চিকিৎসাবিজ্ঞান ও কম্পিউটার বিজ্ঞানের মিশ্র অভিজ্ঞতা থেকে ড. ফ্র্যাঙ্ক নেয়মি-রাদ স্বাস্থ্যখাতের কৃত্রিম বুদ্ধিমত্তা (AI)-এর একটি মৌলিক নীতি তুলে ধরেছেন। তাঁর মতে, ক্লিনিক্যাল ডেটার নির্ভুলতাই স্বাস্থ্য AI-এর প্রথম ও প্রধান নিয়ম। এই শিক্ষা তিনি পেয়েছেন ১৯৮০-এর দশকের শুরুতে উত্তর শিকাগোর একটি VA (ভেটেরান্স অ্যাফেয়ার্স) হাসপাতালের গবেষণা প্রকল্প থেকে।
সেই সময়ে তাঁর দল অ্যাকিউট ফিজিওলজি অ্যান্ড ক্রনিক হেলথ ইভ্যালুয়েশন বা APACHE স্কোর নিয়ে কাজ করছিল। ICU (ইনটেনসিভ কেয়ার ইউনিট)-এ ভর্তি রোগীদের মৃত্যুঝুঁকি নির্ণয়ে ব্যবহৃত এই স্কোর গণনা করতে সাধারণত ভর্তি হওয়ার বারো থেকে চব্বিশ ঘণ্টা সময় লাগত। দলটির লক্ষ্য ছিল এই বিলম্ব কাটিয়ে রোগীর অবস্থা পূর্বাভাস দেওয়ার একটি মডেল তৈরি করা, যা চিকিৎসকদের ক্লিনিক্যাল সিদ্ধান্তকে ডিজিটাল রূপ দেবে।
তবে গবেষকরা বুঝেছিলেন, মডেলটি কেবল ততটাই বিশ্বাসযোগ্য হবে যতটা নির্ভুলভাবে চিকিৎসকরা রোগীর তথ্য রেকর্ড করেন। তাই প্রশ্ন ছিল, চিকিৎসকদের সেই বিচারবোধ যন্ত্রের শেখার উপযোগী করে তোলা সম্ভব কিনা। উত্তর শিকাগোর VA হাসপাতালের চিকিৎসকদের সহযোগিতায় দলটি রোগী মূল্যায়নের সময় চিকিৎসকরা যে বিভিন্ন ক্লিনিক্যাল সূচক বিবেচনা করেন, সেগুলো চিহ্নিত করে। মানদণ্ডগত APACHE মানদণ্ডের বাইরে গিয়ে প্রায় ১,৫০০টি নিয়ম বা বর্ণনা তৈরি করা হয়।
পরবর্তীতে ইতিমধ্যে ছাড়পত্র পাওয়া বা মৃত্যুবরণ করা ICU রোগীদের রেকর্ড সংগ্রহ করা হয়। চিকিৎসা শিক্ষার্থীরা সময়-চিহ্নিত ক্লিনিক্যাল ঘটনাসহ একশটি ICU কেস ডিজিটাইজ করেন। তবে ১,৫০০টিরও বেশি ক্লিনিক্যাল আবিষ্কারের প্রতিটির জন্য সম্ভাব্যতা নির্ধারণ করা চিকিৎসক দলের পক্ষে বাস্তবসম্মত ছিল না। তাই একশটি চার্ট থেকে দশটি বাছাই করে প্রশিক্ষণ সেট হিসেবে নেওয়া হয়। তিনজন চিকিৎসক সেই দশটি চার্ট বিস্তারিত পর্যালোচনা করেন। প্রতিটি রোগীর অবস্থানের সময়কালীন প্রতিটি ক্লিনিক্যাল ঘটনার জন্য চিকিৎসকরা এক থেকে সাত স্কেলে তীব্রতা নির্ণয় করেন। এরপর সেই স্কোরগুলোকে সম্ভাব্যতায় রূপান্তরিত করে একটি প্যাটার্ন-রিকগনিশন AI প্রশিক্ষণ দেওয়া হয়, যা একটি Bayesian মডেলে সরবরাহ করা হয়।
এই প্রচেষ্টার ফলাফল ছিল উল্লেখযোগ্য। মডেলটি চতুর্থ ঘণ্টার মধ্যেই চব্বিশ ঘণ্টার APACHE স্কোরের পূর্বাভাস দিতে সক্ষম হয়। এই সাফল্য সরাসরি চিকিৎসকদের মূল্যায়নের সঙ্গে সামঞ্জস্যপূর্ণ ছিল। গবেষকরা দেখিয়েছেন, এই ফলাফল কেবল সম্ভব হয়েছিল কারণ চিকিৎসকদের সিদ্ধান্ত অত্যন্ত যত্নসহকারে ধারণ ও অনুবাদ করা হয়েছিল। নির্ভুল ডেটা ছাড়া মডেলটি ভেঙে পড়ত।
ড. নেয়মি-রাদ জোর দিয়ে বলেন, এই নিয়ম আজকের বৃহৎ ভাষা মডেল (LLM) এবং ক্লিনিক্যাল-AI নির্মাতাদের ক্ষেত্রেও প্রযোজ্য। বর্তমানের স্বাস্থ্য AI বিশাল পরিমাণে চিকিৎসাবিষয়ক পরিভাষা ধারণ করতে পারে এবং এর সক্ষমতা ক্রমাগত বাড়ছে। কিন্তু যখন AI কেবল জ্ঞান পুনরুৎপাদনের চেয়ে নতুন জ্ঞান সৃষ্টির দিকে এগোয়, তখন ঝুঁকিও বৃদ্ধি পায়। চিকিৎসকরা যে মানদণ্ডগত শব্দগুলোর ওপর নির্ভর করেন, সেগুলো বিকৃত বা দূষিত হতে পারে।
এই ঝুঁকি এড়াতে সেই একই শৃঙ্খলা প্রয়োজন, যা কয়েক দশক আগে ICU-তে নির্ভর করা হয়েছিল। সঠিকভাবে করা হলে মানুষের অন্তর্দৃষ্টি ও AI একসঙ্গে কাজ করতে পারে — কিন্তু কেবল তখনই, যখন মানুষ ভাষা ও ক্লিনিক্যাল অর্থ বহনকারী ব্যবস্থার নিয়ন্ত্রণে থাকেন।
ব্যক্তিগত জীবনে ড. নেয়মি-রাদ ১৯৬৯ সালে ইরান থেকে যুক্তরাষ্ট্রে আসেন, যে বছর মানুষ প্রথম চাঁদে অবতরণ করে। পরবর্তীতে তিনি Intelligent Medical Objects (IMO Health) সহ-প্রতিষ্ঠা করেন, যা ইংরেজিভাষী Electronic Health Record (EHR) ব্যবস্থার বেশিরভাগে ক্লিনিক্যাল পরিভাষা অবকাঠামো তৈরি করেছে। চিকিৎসা তথ্যবিজ্ঞানে অগ্রদূত হিসেবে তাঁর পঞ্চাশটিরও বেশি প্রকাশনা ও এগারোটি পেটেন্ট রয়েছে। বর্তমানে তিনি Leap of Faith Technologies-এর চেয়ারম্যান ও প্রধান নির্বাহী কর্মকর্তা হিসেবে পরবর্তী প্রজন্মের AI-সক্ষম স্বাস্থ্য প্ল্যাটফর্ম উন্নয়নে কাজ করছেন।
