरनेट कनेक्शन जैसे विश्वसनीय बुनियादी ढांचे द्वारा समर्थित होना चाहिए, और इसे व्यापक प्रशिक्षण के साथ पेश किया जाना चाहिए जो कर्मचारियों को न केवल यह समझने में मदद करे कि क्या करना है, बल्कि क्यों करना है। शोधकर्ताओं ने पाया कि सबसे सफल दृष्टिकोण एक हाइब्रिड (मिश्रित) दृष्टिकोण था, जहाँ कंप्यूटर एक शुरुआती बिंदु प्रदान करता है, और मानव टीम उन सिफारिशों को वास्तविक दुनिया के अनुकूल बनाने के लिए अपने स्थानीय विशेषज्ञता का उपयोग करती है। अंततः, तकनीक उतनी ही मजबूत होती है जितना कि उसे सहारा देने वाला सिस्टम और उसे उपयोग करने वाले लोग।