पब्लिक हॉस्पिटल नेटवर्क सीईओ रेडिओलॉजिस्ट बदलण्यासाठी एआयला धक्का देतात, डॉक्टर मागे ढकलतात

रुग्णालये शांत बदल करण्यासाठी वापरले जातात. नवीन मशीन येतात, वर्कफ्लो ॲडजस्ट होतात आणि पडद्यामागे काय घडते हे रुग्णांना क्वचितच लक्षात येते. काय मिचेल कॅट्झ प्रस्तावित करणे हा तसा बदल नाही. हे थेट, सार्वजनिक आहे आणि औषधातील सर्वात विशेष भूमिकांपैकी एक आहे. चे प्रमुख NYC आरोग्य + रुग्णालये रेडिओलॉजिस्टचा मोठा हिस्सा कृत्रिम बुद्धिमत्तेने बदलण्यासाठी तो तयार आहे, किमान विशिष्ट प्रकारच्या इमेजिंगसाठी.

न्यूयॉर्कमधील पॅनेल चर्चेदरम्यान केलेली टिप्पणी, वर्षानुवर्षे निर्माण होत असलेल्या प्रश्नावर तोडगा काढते. आर्टिफिशियल इंटेलिजेंसचा उपयोग रेडिओलॉजीमध्ये काही काळासाठी केला जात आहे, मुख्यतः समर्थन साधन म्हणून. Katz जे सुचवत आहे ते पुढे जाते. तो स्कॅनचे पहिले वाचन मशीनवर हलवण्याबद्दल बोलत आहे, जेव्हा काहीतरी असामान्य दिसते तेव्हाच डॉक्टर येतात.

हा एक प्रस्ताव आहे जो काळजीच्या प्रवेशासह खर्चाच्या समस्यांचे मिश्रण करतो. हे रुग्णालय व्यवस्थापन आणि वैद्यकीय व्यावसायिक यांच्यात थेट संघर्ष देखील सेट करते, प्रत्येकजण समान तंत्रज्ञानाकडे पाहतो परंतु खूप भिन्न निष्कर्ष काढतो.

दबावाखाली असलेली प्रणाली ऑटोमेशनकडे वळते

Katz युनायटेड स्टेट्समधील सर्वात मोठे सार्वजनिक रुग्णालय नेटवर्क चालवते, एक प्रणाली ज्यामध्ये 11 रुग्णालये समाविष्ट आहेत आणि दरवर्षी दहा लाखांहून अधिक रुग्णांना सेवा देतात. हे प्रमाण निर्णय कसे घेतले जाते ते आकार देते. वर्कफ्लोमधील लहान बदलांचेही मोठे आर्थिक आणि ऑपरेशनल परिणाम होऊ शकतात.

इमेजिंग हे अशा क्षेत्रांपैकी एक आहे जिथे ते दाब सर्वात जास्त दिसतात. नियमित तपासणीपासून ते अधिक जटिल निदानापर्यंत स्कॅनची मागणी सातत्याने वाढत आहे. त्याच वेळी, रेडिओलॉजिस्ट मर्यादित पुरवठ्यात राहतात आणि मागणी वाढल्याने त्यांचे पगार वाढले आहेत. तंग बजेट अंतर्गत कार्यरत सार्वजनिक प्रणालीसाठी, ते संयोजन ताण निर्माण करते.

कॅट्झचा प्रस्ताव ते वास्तव प्रतिबिंबित करतो. रुटीन मॅमोग्राम सारख्या कमी-जोखीम स्कॅन वाचण्यासाठी एआय सिस्टम वापरण्याची कल्पना आहे. स्कॅन सामान्य दिसल्यास, रेडिओलॉजिस्टच्या पुनरावलोकनाशिवाय ते साफ केले जाईल. जर सिस्टीमने काहीतरी असामान्य ध्वजांकित केले तर, डॉक्टर नंतर केस तपासतील.

तर्क सरळ आहे. यंत्रे प्रतिमांवर जलद आणि प्रमाणात प्रक्रिया करू शकतात. जर ते नियमित प्रकरणांचा मोठा वाटा हाताळू शकतील, तर रुग्णालये खर्च कमी करू शकतात आणि तपासणी केलेल्या रुग्णांची संख्या वाढवू शकतात. कॅट्झने हा दृष्टिकोन विस्तारित प्रवेशाशी जोडला आहे, विशेषत: सार्वजनिक आरोग्य सेवेवर अवलंबून असलेल्या समुदायांसाठी.

त्याने देखरेख केलेल्या प्रणालीने इमेजिंग उपकरणांमध्ये आधीच मोठ्या प्रमाणात गुंतवणूक केली आहे, ज्यामध्ये $224 दशलक्ष अपग्रेडचा समावेश आहे जीई हेल्थकेअर. पुढील पायरी, त्याच्या मते, त्या हार्डवेअरचा सॉफ्टवेअरसह वापर करणे आहे जे अधिक निदान कार्य हाताळू शकते.

या दृष्टिकोनाचे समर्थक सुरुवातीच्या कामगिरीच्या डेटाकडे निर्देश करतात. येथे वेस्टचेस्टर मेडिकल सेंटरएक्झिक्युटिव्ह म्हणाले की एआय सिस्टम कमी-जोखीम प्रकरणांमध्ये फारच कमी कॅन्सर चुकवतात, त्रुटी दर दहा हजार स्कॅनमध्ये एकल अंकांमध्ये मोजले जातात. ती आकृती, ते तर्क करतात, मानवी कामगिरीशी अनुकूलपणे तुलना करतात.

रुग्णालयांसाठी, आवाहन केवळ अचूकतेबद्दल नाही. हे थ्रुपुट बद्दल आहे. जलद वाचन म्हणजे अधिक रुग्णांची तपासणी केली जाऊ शकते. अशा प्रणालीमध्ये जिथे विलंब परिणामांवर परिणाम करू शकतो, वेग स्वतःचे वजन घेतो.

तरीही प्रस्ताव तंत्रज्ञानापेक्षा अधिक अवलंबून आहे. न्यू यॉर्कमधील सध्याच्या नियमांनुसार रेडिओलॉजिस्टना इमेजिंग अभ्यासाचे पुनरावलोकन करणे आवश्यक आहे. कॅट्झच्या योजनेसाठी पुढे जाण्यासाठी, ते नियम बदलणे आवश्यक आहे. हे रुग्णालयांकडून नियामकांकडे वादविवाद हलवते, जिथे सुरक्षा आणि जबाबदारीचे प्रश्न केंद्रस्थानी असतात.

वादविवादाने भूतकाळातील तंत्रज्ञान हलवले म्हणून डॉक्टर मागे ढकलले

रुग्णालयाच्या प्रशासकांची कार्यक्षमता दिसल्यास, अनेक रेडिओलॉजिस्टना धोका दिसतो. पुशबॅक तीक्ष्ण आणि काही वेळा बोथट आहे. समीक्षकांचा असा युक्तिवाद आहे की प्रारंभिक वाचनांसाठी केवळ एआयवर अवलंबून राहिल्याने चुकलेले निदान होऊ शकते, विशेषत: मानक पॅटर्नच्या बाहेर पडलेल्या प्रकरणांमध्ये.

मोहम्मद सुहेल कल्पनेचे वर्णन धोकादायक म्हणून केले आहे आणि चेतावणी दिली आहे की मशीनवर पुरेसे निरीक्षण न करता विश्वास ठेवल्यास यामुळे नुकसान होऊ शकते. त्याचा युक्तिवाद व्यवसायातील व्यापक चिंता प्रतिबिंबित करतो. रेडिओलॉजी केवळ प्रतिमांमधील नमुने ओळखण्यापुरते मर्यादित नाही. यात क्लिनिकल निर्णय, संदर्भ आणि इतर डॉक्टरांशी संवाद यांचा समावेश आहे.

इथेच वाद आकड्यांच्या पलीकडे जातो. जरी एआय प्रणाली सरासरीने चांगली कामगिरी करते, तरीही औषध अनेकदा अपवादांना सामोरे जाते. एक दुर्मिळ केस जो प्रशिक्षण डेटाच्या बाहेर पडल्यास गंभीर परिणाम होऊ शकतात. डॉक्टरांसाठी, एरर किती वेळा घडतात हा प्रश्नच नाही तर त्या केल्यावर काय होते.

जबाबदारीचाही मुद्दा आहे. जर एआय प्रणाली स्कॅन साफ ​​करते आणि नंतर समस्या आढळली तर कोण जबाबदार आहे? रुग्णालये, सॉफ्टवेअर प्रदाते आणि नियामक सर्व भूमिका बजावतात, परंतु ओळी नेहमीच स्पष्ट नसतात. त्या अनिश्चिततेमुळे मोठ्या प्रमाणात बदल अंमलात आणणे कठीण होते.

वैद्यकीय कार्याची व्याख्या कशी केली जाते यावर देखील चर्चा स्पर्श करते. रेडिओलॉजिस्ट प्रतिमा वाचण्यापेक्षा अधिक करतात. ते तातडीच्या प्रकरणांना प्राधान्य देतात, उपचारांच्या निर्णयांचे मार्गदर्शन करतात आणि भविष्यातील डॉक्टरांना प्रशिक्षण देतात. प्रतिमा पुनरावलोकनासाठी त्यांची भूमिका कमी करणे त्या फंक्शन्सकडे दुर्लक्ष करते.

तंत्रज्ञान क्षेत्रातही, दृश्ये एकसमान नाहीत. जेन्सेन हुआंग ने म्हटले आहे की रेडिओलॉजी ची जागा AI ने घेतली आहे असे पूर्वीचे दावे अतिरंजित होते. त्यांनी निदर्शनास आणून दिले की जलद प्रतिमा विश्लेषणाने हाताळलेल्या स्कॅनचे प्रमाण वाढू शकते, ज्यामुळे रेडिओलॉजिस्टची मागणी कमी होण्याऐवजी वाढू शकते.

तो दृष्टीकोन वेगळा मार्ग सुचवतो. डॉक्टरांना बदलण्याऐवजी, एआय ते कसे कार्य करतात ते बदलू शकते, ज्यामुळे मशीन्स नियमित कामे हाताळतात तेव्हा त्यांना अधिक जटिल प्रकरणांवर लक्ष केंद्रित करू देते. व्यवहारात, तथापि, मदत आणि बदली यांच्यातील सीमा निश्चित केलेली नाही. हे धोरण, अर्थशास्त्र आणि विश्वासावर आधारित बदलते.

कॅट्झच्या प्रस्तावामुळे तो तणाव उघड होतो. भविष्यातील तंत्रज्ञानाबद्दल ही सैद्धांतिक चर्चा नाही. ही एक विशिष्ट प्रणालीशी जोडलेली योजना आहे, ज्यामध्ये परिभाषित खर्च आणि मोजण्यायोग्य परिणाम आहेत.

वेळ देखील लक्षणीय आहे. संपूर्ण युनायटेड स्टेट्समधील हेल्थकेअर सिस्टीम वाढत्या खर्च, कर्मचाऱ्यांची कमतरता आणि काळजीसाठी असमान प्रवेश यांचा सामना करत आहेत. AI त्या समस्यांचे निराकरण करण्याचा एक मार्ग ऑफर करते, परंतु ते सुरक्षा आणि नियंत्रणाबद्दल नवीन प्रश्न देखील सादर करते.

रुग्णांसाठी, वादविवाद दूरचे वाटू शकतात, परंतु त्याचे परिणाम थेट आहेत. स्कॅन वाचणारी व्यक्ती, मग ती मानव असो वा मशीन, निदान आणि उपचारात भूमिका बजावते. त्या प्रक्रियेतील बदल वजन घेऊन जातात.

नियामकांसाठी, प्रवेश आणि सुरक्षितता संतुलित करणे हे आव्हान आहे. AI ला मोठी भूमिका घेण्याची परवानगी दिल्याने स्क्रीनिंगचे दर वाढू शकतात आणि खर्च कमी होऊ शकतो. त्याच वेळी, तंत्रज्ञान वास्तविक-जगातील भिन्नता हाताळू शकते असा आत्मविश्वास आवश्यक आहे.

हा क्षण वेगळा बनवतो तो केवळ तंत्रज्ञानच नाही तर त्यावर कृती करण्याची इच्छा. कॅट्झ यांनी स्पष्ट केले आहे की तो एआयला कमीतकमी विशिष्ट प्रकरणांमध्ये, व्यापक वापरासाठी तयार असल्याचे पाहतो. इतर सावध राहतात, ज्या मर्यादेचे अद्याप निराकरण झाले नाही त्याकडे निर्देश करतात.