असम के अस्पतालों में AI: बिना गवर्नेंस के इनोवेशन खतरनाक हो सकता

Assam: सोचिए कि सुबह-सुबह एक गांव के हॉस्पिटल के जनरल वार्ड में एक नर्स ड्यूटी पर है, और अकेले 30 से ज़्यादा मरीज़ों को देख रही है, जिनमें से ज़्यादातर असम के दूर-दराज के इलाकों से हैं।

एक मरीज़ की हालत अचानक बिगड़ जाती है। कोई अलार्म नहीं बजता। जब तक किसी को पता चलता है, तब तक इलाज का मौका खत्म हो चुका होता है। यह इंसानी गलती की समस्या नहीं है। यह एक सिस्टम की नाकामी है।

गुवाहाटी मेडिकल कॉलेज और हॉस्पिटल (GMCH) में आर्टिफिशियल इंटेलिजेंस पर आधारित, कॉन्टैक्टलेस मरीज़ मॉनिटरिंग सिस्टम शुरू करने का मकसद इस सच्चाई को बदलना है। इसे हमेशा ऑन रहने, हमेशा नज़र रखने के लिए डिज़ाइन किया गया है, खासकर भीड़-भाड़ वाले वार्ड में जहाँ इंसानी ध्यान कम होता है।

लेकिन सही सुरक्षा उपायों के बिना, वही सिस्टम एक नई तरह की नाकामी पैदा कर सकता है—जिसे पहचानना मुश्किल होता है और भरोसेमंद परफॉर्मेंस समझने की गलती करना आसान होता है। GMCH में, एक खराब AI अलर्ट कोई टेक्निकल गड़बड़ी नहीं है। यह एक ऐसे हॉस्पिटल में गलत डायग्नोसिस है जहाँ समय ही सब कुछ है।

इसके खतरे तुरंत और खास होते हैं। बिना टेस्ट किया हुआ सिस्टम गलत अलार्म बजा सकता है, जिससे पहले से ही काम पर लगे स्टाफ को गलत दिशा में खींच सकता है। यह ज़रूरी चेतावनियों को पूरी तरह से नज़रअंदाज़ कर सकता है, जिससे सुरक्षा का झूठा एहसास होता है। ज्योग्राफिक रेफरेंस

लगातार मॉनिटरिंग से मरीज़ों का बहुत ज़्यादा सेंसिटिव डेटा बनता है, और बिना किसी साफ़ कानूनी सुरक्षा के, उस डेटा को मरीज़ों को पता चले बिना शेयर या गलत इस्तेमाल किया जा सकता है।

बिना ट्रांसपेरेंसी के प्रोक्योरमेंट एक सरकारी अस्पताल को सालों तक एक ही वेंडर से बांध सकता है, और चुपचाप उन रिसोर्स को खत्म कर सकता है जो कभी उस मकसद के लिए नहीं थे। ये कोई मनगढ़ंत चिंताएँ नहीं हैं। जब टेक्नोलॉजी उन इंस्टीट्यूशन से तेज़ी से आगे बढ़ती है जिन्हें इसे चलाना है, तो ये ऐसे नतीजे होते हैं जिनका अंदाज़ा लगाया जा सकता है।

GMCH का साइज़ इस सब को और भी ज़रूरी बनाता है। हर साल लगभग दस लाख आउटपेशेंट विज़िट और 100,000 से ज़्यादा इनपेशेंट एडमिशन के साथ, अस्पताल लगातार दबाव में काम करता है। ज़्यादातर मरीज़ लंबी दूरी तय करते हैं और उनके पास दूसरे ऑप्शन बहुत कम होते हैं। स्मार्ट सिस्टम की डिमांड असली है।

AI-असिस्टेड मॉनिटरिंग सच में यह पक्का करने में मदद कर सकती है कि ज़रूरी केस समय पर पकड़े जाएँ और भीड़ भरे वार्ड में कोई भी मरीज़ बिना किसी की नज़र में आए न निकल जाए। अब सवाल यह नहीं है कि ऐसे सिस्टम की ज़रूरत है या नहीं। सवाल यह है कि क्या उन पर भरोसा किया जा सकता है। भारत में इन्वेस्टमेंट के मौके

दूसरे देश पहले ही इससे गुज़र चुके हैं। यूनाइटेड किंगडम ने वही किया जो भारत अब करने की कोशिश कर रहा है, उसने AI को तेज़ी से पब्लिक हेल्थकेयर में लाया। उसने ऐसा करने में £143 मिलियन से ज़्यादा खर्च किए, लेकिन नतीजे तभी मिले जब हर कदम पर कड़ी निगरानी रखी गई।

NHS AI लैब के एक इंडिपेंडेंट इवैल्यूएशन में पाया गया कि एक फेज़ 4 AI अवार्ड प्रोजेक्ट ने लगभग £44 मिलियन बचाए और 150,000 मरीज़ों के इलाज में मदद की—इसलिए नहीं कि टेक्नोलॉजी बहुत अच्छी थी, बल्कि इसलिए कि किसी के इस पर भरोसा करने से पहले इसे अच्छी तरह से टेस्ट किया गया था। सिंगापुर ने भी यही नतीजा निकाला और इसे पॉलिसी बना लिया।

मिनिस्ट्री ऑफ़ हेल्थ ने, हेल्थ साइंसेज अथॉरिटी के साथ मिलकर, हेल्थकेयर गाइडलाइंस में आर्टिफिशियल इंटेलिजेंस डेवलप किया, यह एक ऐसा फ्रेमवर्क है जिसमें किसी भी AI टूल के क्लिनिकल सेटिंग में आने से पहले अकाउंटेबिलिटी, ट्रांसपेरेंसी और सेफ्टी स्टैंडर्ड की ज़रूरत होती है।

2025 में, UK और सिंगापुर ने एक कदम और आगे बढ़कर सुरक्षित हेल्थ टेक्नोलॉजी तक पहुँच को तेज़ करने के लिए एक जॉइंट कॉरिडोर बनाया।

सबक साफ़ है: हेल्थकेयर में AI इसलिए फेल नहीं होता क्योंकि यह बहुत धीरे चलता है। यह तब फेल होता है जब यह गवर्नेंस से तेज़ चलता है।

भारत को UK या सिंगापुर की तुलना में ज़्यादा कड़ी पाबंदियों का सामना करना पड़ता है। पब्लिक हेल्थ पर खर्च GDP का लगभग 2% रहता है, जिससे महंगी टेक्नोलॉजिकल गलतियों के लिए लगभग कोई जगह नहीं बचती।

यहां एक फेल सिस्टम सिर्फ़ फाइनेंशियल नुकसान नहीं है; यह उन लोगों के लिए पेशेंट केयर को बेहतर बनाने का एक चूका हुआ मौका है जिनके पास बहुत कम दूसरे ऑप्शन हैं। बिना सही वैलिडेशन के AI का इस्तेमाल करना इनोवेशन नहीं है। यह सिस्टम से पेशेंट पर रिस्क का ट्रांसफर है।

भारत शुरू से शुरू नहीं कर रहा है। मिनिस्ट्री ऑफ़ हेल्थ एंड फैमिली वेलफेयर द्वारा जारी की गई स्ट्रैटेजी फॉर आर्टिफिशियल इंटेलिजेंस इन हेल्थकेयर फॉर इंडिया (SAHI), क्लिनिकल सेटिंग्स में AI को कैसे इस्तेमाल किया जाए, इसे कंट्रोल करने के लिए एक नेशनल फ्रेमवर्क बनाती है।

इसके साथ ही, बेंचमार्किंग ओपन डेटा प्लेटफॉर्म फॉर हेल्थ AI (BODH) बड़े पैमाने पर इस्तेमाल करने से पहले AI टूल्स को रियल-वर्ल्ड डेटा के आधार पर टेस्ट और वैलिडेट करने के लिए एक सिस्टम देता है। समस्या फ्रेमवर्क की कमी नहीं है।

यह मजबूरी की कमी है। जब तक GMCH जैसे अस्पतालों को इन सुरक्षा उपायों का इस्तेमाल करना ज़रूरी नहीं होता, तब तक वे ऑप्शनल रहते हैं, और रिस्क बना रहता है।

यही नियम डेटा पर भी लागू होता है। मरीज़ की मॉनिटरिंग से बहुत सेंसिटिव जानकारी का लगातार डिजिटल ट्रेल बनता है। डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट का सख्ती से पालन किए बिना, और शुरू से ही स्टोरेज, एक्सेस और थर्ड-पार्टी इस्तेमाल पर साफ़ नियम तय किए बिना, वह डेटा कमज़ोर हो जाता है।

मरीज़ के डेटा का मालिक कौन है और उसका इस्तेमाल कैसे किया जाता है, इस बारे में कन्फ्यूजन के बिना पब्लिक हेल्थकेयर पर भरोसा नहीं किया जा सकता।

ये सिस्टम कैसे लाए जाते हैं, यह उतना ही मायने रखता है जितना कि उन्हें लाया जाता है या नहीं।

खराब बिजली या खराब कनेक्टिविटी वाले ज़िला अस्पतालों में AI लगाने से हेल्थकेयर का गैप कम नहीं होगा; यह इसे और बढ़ा देगा।