কেনিয়ায় ৯,৬৯১ জন রোগীর এক র‍্যান্ডমাইজড পরীক্ষায় দেখা গেছে, চিকিৎসকদের এআই সহকারী চিকিৎসা-ব্যর্থতা উল্লেখযোগ্যভাবে কমায়নি, যদিও চিকিৎসকেরা নোটগুলোকে আরও ভালো বলে মূল্যায়ন করেছেন

কেনিয়ার একটি র‍্যান্ডমাইজড পরীক্ষায় দেখা গেছে, চিকিৎসকেরা নিজেদের রোগীর রেকর্ডের ভেতরে বসানো একটি এআই সহকারী ব্যবহার করলে চিকিৎসা-ব্যর্থতায় পরিসংখ্যানগতভাবে উল্লেখযোগ্য কোনো কমতি হয়নি। ভিজিটের ১৪ দিনের মধ্যে সহকারী-ব্যবহারকারী চিকিৎসকদের দেখা রোগীদের ২.২%-এর চিকিৎসা-ব্যর্থতা হয়েছে, সহকারী ছাড়া চিকিৎসকদের দেখা রোগীদের ২.০%-এর। গবেষণাপত্রটি নেচার মেডিসিনে প্রকাশিত হয় ২০২৬ সালের ২৬ জুন, আর এর লেখকেরা সিদ্ধান্তে এসেছেন যে যন্ত্রটি নিরাপদ ছিল এবং কোনো উপকার থাকলেও তা সম্ভবত সামান্য।

একই পরীক্ষায় দেখা গেছে সহকারী আরেকটি জিনিস উন্নত করেছে: চিকিৎসকেরা কী লিখে রাখছেন আর কী সিদ্ধান্ত নিচ্ছেন, তার মান, যা বিচার করেছে চিকিৎসকদের একটি প্যানেল।

কী যাচাই হয়েছিল, কীভাবে

যন্ত্রটির নাম এআই কনসাল্ট। এটি ওপেনএআইয়ের জিপিটি-৪ও (২০২৫ সালের মে-র সংস্করণ) চালায় পেন্ডা হেলথের ইলেকট্রনিক মেডিকেল রেকর্ডের ভেতরে। পেন্ডা হেলথ নাইরোবি আর কিয়াম্বু কাউন্টির প্রাথমিক চিকিৎসা ক্লিনিকের একটি নেটওয়ার্ক। চিকিৎসক যখন ভিজিটের নোট লেখেন, এটি তা পড়ে আর সবুজ, হলুদ বা লাল সতর্কতা দিয়ে সমস্যা চিহ্নিত করে। চিকিৎসকদের তা মানতে হত না, আর রোগীরা কখনও তার পর্দা দেখতেন না। ব্যবস্থাটি স্বয়ংচালিত ডাক্তারের চেয়ে বেশি কাছের মানুষের চালানো একটি সার্জিক্যাল রোবটের: প্রতিটি সিদ্ধান্তের দায় থাকে চিকিৎসকেরই।

এটি ছিল একটি প্র্যাগম্যাটিক ক্লাস্টার-র‍্যান্ডমাইজড পরীক্ষা: তা চলেছে রুটিন চিকিৎসার ভেতরে, আর র‍্যান্ডমভাবে ভাগ করা হয়েছিল চিকিৎসকদের, রোগীদের নয়। অংশ নিয়েছিল পেন্ডার ষোলোটি কেন্দ্র। মোট ১০৩ জন ক্লিনিক্যাল অফিসার, যাঁরা রোগীদের দেখতেন, ভাগ হয়েছিলেন ৫২ জন যন্ত্র ব্যবহারকারী আর ৫১ জন একই রেকর্ড ব্যবস্থায় যন্ত্র বন্ধ রেখে কাজ করা। নিবন্ধন চলেছিল ২০২৫ সালের ২২ এপ্রিল থেকে ১৬ জুলাই।

পরীক্ষাটি প্যান আফ্রিকান ক্লিনিক্যাল ট্রায়ালস রেজিস্ট্রিতে নিবন্ধিত (PACTR202502499779176), আর এর প্রটোকল, ২০২৫ সালের জুনের সংস্করণ ২, উন্মুক্ত গবেষণা আর্কাইভ জেনোডোতে প্রকাশিত। গবেষণাটির পৃষ্ঠপোষক, বৈশ্বিক স্বাস্থ্য-বিষয়ক অলাভজনক সংস্থা প্যাথ, পরীক্ষার ঘোষণা দিয়েছিল ২০২৫ সালের ১১ মার্চ এবং ফলাফল আশা করেছিল ২০২৫ সালের শেষে।

মূল ফলাফল

আগে থেকে ঠিক করা মূল ফলাফল ছিল নিবন্ধনের ১৪ দিনের মধ্যে চিকিৎসা-ব্যর্থতা। এটি ছিল একটি যৌগিক মাপকাঠি, যা বিচার করেছিল ছয়জন ফ্যামিলি ফিজিশিয়ানের প্যানেল: প্রতিটি কেস দেখেছেন দুজন, আর মতভেদ মিটিয়েছেন তৃতীয়জন। ব্যর্থতা গণ্য হত যদি রোগী অমীমাংসিত উপসর্গ নিয়ে ফিরে আসতেন, অপরিকল্পিতভাবে উচ্চতর বা জরুরি চিকিৎসায় পাঠাতে হত, বা কোনো নিরাপত্তা-ঘটনা ঘটত, যেমন রোগ ধরা না পড়া, অনুপযুক্ত প্রেসক্রিপশন বা মৃত্যু। ফলো-আপ হয়েছিল ফোনে, ৩ আর ১৪ নম্বর দিনে।

সারসংক্ষেপ বলছে ১৭,৬২৬ জনকে বাছাই করে ৯,৬৯১ জন রোগী ভর্তি করা হয়েছিল। বাদ দেওয়ার পর, যার মধ্যে ছিল প্রটোকল না মানা ২৫৪টি সাক্ষাৎ আর ফলো-আপ থেকে হারিয়ে যাওয়া ৯০ জন রোগী, বিশ্লেষণ হয়েছে ৯,৩৪৭ জনের। সংখ্যাগুলো ছিল সহকারী-গোষ্ঠীর ৪,৬৯৩ জন রোগীর মধ্যে ১০২টি ব্যর্থতা (২.২%) এবং নিয়ন্ত্রণ-গোষ্ঠীর ৪,৬৫৪ জনের মধ্যে ৯৪টি (২.০%)। সমন্বিত অডস রেশিও ছিল ০.৭৭, ৯৫% কনফিডেন্স ইন্টারভাল ০.৫৫ থেকে ১.০৮, আর P মান ০.১৩।

কাঁচা সংখ্যা আর সমন্বিত সংখ্যা উল্টো দিকে ইঙ্গিত করে। কাঁচা সংখ্যায় সহকারী-গোষ্ঠীতে ব্যর্থতা সামান্য বেশি, অথচ ১-এর নিচে অডস রেশিও সহকারী-গোষ্ঠীর পক্ষে। সমন্বিত সংখ্যাটি আসে এমন একটি মডেল থেকে যা ক্লিনিক্যাল অফিসার আর কেন্দ্র অনুযায়ী গুচ্ছ-বিন্যাস হিসাবে রাখে, এবং গবেষণাপত্র দুটিকে মেলায়নি। রোগীর লিঙ্গ, বয়স, দিনের সময় আর সপ্তাহের দিন যোগ করলে অডস রেশিও দাঁড়ায় ০.৭২ (৯৫% সিআই ০.৫০ থেকে ১.০৩, P = ০.০৭)। এনপিআর ফলাফলটি জানিয়েছিল চিকিৎসা-ব্যর্থতায় ২৩% কমতি হিসেবে, যা পরিসংখ্যানগতভাবে উল্লেখযোগ্য ছিল না। অডস রেশিও ব্যর্থতা কমার শতাংশের থেকে আলাদা একটি পরিমাপ।

লেখকেরা তাঁদের আলোচনায় ব্যবধানটিকে সহজ ভাষায় বলেছেন: প্রতি ১,০০০ রোগীতে ১৩টি কম থেকে ১টি বেশি চিকিৎসা-ব্যর্থতার মধ্যে কোথাও। তাঁদের মডেলভিত্তিক ঝুঁকি-পার্থক্যের অনুমান ছিল সহকারী-গোষ্ঠীতে ০.৫ শতাংশ পয়েন্ট কম, ৯৫% ক্রেডিবল ইন্টারভাল ১.৩ পয়েন্ট কম থেকে ০.১ পয়েন্ট বেশি পর্যন্ত।

যেখানে এআই ভালো করেছে

একটি পর্যালোচনা প্যানেল নথিভুক্তির মানের জন্য ২,০০০টি সাক্ষাৎ পরীক্ষা করেছে। সহকারী-ব্যবহারকারী চিকিৎসকদের উপযুক্ত রোগনির্ণয় লিখে রাখার সম্ভাবনা বেশি ছিল (সমন্বিত অডস রেশিও ১.৭৪, ৯৫% সিআই ১.২৮ থেকে ২.৩৬), পূর্ণ নোট লেখার (১.৬৮, ১.২৪ থেকে ২.২৭) এবং উপযুক্ত চিকিৎসা পরিকল্পনা সাজানোর (১.৭১, ১.২৫ থেকে ২.৩৪)। তিনটিরই P মান ০.০০১-এর নিচে।

অন্য মাপকাঠিগুলো ছিল সমান। জরিপে অংশ নেওয়া ৮২৬ জন রোগীর মধ্যে সন্তুষ্টি দুই গোষ্ঠীতে আলাদা ছিল না, আর পরামর্শের গড় সময় দুই গোষ্ঠীতেই ছিল ১১ মিনিট। খরচের একটি পোস্ট হক পর্যালোচনায়, যাকে লেখকেরা নিশ্চিতকারী নয় বলে চিহ্নিত করেছেন, দেখা গেছে যন্ত্রটি চালাতে প্রতি রোগীতে খরচ হয় প্রায় ০.০৪ ডলার, আর অ্যান্টিবায়োটিকের গড় খরচ সহকারী-গোষ্ঠীতে ৩.৭১ ডলার, নিয়ন্ত্রণ-গোষ্ঠীতে ৩.৮৫ ডলার।

বিশেষজ্ঞেরা সহকারীর ১,০০০টি লাল সতর্কতাও পর্যালোচনা করেছেন। তাঁরা ৪৯.৪% নিশ্চিতভাবে নিরাপদ আর ৪২.৪% মোটামুটি নিরাপদ বলে রেখেছেন। প্রায় ৩.১% ছিল কিছুটা অনিরাপদ বা অনুপযুক্ত, আর ১.১% অনিরাপদ ও অনুপযুক্ত। লাল সতর্কতা চিকিৎসকেরা পুরোপুরি মেনেছেন ১৯.৫% ক্ষেত্রে, আংশিক ৫৭.৩%, আর একেবারেই মানেননি ২৩.২%।

কোনো পার্থক্য না পাওয়ার মানে কেন প্রভাব নেই, তা নাও হতে পারে

পরীক্ষাটির আকার ঠিক করা হয়েছিল চিকিৎসা-ব্যর্থতা অর্ধেক হওয়া, ২% থেকে ১%, ধরতে পারার জন্য, প্রায় ৯,০০০ সাক্ষাৎ নিয়ে। লেখকেরা বলেছেন, যা দেখা গেছে তার চেয়ে বড় প্রভাবের জন্য এর ক্ষমতা ঠিক করা ছিল। আলোচনায় তাঁরা লিখেছেন, পোস্ট হক সিমুলেশন বলছে বিরল ফলাফলে সামান্য পার্থক্য ধরতে ১০০,০০০-এর বেশি রোগী লাগবে। ডা. বিলাল মাতিন, একজন সহ-লেখক ও প্যাথের প্রধান এআই কর্মকর্তা, এনপিআরকে বলেছেন সংখ্যাটি প্রায় ১৩৯,০০০।

আগের একটি পেন্ডা গবেষণা, ২০২৫ সালের জুলাইয়ে একটি মান-উন্নয়ন গবেষণা হিসেবে arXiv-এ প্রকাশিত, ১৫টি ক্লিনিকের ৩৯,৮৪৯টি ভিজিট দেখেছিল। স্বাধীন চিকিৎসকেরা ভিজিটগুলোকে ক্লিনিক্যাল ত্রুটির জন্য মূল্যায়ন করে দেখেছিলেন, এআই কনসাল্ট ব্যবহারকারী চিকিৎসকদের রোগনির্ণয়ের ত্রুটি ১৬% কম আর চিকিৎসার ত্রুটি ১৩% কম। ওই গবেষণা তুলনা করেছিল যন্ত্র আছে আর নেই এমন চিকিৎসকদের ভিজিট। র‍্যান্ডমাইজড পরীক্ষাটি যোগ করেছে রোগীদের পরে কী হল তার ফলো-আপ, আর সেখানেই কোনো স্পষ্ট পার্থক্য দেখা যায়নি। জীববিজ্ঞানে এআই-এর সবচেয়ে পরিচিত জয়, আলফাফোল্ড নোবেল, ছিল গবেষণাগারে প্রোটিনের গঠন অনুমানের জন্য, রোগীর চিকিৎসার জন্য নয়।

গবেষণা কী দেখায় না, লেখকদের মতে

আলোচনা অংশে সীমাবদ্ধতাগুলো লেখকেরা নিজেই তালিকা করেছেন। পরীক্ষাটি বিরল গুরুতর ক্ষতির জন্য ক্ষমতা-নির্ধারিত ছিল না, আর পার্থক্য না পাওয়া প্রমাণ করে না যে দুই গোষ্ঠী সমান নিরাপদ ছিল। আগে থেকে ঠিক করা কোনো নিরাপত্তা-কাঠামো ছিল না। তেত্রিশটি গুরুতর প্রতিকূল ঘটনা ঘটেছে, ২৭টি হাসপাতালে ভর্তি আর ৬টি মৃত্যু, এবং স্বাধীন পর্যালোচনা তার কোনোটিকে যন্ত্রটির সঙ্গে কার্যকারণে যুক্ত পায়নি।

ফলাফল এসেছে নাইরোবির একটিমাত্র বেসরকারি, শহুরে নেটওয়ার্ক থেকে, আর গ্রামীণ বা সরকারি ক্লিনিকে তা নাও খাটতে পারে। পেন্ডার মান আগে থেকেই উঁচু ছিল, যাতে উন্নতির জায়গা কম থাকতে পারে। ফলাফল বাঁধা জিপিটি-৪ও-এর একটি সংস্করণের সঙ্গে, যাকে লেখকেরা বর্ণনা করেছেন সময়ভিত্তিক মানদণ্ড হিসেবে, আর ১৪ দিনের ফলো-আপ পরবর্তী প্রভাবের জন্য খুব ছোট হতে পারে। চিকিৎসকদের অন্ধ রাখা যায়নি, এবং কেন্দ্র ভাগ করে কাজ করায় দুই গোষ্ঠীর মধ্যে অনানুষ্ঠানিক ভাবনা-বিনিময় সম্ভব ছিল। লেখকেরা যুক্তি দিয়েছেন, এতে ফলাফল পার্থক্যহীনতার দিকেই ঝুঁকবে।

আলোচনায় ভালো নোট থেকে ভালো রোগীর ফলাফলের সংযোগকে ধরে নেওয়া অনুমান বলা হয়েছে। মূল ফলাফল উন্নত হয়নি, তাই পরীক্ষা এই ধাপটি যাচাই করেনি।

কে টাকা দিয়েছে, কার স্বার্থ আছে

পরীক্ষায় অর্থ দিয়েছে গেটস ফাউন্ডেশন, পৃষ্ঠপোষক হিসেবে প্যাথ। স্বার্থের সংঘাত-বিবৃতি বলছে, দুই লেখক, R.K. আর S.K., পেন্ডা হেলথের স্টক অপশনের মালিক। ওপেনএআই পেন্ডাকে এআই কনসাল্ট বানাতে ক্লাউড কম্পিউট ক্রেডিট আর কারিগরি পরামর্শ দিয়েছিল। বিবৃতি বলছে, ওপেনএআইয়ের পণ্য ব্যবহারের সিদ্ধান্ত ওই প্রস্তাবের আগেই হয়েছিল, আর নকশা, তথ্য সংগ্রহ, বিশ্লেষণ, লেখা বা প্রকাশের সিদ্ধান্তে ওপেনএআইয়ের কোনো ভূমিকা ছিল না।

পরীক্ষার বাইরে থেকে দুটি পাঠ

এনপিআর এমন দুজন চিকিৎসককে উদ্ধৃত করেছে যাঁরা এতে জড়িত ছিলেন না। স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের মেডিসিন ও বায়োমেডিক্যাল ডেটা সায়েন্সের সহযোগী অধ্যাপক ডা. জোনাথন চেন গবেষণাটিকে গুরুত্বপূর্ণ বলেছেন, কারণ এটি এআই ব্যবস্থার সিমুলেটেড পরীক্ষা ছাড়িয়ে গেছে। তিনি বলেছেন, সবচেয়ে বড় লাভ আসতে পারে চিকিৎসায় সময়মতো আর ধারাবাহিক প্রবেশাধিকার থেকে, যেমন নোট লিখতে সাহায্য, যাতে চিকিৎসকেরা আরও বেশি রোগী দেখতে পারেন।

ডা. নিকোলাস ওকুমু, কেনিয়াত্তা ন্যাশনাল হাসপাতালের একজন অর্থোপেডিক সার্জন যিনি স্বাস্থ্যসেবায় এআই নিয়ে গবেষণা করেন, সতর্ক মতটি দিয়েছেন। তিনি এনপিআরকে বলেছেন, ‘অনুমোদিত এআই-ও ক্ষতি করতে পারে, তাই তদারকি সক্রিয় রাখতে হবে।‘

ভারতের প্রেক্ষাপট

ইন্ডিয়ান কাউন্সিল অব মেডিক্যাল রিসার্চ ২০২৩ সালে জৈব-চিকিৎসা গবেষণা ও স্বাস্থ্যসেবায় এআই-এর নৈতিক নির্দেশিকা প্রকাশ করে, ডিএইচআর-আইসিএমআর আর্টিফিশিয়াল ইন্টেলিজেন্স সেলের ৭৬ পৃষ্ঠার একটি দলিল। ২০২৬ সালের ২০ ফেব্রুয়ারি আইসিএমআর আর আইসিএমআর-এনআইআরডিএইচ ভারত মণ্ডপমে ইন্ডিয়াএআই ইমপ্যাক্ট সামিটের অংশ হিসেবে একটি অধিবেশন করে, এআই-ভিত্তিক চিকিৎসা-যন্ত্রের নিয়ন্ত্রণ-পথ নিয়ে, প্রশিক্ষণ, যাচাই আর ক্লিনিক্যাল মূল্যায়নের সেতুবন্ধ নিয়ে। জাতীয় কর্মসূচির কথা আছে ভারত নিজের ভাষায় এআই বানাচ্ছে লেখায়।

একই ধরনের একটি ভারতীয় পরীক্ষা ক্লিনিক্যালট্রায়ালস.গভ-এ নিবন্ধিত, আর তা মাপে অন্য কিছু। NCT07432893 নামে নিবন্ধিত একটি পাইলট চলেছিল পশ্চিমবঙ্গের বীরভূম আর পুরুলিয়া জেলায়, লিভার ফাউন্ডেশনের সঙ্গে। ৭৩৬ জন রোগীর প্রত্যেকে এক ভিজিটে দুটি পরামর্শ পেয়েছেন, এলোমেলো ক্রমে: একটি এআই যন্ত্র ব্যবহারকারী নার্সের কাছে, একটি চিকিৎসকের কাছে। অন্ধ রাখা দুজন চিকিৎসক-গ্রেডার একই দিনে প্রতিটি পরামর্শ নম্বর দিয়েছেন ক্লিনিক্যাল যুক্তি আর ব্যবস্থাপনার একটি রুব্রিকে। নথিতে পাইলটটি ২০২৬ সালের ১ আগস্ট সম্পন্ন বলে লেখা। এর মূল ফলাফল পরামর্শের মান, পরে রোগীর স্বাস্থ্য নয়, আর পৃষ্ঠপোষক আইসিএমআর বা এইমস নয়, একজন হিল ইন্ডিয়া গবেষক।

মাতিনের নেতৃত্বে ২০২৫ সালের জুলাইয়ের নেচার মেডিসিনের একটি পত্রালাপ লক্ষ করেছিল যে আফ্রিকায় স্বাস্থ্যের জন্য এআই-এর হাতে-গোনা কয়েকটি র‍্যান্ডমাইজড পরীক্ষা হয়েছে, আর তার কোনোটিই জেনারেটিভ এআই যন্ত্র যাচাই করেনি।