समजा, २०७० साल उजाडलं आहे. तुम्हाला बरं वाटत नाही आणि तुम्ही तातडीने एखादं इस्पितळ गाठता. ‘अलेक्सा'सारखं एक यंत्र तुम्हाला आजाराची लक्षणं विचारतं. कम्प्युटर तुमची माहिती नोंदवतो आणि तुमच्या पूर्वीच्या आजारांचे सगळे तपशील क्षणार्धात समोर येतात. त्यावरून तो कम्प्युटर एका मानवी साहाय्यकाला काही चाचण्या करायला सांगतो. तुमच्या चाचण्यांचे निष्कर्ष मिळाल्यावर सॉफ्टवेअर प्रोग्रॅम तुम्हाला औषधोपचार सुचवतो...

आरोग्यसेवेच्या बाबत कृत्रिम बुद्धिमत्ता भविष्यात काय करू शकेल याचं हे एक (काल्पनिक) दृश्य आहे. हा टप्पा गाठायला आपल्याला अजून अवकाश असला तरी आरोग्य क्षेत्र त्या दिशेने एक-एक पाऊल टाकत आहे.

आरोग्यसेवेच्या क्षेत्रात कम्प्युटरचा वापर इतर क्षेत्रांच्या तुलनेत उशिरा सुरू झाला. एक तर कम्प्युटरच्या पहिल्या दोन पिढ्या हॉस्पिटल्सच्या गरजा भागवण्याइतक्या कार्यक्षम नव्हत्या. दुसरं म्हणजे कम्प्युटरचं उत्पादन करणाऱ्या कंपन्यांना हॉस्पिटल किंवा आरोग्यसेवा ही किती मोठी बाजारपेठ आहे हे उशिरा लक्षात आलं.

डॉक्टर्स आणि आरोग्यसेवेच्या क्षेत्रातले संशोधक यांनी रुग्णांचं रोगनिदान करण्यासाठी आणि त्यांच्याशी समुपदेशनात्मक संवाद साधण्यासाठी कम्प्युटरचा वापर १९५०पासून सुरू केला. रोगनिदान आणि उपचारांबाबत निर्णय ही रुग्ण आणि डॉक्टर यांच्या संबंधातली सर्वांत महत्त्वाची गोष्ट असते. रुग्णाच्या उपचारांबाबत निर्णय ही गुंतागुंतीची प्रक्रिया असली तरी ती वेगात करावी लागते. निदान आणि उपचारांसाठी वैद्यकविश्वातलं संशोधन आणि प्रमाण औषधं याची गरज असते. मात्र दोन्ही परिपूर्ण आणि निर्दोष असतातच असं नाही. यामुळे कोणतं संशोधन आणि प्रमाण वापरून उपचार करावेत हा प्रश्न डॉक्टरपुढे कायमच असतो.

यासाठी ‘६एस पिरॅमिड' हा प्रकार वापरला जातो. यात सर्वांत वरच्या पातळीवर जास्तीत जास्त अचूक आणि कार्यक्षमपणे काम करणाऱ्या उपचारांची माहिती असते. संशोधनातून समोर आलेल्या पुराव्यांवरून फिजिशियन्स आणि आरोग्य क्षेत्रातल्या संशोधकांनी वेळोवेळी घेतलेल्या निर्णयांवर ही माहिती आधारित असते. पिरॅमिडच्या सर्वांत खालच्या पातळीवर डॉक्टर्सनी केलेले व्यक्तिगत अभ्यास असतात. अशा अभ्यासांवरून संशोधनाचा मूलभूत पाया तयार होत असला तरी रुग्णाबाबत निर्णय घेणाऱ्या डॉक्टर्ससाठी हे अभ्यास तुलनेने कमी महत्त्वाचे असतात.

रुग्णाच्या त्या क्षणी असलेल्या परिस्थितीत कोणते उपचार उपयोगी पडतील, ही माहिती डॉक्टर्ससाठी गरजेची असते. इथे ‘डिफरन्शियल डायग्नॉसिस'ची मदत होते. ‘डिफरन्शियल डायग्नॉसिस'ची पद्धत आरोग्य क्षेत्रात ए.आय.च्या वापरासाठी कळीची ठरली. रोगनिदानाची ही पद्धत नेमकी कशी असते ते थोडक्यात आणि सोप्या शब्दांत बघू. समजा तुमच्या पोटात दुखतं आहे. विशिष्ट भागात होणाऱ्या वेदना आणि वेदनांचं प्रमाण, ही झाली त्याची लक्षणं. निदान करताना डॉक्टर लक्षणं कोणती आहेत, किती काळ आहेत आणि किती तीव्र आहेत हे सुरुवातीला तपासतात. त्यानंतर तुमचा वैद्यकीय इतिहास तपासला जातो. त्यावरून तुम्हाला पूर्वी झालेल्या आजाराशी आत्ताच्या लक्षणांचा संबंध आहे का याचा विचार केला जातो. ही लक्षणं पूर्वी दिसली होती का, ही लक्षणं तीव्र होण्यामागे काही कारण तुमच्या लक्षात आलं आहे का, तुमच्या जीवनशैलीत काही लक्षणीय बदल घडले आहेत का, तुम्ही कोणत्या आजारासाठी औषधं घेत आहात का, असे प्रश्न रुग्णाला विचारले जातात. यावरून काही चाचण्या सुचवल्या जाऊ शकतात. त्यावरून डॉक्टर काही औषधं देतात. पण ती औषधं घेऊन बरं वाटलं नाही, तर त्याचा अर्थ रुग्णाला त्याच लक्षणांचा वेगळा आजार असू शकतो. तो आजार कोणता, याचं निदान करण्यासाठी पुन्हा काही चाचण्या घेतल्या जातात. त्या चाचण्यांवरून रोगाचं अचूक निदान केलं जातं. एकाच प्रकारच्या लक्षणांचे वेगवेगळे आजार असू शकतात, हा यातला महत्त्वाचा भाग. उदाहरणार्थ, पोटदुखीच्या बाबतीत अपेंडिसायटिस, गॅस्ट्रायटिस, आतड्याचा रोग किंवा पॅन्क्रियायटिस, अशी एखादी शक्यता असू शकते.

लक्षणं आणि आजार यांच्या अनेक वेगवेगळ्या जोड्या असू शकतात. ही सगळी माहिती लक्षात ठेवण्यापेक्षा सोपे तक्ते बनवण्याची शक्कल लढवली गेली. असे तक्ते नंतर रोगनिदान करण्यासाठीचं पहिलं कम्प्युटिंग उपकरण तयार व्हायला कारणीभूत ठरले. १९५०च्या सुरुवातीला फर्मिन नॅश या लंडनमधल्या संशोधकाने ‘लोगोस्कोप' हे स्लाइड-रूलसदृश उपकरण तयार केलं. त्यात आजारांची ३०० हून अधिक लक्षणं आणि त्यावरचे उपाय लिहिलेले होते. हे उपकरण जनरल प्रॅक्टिशनर्सना उपयोगी ठरणारं होतं. फ्रेंच नेत्रतज्ज्ञ फ्रँकोस पायचा याचा नॅशच्या उपकरणाला विरोध होता. कॉर्नियाच्या आजारात दोन हजार लक्षणं आणि एक हजार वेगवेगळे आजार असू शकतात, तिथे हे उपकरण निरुपयोगी आहे असं पायचाचं मत होतं.

हेही वाचा - एआय करेल रोगाचं निदान

कॉर्नेल युनिव्हर्सिटीच्या मार्टिन लिपकिन आणि जेम्स हार्डी या दोघांनी रक्तदोषाबाबतीतल्या (हेमेटोलॉजिकल) रोगांच्या निदानासाठी ‘मॅकबी पंचिग कार्ड' प्रणाली तयार केली. हेमॅटोलॉजीच्या आजारांबद्दल २१ पाठ्यपुस्तकांमध्ये असलेल्या निदान आणि निष्कर्षांशी या सिस्टीमने काढलेले निष्कर्ष जुळले. व्हाल्डिमिर झ्वॉरकिन हा मेडिकल इलेक्ट्रॉनिक्स सेंटरचा संचालक या कामाने खूष झाला. त्याने याच प्रकारचं डिजिटल कम्प्युटर उपकरण शोधण्यासाठी लिपकिन आणि हार्डी यांना अर्थसाहाय्य पुरवलं. कम्प्युटरच्या मदतीने रोगनिदान करणारी ती पहिली डिजिटल सिस्टीम मानली जाते. १९८०मध्ये मार्सडेन ब्लॉईस या कॅलिफोर्निया विद्यापीठातल्या एआयच्या प्राध्यापकाने नॅशच्या उपकरणाची सुधारित आवृत्ती तयार केली. ‘रिकन्सिडर' हे नाव असलेलं उपकरण तत्कालीन उपकरणांमध्ये खूपच उजवं होतं.

या सर्व प्रणाली म्हणजे रोगनिदानासाठी कम्प्युटरची मदत घेण्याच्या कार्यपद्धतीचा (कम्प्युटराइज्ड क्लिनिकल डिसिजन सपोर्ट सिस्टीम्स) पाया मानला जातो. १९६०च्या दशकात या कामाला कम्प्युटरच्या संशोधकांसोबत नव्या पिढीच्या डॉक्टर्सची जोड मिळाली. एखाद्या आजाराचं निदान आणि उपचार या बाबतीत अनिश्चितता असेल तर काही वेळा तरी डॉक्टर्सना धोका पत्करून निर्णय घ्यावा लागतो. यासाठी संशोधकांनी एखाद्या रुग्णाला एक किंवा जास्त आजार असण्याच्या शक्यतांची यादी कम्प्युटरच्या मदतीने करण्याचं काम सुरू केलं.

रुग्णाच्या आजाराबाबत निर्णय घेताना सर्व प्रकारच्या पर्यायांचा, परिणामांचा विचार करावा लागतो. त्यातल्या बदलू शकणाऱ्या गोष्टींनुसार (व्हेरिएबल्स) गुंतागुंतीची तपशीलवार मॉडेल्स तयार होतात. रुग्णाची ताजी स्थिती जाणून घेऊन तत्काळ त्यानुसार उपचारांचं मॉडेल तयार करणं, हे काम कम्प्युटर माणसापेक्षा जलद करतो. उपचारांचे पर्याय, उपचारांच्या उपलब्ध संधी आणि उपचारांचे परिणाम अशा किती तरी गोष्टी रोगाचं निदान आणि उपचार करण्यासाठी विचारात घ्याव्या लागतात. अशा वेळी कोणकोणत्या योजना उपलब्ध असू शकतात हे कम्प्युटर डॉक्टर्सना दाखवतो. प्रत्येक उपचाराच्या परिणामांचं मूल्यमापनदेखील कम्प्युटर सिस्टीम पटकन करते. डॉक्टरांचं रोगनिदान आणि चाचण्यांमधून निघालेले निष्कर्ष, उपचारांवरचा खर्च आणि त्याचा रुग्णाला होऊ शकणारा संभाव्य उपयोग हे यातून ठरवता येतं.

उपचारांवरचा खर्च आणि रोग बरा होण्यासाठी उपचारांचा होणारा उपयोग हे दर्जात्मक प्रकारात मोजलं जातं. विशिष्ट रक्कम खर्च करून शारीरिक आयुष्याचा दर्जा किती उंचावेल किंवा वेदना किती कमी होतील हे आकड्यात ठरवता येणं सोपं नाही. मात्र, शस्त्रक्रिया किंवा उपचारांचा खर्च आणि त्यातून आजार बरा होण्याची शक्यता यांचं गुणोत्तर काढण्याचं काम कम्प्युटर करतो. अर्थात निर्णयासाठी असं विलेषण करण्याच्या प्रक्रियेला टीकेचा सामनाही करावा लागतो. केलेला खर्च आणि त्यातून होणारे फायदे यांची गणितं करून मर्यादित वैद्यकीय संसाधनांकडे ग्राहकांना आकर्षित केलं जातं, अशा स्वरूपाची टीकाही काही तज्ज्ञ करतात.

असं असलं तरी रोगनिदानासाठी कम्प्युटर्सच्या वापरावर १९६० आणि १९७०च्या दशकात संशोधन सुरूच राहिलं. त्यासाठी अधिकाधिक तर्कशुद्ध अल्गोरिदम्स तयार होऊ लागली. येल विद्यापीठातल्या तज्ज्ञांनी तयार केलेली ‘अटेंडिंग' सिस्टीम हे याचं पहिलं उदाहरण होतं. ही सिस्टीम ॲनस्थेशियाचं व्यवस्थापन करणारी होती. यामुळे रुग्णाचं आरोग्य, त्याच्यावर करायच्या शस्त्रक्रियेची पद्धत आणि ॲनस्थेशियाबाबतची व्यवस्था, या पैलूंचा विचार करायला डॉक्टर्सना मदत होत असे.

१९७०च्या दशकामध्ये बायोमेडिकल क्षेत्रात एआय प्रथम वापरलं गेलं. या सुमारास ‘मायसिन' हा एआयप्रणित प्रोग्रॅम रक्ताद्वारे संसर्ग झालेल्या आजारांचं निदान आणि त्यावरचे उपचार ठरवण्यासाठी मदत म्हणून वापरला गेला. बॅक्टेरेमिया आणि मेनिनजायटिस अशा आजारांना कारणीभूत असणारे सूक्ष्मजीव शोधून रुग्णाच्या वजनानुसार त्याला अँटिबायोटिक्स सुचवणारा ‘मायसिन' हा पहिला प्रोग्रॅम होता. अलेक्झांडर गुन या स्कॉटिश सर्जनने १९७०मध्ये पोटातल्या वेदनांवरून रोगाचं निदान करण्यासाठी कम्प्युटरच्या विश्लेषणाची घेतलेली मदत हा एआयचा या क्षेत्रातला पहिला वापर होता.

हेही वाचा - एआयचा जमाना: देखिले डोळा, खरे खोटे समजेना

१९७०मध्ये पीटसबर्ग विद्यापीठात ‘इंटर्निस्ट-१' आणि ‘क्यू.एम.आर. (क्विक मेडिकल रेफरन्स)' या दोन सिस्टीम्स तयार झाल्या. पीटसबर्गच्या विद्यापीठातल्या जॅक मेयर्स, रॅन्डॉल्फ मिलर, हॅरी पोपले आणि व्हिक्टर यू या चार वेगवेगळ्या शाखांमधल्या तज्ज्ञांनी ‘इंटर्निस्ट-१' ही सिस्टीम तयार केली. या सिस्टीममध्ये एक हजार रोगांची सविस्तर माहिती होती. डॉक्टर्सचा अभाव असणाऱ्या ठिकाणी, उदा. ग्रामीण विभाग, या सिस्टीमचा उपयोग होईल असं या तज्ज्ञांचं म्हणणं होतं. मात्र वैद्यकीय साहाय्यकांना ही सिस्टीम वापरायला अवघड आणि वेळखाऊ वाटत होती. यासाठी कार्नेजी मेलन विद्यापीठाच्या मॅकक्रॅकेन आणि ॲकस्किन या तज्ज्ञांनी त्यात ‘क्विक मेडिकल रेफरन्सेस' वापरले. क्यू.एम.आर.द्वारे डॉक्टरांच्या विलेषणाचं मूल्यमापन केलं जायचं, तसंच प्रयोगशाळेत करायच्या चाचण्याही सुचवल्या जायच्या.

१९८० आणि १९९०च्या दशकांमध्ये डेटा मिळणं आणि त्यावर प्रक्रिया करणं याचा वेग वाढला. त्यामुळे आरोग्यसेवा क्षेत्रात गुंतागुंतीच्या शस्त्रक्रियांमध्ये, संशोधनात आणि रुग्णांची रेकॉर्ड्स ठेवण्यात एआयचा सहभाग वाढला. त्यातलं एक ठळक उदाहरण, म्हणजे १९८४मध्ये रटगर्स विद्यापीठातल्या तज्ज्ञांनी ग्लाकोमा या डोळ्याच्या आजाराची कारणं शोधून काढण्यासाठी एआयप्रणित पहिलं मॉडेल तयार केलं. डोळ्यांच्या आजारांपैकी ग्लाकोमा हा गंभीर आजार मानला जातो. त्याची कारणं वैद्यकीय जगाला अजून अज्ञात आहेत. एआयच्या मदतीने डेटावर सखोल आणि वेगाने काम करून सुरुवातीच्या लक्षणांवरून या आजाराचं वेळच्या वेळी निदान करणं भविष्यकाळात शक्य होईल असं नेत्रविशारदांना वाटतं.

लॉस एंजेलिसमधल्या सिडार्स-सिनई या मेडिकल सेंटरच्या हृदयरोगतज्ज्ञांनी १९८९मध्ये ‘कॉर्सेज' हे वैद्यकीय टूल तयार केलं. एआय आणि संख्याशास्त्रातली तंत्रं वापरून हे टूल हृदयविकार होण्याची कोणाला जास्त शक्यता आहे हे तपासू शकतं. याच संस्थेने २०१९मध्ये आर्टिफिशिअल इंटेलिजन्सचा स्वतंत्र विभाग सुरू केला. हृदयक्रिया बंद पडण्यामागच्या (कार्डिॲक अरेस्ट) कारणांचा बिग डेटावरून शोध घेण्याचं काम हा विभाग मोठ्या प्रमाणावर करतो.

हायब्रीड इंटेलिजंट सिस्टीम्स
वैद्यकीय क्षेत्रात एआयच्या चार प्रकारांचा वापर होतो- आर्टिफिशियल न्यूरल नेटवर्क्स, फझी एक्सपर्ट सिस्टीम्स, इव्होल्युशनरी कम्प्युटेशन आणि हायब्रीड इंटेलिजंट सिस्टीम्स.
आपण आधीच्या लेखांमध्ये बघितलं, की ‘आर्टिफिशियल न्यूरल नेटवर्क्स' (एएनएन) म्हणजे कृत्रिम मज्जातंतूंची जाळी. रेडिऑलॉजीमध्ये प्रतिमा ओळखणं, ज्यांना आजाराचा जास्त धोका आहे असे रुग्ण ओळखणं आणि अतिदक्षतेसाठी डेटाचं विलेषण करणं यासाठी एएनएनची मदत होते. अनेक व्हेरिएबल्स असलेल्या डेटावर प्रक्रिया करून निदान करता येण्यासाठी एएनएनची गरज आहे.
‘फझी एक्सपर्ट सिस्टीम्स' द्विधा परिस्थितीत उपयोगी पडतात. पारंपरिक तर्कविचारांपेक्षा धूसर आणि अनिश्चित परिस्थिती असेल, निदानासाठी उपलब्ध असलेलं वैद्यकीय ज्ञान गुंतागुंतीचं आणि संदिग्ध असेल, तेव्हा या सिस्टीम्सचा उपयोग होतो. लंग कॅन्सर किंवा मेलानोमासारख्या आजाराच्या रुग्णांबद्दल उपचारांचे अंदाज बांधण्यासाठी आज या सिस्टीम्सचा उपयोग होतो.
‘इव्होल्युशनरी कम्प्युटेशन'मध्ये ट्रायल अँड एरर पद्धतीने कम्प्युटर स्वतःला विकसित करत जातो. सुरुवातीला समस्येवर उत्तरांचा एक सेट तयार होतो. पुढच्या प्रत्येक व्हर्जनमध्ये चुकीची उत्तरं गाळली जातात. अशा प्रकारे उत्तरांचे अल्गोरिदम तयार होत जातात. अचूक उत्तरांकडे मार्गक्रमण सुरू होतं. नैसर्गिक उत्क्रांतीच्या प्रक्रियेप्रमाणे ही प्रक्रिया आहे.
वरच्या तीनमधल्या एकापेक्षा अधिक सिस्टीम्स एकत्रित होतात तेव्हा त्यांना ‘हायब्रीड इंटेलिजंट सिस्टीम्स' म्हटलं जातं. ब्रेस्ट कॅन्सरसारख्या आजारांचं निदान करण्यात अशा एकत्रित सिस्टीम्स वापरल्या जातात.

बिग डेटावर काम सुरू झाल्यानंतर एआयच्या मदतीने निदान आणि उपचार यांत अचूकता आली. उपचारांचा खर्च कमी होऊन लक्षणं ते उपचार या प्रक्रियेची कार्यक्षमता वाढत गेली. यानंतरच्या काळात पॅथॉलॉजीच्या प्रयोगशाळांमधले एआयच्या मदतीने तयार केलेले अहवाल ९५ टक्के अचूक निघाले. २००७मध्ये आयबीएमचा वॉटसन हा सुपर कम्प्युटर प्रसिद्धिझोतात आल्यानंतर मेंदूतज्ज्ञांनी अल्झायमरसारख्या विकारांची कारणं शोधण्यासाठी वॉटसनचा वापर सुरू केला. वॉटसनने कॅन्सरचं निदान आणि उपचार याबाबतही माध्यमांचं लक्ष वेधून घेतलं होतं. मात्र, वॉटसनची क्षमता चांगली असली तरी कॅन्सर उपचारांसाठी त्याचा वापर महत्त्वाकांक्षी आहे, असंही काही तज्ज्ञांचं मत आहे.

हेही वाचा - ..उच्छिष्टम् जगत् सर्वम्?

आज मधुमेहापासून त्वचेच्या कॅन्सरपर्यंत आजारांचं अचूक निदान डीप लर्निंगमुळे शक्य झालं आहे. डीप लर्निंगच्या निष्कर्षांची अचूकता वैद्यकीय क्षेत्रातल्या सर्व विभागांमध्ये, सर्व प्रकारच्या आजारांसाठी, जखमांसाठी एकसमान नाही. मात्र, ज्या झपाट्याने ही शाखा विकसित होते आहे त्यावरून आयव्हीएफ, मानसिक आरोग्य यापासून कॅन्सरचं वर्गीकरण करण्यापर्यंत डीप लर्निंग तंत्रज्ञानाचा वापर होऊ शकेल. अनेक वर्षांच्या संशोधनानंतर एआय उपकरणांचा वापर करून कॅन्सरच्या प्रतिमांचं विलेषण वेगात आणि अचूक करता येणं आता साध्य झालं आहे. एआयची मॉडेल्स आता मानवी मदतीशिवाय कॅन्सर असलेले भाग ओळखून खुणा करू शकतात.

एआयप्रणित उपकरणाचा शस्त्रक्रियेसाठी वापर करण्यासाठी एफडीएने पहिल्यांदा २०१७मध्ये मान्यता दिली. तसंच २०१९मध्ये एआयचा वापर कर्करोगाच्या निदानासाठी आणि मेंदूच्या एआरआय प्रतिमा स्कॅन करून रोगाचा अंदाज वर्तवण्यासाठी करायला एफडीएने मान्यता दिली. त्यामुळे याबाबतची उपकरणं प्रयोगशाळेतून बाहेर येऊन डॉक्टरांच्या दवाखान्यांमध्ये वापरता यावीत यावर आता भर दिला जातो.

२०१९मध्ये स्टॅनफर्ड विद्यापीठात ‘चेक्सपर्ट' या ॲपची घोषणा केली गेली. छातीचा एक्स-रे काढून हे ॲप दहा सेकंदांत न्यूमोनियाचं निदान करू शकतं. त्याच वर्षी मॅसॅच्युसेट्सच्या जनरल हॉस्पिटलने छातीच्या रेडिओग्राफ्सवरून कॅन्सरपासून हृदयविकारापर्यंतचे घातक आजार ओळखणारं ॲप विकसित केल्याचं जाहीर केलं. गुगलच्या ‘अल्फाफोल्ड' तंत्रज्ञानाबद्दल एप्रिलच्या लेखात तुम्ही वाचलंच असेल. येल विद्यापीठाच्या शास्त्रज्ञांनी ‘अल्फाफोल्ड'च्या मदतीने मलेरियाच्या प्रभावी नवीन लशीवर संशोधन सुरू केलं आहे.

प्रिसिजन मेडिसिन इनिशिएटिव्ह
२०१५मध्ये अमेरिकत बराक ओबामा यांनी ‘प्रिसिजन मेडिसिन इनिशिएटिव्ह' सुरू केला. व्यक्तीचं जेनेटिक्स, भोवतालची परिस्थिती आणि जीवनशैली यांचा अभ्यास करून त्याला होऊ शकणारे आजार रोखणं आणि झालेल्या आजारांवर उपचार करणं, यासाठी ‘प्रिसिजन मेडिसिन इनिशिएटिव्ह'ची संकल्पना अस्तित्वात आली. २०१८मध्ये याअंतर्गत ‘ऑल ऑफ अस' हा संशोधन प्रकल्प सुरू झाला. यात अमेरिकेतील सुमारे १० लाख स्वयंसेवकांनी भाग घेतला आहे. स्वयंसेवकांचा जेनेटिक डेटा, जीवशास्त्रीय नमुने आणि आरोग्याबाबतच्या इतर माहितीच्या आधारावर आजारांची कारणं, धोके, निदान करण्याचे अचूक मार्ग आणि उपचारपद्धती यावर संशोधन सुरू आहे. आरोग्य क्षेत्रात होणारी दिरंगाई टाळणं, खर्च कमी करणं आणि सेवेचा दर्जा वाढवणं हे या प्रकल्पाचे हेतू आहेत.

दीर्घकाळ आजार, अपंगत्व असणाऱ्या माणसांना रोज अनेक गोष्टी करायला मदत लागते. ती मदत किंवा देखरेख करणारा ‘केअरगिव्हर यंत्रमानव' ही कल्पना आता प्रत्यक्षात उतरलेली आहे. अशा यंत्रमानवांच्या चलनवलनासाठी कृत्रिम बुद्धिमत्ता कळीची आहे.

साहित्यात पूर्वीपासून असे केअरगिव्हर रोबो रंगवले गेले आहेत. आज जपानमध्ये वृद्धांचं प्रमाण सर्वांत जास्त आहे. केअरगिव्हर रोबोवर सर्वांत जास्त संशोधन तिथेच चालतं. जपानमध्ये रोबोला ‘इयाशी' म्हणलं जातं. तिथे मुलांसाठी आणि प्रौढांसाठी मिठी मारता येईल असे विविध रोबो उपलब्ध आहेत. 'पारो' हा जपानी रोबो स्मृतिभ्रंश झालेल्या, नैराश्य किंवा चिंता हे मनोविकार असलेल्या रुग्णांना मदत करतो. ‘पारो'ची आता आठवी पिढी बाजारात उपलब्ध आहे. त्याचा जनक तानाकोरी शिबाटा याच्या म्हणण्यानुसार, स्मृतिभ्रंश असलेल्या लोकांमध्ये या रोबोमुळे आक्रमकता, अस्वस्थता कमी होते; ते समाजात तुलनेने जास्त मिसळायला लागतात.

हेही वाचा - बुद्धिमान यंत्रं : जब दिल्ली दूर थी

‘टाईझोऊ' हा रोबो वृद्धांना व्यायाम करायला शिकवतो आणि प्रोत्साहन देतो. ‘सोनी कॉर्पोरेशन'चा ‘आयबो' हा गाजलेला रोबो होता. २०१८पासून कंपनीने वृद्धाश्रमांसारख्या संस्थांमध्ये ‘डॉग रोबो' पुरवायला सुरुवात केली आहे.

एकटेपणा, दैनंदिन निराशा यावर मात करण्यासाठी ‘पार्टनर रोबो', बेबीसिटिंग करणारे रोबो, वस्तू उचलू शकणारे, अडथळे टाळणारे रोबो; माणसांचे चेहरे आणि वास ओळखणारे, माणसांना उचलू शकणारे रोबो; शारीरिक वैगुण्यांवर मात करायला मदत करणारा रोबो, असे इतर प्रकारही जपानमध्ये वापरले जात आहेत. यातल्या काही प्रकारचे यंत्रमानव रिमोटच्या साहाय्याने वापरता येतात. ते इंटरनेटलाही जोडले जाऊ शकतात.

ऑस्ट्रेलिया, न्यूझीलंड, कॅनडा, तसंच युरोपमधल्या काही देशांमध्ये सेवाशुश्रूषेच्या विविध गरजा ओळखून त्यानुसार साहाय्य करू शकणाऱ्या विविध यंत्रमानवांवर संशोधन सुरू आहे. गरजांनुसार तंत्रज्ञानात अधिकाधिक सुधारणा करत या सर्वच यंत्रमानवांमध्ये नवनव्या सुविधा दिल्या जात आहेत. आज काही देशांपुरते मर्यादित असलेले मदतनीस यंत्रमानव भविष्यात अधिकाधिक लोकांची गरज बनणार आहेत. ए.आय.च्या प्रगतीचा त्यात मोठा हातभार असणार आहे.

आमंडा शार्की आणि नोएल शार्की या शेफील्ड विद्यापीठातल्या संशोधकांनी ‘केअरगिव्हर रोबो आणि नैतिकता' यावर प्रश्न उपस्थित केले आहेत. एका बाजूला वृद्धांची संख्या जास्त असलेल्या जगात केअरगिव्हर रोबोसाठी जास्त संधी उपलब्ध होत जातील, दुसरीकडे यामुळेच एकट्या लोकांना जास्त एकाकी वाटेल. रोबोकडे वेग, सत्ता आणि अचूकता असण्याची गरज आहे. वृद्ध लोकांकडे या तीन गोष्टींचाच अभाव असतो. त्यामुळे या वृद्धांच्या त्या प्रकारे बदलत जाणाऱ्या गरजा रोबोंना समजणार नाहीत; असं त्यांचं म्हणणं आहे.

मानवी स्पर्श हा आरोग्य सुधारण्याच्या बाबतीत वरदान असतो. मात्र रोबोला माणसासारखी काळजी वाटू शकत नाही; आदर, विश्वास, समवेदना आणि करुणा हे रोबोकडे असूच शकत नाही; केअरगिव्हर रोबो कायदा मोडणं, चुकीच्या पद्धती सुरू करणं, भावनिक हानी घडवणं, बेजबाबदारपणा या समस्या उभ्या करतील, असं वृद्धांसोबत काम करणाऱ्या अनेक तज्ज्ञांचं मत आहे.

कोणत्याही नव्या तंत्रज्ञानाच्या बाबतीत नैतिकतेचे काही ना काही मुद्दे समोर येतातच. ए.आय. तंत्रज्ञानही त्याला अपवाद नाही. शिवाय आपल्या जगण्याशी थेट संबंध असणाऱ्या संवेदनशील क्षेत्रात तर हे घडणं अटळच आहे. औषधोपचार, रोगनिदान, प्रकृतिस्वास्थ्य या सगळ्याच क्षेत्रांची वाटचाल अशा मतमतांतरांतून वाट काढत झालेली आहे. तंत्रज्ञानाचा आपल्या फायद्यासाठी कसा उपयोग करून घ्यायचा हा प्रश्न कृत्रिम बुद्धिमत्तेने पुन्हा एकदा वर आणला आहे इतकंच.

(अनुभव, मे २०२५च्या अंकातून साभार.)