এআই কি চিকিৎসকের জায়গা নেবে? ব্যাখ্যাযোগ্য কৃত্রিম বুদ্ধিমত্তা ও আস্থার সংকট

একটি পরিস্থিতি কল্পনা করুন: একজন রোগীর সিটি স্ক্যান দেখে একটি অত্যাধুনিক এআই সিস্টেম ৯২% নিশ্চয়তা দিয়ে বলছে, ‘এটি ক্যানসার’। কিন্তু যখন চিকিৎসক জিজ্ঞেস করেন, ‘কেন বলছ? কোন বৈশিষ্ট্যগুলোর ভিত্তিতে এই সিদ্ধান্ত?’ এআইটি নীরব থাকে। এটি শুধু একটি সংখ্যা বা ফলাফল দেয়, তার পেছনের যুক্তি নয়। চিকিৎসক কী করবেন? জীবন-মরণের সিদ্ধান্ত তিনি শুধু একটি রহস্যময় ‘ব্ল্যাক বক্স’-এর ওপর ভরসা করে নিতে পারবেন না। এটিই বর্তমান চিকিৎসা এআইয়ের সবচেয়ে বড় বাধা; আস্থার সংকট।

এই সংকট কাটানোর চাবিকাঠি হলো ‘এক্সপ্লেইনেবল এআই’ বা এক্সএআই (Explainable AI)। এক্সএআইয়ের লক্ষ্য হলো এআইয়ের সিদ্ধান্তকে মানুষের জন্য বোধগম্য ও পরীক্ষাযোগ্য করে তোলা। আমার গবেষণার একটি বড় অংশজুড়ে আছে এই চ্যালেঞ্জ। আমরা শুধু এআইকে সঠিক উত্তর দিতে শেখাই না, বরং তাকে যুক্তি দিয়ে তার উত্তর প্রমাণ করতে শেখাই। ধরুন, একটি এআই সিস্টেম বলল একজন গর্ভবতী মায়ের প্রি-একলাম্পসিয়া (গর্ভকালীন উচ্চ রক্তচাপ) হওয়ার ঝুঁকি বেশি। এক্সএআই-সক্ষম সেই সিস্টেমটি সঙ্গে সঙ্গে নির্দেশ করবে: ‘কারণ, রোগীর রক্তচাপের এই প্রবণতা, প্রোটিনুরিয়ার এই মাত্রা এবং পূর্ববর্তী ইতিহাসের সঙ্গে উচ্চ-ঝুঁকি গ্রুপের মিল খুঁজে পাওয়া গেছে।’ এটি চিকিৎসককে তাঁর নিজস্ব মূল্যায়নের পাশাপাশি একটি তথ্যভিত্তিক, যুক্তিপূর্ণ দ্বিতীয় মত দেয়।

আমি ও আমার সহযোগীরা ‘হাইব্রিড এক্সএআই’ (Hybrid XAI) ফ্রেমওয়ার্ক নিয়ে কাজ করছি, যেখানে নিয়মভিত্তিক যুক্তি (Rule-Based Reasoning) এবং নিউরাল নেটওয়ার্কের শক্তি একসঙ্গে কাজ করে। নিয়মভিত্তিক অংশটি চিকিৎসাবিজ্ঞানের প্রতিষ্ঠিত নীতিগুলো (যেমন: ‘উচ্চ রক্তচাপ + প্রোটিনুরিয়া = প্রি-একলাম্পসিয়া সন্দেহ’) ধারণ করে। নিউরাল নেটওয়ার্ক অংশটি ডেটার জটিল, অদৃশ্য প্যাটার্ন খুঁজে বের করে। যখন এ দুইয়ের সমন্বয়ে সিদ্ধান্ত তৈরি হয়, তখন এআই শুধু একটি পূর্বাভাসই দেয় না, বরং বলতে পারে, ‘সিদ্ধান্তটি এসেছে এই চিকিৎসা নিয়ম এবং ডেটার এই অস্বাভাবিক প্যাটার্নের সমন্বয়ে।’ এটি এআইকে একটি ‘ব্ল্যাক বক্স’ থেকে একটি ‘আলোচনাযোগ্য সহযোগী’তে রূপান্তর করে।