લંડન.લંડન: શેફિલ્ડ યુનિવર્સિટીનો એક મોટો નવો અભ્યાસ દર્શાવે છે કે કૃત્રિમ બુદ્ધિ દર્દીઓને જટિલ તબીબી સ્કેન પરિણામોનું અર્થઘટન કરવામાં ટૂંક સમયમાં મદદ કરી શકે છે, જે તેમને ક્લિનિકલ ચોકસાઈ ગુમાવ્યા વિના અર્થઘટન કરવાનું વધુ સરળ બનાવે છે. સંશોધનમાં જાણવા મળ્યું છે કે જ્યારે એક્સ-રે, સીટી અને એમઆરઆઈ સ્કેન માટે રેડિયોલોજી રિપોર્ટ્સ ChatGPT જેવી અદ્યતન AI સિસ્ટમ્સનો ઉપયોગ કરીને ફરીથી લખવામાં આવ્યા હતા, ત્યારે દર્દીઓને તે મૂળ સંસ્કરણો કરતાં લગભગ બમણું સમજવામાં સરળ લાગ્યું હતું. વિશ્લેષણ દર્શાવે છે કે વાંચન સ્તર “યુનિવર્સિટી લેવલ” થી ઘટીને 11-13 વર્ષના શાળાના બાળકની સમજની નજીક છે. પરિણામો સૂચવે છે કે AI-આસિસ્ટેડ ખુલાસાઓ તબીબી અહેવાલો માટે પ્રમાણભૂત સાથી બની શકે છે, જે નેશનલ હેલ્થ સર્વિસ (NHS) સહિત આરોગ્યસંભાળ પ્રણાલીઓમાં પારદર્શિતા અને વિશ્વાસને સુધારવામાં મદદ કરે છે.
સંશોધકોએ 2022 અને 2025 ની વચ્ચે પ્રકાશિત થયેલા 38 અભ્યાસોની સમીક્ષા કરી, જેમાં 12,000 થી વધુ રેડિયોલોજી રિપોર્ટનો સમાવેશ થાય છે જે AI નો ઉપયોગ કરીને સરળ બનાવવામાં આવ્યા હતા. આ પુનઃલેખિત અહેવાલો દર્દીની સમજણ અને ક્લિનિકલ ચોકસાઈ બંને નક્કી કરવા માટે દર્દીઓ, સામાન્ય લોકો અને ચિકિત્સકો દ્વારા ક્રોસ-ચેક કરવામાં આવ્યા હતા. રેડિયોલોજી રિપોર્ટ સામાન્ય રીતે દર્દીઓને બદલે ડોકટરો માટે લખવામાં આવે છે. જો કે, NHS એપ્સ જેવી દર્દી-કેન્દ્રિત સંભાળને પ્રોત્સાહન આપવા માટેની પહેલ અને તબીબી રેકોર્ડમાં વધુ પારદર્શિતાની આવશ્યકતા ધરાવતી નવી નીતિઓનો અર્થ એ છે કે દર્દીઓને આ અહેવાલોની વધુને વધુ ઍક્સેસ મળી છે. અભ્યાસના મુખ્ય લેખક, ડૉ. સમીર અલાબેદ, યુનિવર્સિટી ઓફ શેફિલ્ડના સિનિયર ક્લિનિકલ રિસર્ચ ફેલો અને શેફિલ્ડ ટીચિંગ હોસ્પિટલ્સ NHS ફાઉન્ડેશન ટ્રસ્ટના માનદ કન્સલ્ટન્ટ કાર્ડિયો રેડિયોલોજિસ્ટ, જણાવ્યું હતું કે: “આ અહેવાલો સાથેની વાસ્તવિક સમસ્યા એ છે કે તે દર્દીઓને ધ્યાનમાં રાખીને લખવામાં આવતા નથી. તે ઘણી વખત ટેકનિકલ કલકલ અને ટૂંકા સ્વરૂપોથી ભરેલા હોય છે, જે સરળતાથી ખોટી રીતે થઈ શકે છે. આત્મવિશ્વાસ અને મૂંઝવણ થાય છે.
“જે દર્દીઓની આરોગ્ય સાક્ષરતા ઓછી છે અથવા જેમની બીજી ભાષા અંગ્રેજી છે તેઓ ખાસ કરીને ગેરલાભ ઉઠાવે છે. ડોકટરોએ ઘણીવાર સંભાળ અને સારવાર પર ધ્યાન કેન્દ્રિત કરવાને બદલે રિપોર્ટ્સમાં પરિભાષા સમજાવવામાં મૂલ્યવાન એપોઇન્ટમેન્ટ સમય પસાર કરવો પડે છે. દરેક દર્દી માટે થોડો સમય પણ NHS માટે મોટો ફાયદો કરી શકે છે.” આ AI-સરળ અહેવાલોની સમીક્ષા કરનારા ડોકટરોએ જોયું કે મોટાભાગના અહેવાલો સચોટ અને સંપૂર્ણ હતા, પરંતુ લગભગ 1 ટકામાં ભૂલો છે, જેમ કે ખોટા નિદાન. આ બતાવે છે કે આ અભિગમ ખૂબ જ આશાસ્પદ છે, તેમ છતાં તેનું કાળજીપૂર્વક નિરીક્ષણ કરવાની જરૂર છે. સમીક્ષા કરાયેલા 38 અભ્યાસોમાંથી, કોઈ પણ યુકે અથવા NHS સેટિંગ્સમાં હાથ ધરવામાં આવ્યું ન હતું, જે એક મોટી ખામી છે જેને ડૉ. સમીર કહે છે કે સંશોધન ટીમ હવે સુધારવાનો પ્રયાસ કરી રહી છે. “આ સંશોધન અસંખ્ય અગણિત જરૂરિયાતોને પ્રકાશિત કરે છે, સૌથી અગત્યનું NHS ક્લિનિકલ વર્કફ્લોમાં સલામતી, અસરકારકતા અને દર્દીના પરિણામોની ચોક્કસ આગાહી કરવા માટે વાસ્તવિક-વિશ્વ પરીક્ષણની જરૂરિયાત,” ડૉ. સમીરે કહ્યું. તેમણે ઉમેર્યું, “આમાં માનવ-નિરીક્ષણ મોડલનો સમાવેશ થાય છે, જ્યાં ડોકટરો દર્દીઓ સાથે શેર કરતા પહેલા AI-જનરેટેડ આંતરદૃષ્ટિની સમીક્ષા કરે છે અને મંજૂર કરે છે. અમારો લાંબા ગાળાનો ધ્યેય ડોકટરોને બદલવાનો નથી, પરંતુ આરોગ્યસંભાળમાં સ્પષ્ટ, દયાળુ અને વધુ સમાન સંચારને સમર્થન આપવાનો છે.” આ સંશોધન વિચારોને પ્રભાવમાં રૂપાંતરિત કરવાના યુનિવર્સિટીના હેતુને પ્રતિબિંબિત કરે છે, જે મુક્ત વિચાર અને સહિયારા હેતુનું સાચું ઉદાહરણ છે.
