एक मरीज़ को विश्वसनीय निदान और इलाज की स्पष्ट राह चाहिए। स्वास्थ्य सेवा के नेतृत्व के लिए Microsoft का हालिया चिकित्सा AI शोध एक व्यावहारिक सवाल उठाता है: किसी ऐसे सिस्टम का मूल्यांकन कैसे किया जाए जो कई चरणों में साक्ष्य जुटाता है और निर्णय लेता है?
मेरी राय में MAI-DxO अपनी सटीकता के साथ-साथ निर्णय लेने की प्रक्रिया के लिए भी ध्यान देने योग्य है। मुख्य कार्यकारी अधिकारियों (CEOs) और मुख्य प्रौद्योगिकी अधिकारियों (CTOs) को इस प्रक्रिया का अध्ययन करना चाहिए। साथ ही, शोध में मिले प्रदर्शन और चिकित्सा व्यवहार में प्रमाणित उपयोगिता के बीच का अंतर स्पष्ट रखना चाहिए।
Sequential diagnosis with language models नामक अध्ययन 22 अक्टूबर 2026 को Science में प्रकाशित हुआ। GPT-5 के साथ काम करने वाले MAI-DxO ने NEJM के 304 कठिन मामलों में 83.2% निदान सटीकता हासिल की। संदर्भ संसाधनों का उपयोग करने वाले सामान्य चिकित्सकों की सटीकता 36.1% रही, जबकि इन संसाधनों के बिना यह 22.3% थी। आपातकालीन विभाग से अस्पताल में भर्ती किए गए मरीज़ों के 325 मामलों में सिस्टम की सटीकता 80.3% और चिकित्सकों की 46.8% रही। ये मामले के रिकॉर्ड पर किए गए नियंत्रित मूल्यांकन के परिणाम हैं। [1, 2]
चिकित्सकों के ये प्रतिशत अध्ययन में दिए गए कार्यों पर उनके प्रदर्शन को दर्शाते हैं। इन्हें रोज़मर्रा की चिकित्सा में डॉक्टरों की सामान्य सटीकता के रूप में कभी प्रस्तुत नहीं करना चाहिए। बेंचमार्क का समग्र स्कोर एक अहम सवाल का जवाब भी नहीं देता: किन गलतियों से सबसे अधिक नुकसान हो सकता है?
MAI-DxO एक आभासी पैनल का समन्वय करता है जो संभावित निदान सुझाता है, धारणाओं को चुनौती देता है और सवालों या जाँचों का चयन करता है। नई जानकारी मिलने पर उसका आकलन बदलता है। बेंचमार्क निदान तक पहुँचने की प्रक्रिया को मापता है, जिसमें जाँचों की अनुमानित लागत भी शामिल है। Microsoft ने लागत पर अधिक कड़े नियंत्रण वाली कॉन्फ़िगरेशन का भी मूल्यांकन किया। [2]
उद्यमों के नेतृत्व के लिए डिज़ाइन से मिलने वाली उपयोगी सीख है कि जवाब सुझाने और उसके साक्ष्य की समीक्षा करने को अलग रखा जाए। किसी महत्वपूर्ण प्रभाव वाले कदम से पहले समीक्षक यह पहचान सके कि कौन-सी जानकारी गायब है, सबसे संभावित व्याख्या को चुनौती दे सके और अतिरिक्त जानकारी माँग सके।
AI की कई भूमिकाएँ भी एक ही गलती दोहरा सकती हैं। इसलिए एजेंटों के बीच सहमति को बाहरी साक्ष्य के आधार पर परखना चाहिए। बहस जोड़ने से मूल्यांकन के लिए एक और घटक बनता है। इससे स्वतंत्र सत्यापन स्थापित नहीं हो जाता।
मैं सिस्टम की तुलना तीन आयामों पर करूँगा। अंतिम जवाब के स्कोर की तुलना पूरी निर्णय प्रक्रिया की गुणवत्ता से करें। किसी कार्य की अनुमानित लागत की तुलना सेवा प्रदान करने की कुल लागत से करें। पुराने रिकॉर्ड पर प्रदर्शन की तुलना भावी उपयोग के दौरान देखे गए परिणामों से करें। हर तुलना निवेश से जुड़े अलग सवाल का जवाब देती है।
उदाहरण के लिए, कम लागत वाली सिफ़ारिश से समीक्षा का बहुत अधिक काम पैदा हो सकता है। सही जवाब इतनी देर से आ सकता है कि वह मदद न कर सके। पूरे रिकॉर्ड पर अच्छा प्रदर्शन करने वाला सिस्टम महत्वपूर्ण जानकारी उपलब्ध न होने पर कठिनाई में पड़ सकता है। नेतृत्व को ऐसा मूल्यांकन चाहिए जो इन अंतरों को स्पष्ट करे।
SDBench माँगी गई जानकारी देने के लिए एक गेटकीपर मॉडल और निदान का आकलन करने के लिए एक जज मॉडल का उपयोग करता है। माँगा गया परिणाम रिकॉर्ड में न होने पर गेटकीपर मामले से मेल खाते निष्कर्ष उत्पन्न कर सकता है। ये व्यवस्थाएँ संवादात्मक मूल्यांकन को संभव बनाती हैं, लेकिन कुछ ऐसी धारणाएँ भी लाती हैं जिनकी जाँच ज़रूरी है। [3]
यह महत्वपूर्ण है क्योंकि मूल्यांकन का परिवेश मापे गए परिणाम को प्रभावित करता है। अस्पताल को यह स्थापित करना होगा कि अधूरी जानकारी, परस्पर विरोधी विवरण और संचालन में देरी के बीच सिस्टम कैसे काम करता है। केवल निदान की सटीकता से मरीज़ की सुरक्षा, इलाज की गुणवत्ता या चिकित्सकीय टीम की प्रभावशीलता स्थापित नहीं की जा सकती।
Microsoft ने Beth Israel Deaconess Medical Center के साथ एक भावी अध्ययन की घोषणा की है। इसमें मरीज़ सीधे सिस्टम से संवाद करेंगे और उसके प्रदर्शन की तुलना चिकित्सकों के स्वतंत्र आकलनों से की जाएगी। यह नियोजित सत्यापन है, पहले से हासिल बेहतर रोगी परिणामों का प्रमाण नहीं। [2]
CEOs को सिस्टम लागू करने के लिए धन देने से पहले अपेक्षित लाभ तय करना चाहिए। स्वास्थ्य सेवा के पायलट में यह किसी विशेष बीमारी की जल्दी पहचान या कठिन मामलों की समीक्षा के लिए बेहतर सहायता हो सकता है। चिकित्सकीय ज़िम्मेदार व्यक्ति तय करें, परिणामों के मापदंडों पर सहमति बनाएँ और पायलट रोकने की शर्तें निर्धारित करें। बेंचमार्क की तुलना के आधार पर कर्मचारियों की संख्या से जुड़े निर्णय लेने से बचें।
CTOs को इच्छित कार्यप्रवाह के आधार पर मूल्यांकन तैयार करना चाहिए। मौजूदा प्रक्रिया, नियंत्रित परिवेश में अकेले काम करने वाले AI और AI की सहायता से काम करने वाले चिकित्सकों की तुलना करें। ऐसे मामले लें जो प्रस्तावित सेवा का प्रतिनिधित्व करते हों। गंभीर बीमारियों के छूटे निदान, अनावश्यक जाँचें, निर्णय लेने में लगा समय और सिफ़ारिशों की समीक्षा का बोझ देखें। समग्र औसत के साथ संबंधित रोगी समूहों के परिणाम भी बताएँ।
उचित डेटा प्रशासन के तहत रखे गए रिकॉर्ड का उपयोग करके पूर्वव्यापी मूल्यांकन से शुरुआत करें। यदि साक्ष्य अगले चरण का समर्थन करें, तो चिकित्सकीय नेतृत्व और आवश्यक स्वीकृतियों के साथ निगरानी में भावी अध्ययन पर विचार करें। जाँच का आदेश देने या इलाज बदलने का अधिकार स्पष्ट रूप से सौंपा गया हो। तय करें कि सिस्टम को कब निर्णय किसी चिकित्सक पर छोड़ना चाहिए और चिकित्सक उसके सुझाव को कैसे बदल सकता है।
सिफ़ारिशों के पीछे ऐसे साक्ष्य माँगें जिन्हें स्रोत तक जाँचा जा सके। मरीज़ की जानकारी तक पहुँच नियंत्रित हो और उपयोग किए गए मॉडल तथा कार्यप्रवाह के संस्करण का रिकॉर्ड रखा जाए। इनमें से किसी के बदलने पर संबंधित मूल्यांकन दोहराएँ। सफल पायलट के लिए ऐसी संचालन प्रक्रिया चाहिए जो प्रदर्शन में गिरावट पहचान सके और ज़रूरत पड़ने पर सिस्टम का उपयोग रोकने में मदद करे।
वित्तीय नेतृत्व को जाँच की अनुमानित लागत और वास्तव में हुई बचत के बीच अंतर करना चाहिए। व्यावसायिक औचित्य में एकीकरण, चिकित्सकीय समीक्षा, निगरानी और निरंतर मूल्यांकन को शामिल करें। हर बचत को छूटे निदान और टाली जा सकने वाली जाँचों के परिणामों के साथ आँकना चाहिए।
बीमा दावों, खरीद प्रक्रिया के अपवादों या घटनाओं की जाँच में AI के उपयोग पर विचार करते समय भी यही मूल्यांकन अनुशासन उपयोगी है। उन उपयोगों के लिए उनके अपने साक्ष्य चाहिए। चिकित्सा बेंचमार्क किसी वित्तीय या संचालन संबंधी कार्यप्रवाह को मान्य नहीं कर सकता।
MAI-DxO यह जाँचने का आधार देता है कि AI साक्ष्य कैसे माँगता है, अपनी राय कैसे बदलता है और कब रुकने का निर्णय लेता है। उद्यम को मिलने वाला मूल्य इस पर निर्भर करेगा कि क्या ये व्यवहार वास्तविक संचालन परिस्थितियों में किसी परिभाषित सेवा को बेहतर बनाते हैं।
यदि आप चिकित्सा AI पायलट को मंज़ूरी दे रहे हों, तो उसकी सिफ़ारिशों को मरीज़ों की देखभाल पर असर डालने देने से पहले आप कौन-से साक्ष्य माँगेंगे?
गणितीय ढंग से सोचें। सूझबूझ से इंजीनियरिंग करें। रणनीतिक ढंग से नेतृत्व करें। ज़िम्मेदारी से निर्माण करें। वैश्विक स्तर पर विस्तार करें। कृत्रिम बुद्धिमत्ता के माध्यम से वास्तविक व्यावसायिक मूल्य बनाएँ।
Think mathematically. Engineer intelligently. Lead strategically. Build responsibly. Scale globally. Create real business value through artificial intelligence.
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 October 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. SDBench documentation. https://microsoft.github.io/sdbench/
