కెన్యాలో 9,691 మంది రోగులతో జరిగిన యాదృచ్ఛిక ట్రయల్, క్లినిషియన్ల కోసం రూపొందించిన AI సహాయకుడు చికిత్స వైఫల్యాలను గణనీయంగా తగ్గించలేదని తేల్చింది, అయితే వైద్యులు నోట్స్‌ను మెరుగైనవిగా రేట్ చేశారు

క్లినిషియన్లు తమ రోగుల రికార్డుల్లో ఉన్న AI సహాయకుడిని వాడినప్పుడు చికిత్స వైఫల్యాల్లో గణాంకపరంగా గణనీయమైన తగ్గుదల కనిపించలేదని కెన్యాలో జరిగిన ఒక యాదృచ్ఛిక ట్రయల్ తేల్చింది. సందర్శన జరిగిన 14 రోజుల్లో, సహాయకుడిని వాడిన క్లినిషియన్లు చూసిన రోగుల్లో 2.2% మందికి చికిత్స వైఫల్యం జరిగింది, వాడనివారు చూసిన రోగుల్లో 2.0%. ఈ పత్రం 2026 జూన్ 26న నేచర్ మెడిసిన్‌లో వచ్చింది, ఆ సాధనం సురక్షితమని, ఏదైనా ప్రయోజనం ఉంటే అది బహుశా తక్కువేనని దాని రచయితలు నిర్ధారిస్తారు.

అదే ట్రయల్ ఆ సహాయకుడు మరొకదాన్ని మెరుగుపరిచిందని కనుగొంది: వైద్యుల ప్యానెల్ అంచనా ప్రకారం, క్లినిషియన్లు రాసిన, నిర్ణయించిన వాటి నాణ్యత.

ఏం పరీక్షించారు, ఎలా

ఆ సాధనం పేరు AI కన్సల్ట్. ఇది నైరోబీ, కియాంబు కౌంటీల్లోని ప్రాథమిక సంరక్షణ క్లినిక్‌ల నెట్‌వర్క్ పెండా హెల్త్ వాడే ఎలక్ట్రానిక్ వైద్య రికార్డు లోపల ఓపెన్‌ఏఐ GPT-4o (2025 మే విడుదల)ను నడుపుతుంది. క్లినిషియన్ ఒక సందర్శనను రాస్తున్నప్పుడు, అది నోట్స్‌ను చదివి, సమస్యలను ఆకుపచ్చ, పసుపు లేదా ఎరుపు హెచ్చరికతో సూచిస్తుంది. క్లినిషియన్లు దాన్ని అనుసరించాల్సిన అవసరం లేదు, రోగులు దాని తెరను ఎప్పుడూ చూడలేదు. ఈ ఏర్పాటు స్వయంప్రతిపత్తి ఉన్న వైద్యుడి కంటే మనిషి నడిపే ఒక శస్త్రచికిత్స రోబోట్కు దగ్గరగా ఉంటుంది: ప్రతి నిర్ణయానికీ క్లినిషియనే బాధ్యుడిగా ఉంటాడు.

ఇది ఒక ప్రాగ్మాటిక్ క్లస్టర్-యాదృచ్ఛిక ట్రయల్: ఇది సాధారణ సంరక్షణ లోపలే నడిచింది, యాదృచ్ఛికంగా కేటాయించిన యూనిట్లు రోగులు కాదు, క్లినిషియన్లు. పెండా యొక్క పదహారు సౌకర్యాలు పాల్గొన్నాయి. రోగులను చూసే క్లినిషియన్లైన మొత్తం 103 మంది క్లినికల్ ఆఫీసర్లను, సాధనాన్ని వాడే 52 మందిగా, అదే రికార్డు వ్యవస్థను సాధనం ఆపివేసి వాడే 51 మందిగా విభజించారు. నమోదు 2025 ఏప్రిల్ 22 నుండి జూలై 16 వరకు సాగింది.

ఈ ట్రయల్ పాన్ ఆఫ్రికన్ క్లినికల్ ట్రయల్స్ రిజిస్ట్రీలో (PACTR202502499779176) నమోదై ఉంది, దాని ప్రోటోకాల్, 2025 జూన్ నాటి వెర్షన్ 2, ఒక బహిరంగ పరిశోధన ఆర్కైవ్ అయిన జెనోడోలో అందరికీ అందుబాటులో ఉంది. అధ్యయనానికి స్పాన్సర్ అయిన ప్రపంచ ఆరోగ్య లాభాపేక్షలేని సంస్థ PATH ఈ ట్రయల్‌ను 2025 మార్చి 11న ప్రకటించి, 2025 చివరికల్లా ఫలితాలను ఆశించింది.

ప్రధాన ఫలితం

ముందే నిర్దేశించిన ప్రధాన ఫలితం, నమోదు చేసిన 14 రోజుల్లోపు చికిత్స వైఫల్యం. ఇది ఆరుగురు ఫ్యామిలీ ఫిజీషియన్ల ప్యానెల్ నిర్ణయించిన సమ్మిళిత కొలమానం, ప్రతి కేసును ఇద్దరు సమీక్షించగా, భేదాభిప్రాయాలను మూడో వ్యక్తి పరిష్కరించారు. రోగి పరిష్కారం కాని లక్షణాలతో తిరిగి వస్తే, ఉన్నత స్థాయి లేదా అత్యవసర సంరక్షణకు ప్రణాళిక లేని పెంపు జరిగితే, లేదా రోగ నిర్ధారణ తప్పిపోవడం, తగని మందు ఇవ్వడం లేదా మరణం వంటి భద్రతా సంఘటన జరిగితే దాన్ని వైఫల్యంగా లెక్కించారు. ఫాలో-అప్ ఫోన్ ద్వారా, 3వ రోజు, 14వ రోజున జరిగింది.

17,626 మందిని పరీక్షించగా, 9,691 మంది రోగులు నమోదయ్యారని సారాంశం చెబుతుంది. ప్రోటోకాల్ పాటించని 254 సందర్శనలు, ఫాలో-అప్ నుండి తప్పిపోయిన 90 మంది రోగులతో సహా మినహాయింపుల తర్వాత, 9,347 మందిని విశ్లేషించారు. సహాయక విభాగంలో 4,693 మంది రోగుల్లో 102 వైఫల్యాలు (2.2%), నియంత్రణ విభాగంలో 4,654 మందిలో 94 (2.0%) ఉన్నాయి. సర్దుబాటు చేసిన ఆడ్స్ రేషియో 0.77, 95% కాన్ఫిడెన్స్ ఇంటర్వల్ 0.55 నుండి 1.08, P విలువ 0.13.

ముడి లెక్కలు, సర్దుబాటు చేసిన సంఖ్య వ్యతిరేక దిశల్లో చూపుతాయి. ముడి లెక్కల్లో సహాయక విభాగంలో కొంచెం ఎక్కువ వైఫల్యాలు ఉన్నాయి, అయితే 1 కంటే తక్కువ ఆడ్స్ రేషియో సహాయక విభాగానికి అనుకూలంగా ఉంటుంది. సర్దుబాటు చేసిన సంఖ్య క్లినికల్ ఆఫీసర్, సౌకర్యం వారీగా సమూహాలను పరిగణనలోకి తీసుకునే నమూనా నుండి వస్తుంది, రెండింటినీ పత్రం సమన్వయం చేయదు. రోగి లింగం, వయసు, రోజులో సమయం, వారంలో రోజును జోడించినప్పుడు ఆడ్స్ రేషియో 0.72 వచ్చింది (95% CI 0.50 నుండి 1.03, P = 0.07). ఈ ఫలితాన్ని చికిత్స వైఫల్యాల్లో 23% తగ్గుదలగా, కానీ గణాంకపరంగా గణనీయం కానిదిగా NPR నివేదించింది. ఆడ్స్ రేషియో, వైఫల్యాల్లో శాతం తగ్గుదల కంటే వేరే కొలమానం.

కాన్ఫిడెన్స్ ఇంటర్వల్‌ను రచయితలు తమ చర్చలో సరళ మాటల్లోకి మారుస్తారు: ప్రతి 1,000 మంది రోగులకు 13 తక్కువ నుండి 1 ఎక్కువ చికిత్స వైఫల్యం మధ్య ఎక్కడో. రిస్క్ తేడాపై వారి నమూనా ఆధారిత అంచనా, సహాయక విభాగంలో 0.5 శాతం పాయింట్లు తక్కువ, 95% క్రెడిబుల్ ఇంటర్వల్ 1.3 పాయింట్లు తక్కువ నుండి 0.1 పాయింట్లు ఎక్కువ వరకు.

AI బాగా చేసిన చోట

డాక్యుమెంటేషన్ నాణ్యత కోసం ఒక సమీక్ష ప్యానెల్ 2,000 సందర్శనలను పరిశీలించింది. సహాయక క్లినిషియన్లు తగిన రోగ నిర్ధారణను నమోదు చేసే (సర్దుబాటు చేసిన ఆడ్స్ రేషియో 1.74, 95% CI 1.28 నుండి 2.36), పూర్తి నోట్ రాసే (1.68, 1.24 నుండి 2.27), తగిన చికిత్స ప్రణాళికను పొందుపరిచే (1.71, 1.25 నుండి 2.34) అవకాశం ఎక్కువగా ఉంది. ఈ మూడింటిలోనూ P విలువలు 0.001 కంటే తక్కువ.

ఇతర కొలమానాలు మారలేదు. సర్వే చేసిన 826 మంది రోగుల్లో సంతృప్తి విభాగాల మధ్య తేడా లేదు, మధ్యస్థ సంప్రదింపు సమయం రెండింటిలోనూ 11 నిమిషాలు. ఖర్చుపై ఒక పోస్ట్ హాక్ పరిశీలన, దీన్ని ధ్రువీకరణాత్మకం కాదని రచయితలు గుర్తిస్తారు, ఆ సాధనం నడపడానికి ఒక్కో రోగికి సుమారు $0.04 ఖర్చవుతుందని, యాంటిబయాటిక్ సగటు ఖర్చు సహాయక విభాగంలో $3.71, నియంత్రణ విభాగంలో $3.85 అని కనుగొంది.

సహాయకుడి 1,000 ఎరుపు హెచ్చరికలను కూడా నిపుణులు సమీక్షించారు. వారు 49.4%ను ఖచ్చితంగా సురక్షితంగా, 42.4%ను ఎక్కువగా సురక్షితంగా రేట్ చేశారు. సుమారు 3.1% కొంతవరకు అసురక్షితంగా లేదా తగనివిగా, 1.1% అసురక్షితంగా, తగనివిగా ఉన్నాయి. ఎరుపు హెచ్చరికలను క్లినిషియన్లు 19.5% కేసుల్లో పూర్తిగా, 57.3%లో పాక్షికంగా, 23.2%లో అసలు అనుసరించలేదు.

ఫలితం శూన్యమైనా ప్రభావం లేదని ఎందుకు కాకపోవచ్చు

ఈ ట్రయల్‌ను సుమారు 9,000 సందర్శనలతో, చికిత్స వైఫల్యాలు 2% నుండి 1%కి సగానికి తగ్గడాన్ని గుర్తించేలా రూపొందించారు. గమనించిన దాని కంటే పెద్ద ప్రభావం కోసం దీన్ని రూపొందించారని రచయితలు చెబుతారు. అరుదైన ఫలితాల్లో స్వల్ప తేడాలను గుర్తించడానికి 100,000 మందికి పైగా రోగులు అవసరమవుతారని పోస్ట్ హాక్ అనుకరణలు సూచించాయని వారు చర్చలో రాశారు. ఆ సంఖ్య సుమారు 139,000 అని సహ రచయిత, PATH చీఫ్ AI ఆఫీసర్ డాక్టర్ బిలాల్ మతీన్ NPRకి చెప్పారు.

అంతకుముందు పెండా అధ్యయనం, 2025 జూలైలో నాణ్యత మెరుగుదల అధ్యయనంగా arXivలో పోస్ట్ చేయబడినది, 15 క్లినిక్‌లలో 39,849 సందర్శనలను పరిశీలించింది. స్వతంత్ర వైద్యులు క్లినికల్ తప్పుల కోసం సందర్శనలను రేట్ చేసి, AI కన్సల్ట్ అందుబాటులో ఉన్న క్లినిషియన్లలో 16% తక్కువ రోగ నిర్ధారణ తప్పులు, 13% తక్కువ చికిత్స తప్పులు కనుగొన్నారు. ఆ అధ్యయనం సాధనం ఉన్న, లేని క్లినిషియన్ల సందర్శనలను పోల్చింది. యాదృచ్ఛిక ట్రయల్ ఆ తర్వాత రోగులకు ఏమైందనే ఫాలో-అప్‌ను జోడించింది, అక్కడే స్పష్టమైన తేడా కనిపించలేదు. జీవశాస్త్రంలో AI యొక్క అత్యంత ప్రసిద్ధ విజయం, ఆల్ఫాఫోల్డ్ నోబెల్, ప్రయోగశాలలో ప్రోటీన్ నిర్మాణాలను అంచనా వేయడానికి వచ్చింది, రోగులకు చికిత్స చేయడానికి కాదు.

అధ్యయనం చూపదని రచయితలు చెప్పేవి

పరిమితులను చర్చ భాగమే జాబితా చేస్తుంది. అరుదైన తీవ్ర హానుల కోసం ఈ ట్రయల్ రూపొందించబడలేదు, తేడా కనిపించకపోవడం రెండు విభాగాలు సమానంగా సురక్షితమని నిరూపించదు. ముందే నిర్దేశించిన భద్రతా చట్రం ఏదీ లేదు. ముప్పై మూడు తీవ్ర ప్రతికూల సంఘటనలు జరిగాయి, 27 ఆసుపత్రి చేరికలు, 6 మరణాలు, వాటిలో ఏదీ సాధనంతో కారణ సంబంధం కలిగి ఉన్నట్లు స్వతంత్ర సమీక్షలో తేలలేదు.

ఫలితాలు నైరోబీలోని ఒకే ప్రైవేట్, పట్టణ నెట్‌వర్క్ నుండి వచ్చాయి, గ్రామీణ లేదా ప్రభుత్వ రంగ క్లినిక్‌లలో ఇవి నిలవకపోవచ్చు. పెండా ప్రమాణాలు అప్పటికే ఎక్కువగా ఉన్నాయి, దానివల్ల మెరుగుపడటానికి తక్కువ అవకాశం మిగిలి ఉండవచ్చు. ఫలితాలు GPT-4o ఒక వెర్షన్‌కు ముడిపడి ఉన్నాయి, రచయితలు దీన్ని కాలబద్ధ ప్రమాణంగా వర్ణించే అంశం, 14 రోజుల ఫాలో-అప్ తదుపరి ప్రభావాలకు చాలా తక్కువ కావచ్చు. క్లినిషియన్లకు తెలియకుండా ఉంచడం (బ్లైండింగ్) సాధ్యం కాలేదు, వారు సౌకర్యాలను పంచుకున్నందున విభాగాల మధ్య అనధికారికంగా ఆలోచనల మార్పిడి సాధ్యమైంది. ఇది ఫలితాలను తేడా లేకపోవడం వైపు నెడుతుందని రచయితలు వాదిస్తారు.

మెరుగైన నోట్స్ నుండి మెరుగైన రోగి ఫలితాలకు ఉన్న సంబంధాన్ని చర్చ ఒక ఊహగా పరిగణిస్తుంది. ప్రధాన ఫలితం మెరుగుపడలేదు, కాబట్టి ఆ దశను ట్రయల్ పరీక్షించలేదు.

ఎవరు చెల్లించారు, ఎవరికి వాటా ఉంది

ఈ ట్రయల్‌కు గేట్స్ ఫౌండేషన్ నిధులు ఇచ్చింది, PATH స్పాన్సర్‌గా ఉంది. ఇద్దరు రచయితలు, R.K., S.K., పెండా హెల్త్‌లో స్టాక్ ఆప్షన్లు కలిగి ఉన్నారని పోటీ ప్రయోజనాల ప్రకటన చెబుతుంది. AI కన్సల్ట్ నిర్మించడానికి ఓపెన్‌ఏఐ పెండాకు క్లౌడ్ కంప్యూట్ క్రెడిట్లు, సాంకేతిక మార్గదర్శకత్వం అందించింది. ఓపెన్‌ఏఐ ఉత్పత్తిని వాడాలనే నిర్ణయం ఆ ఆఫర్ కంటే ముందే జరిగిందని, రూపకల్పన, డేటా సేకరణ, విశ్లేషణ, రచన లేదా ప్రచురణ నిర్ణయంలో ఓపెన్‌ఏఐకి ఎలాంటి పాత్రా లేదని ప్రకటన చెబుతుంది.

ట్రయల్ బయటి నుండి రెండు అభిప్రాయాలు

సంబంధం లేని ఇద్దరు క్లినిషియన్లను NPR ఉటంకించింది. స్టాన్‌ఫోర్డ్ యూనివర్సిటీలో మెడిసిన్, బయోమెడికల్ డేటా సైన్స్ అసోసియేట్ ప్రొఫెసర్ డాక్టర్ జోనాథన్ చెన్, ఈ అధ్యయనం AI వ్యవస్థల అనుకరణ పరీక్షలను దాటి ముందుకు వెళ్తున్నందున ఇది ముఖ్యమైనదని అన్నారు. నోట్స్ రాయడంలో సాయం వంటి సమయానికి, స్థిరంగా సంరక్షణ అందుబాటులో ఉండటం ద్వారా, క్లినిషియన్లు ఎక్కువమంది రోగులను చూడగలిగేలా, అతిపెద్ద లాభం రావచ్చని ఆయన చెప్పారు.

కెన్యాట్టా నేషనల్ హాస్పిటల్‌లో ఆర్థోపెడిక్ సర్జన్, ఆరోగ్య సంరక్షణ AIపై పరిశోధన చేసే డాక్టర్ నికోలస్ ఒకుము జాగ్రత్తతో కూడిన అభిప్రాయం ఇచ్చారు. ఆయన NPRతో అన్నారు, “ఆమోదం పొందిన AI కూడా హాని చేయగలదు, కాబట్టి పర్యవేక్షణ చురుకుగా ఉండాలి.”

భారత సందర్భం

ఇండియన్ కౌన్సిల్ ఆఫ్ మెడికల్ రీసెర్చ్ 2023లో బయోమెడికల్ పరిశోధన, ఆరోగ్య సంరక్షణలో AI కోసం తన నైతిక మార్గదర్శకాలను ప్రచురించింది, ఇది DHR-ICMR ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సెల్ నుండి 76 పేజీల పత్రం. 2026 ఫిబ్రవరి 20న, ICMR, ICMR-NIRDH, ఇండియాAI ఇంపాక్ట్ సమ్మిట్‌లో భాగంగా భారత్ మండపంలో, AI ఆధారిత వైద్య పరికరాలకు నియంత్రణ మార్గం, శిక్షణ, ధ్రువీకరణ, క్లినికల్ మూల్యాంకనాన్ని కలుపుతూ, ఒక సెషన్ నిర్వహించాయి. జాతీయ కార్యక్రమం గురించి భారత్ తన సొంత భాషల్లో AI నిర్మిస్తోంది వ్యాసంలో ఉంది.

ఇలాంటి రకమైన ఒక భారతీయ ట్రయల్ ClinicalTrials.govలో నమోదై ఉంది, అది వేరే దాన్ని కొలుస్తుంది. NCT07432893గా నమోదైన ఒక పైలట్ లివర్ ఫౌండేషన్‌తో కలిసి పశ్చిమ బెంగాల్‌లోని బీర్భూమ్, పురూలియా జిల్లాల్లో నడిచింది. 736 మంది రోగుల్లో ప్రతి ఒక్కరికి ఒకే సందర్శనలో రెండు సంప్రదింపులు జరిగాయి, యాదృచ్ఛిక క్రమంలో: ఒకటి AI సాధనం వాడే నర్సుతో, ఒకటి వైద్యుడితో. బ్లైండ్ చేసిన ఇద్దరు వైద్య గ్రేడర్లు అదే రోజు ప్రతి సంప్రదింపును క్లినికల్ రీజనింగ్, నిర్వహణ రూబ్రిక్‌పై స్కోర్ చేశారు. ఈ పైలట్ 2026 ఆగస్టు 1న పూర్తయినట్లు రికార్డు చూపుతుంది. దీని ప్రాథమిక ఫలితం సంప్రదింపు నాణ్యత, ఆ తర్వాత రోగి ఆరోగ్యం కాదు, దీని స్పాన్సర్ ICMR లేదా AIIMS కాకుండా HEAL ఇండియా పరిశోధకుడు.

మతీన్ నాయకత్వంలో 2025 జూలైలో నేచర్ మెడిసిన్‌లో వచ్చిన ఒక కరస్పాండెన్స్, ఆఫ్రికాలో ఆరోగ్యం కోసం AIపై కొన్ని యాదృచ్ఛిక ట్రయల్స్ మాత్రమే జరిగాయని, వాటిలో ఏదీ జనరేటివ్ AI సాధనాన్ని పరీక్షించలేదని గమనించింది.