मेडिकल छात्र डॉक्टर की तरह सोचना सीखने से पहले AI का उपयोग कर रहे हैं

मुख्य बिंदु

• अमेरिकी डॉक्टरों के लगभग दो-तिहाई सक्रिय रूप से OpenEvidence का उपयोग करते हैं, जो क्लिनिकियन्स के लिए बनाया गया एक AI चैटबॉट है, लक्षणों, दवाओं के अंतःक्रिया और उपचार दिशानिर्देशों को देखने के लिए।
• मेडिकल शिक्षकों को अब चिंता है कि जो प्रशिक्षु नैदानिक निर्णय विकसित करने से पहले AI का उपयोग करते हैं, वे कभी भी वह तर्क क्षमता विकसित नहीं कर सकते हैं।
• इस चिंता का एक नाम है: "कभी-कौशल-न-प्राप्ति," जो "कौशल-क्षय" से अलग है, जो पहले से प्रशिक्षित पेशेवरों द्वारा एक बार सीखे गए कौशल को भूलने का पहले से दस्तावेज़ित जोखिम है।
• एक डॉक्टर के विपरीत जो AI पर निर्भर हो गया है, एक डॉक्टर जिसने स्वतंत्र रूप से तर्क करना कभी सीखा ही नहीं है, उसके पास पुनः प्राप्त करने के लिए कोई आधार नहीं है।

एक उपकरण जो अनुभवी डॉक्टरों को तेजी से काम करने में मदद करता है, वह कुछ बिल्कुल अलग कर सकता है जब एक प्रथम-वर्षीय मेडिकल छात्र इसे उठाता है।

OpenEvidence एक AI चैटबॉट है, ChatGPT की तरह शैली में लेकिन विशेष रूप से क्लिनिकियन्स के लिए निर्मित। यह पहेली भरे लक्षणों, दवाओं की खुराक और उपचार दिशानिर्देशों के बारे में प्रश्नों का उत्तर देता है, और सेकंड में उत्तर प्रदान करता है, जो वर्तमान चिकित्सा अनुसंधान पर आधारित है। द गार्डियन AI ने पहली बार मेडिकल शिक्षकों में बढ़ती चिंता की रिपोर्ट की कि इस तरह का उपकरण, प्रशिक्षण के गलत चरण में उपयोग किया जाता है, अगली पीढ़ी के डॉक्टरों को चुपचाप खोखला कर सकता है।

"कभी-कौशल-न-प्राप्ति" क्या है और यह क्यों महत्वपूर्ण है?

यह जोखिम है कि एक प्रशिक्षु जो मूल निर्णय क्षमता विकसित करने से पहले AI पर निर्भर करता है, वह वास्तव में इसे कभी विकसित नहीं करता है। "कौशल-क्षय" का वर्णन करता है कि एक विशेषज्ञ के साथ क्या होता है जो एक कौशल का अभ्यास करना बंद कर देता है जो उन्होंने एक बार सीखा था। उस व्यक्ति के पास एक आधार है; पुनः प्राप्ति संभव है। एक छात्र जो उस आधार को पूरी तरह छोड़ देता है, वह एक अलग स्थिति में है।

नैदानिक तर्क, लक्षणों को तौलने, निदान को नकारने और अनिश्चितता के तहत निर्णय लेने की मानसिक प्रक्रिया, निर्माण के लिए वर्षों की जानबूझकर की गई प्रथा लेती है। यह किसी उत्तर को पढ़ने से नहीं सीखा जाता है। इसे समस्या के माध्यम से काम करके, गलतियां करके, और समझ कर सीखा जाता है कि क्यों।

जब एक उपकरण तीन सेकंड में सही उत्तर देता है, तो एक प्रशिक्षु सोचे बिना परीक्षा उत्तीर्ण कर सकता है।

अभी किसे प्रभावित किया जा रहा है?

मेडिकल छात्र, निवासी और साथी, अर्थात् स्नातकोत्तर विशेषता प्रशिक्षण में डॉक्टर, सबसे अधिक जोखिम में हैं। ये ऐसे लोग हैं जिस चरण में नैदानिक तर्क गठन करना चाहिए।

अमेरिकी अभ्यास करने वाले डॉक्टरों के लगभग दो-तिहाई पहले से ही नियमित रूप से OpenEvidence का उपयोग करते हैं, जिसका अर्थ है कि प्रशिक्षु एक ऐसा उपकरण उठा रहे हैं जो पेशेवर रूप से सामान्य लगता है। चिंता यह नहीं है कि उपकरण गलत है। अक्सर यह नहीं है। चिंता यह है कि सही उत्तर, तर्क के काम के बिना सौंपे गए, ऐसे डॉक्टर उत्पन्न कर सकते हैं जो AI से पूछने में तरल हैं लेकिन इसके बिना सोचने में कमजोर हैं।

अगला क्या होता है?

अभी तक कोई नियामक निकाय मेडिकल प्रशिक्षण में AI उपयोग पर औपचारिक नियम निर्धारित नहीं किया है। वह अंतर महत्वपूर्ण है। मेडिकल स्कूल मुख्य रूप से व्यक्तिगत रूप से नेविगेट कर रहे हैं, प्रशिक्षुओं को कब या कैसे AI उपकरणों का उपयोग करना चाहिए इसके लिए साझा मानकों के बिना।

रोगियों के लिए, दीर्घकालिक प्रश्न सीधा है: जब AI अनुपलब्ध, अविश्वसनीय या एक असामान्य केस के बारे में बस गलत है, तो क्या कमरे में डॉक्टर इसके माध्यम से अकेले तर्क कर सकेगा?

इस समस्या पर ध्यान आकर्षित करने वाले विशेषज्ञ चिकित्सा में AI के खिलाफ तर्क नहीं दे रहे हैं। वे अनुक्रमण के लिए तर्क दे रहे हैं: पहले निर्णय का निर्माण करें, फिर उपकरण जोड़ें।

सामान्य प्रश्न

क्या इसका मतलब है कि AI मेडिकल प्रशिक्षण के लिए खराब है?

जरूरी नहीं है। चिंता समय के बारे में है, तकनीक के बारे में नहीं। अनुभवी क्लिनिकियन्स द्वारा अपने तर्क की जांच करने के लिए AI का उपयोग करना एक प्रशिक्षु द्वारा तर्क चरण को छोड़ने के लिए इसका उपयोग करने से अलग है।

क्या मेडिकल स्कूल केवल छात्रों के लिए AI उपकरणों पर प्रतिबंध लगा सकते हैं?

प्रतिबंध लागू करना मुश्किल है और सही उत्तर नहीं हो सकता है। शिक्षक प्रशिक्षण डिजाइन करने पर अधिक केंद्रित हैं जो छात्रों को अपनी तर्क प्रक्रिया दिखाने की आवश्यकता है, केवल सही उत्तर पर पहुंचने के बजाय।