आरोग्य क्षेत्रातील त्रुटी दूर करण्यासाठी भारताने 'एआय'ला (AI) एक 'शक्तीवर्धक' (Force Multiplier) म्हणून स्थान दिले आहे; मात्र विषम निकाल, डेटातील पक्षपात आणि कमकुवत देखरेख यामुळे अधिक सक्षम प्रशासन आणि सर्वसमावेशक डेटाची गरज स्पष्ट होत आहे.
भारताने आरोग्य सेवेमध्ये सुधारणा करण्यासाठी AI ची मदत घ्यायचे ठरवले आहे. अशा साधनांमुळे कमी खर्चात सगळ्यांपर्यंत पोहोचणाऱ्या आरोग्य सुविधा देता येतात. त्यामुळेच AI ला आरोग्यसेवेची 'फोर्स मल्टीप्लायर' म्हणजे एक वेगळी फौज असे घोषित करण्यात आले आहे. असे असले तरी या क्षेत्रातली असमानता, भेदभाव आणि देखरेखीच्या कमकुवत यंत्रणा या त्रुटी भरून काढायच्या असतील तर मजबूत प्रशासन आणि प्रातिनिधिक डेटाची आवश्यकता आहे.
अलिकडच्या वर्षांत कृत्रिम बुद्धिमत्तेचे (AI) क्षेत्र झपाट्याने वाढते आहे. AI आता आरोग्यसेवेमध्ये जीवन-मरणाच्या निर्णयांवर प्रभाव टाकू लागली आहे. रोगाचे निदान करण्यापासून ते त्याचा प्रसार रोखण्यापर्यंत AI ची मदत घेतली जाते. भारतासारख्या जास्त लोकसंख्येच्या देशात रोगांचा भार, आरोग्यसेवांचे असमान प्रमाण, वैद्यकीय व्यावसायिकांची कमतरता आणि मर्यादित सार्वजनिक आरोग्य क्षमता या समस्या आहेत. अशा वेळी AI ची मदत घेऊन आरोग्यसेवेतल्या फौजा उभारता येतील अशी ही संकल्पना आहे. आर्थिक सर्वेक्षण 2025-26 मध्ये असा युक्तिवाद केला गेला आहे की, आरोग्याच्या क्षेत्रात अगदी तळागाळातल्या लोकांसाठीही सेवा देण्याची क्षमता AI मध्ये आहे. शिवाय त्यासाठी लागणारा खर्चही कमी आहे. आरोग्यसेवेमध्ये AI चा उपयोग करण्याचे संमिश्र परिणाम आहेत. काही बाबतीत AI मुळे लक्षणीय सुधारणा झाली तर काही प्रयोगांमध्ये अपयश आलं. कमी संसाधने असलेल्या दुर्लक्षित गटांसाठीची कामगिरी तेवढी प्रभावी झाली नाही. तांत्रिक व्यवहार्यता ही फारशी अडचण नाही, परंतु समता, सुरक्षितता आणि जबाबदारीवर आधारित नवोपक्रम आणि ते राबवणाऱ्या अनुकूल परिसंस्था निर्माण करण्याची आवश्यकता आहे.
आरोग्यामध्ये AI ची वास्तविक उपयुक्तता ही एखाद्या आजाराबद्दलचा इशारा किंवा विशेष निदानांमध्ये उत्तम प्रकारे दिसून येते. कोविडच्या काळात टोरंटोमधल्या ब्लूडॉट या संस्थेने जागतिक आरोग्य संघटनेच्याही आधी महासाथीचा धोका ओळखला होता. या संस्थेने जागतिक आरोग्य संघटनेने अलर्ट जारी करण्याच्या नऊ दिवस आधी कोविडबद्दलची माहिती पोहोचवली. त्यांनी रोज 65 हून अधिक भाषांमधल्या बातम्या,लेख, आरोग्य अहवाल आणि एअरलाइन डेटा याची पडताळणी करून कोविड-19 चा धोका ओळखला.
MadhuNETrAI या प्रणालीचा स्थानिक पातळीवर मधुमेही रेटिनोपॅथी शोधण्यासाठी उपयोग झाला आहे. यामध्ये 3 हजारहून अधिक रेटिनल प्रतिमांची पडताळणी केल्याने सुमारे 7 हजार 100 रुग्णांना फायदा झाला. त्याचप्रमाणे क्षयरोग (TB) तपासणीमध्ये Qure.ai च्या माध्यमातून कमी खर्चात चांगले संशोधन झाले. आता क्षयरोगाचे निदान करण्यासाठी ही AI यंत्रणा मर्यादित संसाधनांमध्ये राष्ट्रीय स्तरावर तैनात केली आहे. NIRAMAI ही यंत्रणा अनेक शहरांमध्ये स्तनाच्या कर्करोगाची तपासणी करण्यासाठी वापरली जाते. वाधवानी AI ही हरियाणामधील 157 सरकारी सुविधांमध्ये क्षयरोगाच्या उपचारांसाठी वापरली जाते. यामध्ये नव्यानव्या AI यंत्रणा सार्वजनिक आरोग्य कार्यक्रमांमध्ये एकत्रित केल्या आहेत. यावर अनेक स्टार्टअप उद्योगही उभे राहिले आहेत. त्यामुळे स्थानिक पातळीवरच्या आव्हानांवर उपाय काढण्यासाठी AI चा वापर करून यंत्रणा विकसित करता येतील. 2025-26 च्या आर्थिक सर्वेक्षण अहवालात याचा उल्लेख करण्यात आला आहे.
असे असले तरी जागतिक स्तरावर AI यंत्रणांच्या अपयशाची काही उदाहरणे समोर आली आहेत. याचे काही धोकादायक परिणामही आहेत. यात रुग्णांची दिशाभूल करणारे तसेच चुकीचे वैद्यकीय सल्ले देणारे एआय चॅटबॉट्स आहेत. तसेच AI मॉडेल्स तयार करताना काही पूर्वग्रहदूषित अभ्यासांचाही समावेश करण्यात येतो. रोगांचे वर्गीकरण करताना AI मॉडेल्स संवेदनशील लोकसंख्याशास्त्रीय वैशिष्ट्ये लक्षात घेत नाहीत. त्यामुळे काही वांशिक गटांवर अन्याय होऊ शकतो, असे आंतरराष्ट्रीय वैद्यकीय इमेजिंग डेटासेटचे विश्लेषण करणाऱ्या 2024 सालच्या अभ्यासात आढळून आले आहे. 2024 साली भारतासह सात आशियाई आणि आफ्रिकन राष्ट्रांमध्ये एक सर्वेक्षण करण्यात आले. त्यात TB च्या निदानासाठी छातीचा एक्स-रे तपासणारी AI उपकरणे चांगली कामगिरी करत नाहीत, असे समोर आले. WHO म्हणजेच जागतिक आरोग्य संघटनेने किमान अचूकतेच्या लक्ष्याची सरासरी पूर्ण करणारी व्यावसायिक साधने दिली आहेत. तरीही महिला, एचआयव्ही ग्रस्त लोक आणि TB चा इतिहास असलेल्या व्यक्तींच्या रोगाचे निदान करण्यात AI यंत्रणा कमी पडल्या. यंत्रणांची कामगिरी वेगवेगळ्या देशांमध्ये वेगवेगळी होती. क्लिनिकल एआय टूल्सच्या फक्त एका लहान भागात रुग्णाच्या तब्येतीची देखरेख करण्याची व्यवस्था असते. त्यामुळे व्यापक प्रमाणात सर्वेक्षण होऊ शकत नाही हे संशोधनाअंती सिद्ध झाले आहे.
AI ची कामगिरी त्याच्या प्रशिक्षण डेटाच्या प्रातिनिधिक स्वरूपावर अवलंबून असते. तसेच त्याला स्थानिक संदर्भही जोडले जातात. त्यामुळे भारतासारख्या देशात अशा यंत्रणांची कामगिरी मर्यादित होऊ शकते. लोकांच्या प्रतिनिधित्वाशिवाय विकसित केलेल्या AI प्रणालींमध्ये जात, धर्म, लिंग आणि सामाजिक आर्थिक स्थितीचा भेदभाव पुन्हा निर्माण होण्याचा मोठा धोका आहे. हे टाळायचे असेल तर भारताला स्वतःच्या AI यंत्रणा तयार कराव्या लागतील. आरोग्यसेवेमध्ये AI चे लोकशाहीकरण केले तर खर्च कमी होऊ शकतो, परंतु त्याचे प्रमाण वाढवण्यासाठी आणि त्याची सुरक्षिततता जपण्यासाठी लवचिक प्रशासनाची आवश्यकता असते. असे केले तरच हे नवोपक्रम सर्वसमावेशक आणि शाश्वत राहतील.
सरकारचे IndiaAI Mission हे AI क्षमता विकसित करण्यासाठी पायाभूत सुविधा, नवोपक्रम, दर्जेदार डेटाची उपलब्धता, कौशल्य विकास आणि स्टार्टअप वित्तपुरवठा यासह सात प्रमुख स्तंभ व पायाभूत सुविधांना चालना देते. तसेच AI ची सुरक्षितता आणि जबाबदारीने वापर यावर लक्ष देते. या मिशनचे पाच वर्षांतील बजेट 10,371,92 कोटी रुपये आहे. हे मिशन आरोग्यसेवेसह अनेक महत्त्वाच्या क्षेत्रांवर लक्ष केंद्रित करते. आर्थिक सर्वेक्षण 2025-26 मध्ये कमी संसाधनाच्या वातावरणासाठी तयार केलेल्या AI वर भर देण्यात आला आहे.
याला आयुष्मान भारत डिजिटल मिशन (ABDM) ची जोड आहे. इंटरऑपरेबल हेल्थ डेटा एक्सचेंज, इलेक्ट्रॉनिक हेल्थ रेकॉर्ड आणि डिजिटल हेल्थ आयडेंटिफायर्स सक्षम करून भारताच्या एकात्मिक डिजिटल आरोग्य पायाभूत सुविधांचा कणा तयार करणे हा याचा उद्देश आहे. केंद्रीय अर्थसंकल्प 2026-27 मध्ये 350 कोटींचे वाटप करण्यात आले आहे. यातून सतत गुंतवणुकीचे संकेत मिळतात. त्याचवेळी ई-संजीवनी, राष्ट्रीय टेलिमेडिसिन सेवा, निर्णय घेण्याची क्षमता आणि वापरकर्त्याचे अनुभव सुधारण्यासाठी AI आधारित क्षमता विकसित करण्यात येत आहेत. डिजिटल हेल्थ प्लॅटफॉर्म हे सार्वजनिक आरोग्यसेवांमध्ये AI चा समावेश कसा होऊ शकतो हे दर्शवतात.
वेगवेगळ्या फर्म्सच्या स्तरावर इन्क्युबेटर आणि अॅक्सिलरेटर्सचे नेटवर्क तयार करण्यात आले आहे. याचा हेल्थ टेक आणि हेल्थ AI स्टार्टअप्सना खूप उपयोग होतो. स्टार्टअप इंडिया सीड फंड यासारख्या योजना ही इनोव्हेशन प्रोग्रॅम लखनौमधील STPI मेडटेक सेंटर ऑफ एक्सलन्स आणि IIM बंगळुरूच्या NSRCEL च्या हेल्थकेअर इन्क्युबेशन प्रोग्राम यासारख्या इनक्युबेटरद्वारे निधीचे व्यवस्थापन करते. या संस्था आरोग्य तंत्रज्ञान इनोव्हेटर्सना निधी पुरवतात, मार्गदर्शन करतात आणि बाजारपेठेतील प्रवेश मिळवून देतात. यामुळे या क्षेत्रात येणाऱ्या उद्योजकांना सुरुवातीच्या टप्प्यातील कल्पना आणि संकल्पनांच्या आधारे बाजारपेठेतील तयारी करण्यास मदत होते. असे असले तरी असे इनोव्हेशन सपोर्ट्स आणि औपचारिक आरोग्य तंत्रज्ञान नियमन यांच्यातील दुवे अजूनही विकसित होत आहेत.
AI-आधारित निदानांच्या 2025 च्या भारतातल्या अभ्यासात असे आढळून आले आहे की, सध्याचे कायदे AI मुळे होणाऱ्या चुकांसाठी डॉक्टर, रुग्णालये, विकासक आणि डेटा असलेल्या लोकांमध्ये जबाबदारी कशी निश्चित केली पाहिजे हे स्पष्ट करत नाहीत. त्यामुळे कुणीच ठोस जबाबदारी घेताना दिसत नाही.
AI हे नियामक आघाडीवर AI गव्हर्नन्स मार्गदर्शक तत्त्वे, माहिती तंत्रज्ञान कायदा 2000, डिजिटल वैयक्तिक डेटा संरक्षण (DPDP) कायदा 2023 आणि आरोग्यसेवेसाठी माहिती सुरक्षा धोरण यासारख्या चौकटींमध्ये काम करते. सेंट्रल ड्रग्ज स्टँडर्ड कंट्रोल ऑर्गनायझेशन (CDSCO) च्या ऑक्टोबर 2025 च्या मसुद्यात वैद्यकीय उपकरण सॉफ्टवेअरवरील मार्गदर्शक तत्त्वे AI चालित सॉफ्टवेअरभोवती असलेल्या अस्पष्टतेचे निराकरण करतात. सॉफ्टवेअर इन अ मेडिकल डिव्हाइस (SiMD) आणि सॉफ्टवेअर अॅज अ मेडिकल डिव्हाइस (SaMD) मध्ये फरक करून आणि विद्यमान वैद्यकीय उपकरण नियमांच्या जोखीम-आधारित वर्गांवर दोन्ही मॅप करून व आंतरराष्ट्रीय मानकांशी त्याला जोडून घेऊन हे केले जाते. हे AI आणि मशीन-लर्निंग आधारित सॉफ्टवेअरसाठी अल्गोरिदम चेंज प्रोटोकॉल देखील सादर करते. यामध्ये ब्लॅक-बॉक्स जोखमीचे व्यवस्थापन करण्यासाठी मॉडेल्स कसे अपडेट केले जातात आणि तैनातीनंतर कसे प्रमाणित केले जातात हे विकासकांना सांगितले जाते.
शिवाय, बायोमेडिकल रिसर्च आणि हेल्थकेअरमध्ये AI च्या वापरासाठी भारतीय वैद्यकीय संशोधन परिषदेच्या (ICMR) नैतिक मार्गदर्शक तत्त्वांमध्ये जबाबदारी, मानवी देखरेख, समता, डेटा गोपनीयता आणि समावेशकता यासारख्या तत्त्वांचा समावेश आहे. परंतु ते बंधनकारक नाहीत. तसेच ते अंमलबजावणीयोग्य नियामक प्राधिकरणाऐवजी संशोधन आणि संस्थात्मक पुनरावलोकन सेटिंग्जपुरते मर्यादित आहेत.
त्याच वेळी भारताने आंतरराष्ट्रीय वचनबद्धतेतून आरोग्य AI प्रणालींचे व्यवस्थापन करण्यासाठी जागतिक सहकार्याची गरज ओळखली आहे. नवी दिल्लीत 2023 मध्ये झालेल्या G20 परिषदेत नेत्यांच्या घोषणांमध्ये सदस्य देशांनी मानवी हक्क आणि सुरक्षिततेचे रक्षण करताना AI साठी नवोपक्रमांना उत्तेजन देण्याचा दृष्टिकोन व्यक्त केला. एवढेच नव्हे तर त्यासाठी वचनबद्धताही स्पष्ट केली. भारताच्या धोरणांमध्येही ही वचनबद्धता दिसून येते. 2025 मध्ये भारत हेल्थ AI ग्लोबल रेग्युलेटरी वर्कमध्ये सामील झाला. याचा उद्देश सामायिक शिक्षण, संयुक्त मानके आणि उदयोन्मुख जोखमींच्या इशाऱ्यांद्वारे सुरक्षितता सुधारणे आणि जबाबदार नवोपक्रमाला गती देणे हा आहे.
तरीसुद्धा आरोग्यसेवेसह बहुतेक क्षेत्रे AI परिपक्वतेच्या सुरुवातीच्या टप्प्यात आहेत. 2024 च्या NASSCOM च्या अहवालात हे आढळून आले आहे. अनेक आरोग्यसेवा कंपन्यांनी प्रूफ ऑफ कन्सेप्ट (PoC) प्रकल्प राबवले असले तरी केवळ काही अंशांनीच पूर्ण उत्पादन सुरू केले आहे. नवोपक्रमांची वाढ होत असली तरी त्यात आव्हाने आहेत. त्याचप्रमाणे आरोग्यसेवेमध्ये AI चे नियमन मोठ्या प्रमाणात झालेले नाही. वैद्यकीय उपकरणांमध्ये पोस्ट-मार्केट देखरेख ठेवण्याची क्षमता नसणे आणि जबाबदारी निश्चित करण्यातली अस्पष्टता यासारखी आव्हाने कायम आहेत. AI-आधारित निदानांच्या 2025 च्या भारतातल्या अभ्यासात असे आढळून आले आहे की, सध्याचे कायदे AI मुळे होणाऱ्या चुकांसाठी डॉक्टर, रुग्णालये, विकासक आणि डेटा असलेल्या लोकांमध्ये जबाबदारी कशी निश्चित केली पाहिजे हे स्पष्ट करत नाहीत. त्यामुळे कुणीच ठोस जबाबदारी घेताना दिसत नाही.
शिवाय DPDP कायदा 2023 अल्गोरिदमुळे होणाऱ्या त्रुटींमुळे होणारं नुकसान लक्षात घेत नाही. याउलट त्यात डेटाच्या गोपनीयतेवर लक्ष केंद्रित करण्यात आले आहे. उदाहरणार्थ पक्षपाताचा मुद्दा. भारतीय आरोग्यसेवेतील AI वरील संशोधन संरचनात्मक अडथळ्यांचा उल्लेख करते. यामध्ये निष्पक्ष डेटासेटची मर्यादित उपलब्धता, डेटाची गोपनीयता आणि संमतीबद्दल जनजागृतीचा अभाव तसेच आरोग्य AI साठी तयार केलेल्या व्यापक कायदेशीर आणि नैतिक मानकांचा अभाव यांचा समावेश आहे. म्हणूनच ही रचनात्मक चौकट मजबूत करण्याचे आव्हान आहे. आरोग्य क्षेत्रात नवे नवे उपक्रम राबवले जात आहेत. पण या गतीबरोबरच भारतातल्या सर्वात असुरक्षित रुग्णांचे संरक्षण करण्यावरही भर द्यायला हवा.
जबाबदारीबद्दल स्पष्टता आणणे महत्त्वाचे आहे. दायित्व आणि जबाबदारीचे एक श्रेणीबद्ध मॅट्रिक्स तयार केले पाहिजे. इंडिया AI मिशन आणि ICMR नैतिक मार्गदर्शक तत्त्वे सध्याच्या चौकटीत मूलभूत तत्त्वे प्रदान करतात. परंतु लोकसंख्येच्या प्रमाणात क्लिनिकल उत्पादने घ्यायची असतील तर विकासक आणि आरोग्य सेवा देणाऱ्यांसाठी कायदेशीर निश्चितता आवश्यक आहे. तांत्रिक अल्गोरिदमिक त्रुटी आणि डाॅक्टरांचे चुकीचे निर्णय यातला फरक स्पष्ट करून भारत एक चांगली व्यवस्था उभारू शकतो. यामध्ये स्टार्टअप्सना नवे उपक्रम करण्यासाठी प्रोत्साहन दिले जाते आणि निदानामध्ये त्रुटी आढळली तर रुग्णालयांनी जबाबदारी घ्यावी यासाठी स्पष्ट प्रोटोकॉल दिले जातात. रुग्णांच्या सुरक्षिततेशी तडजोड न करता नवोपक्रमाला चालना देण्यासाठी हे आवश्यक चौकट प्रदान करते.
अपयशाचा धोका कमी करण्यासाठी CDSCO सारख्या नियामक अधिकाऱ्यांनी प्रशासनाच्या शाश्वत मॉडेलकडे वाटचाल करावी. यामध्ये उच्च-जोखीम असलेल्या AI साधनांसाठी पोस्ट-मार्केट देखरेख अनिवार्य आहे. त्यामुळे त्यांच्या कामगिरीचे निरीक्षण नियंत्रित पायलटपेक्षा वास्तविक-जगातील सेटिंग्जमध्ये केले जाऊ शकते. यामध्ये त्या सिस्टीमचे अपयश आणि अनपेक्षित परिणामांची नोंद करण्यासाठी एक केंद्रीकृत नोंदणीचाही समावेश हवा. यामुळे विविध लोकसंख्येच्या गटांमध्ये AI च्या कामगिरीचे वास्तविक जगातील निरीक्षण करता येते. असे केले तर अल्गोरिदमिक ड्रिफ्ट्स शहरी केंद्रांपासून ग्रामीण प्राथमिक आरोग्य केंद्रांपर्यंत पसरण्याआधीच त्यातल्या त्रुटी ओळखल्या जातील आणि त्या दुरुस्तही केल्या जातील.
आरोग्याबद्दलचा डेटा भारताची विशाल अनुवांशिक आणि सामाजिक-आर्थिक विविधता लक्षात घेऊन तयार केला असेल तरच तरच समतापूर्ण आरोग्यसेवा देता येतील. ABDM चे डिजिटल तंत्र वापरून सरकारने स्थानिक नवोपक्रमाला चालना देण्यासाठी IndiaAI मिशनची गुणवत्ता वाढवली पाहिजे. यासाठी चांगल्या दर्जाचा आणि व्यवहारात वापरता येण्याजोगा डेटा हवा. AI साधने केवळ तांत्रिकदृष्ट्या प्रमाणित असून चालणार नाही. तर ती स्थानिक संदर्भ लक्षात घेऊन काम करतात का याची खात्री करावी लागेल. भारतात आरोग्यसेवा सगळ्यांपर्यंत पोहोचवण्याचे आव्हान पेलायचे असेल तर विश्वासार्ह आणि सर्वसमावेशक डिजिटल आरोग्याची गरज आहे. तंत्रज्ञानाच्या मदतीने यात सुधारणा केल्या तर भारत जगालाच एक चांगले आरोग्याचे मॉडेल देऊ शकतो.
निमिषा चढ्ढा या ऑब्झर्व्हर रिसर्च फाउंडेशनमधील सेंटर फॉर न्यू इकॉनॉमिक डिप्लोमसीमध्ये रिसर्ट असिस्टंट आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
Nimisha Chadha was a Research Assistant with ORF’s Centre for New Economic Diplomacy. She was previously an Associate at PATH (2023) and has a MSc ...
Read More +
PREV
