Readiness of Medical Students to Use Artificial Intelligence in Medical Education: A Cross-sectional Study

कल्पना कीजिए कि चिकित्सा की दुनिया एक विशाल, हाई-टेक अंतरिक्ष यान (spaceship) है। दशकों से, चालक दल (डॉक्टरों) ने सितारों और चार्टों के सहारे रास्ता खोजा है। लेकिन अब, एक नया, सुपर-स्मार्ट ऑटोपायलट सिस्टम जिसे आर्टिफिशियल इंटेलिजेंस (AI) कहा जाता है, इंस्टॉल किया जा रहा है। बड़ा सवाल यह नहीं है कि "क्या ऑटोपायलट शानदार है?" बल्कि यह है कि "क्या चालक दल इसके साथ उड़ने के लिए तैयार है?"

तुर्की के इज़मिर कातिप सेलेबी यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने चालक दल की तत्परता की जांच करने का निर्णय लिया। उन्होंने केवल यह नहीं पूछा, "क्या आपको रोबोट पसंद हैं?" बल्कि उन्होंने 225 मेडिकल छात्रों को एक विशेष "तैयारी परीक्षण" (Readiness Test) दिया ताकि यह देखा जा सके कि वे ऑटोपायलट को कितनी अच्छी तरह समझते हैं, इसका उपयोग करने में कितने कुशल हैं, क्या वे देख सकते हैं कि भविष्य में यह कहाँ क्रैश हो सकता है, और क्या वे सड़क के नियमों (नैतिकता) को जानते हैं।

यहाँ परीक्षण के परिणाम दिए गए हैं, बिना किसी तकनीकी शब्दावली के:

बड़ी तस्वीर: "हम सीखने के दौर के बीच में हैं"

छात्रों ने परीक्षण में फेल नहीं किया, लेकिन वे अभी अकेले उड़ान भरने के लिए भी तैयार नहीं थे। उनकी समग्र तत्परता मध्यम (moderate) थी। इसे ऐसे समझें जैसे किशोरों का एक समूह जिन्होंने रेस कार चलाने के तरीके पर हजारों वीडियो देखे हैं और वे इंजन के स्पेसिफिकेशन के बारे में बात कर सकते हैं, लेकिन उन्होंने अभी तक ट्रैक पर पूरी लैप (lap) के लिए कार नहीं चलाई है।

शोधकर्ताओं ने चार विशिष्ट "कौशल" को एक स्केल का उपयोग करके मापा, जहाँ उच्च अंक बेहतर तत्परता दर्शाते हैं:

• शब्दावली का ज्ञान (Cognitive): औसत स्कोर 25.23 (40 में से) था। छात्र जानते थे कि शब्दों का अर्थ क्या है, लेकिन वे विशेषज्ञ नहीं थे।
• उपकरणों का उपयोग (Skill): औसत स्कोर 28.65 (40 में से) था। उन्हें काम के लिए सही टूल चुनने में ठीक महसूस हुआ, लेकिन वे नियंत्रणों के उस्ताद नहीं थे।
• भविष्य देखना (Foresight): औसत स्कोर 10.17 (15 में से) था। वे अनुमान लगा सकते थे कि तकनीक कहाँ जा सकती है, लेकिन वे पूरी तरह से आत्मविश्वास के साथ भविष्य देख पाने वाले नहीं थे।
• नियमों का पालन करना (Ethics): औसत स्कोर 10.31 (15 में से) था। वे जानते थे कि उन्हें रोगी के डेटा और गोपनीयता के प्रति सावधान रहना होगा, हालांकि अभी भी सुधार की गुंजाइश थी।

आश्चर्यजनक तथ्य: कौन क्या जानता है?

शोधकर्ताओं ने छात्रों के बीच अंतरों को देखा, जैसे यह देखना कि क्या पुराने, अधिक अनुभवी छात्र नए रंगरूटों की तुलना में बेहतर पायलट हैं।

लिंग अंतराल (The Gender Gap):
यही एकमात्र वास्तविक अंतर था जो उन्हें मिला। पुरुष छात्रों ने "शब्दावली के ज्ञान" वाले हिस्से में काफी बेहतर स्कोर किया (पुरुषों के लिए 26.30 बनाम महिलाओं के लिए 24.30)। पेपर सुझाव देता है कि ऐसा इसलिए हो सकता है क्योंकि लड़कों को मेडिकल स्कूल शुरू करने से पहले ही कंप्यूटर और कोडिंग का अधिक शुरुआती एक्सपोजर मिलता है। हालाँकि, जब बात वास्तव में उपकरणों का उपयोग करने, भविष्य देखने या नियमों का पालन करने की आई, तो लड़के और लड़कियां बिल्कुल एक ही स्तर पर थे।

"अनुभव" का मिथक:
आप सोच सकते हैं कि मेडिकल स्कूल के छठे वर्ष का छात्र (जो लगभग डॉक्टर है) पहले वर्ष के छात्र की तुलना में AI के बारे में बहुत अधिक जानता होगा। पेपर इस बात को खारिज करता है। अध्ययन के सभी वर्षों में टेस्ट स्कोर लगभग समान थे। चाहे छात्र प्रथम वर्ष का हो या सीनियर, उनकी तत्परता का स्तर एक जैसा था।

क्यों? लेखक सुझाव देते हैं कि AI इतना नया है कि सभी शून्य से शुरुआत कर रहे हैं। यहाँ तक कि सीनियर छात्र भी अपनी शिक्षा उस समय शुरू कर चुके थे जब AI दैनिक जीवन का बड़ा हिस्सा नहीं बना था, इसलिए उनके पास नए छात्रों की तुलना में बहुत अधिक औपचारिक प्रशिक्षण नहीं था। अस्पताल में उनके "अनुभव" का अनुवाद AI के "अनुभव" में नहीं हुआ क्योंकि स्कूल का पाठ्यक्रम अभी तक इसके साथ तालमेल नहीं बिठा पाया है।

छात्रों ने वास्तव में क्या कहा

जब शोधकर्ताओं ने विशिष्ट प्रश्नों के उत्तरों का विश्लेषण किया, तो एक पैटर्न सामने आया:

• "मैं यह कर सकता हूँ" वाली भावना: अधिकांश छात्र "अनिश्चित" या "सहमत" थे जब उनसे पूछा गया कि क्या वे AI अवधारणाओं को समझा सकते हैं या उपकरणों का उपयोग कर सकते हैं। बहुत कम लोगों ने "दृढ़ता से असहमत" कहा।
• "मुझे यकीन नहीं है" वाला क्षेत्र: छात्रों का एक बड़ा हिस्सा (लगभग 30% से 40%) बिल्कुल बीच में था, जो कह रहे थे कि वे डेटा का विश्लेषण करने या मरीज को तकनीक समझाने के बारे में पूरी तरह सुनिश्चित नहीं हैं।
• "दृढ़ता से सहमत" वाला क्षेत्र: छात्र अनुसंधान और शिक्षा के लिए AI के मूल्य को समझने और इसके माध्यम से जानकारी प्राप्त करने के प्रति सबसे अधिक आश्वस्त थे। वे इस टूल के विचार को पसंद करते थे, भले ही उन्हें 100% यकीन न हो कि वे इसे पूरी तरह से चला पाएंगे।

पेपर क्या कहता है कि सत्य नहीं है

यह जानना महत्वपूर्ण है कि इस अध्ययन ने क्या नहीं पाया।

• इसे यह नहीं पाया कि बड़े छात्र स्वाभाविक रूप से AI में बेहतर होते हैं। पेपर स्पष्ट रूप से दिखाता है कि अध्ययन के वर्षों से तत्परता स्कोर पर कोई अंतर नहीं पड़ता।
• इसे यह नहीं पाया कि छात्र "विशेषज्ञ" हैं। स्कोर मध्यम थे, उच्च नहीं।
• इसने यह साबित नहीं किया कि एक लिंग दूसरे से बेहतर AI का उपयोग करता है, केवल यह पाया कि पुरुषों को इसके शब्दों का अधिक ज्ञान था।

निचोड़: स्कूल को सिलेबस अपग्रेड करने की जरूरत है

शोधकर्ता निष्कर्ष निकालते हैं कि छात्र उन लोगों के समूह की तरह हैं जिन्होंने अंतरिक्ष यान का मैनुअल तो पढ़ लिया है लेकिन उन्हें अभी तक फ्लाइट सिम्युलेटर ट्रेनिंग नहीं दी गई है। उनके पास एक सकारात्मक दृष्टिकोण और बुनियादी समझ है, लेकिन उन्हें और अधिक अभ्यास की आवश्यकता है।

पेपर सुझाव देता है कि मेडिकल स्कूलों को केवल AI के बारे में बात करना बंद करना चाहिए और वास्तव में छात्रों को वास्तविक चिकित्सा स्थितियों में इसका उपयोग करना सिखाना शुरू करना चाहिए, जिसमें जटिल नैतिक हिस्से भी शामिल हैं। जब तक पाठ्यक्रम नहीं बदलता, आज के मेडिकल छात्र एक ऐसे भविष्य में प्रवेश करेंगे जहाँ उनसे इस नए ऑटोपायलट के साथ उड़ने की उम्मीद की जाएगी, लेकिन वे अभी भी "कैसे करें" गाइड की तलाश में हो सकते हैं।

हम कितने निश्चित हैं?
लेखक उन स्कोर के बारे में बहुत आश्वस्त हैं जिन्हें उन्होंने मापा है (संख्याएं सटीक हैं: 25.23, 28.65, आदि)। वे आश्वस्त हैं कि लिंग और ज्ञान की श्रेणी के बीच जो अंतर है वह वास्तविक है। हालाँकि, वे यह निश्चित रूप से नहीं कह सकते कि सभी आयु समूहों के लिए स्कोर समान क्यों हैं, वे केवल जो वे देखते हैं उसके आधार पर कारण सुझा सकते हैं। वे यह भी नोट करते हैं कि चूंकि उन्होंने केवल एक विश्वविद्यालय को देखा है, इसलिए ये परिणाम दुनिया के हर छात्र के लिए बिल्कुल समान नहीं हो सकते हैं, लेकिन वे वर्तमान स्थिति का एक बहुत स्पष्ट चित्र प्रदान करते हैं।