जब से ChatGPT अस्तित्व में आया है, अमेरिकी उससे पूछते आ रहे हैं, "क्या मेरे पैर के उस अजीब से छोटे धब्बे का कैंसर हो सकता है?" और जैसे-जैसे पिछले कुछ वर्षों में AI उन्नत हुआ है, डॉक्टरों ने क्लीनिकों में विशेष मॉडलों का उपयोग करके लगभग वही प्रश्न पूछना शुरू कर दिया है। इन घटनाक्रमों के सामने, पेशेवर चिकित्सा संगठनों ने एकजुट मोर्चा पेश किया है: नैदानिक देखभाल में डॉक्टरों का ही अंतिम शब्द होना चाहिए।

हम असहमत हैं। जैसा कि चिकित्सा संगठनों ने अनुमति दी है, चिकित्सकों का AI उपकरणों के साथ अपने काम को बेहतर बनाना दवा देने का एक बिल्कुल अच्छा तरीका हो सकता है। (हम में से एक - खोसला - ने वास्तव में एक प्राथमिक देखभाल स्टार्टअप में निवेश किया है, जिसकी सह-स्थापना उनके बेटे ने की है, जिसमें डॉक्टर AI सहायकों की देखरेख करते हैं।) लेकिन अमेरिकियों को सर्वोत्तम संभव स्वास्थ्य देखभाल पाने के लिए, हमें उन मॉडलों के साथ प्रयोग करने को तैयार रहने की आवश्यकता है जो AI को नियंत्रण में रखते हैं।

इस धारणा ने चिकित्सा समुदाय में हलचल मचा दी है। जब हमने पिछले महीने जर्नल ऑफ द अमेरिकन मेडिकल एसोसिएशन में एक टिप्पणी प्रकाशित की जिसमें तर्क दिया गया कि केवल AI देखभाल जल्द ही मानव चिकित्सकों द्वारा प्रदान की जाने वाली देखभाल से बेहतर हो सकती है, तो अमेरिकन मेडिकल एसोसिएशन के सीईओ ने हमें रोगी-चिकित्सक संबंध को कमजोर करने वाला बताते हुए निंदा की। संगठन का रुख अपरिवर्तित था: AI को नैदानिक देखभाल में सहायक भूमिका में ही रहना चाहिए। यह एक तर्क है जो उपलब्ध साक्ष्यों को अनदेखा करता है और अनगिनत अमेरिकियों को बेहतर स्वास्थ्य से वंचित कर सकता है।

आधुनिक चिकित्सा का अधिकांश हिस्सा - जिसमें उच्च रक्तचाप का प्रबंधन, कई कैंसर के लिए सही उपचार का निर्धारण, और कीमोथेरेपी के दुष्प्रभावों को संबोधित करना शामिल है - काफी हद तक एल्गोरिथमिक है। एक चिकित्सक को रोगी से लक्षित प्रश्न पूछने, संभावित निदान निर्धारित करने, सही की पहचान करने के लिए परीक्षणों का आदेश देने, उपचार योजना पेश करने और रोगी की प्रतिक्रिया के आधार पर उसे समायोजित करने की आवश्यकता होती है। क्रियाओं की यह श्रृंखला पेशेवर संगठनों के विस्तृत दिशानिर्देशों द्वारा संचालित होती है।

फिर भी डॉक्टर - सर्वोत्तम इरादों के बावजूद - उन चरणों का पालन करते समय बहुत सारी गलतियाँ करते हैं। अध्ययनों से पता चलता है कि हर साल 15 प्रतिशत तक अमेरिकी रोगियों का गलत निदान किया जाता है, जिससे हजारों रोकथाम योग्य मौतें होती हैं। यही कारण है कि स्वास्थ्य सेवा प्रदाताओं के पास सॉफ्टवेयर होता है जो उन्हें सूचित करता है यदि वे, कहते हैं, किसी दवा की घातक खुराक लिखते हैं। कोई भी सॉफ्टवेयर जो स्वायत्त रूप से चिकित्सा का अभ्यास कर सकता है, वह भी इसी तरह विशिष्ट होगा: सामान्य ChatGPT नहीं, बल्कि चिकित्सा ज्ञान में प्रशिक्षित एक मॉडल जिसमें जोखिम और गलतियों को कम करने के लिए उचित सुरक्षा उपाय हों। ऐसा मॉडल दवा इंटरैक्शन की जांच चिकित्सकों की तुलना में अधिक लगातार और व्यापक रूप से कर सकता है। और यह मानव स्वास्थ्य सेवा प्रदाताओं की तुलना में रोगियों के साथ बहुत अधिक बार संपर्क करने में सक्षम होगा।

कुछ AI मॉडल पहले ही ऐसे कार्यों में निपुण साबित हो चुके हैं। पिछले साल प्रकाशित एक अध्ययन में, विशेषज्ञ चिकित्सकों ने Google के Articulate Medical Intelligence Explorer - चिकित्सा निदान और तर्क के लिए एक उच्च प्रशिक्षित AI मॉडल - को अभिनेताओं को मरीजों की भूमिका निभाने के लिए खुलकर बात करने में मानव डॉक्टरों की तुलना में काफी बेहतर पाया। "मरीजों" ने अपनी शिकायतों के साथ-साथ अपने चिकित्सा, पारिवारिक और दवा इतिहास के बारे में अधिक खुलासा किया, जो सटीक निदान के लिए महत्वपूर्ण हो सकता है। 2023 के एक अध्ययन में, टाइप 2 मधुमेह वाले रोगियों को बेतरतीब ढंग से चिकित्सकों या स्वायत्त AI द्वारा उनके इंसुलिन की खुराक समायोजित करने के लिए सौंपा गया था। मशीनों ने रोगियों को मानव चिकित्सकों की तुलना में तेजी से स्थिर खुराक पर पहुंचाया, और उनके रोगियों ने अधिक विश्वसनीय रूप से इंसुलिन लिया और उन्हें मधुमेह से संबंधित कम परेशानी हुई।

उन चिकित्सक-AI संकरों के बारे में क्या जिनका चिकित्सा संगठन समर्थन कर रहे हैं? उन पर शोध विरल है, और अधिक की आवश्यकता है। 52 अध्ययनों की 2025 की समीक्षा ने निष्कर्ष निकाला कि कुल मिलाकर, ऐसे संकर "न तो अकेले चिकित्सा AI से बेहतर प्रदर्शन करते हैं और न ही सर्वश्रेष्ठ चिकित्सकों से आगे निकलते हैं।" उन अध्ययनों में से कम से कम कुछ में, मानव-AI संकरों ने अकेले AI से बेहतर प्रदर्शन किया। लेकिन उन संकर टीमों में, AI ने अंतिम नैदानिक निर्णय को नियंत्रित किया - जो AMA और अन्य के विचार के विपरीत है।

चिकित्सा संगठन परिवर्तन की संभावना के लिए पूरी तरह से बंद नहीं हैं। उदाहरण के लिए, पिछले