Leapfrogging cancer diagnostics with AI: a mixed-methods assessment of implementation determinants in low- and middle-income countries
LMIC कैंसर निदान का यह मिश्रित-पद्धति वाला अध्ययन दर्शाता है कि एआई (AI) कार्यान्वयन के लिए संस्थागत तत्परता राष्ट्रीय आय स्तरों के बावजूद महत्वपूर्ण रूप से भिन्न होती है, जो वित्तीय बाधाओं को प्राथमिक बाधा और स्थानीय नैदानिक सीमाओं को दूर करने के लिए एआई का सफलतापूर्वक लाभ उठाने हेतु सहयोग को एक प्रमुख सक्षमकर्ता के रूप में पहचानता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कैंसर एक निर्दयी बीमारी है जो हर जगह लोगों पर हमला करती है, लेकिन इसे जल्दी और सटीक रूप से पहचानने की क्षमता पूरी दुनिया में समान रूप से नहीं है। कई कम और मध्यम आय वाले देशों में, इलाज शुरू होने से बहुत पहले ही ही ठीक होने का रास्ता अक्सर अवरुद्ध हो जाता है। कैंसर से लड़ने का पहला कदम इसे ढूंढना है, जिसके लिए आमतौर पर एक पैथोलॉजिस्ट की आवश्यकता होती है—एक ऐसा डॉक्टर जो बीमारी की पहचान करने के लिए सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे ऊतकों (टिश्यू) के छोटे टुकड़ों की जांच करता है। इन विशेषज्ञों की कई हिस्सों में भारी कमी है, और जिन प्रयोगशालाओं में वे काम करते हैं, उनमें अक्सर सूक्ष्म विवरणों को देखने के लिए आवश्यक उन्नत उपकरणों का अभाव होता है। स्पष्ट निदान के बिना, मरीज देखभाल के लिए बहुत लंबा इंतजार करते हैं, और उनके जीवित रहने की संभावना कम हो जाती है।
हाल के वर्षों में, एक नया उपकरण उभरा है जो इस तस्वीर को बदलने का वादा करता है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। यह एक कंप्यूटर सॉफ्टवेयर है जिसे पैटर्न पहचानने के लिए प्रशिक्षित किया गया है, जो उसी ऊतक स्लाइडों को देख सकता है जिन्हें एक मानव डॉक्टर देखता है और बड़ी तेजी से कैंसर के संकेतों को पहचान सकता है। विचार यह है कि यदि इन स्मार्ट प्रोग्रामों को विकासशील देशों की नैदानिक प्रणालियों में शामिल किया जा सकता है, तो वे डॉक्टरों को तेजी से और अधिक सटीकता से काम करने में मदद कर सकते हैं, जिससे संभावित रूप से ये देश पारंपरिक पैथोलॉजी लैब बनाने के धीमे और महंगे चरणों को छोड़कर सीधे एक आधुनिक, डिजिटल प्रणाली की ओर बढ़ सकते हैं। लेकिन इसके सफल होने के लिए, तकनीक को उन स्थानों की वास्तविकता के अनुकूल होना चाहिए जहाँ इसकी आवश्यकता है। इसे केवल बाहर से थोपा नहीं जा सकता; यह समझना आवश्यक है कि स्थानीय डॉक्टर, बजट और नियम सॉफ्टवेयर के साथ कैसे परस्पर क्रिया करते हैं।
शोधकर्ताओं की एक टीम ने यह समझने के लिए हाथ मिलाया कि वास्तव में यह व्यवहार में कैसे काम कर सकता है। उन्होंने न केवल एक कंप्यूटर प्रोग्राम बनाया और उसका परीक्षण किया; बल्कि, वे स्रोत तक पहुंचे, और उन लोगों से पूछा जो वास्तव में इस तकनीक का उपयोग करेंगे कि उन्हें क्या चाहिए और उनकी राह में क्या बाधाएं हैं। उन्होंने बारह अलग-अलग देशों के बारह डॉक्टरों से बात की, जिनमें दस कम और मध्यम आय वाले राष्ट्र और तुलना के लिए दो उच्च आय वाले राष्ट्र शामिल थे। ये डॉक्टर पैथोलॉजी और स्त्री रोग विज्ञान (गाइनेकोलॉजी) के विशेषज्ञ थे, जो कैंसर निदान में सबसे अधिक शामिल क्षेत्र हैं। शोधकर्ताओं ने विभिन्न तरीकों का उपयोग किया, जिसकी शुरुआत प्रयोगशालाओं की वर्तमान स्थिति का मानचित्रण करने के लिए सर्वेक्षणों से हुई, उसके बाद गहन चर्चा के माध्यम through चुनौतियों को समझा गया, और अंत में विशिष्ट मुद्दों के बारे में डॉक्टरों की भावनाओं को मापने के लिए दूसरा सर्वेक्षण किया गया।
शोधकर्ताओं ने पाया कि जमीनी स्थिति एक साधारण अमीर और गरीब देशों की सूची से कहीं अधिक जटिल थी। जबकि प्रत्येक स्थान पर ऊतकों को दृश्यमान बनाने के लिए स्लाइडों को रंगने (स्टेनिंग) की बुनियादी विधि तक पहुंच थी, अधिक उन्नत परीक्षण करने की क्षमता में भारी अंतर था। दस में से सात निम्न-आय वाले स्थलों में, प्रयोगशालाओं में उन विशिष्ट रासायनिक परीक्षणों को चलाने की क्षमता नहीं थी जो अक्सर कैंसर के निदान की पुष्टि के लिए आवश्यक होते हैं। छह उन दस स्थलों में, आणविक परीक्षण (मोलेक्युलर टेस्टिंग)—जो ट्यूमर की आनुवंशिक संरचना को देखता है—या तो पूरी तरह से गायब था या मुश्किल से उपलब्ध था। इसका अर्थ यह था कि भले ही एक कंप्यूटर किसी समस्या को पहचान ले, लेकिन मानव डॉक्टरों के पास इसे पुष्ट करने या यह समझने के लिए कि वह वास्तव में किस प्रकार का कैंसर है, आवश्यक उपकरण नहीं थे।
आर्टिफिशियल इंटेलिजेंस के लिए आवश्यक डिजिटल उपकरणों की उपलब्धता भी मिली-जुली रही। अधिकांश स्थलों के पास ऐसे स्कैनर थे जो भौतिक स्लाइडों को डिजिटल छवियों में बदल सकते थे, जो कंप्यूटर के देखने के लिए एक आवश्यक पहला कदम है। हालांकि, आर्टिफिशियल इंटेलिजेंस सॉफ्टवेयर चलाने के लिए आवश्यक शक्तिशाली कंप्यूटर आधे से अधिक स्थानों पर मौजूद नहीं थे। इसने एक अजीब विरोधाभास पैदा किया: कुछ स्थानों के पास छवियों को बनाने के लिए स्कैनर थे लेकिन विश्लेषण करने के लिए कंप्यूटर नहीं थे, जबकि अन्य के पास कंप्यूटर थे लेकिन स्कैनर नहीं थे। शोधकर्ताओं ने नोट किया कि यह भिन्नता सामान्य राष्ट्रीय धन के पैटर्न का पालन नहीं करती थी। किसी देश का आय स्तर यह अनुमान लगाने का विश्वसनीय तरीका नहीं था कि क्या कोई विशिष्ट अस्पताल आर्टिफिशियल इंटेलिजेंस का उपयोग करने के लिए तैयार है। कुछ कम आय वाले देशों के संस्थान आश्चर्यजनक रूप से सुसज्जित थे, जबकि समृद्ध देशों के कुछ संस्थानों को बुनियादी कमियों का सामना करना पड़ रहा था।
जब डॉक्टरों से पूछा गया कि वे आर्टिफिशियल इंटेलिजेंस से क्या चाहते हैं, तो उनके उत्तर व्यावहारिक थे और तत्काल आवश्यकताओं पर केंद्रित थे। उन्होंने सॉफ्टवेयर से उन्हें बदलने या भविष्य की पूर्ण निश्चितता के साथ भविष्यवाणी करने के लिए नहीं कहा। इसके बजाय, वे चाहते थे कि कंप्यूटर उन्हें कैंसर को जल्दी खोजने, उनके अपने निदान की दोबारा जांच करने और मानक स्टेंड स्लाइड्स से कुछ जैविक मार्करों की भविष्यवाणी करने में मदद करे। उन्होंने एक ऐसी प्रणाली की कल्पना की जहां कंप्यूटर हजारों स्लाइडों को छान सके, संदिग्ध दिखने वाली स्लाइडों को चिह्नित कर सके ताकि मानव डॉक्टर अपना समय उन विशिष्ट मामलों पर केंद्रित कर सकें। यह एक अथक सहायक की तरह होगा जो कोई भी विवरण नहीं चूकता, जिससे अत्यधिक काम करने वाले डॉक्टर सटीकता से समझौता किए बिना अधिक मरीजों को देख सकेंगे।
हालांकि, इस दृष्टि को वास्तविकता बनाने का मार्ग बाधाओं की एक श्रृंखला द्वारा अवरुद्ध है। शोधकर्ताओं ने छह मुख्य कारकों की पहचान की जो यह निर्धारित करते हैं कि इन परिवेशों में आर्टिफिशियल इंटेलिजेंस का वास्तव में उपयोग किया जा सकता है या नहीं। पहला है साक्षरता, जिसका अर्थ है कि डॉक्टरों और रोगियों को इस तकनीक को समझना और इस पर भरोसा करना होगा। दूसरा है साक्ष्य, या इन देशों की विशिष्ट आबादी के लिए सॉफ्टवेयर के प्रभावी ढंग से कार्य करने की आवश्यकता, न कि केवल समृद्ध देशों के लोगों के लिए। तीसरा है शासन (गवर्नेंस), जिसमें यह तय करना शामिल है कि तकनीक का उपयोग कैसे किया जाए और यदि कुछ गलत हो जाता है तो कौन जिम्मेदार होगा। चौथा है नैदानिक तैनाती (क्लिनिकल डिप्लॉयमेंट), जो अस्पताल के कार्यप्रवाह में सॉफ्टवेयर को लाने के भौतिक चरणों को कवर करता है। पांचवा है वित्तपोषण, और छठा है विभिन्न समूहों के बीच सहयोग।
इन सभी चुनौतियों के बीच, पैसा सबसे बड़े अवरोध के रूप में उभरा। डॉक्टरों ने बताया कि वित्तीय बाधाएं हर क्षेत्र में प्रमुख बाधा थीं। उन्होंने समझाया कि निरंतर धन के स्रोत के बिना, वे आवश्यक कंप्यूटर नहीं खरीद सकते, छवियों को भेजने के लिए आवश्यक इंटरनेट कनेक्शन का भुगतान नहीं कर सकते, और अपने कर्मचारियों को प्रशिक्षित करने का खर्च नहीं उठा सकते। हालांकि प्रारंभिक उपकरण खरीदने के लिए अंतर्राष्ट्रीय अनुदान और अनुसंधान धन उपलब्ध थे, लेकिन डॉक्टरों को डर था कि ये फंड समाप्त हो जाएंगे, जिससे उनके पास ऐसी महंगी मशीनें रह जाएंगी जिनका वे रखरखाव या मरम्मत नहीं कर पाएंगे। उन्होंने इस बात पर जोर दिया कि आर्टिफिशियल इंटेलिजेंस के टिकाऊ होने के लिए, इसे सरकार के नियमित स्वास्थ्य बजट द्वारा समर्थित होना चाहिए, न कि केवल अस्थायी दान द्वारा।
सहयोग को अन्य समाधानों को खोलने की कुंजी के रूप में पहचाना गया। डॉक्टर समझ गए कि कोई भी अकेला व्यक्ति या अस्पताल इन समस्याओं को अकेले हल नहीं कर सकता। उन्हें नीतियां बनाने के लिए सरकारों के साथ, अगली पीढ़ी के डॉक्टरों को प्रशिक्षित करने के लिए विश्वविद्यालयों के साथ, और उपकरणों की लागत साझा करने के लिए निजी कंपनियों के साथ मिलकर काम करने की आवश्यकता है। उन्होंने देखा कि वर्तमान प्रयास अक्सर खंडित हैं, जहाँ विभिन्न समूह अलग-थलग होकर काम कर रहे हैं। शोधकर्ताओं ने पाया कि सबसे सफल मार्ग एक समन्वित प्रयास है जहाँ ये विभिन्न हितधारक संसाधनों और ज्ञान को साझा करके एक ऐसी प्रणाली बनाने के लिए एकजुट हों जो दीर्घकालिक रूप से खुद को बनाए रख सके।
अध्ययन ने निष्कर्ष निकाला कि हालांकि आर्टिफिशियल इंटेलिजेंस कम और मध्यम आय वाले देशों को पैथोलॉजी प्रयोगशालाओं के पारंपरिक, धीमे विकास को लांघने में मदद करने की बड़ी क्षमता रखता है, लेकिन यह कोई जादुई समाधान नहीं है जिसे हर जगह एक ही तरह से लागू किया जा सके। इस तकनीक का उपयोग करने की तत्परता देश की समग्र संपत्ति के बावजूद, एक अस्पताल से दूसरे अस्पताल में बहुत भिन्न होती है। सफलता विशिष्ट स्थानीय आवश्यकताओं को संबोधित करने, स्थायी वित्तपोषण सुरक्षित करने और मजबूत साझेदारी बनाने पर निर्भर करती है। इन आधारों के बिना, तकनीक प्रयोगशाला में धूल जमा करती हुई एक अप्रयुक्त उपकरण बनकर रह जाने का जोखिम उठाती है, न कि जीवन बचाने वाला एक उपकरण। शोधकर्ता सुझाव देते हैं कि इन प्रणालियों को लागू करने से पहले, प्रत्येक संस्थान का सावधानीपूर्वक मूल्यांकन किया जाना चाहिए ताकि यह सुनिश्चित हो सके कि उसके पास वह लोग, नियम और धन है जो इस तकनीक को सफल बना सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।