AI ਭਾਰਤੀਆਂ ਦੀ ਸਿਹਤ ਨੂੰ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਸਮਝਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ

ਬਹੁਤ ਸਾਰੇ ਭਾਰਤੀਆਂ ਲਈ, ਸਿਹਤ ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਕਲੀਨਿਕ ਵਿੱਚ ਸ਼ੁਰੂ ਨਹੀਂ ਹੁੰਦੀਆਂ ਹਨ। ਇਸ ਤੋਂ ਬਾਅਦ ਇਹ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ। ਖੂਨ ਦੀ ਜਾਂਚ ਦੀ ਰਿਪੋਰਟ ਵਟਸਐਪ ‘ਤੇ ਆਉਂਦੀ ਹੈ। ਕੁਝ ਮੁੱਲ ਬੋਲਡ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ ਗਏ ਹਨ। ਸੰਖਿਆ ਸੰਦਰਭ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਆਉਂਦੀ ਹੈ। ਡਾਕਟਰੀ ਸ਼ਰਤਾਂ ਅਣਜਾਣ ਲੱਗਦੀਆਂ ਹਨ, ਅਤੇ ਜਦੋਂ ਤੱਕ ਇੱਕ ਫਾਲੋ-ਅਪ ਮੁਲਾਕਾਤ ਨਿਯਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਮਰੀਜ਼ ਨੇ ਪਹਿਲਾਂ ਹੀ ਖੋਜ ਇੰਜਣਾਂ, ਰਿਸ਼ਤੇਦਾਰਾਂ ਅਤੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਫਾਰਵਰਡਾਂ ਨਾਲ ਸਲਾਹ ਕੀਤੀ ਹੁੰਦੀ ਹੈ।

ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਸਿਹਤ ਡੇਟਾ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਸਮਝਣ ਵਿੱਚ ਇਹ ਪਾੜਾ ਵਧਿਆ ਹੈ। ਐਪਲ ਵਾਚ ਜਾਂ ਫਿਟਨੈਸ ਐਪਸ ਵਰਗੇ ਪਹਿਨਣਯੋਗ ਯੰਤਰਾਂ ਦੇ ਨਾਲ, ਰੋਜ਼ਾਨਾ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੇ ਨਾਲ, ਰੋਕਥਾਮਕ ਜਾਂਚਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਜਦੋਂ ਕਿ ਡਾਇਬੀਟੀਜ਼ ਅਤੇ ਥਾਇਰਾਇਡ ਵਿਕਾਰ ਵਰਗੀਆਂ ਪੁਰਾਣੀਆਂ ਸਥਿਤੀਆਂ ਲਈ ਖੂਨ ਵਿੱਚ ਗਲੂਕੋਜ਼ ਦਖਲਅੰਦਾਜ਼ੀ ਦੁਆਰਾ ਨਿਰੰਤਰ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਫਿਰ ਵੀ, ਸਲਾਹ-ਮਸ਼ਵਰੇ ਦਾ ਸਮਾਂ ਸੀਮਤ ਹੈ, ਅਤੇ ਵਿਆਖਿਆ ਅਕਸਰ ਮਰੀਜ਼ਾਂ ਨੂੰ ਆਪਣੇ ਲਈ ਫੈਸਲਾ ਕਰਨ ਲਈ ਛੱਡ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।

ਇਹ ਇਸ ਸਪੇਸ ਵਿੱਚ ਹੈ ਕਿ ਏਆਈ-ਅਧਾਰਤ ਸਿਹਤ ਸਹਾਇਕ, ਜਿਵੇਂ ਕਿ ਓਪਨਏਆਈ ਦੁਆਰਾ ਹਾਲ ਹੀ ਵਿੱਚ ਐਲਾਨੀ ਗਈ ਚੈਟਜੀਪੀਟੀ ਹੈਲਥ, ਨੂੰ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਡਾਕਟਰਾਂ ਲਈ ਡਾਇਗਨੌਸਟਿਕ ਟੂਲਸ ਜਾਂ ਬਦਲ ਵਜੋਂ ਨਹੀਂ, ਪਰ ਮਦਦਗਾਰ ਸਾਧਨਾਂ ਵਜੋਂ ਜੋ ਲੋਕਾਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਡਾਕਟਰੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।

ਜਦੋਂ ਜਾਣਕਾਰੀ ਚਿੰਤਾ ਪੈਦਾ ਕਰਦੀ ਹੈ

ਮੁੰਬਈ ਦੇ ਇੱਕ ਜਨਰਲ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਡਾ: ਅਕਸ਼ਤ ਚੱਢਾ ਦੇ ਅਨੁਸਾਰ, ਜੋ ਜੀਵਨ ਸ਼ੈਲੀ ਦੀ ਦਵਾਈ ਵਿੱਚ ਮਾਹਰ ਹੈ, ਡਾਕਟਰੀ ਰਿਪੋਰਟਾਂ ਨੂੰ ਗਲਤ ਸਮਝਣਾ ਅਸਧਾਰਨ ਦੀ ਬਜਾਏ ਰੁਟੀਨ ਹੈ। “ਰਿਪੋਰਟਾਂ ਗੁੰਝਲਦਾਰ ਹਨ, ਅਤੇ ਬੋਲਡ ਮੁੱਲ ਇਸ ਨੂੰ ਹੋਰ ਵੀ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੇ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਮਰੀਜ਼ ਹਰ ਇੱਕ ਅਸਧਾਰਨ ਸੰਖਿਆ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਬੁਰਾ ਮੰਨਦੇ ਹਨ,” ਉਹ ਕਹਿੰਦਾ ਹੈ।

ਨੁਸਖੇ ਵੀ ਅਕਸਰ ਮਾੜੇ ਸਮਝੇ ਜਾਂਦੇ ਹਨ। “ਦਵਾਈ ਨਿਰਦੇਸ਼ ਉਲਝਣ ਵਿੱਚ ਪੈ ਜਾਂਦੇ ਹਨ ਜਦੋਂ ਇੱਕ ਨੁਸਖ਼ੇ ਵਿੱਚ ਕਈ ਦਵਾਈਆਂ ਸ਼ਾਮਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਬਜ਼ੁਰਗਾਂ ਵਿੱਚ, ਦਵਾਈਆਂ ਅਕਸਰ ਨਾਮ ਦੀ ਬਜਾਏ ਰੰਗ ਅਤੇ ਆਕਾਰ ਦੁਆਰਾ ਪਛਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।”

ਇਹ ਭਰਮ ਅਸਲੀ ਨਹੀਂ ਹੈ। 2024 ਅੰਤਰ-ਵਿਭਾਗੀ ਅਧਿਐਨ ਦਾ ਸਿਰਲੇਖ ਬਾਲਗਾਂ ਵਿੱਚ ਸਿਹਤ ਜਾਣਕਾਰੀ ਅਤੇ ਸਿਹਤ ਵਿਵਹਾਰ ਲਈ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਭਾਂਗਰੇ, ਅਸ਼ਟੁਰਕਰ ਅਤੇ ਗਿਰੀ ਦੁਆਰਾ, ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਇਆ ਕਮਿਊਨਿਟੀ ਮੈਡੀਸਨ ਅਤੇ ਪਬਲਿਕ ਹੈਲਥ ਦਾ ਅੰਤਰਰਾਸ਼ਟਰੀ ਜਰਨਲਪਾਇਆ ਗਿਆ ਕਿ ਪੱਛਮੀ ਮਹਾਰਾਸ਼ਟਰ ਵਿੱਚ 400 ਬਾਲਗਾਂ ਵਿੱਚੋਂ 82% ਨੇ ਸਿਹਤ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ ਦੇਖਣ ਲਈ ਇੰਟਰਨੈੱਟ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਲਗਭਗ ਅੱਧਿਆਂ ਨੇ ਡਰੱਗ-ਸਬੰਧਤ ਵੇਰਵਿਆਂ ਜਿਵੇਂ ਕਿ ਖੁਰਾਕ ਅਤੇ ਮਾੜੇ ਪ੍ਰਭਾਵਾਂ ਦੀ ਖੋਜ ਕੀਤੀ, ਜਦੋਂ ਕਿ 45% ਨੇ ਬਿਮਾਰੀ ਦੇ ਲੱਛਣਾਂ ਅਤੇ ਨਿਦਾਨ ਲਈ ਖੋਜ ਕੀਤੀ।

ਪਹਿਲਾਂ ਖੋਜੋ, ਬਾਅਦ ਵਿੱਚ ਪੁੱਛੋ

ਮੰਗਣ ਦੀ ਬਜਾਏ ਭਾਲਣ ਦੀ ਪ੍ਰੇਰਣਾ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ ਵਿਵਹਾਰਕ ਅਤੇ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ ਢਾਂਚਾਗਤ ਹੈ। ‘ਡਾਕਟਰ-ਪੇਸ਼ੈਂਟ ਕਮਿਊਨੀਕੇਸ਼ਨ ਪ੍ਰੈਕਟਿਸਜ਼: ਏ ਕਰਾਸ-ਸੈਕਸ਼ਨਲ ਸਰਵੇ ਆਨ ਇੰਡੀਅਨ ਫਿਜ਼ੀਸ਼ੀਅਨਜ਼’ ਸਿਰਲੇਖ ਵਾਲੇ ਭਾਰਤੀ ਡਾਕਟਰਾਂ ‘ਤੇ 2024 ਦੇ ਇੱਕ ਅੰਤਰ-ਵਿਭਾਗੀ ਸਰਵੇਖਣ, ਜਿਸ ਵਿੱਚ ਸਰਕਾਰੀ ਅਤੇ ਪ੍ਰਾਈਵੇਟ ਮੈਡੀਕਲ ਕਾਲਜਾਂ ਦੇ 500 ਡਾਕਟਰ ਸ਼ਾਮਲ ਸਨ, ਨੇ ਔਸਤ ਸਲਾਹ-ਮਸ਼ਵਰੇ ਦਾ ਸਮਾਂ 9.8 ਮਿੰਟ ਦੱਸਿਆ ਅਤੇ ਪਾਇਆ ਕਿ ਡਾਕਟਰਾਂ ਦਾ ਸਿਰਫ਼ ਇੱਕ ਹਿੱਸਾ ਹੀ ਮਰੀਜ਼ਾਂ ਨੂੰ ਆਪਣੀਆਂ ਸਿਹਤ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਨਿਯਮਤ ਤੌਰ ‘ਤੇ ਗੱਲ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ। ਅਜਿਹੀਆਂ ਸੈਟਿੰਗਾਂ ਵਿੱਚ, ਮਰੀਜ਼ ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਨਾਲ ਜਾ ਸਕਦੇ ਹਨ, ਪਰ ਇਹ ਦੱਸਣ ਦੇ ਭਰੋਸੇ ਜਾਂ ਮੌਕੇ ਤੋਂ ਬਿਨਾਂ ਕਿ ਨੰਬਰਾਂ ਦਾ ਕੀ ਅਰਥ ਹੋ ਸਕਦਾ ਹੈ, ਦਵਾਈ ਕਿਉਂ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਸੀ, ਜਾਂ ਕਿਹੜੇ ਲੱਛਣਾਂ ਦੇ ਪੈਟਰਨ ਨੂੰ ਦੁਹਰਾਉਣ ਲਈ ਨਿਯੁਕਤੀ ਲਈ ਬੇਨਤੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

ਇਹ ਅਸਲੀਅਤ ਇਹ ਦੱਸਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ ਕਿ ਸਿਹਤ-ਸੰਬੰਧੀ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਅਤੇ ਸਵੈ-ਵਿਆਖਿਆ ਹੁਣ ਆਮ ਕਿਉਂ ਹੋ ਗਈ ਹੈ, ਅਤੇ ਏਆਈ ਟੂਲਸ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੀ ਗੱਲਬਾਤ ਨਿਦਾਨ ਤੋਂ ਤਿਆਰੀ ਵੱਲ ਕਿਉਂ ਬਦਲ ਗਈ ਹੈ।

ਵਿਆਖਿਆ, ਨਿਦਾਨ ਨਹੀਂ

ਚੈਟਜੀਪੀਟੀ ਹੈਲਥ ਚੈਟਜੀਪੀਟੀ ਦੇ ਅੰਦਰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਿਸਦਾ ਉਦੇਸ਼ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਿਹਤ ਜਾਣਕਾਰੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਕਲੀਨਿਕਲ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ। OpenAI ਇਸ ਗੱਲ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ ਇਹ ਡਾਕਟਰੀ ਰਿਪੋਰਟਾਂ, ਨੁਸਖ਼ਿਆਂ ਅਤੇ ਤੰਦਰੁਸਤੀ ਦੇ ਡੇਟਾ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਨਾ ਕਿ ਨਿਦਾਨ ਜਾਂ ਇਲਾਜ ਦੀ ਸਲਾਹ ਪ੍ਰਦਾਨ ਕਰਨ – ਜੋ ਵਿਕਲਪਿਕ ਤੌਰ ‘ਤੇ ਉਪਭੋਗਤਾ ਦੀ ਆਪਣੀ ਸਿਹਤ ਅਤੇ ਤੰਦਰੁਸਤੀ ਜਾਣਕਾਰੀ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ।

ਇਹਨਾਂ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ, ਚੈਟਜੀਪੀਟੀ ਹੈਲਥ ਸਪੱਸ਼ਟ ਭਾਸ਼ਾ ਵਿੱਚ ਲੈਬ ਮੁੱਲਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਜੀਵਨਸ਼ੈਲੀ ਡੇਟਾ ਜਿਵੇਂ ਕਿ ਨੀਂਦ, ਗਤੀਵਿਧੀ, ਅਤੇ ਪੋਸ਼ਣ ਵਿੱਚ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਅਤੇ ਮਰੀਜ਼ਾਂ ਨੂੰ ਡਾਕਟਰ ਦੇ ਦੌਰੇ ਤੋਂ ਪਹਿਲਾਂ ਜਾਂ ਬਾਅਦ ਵਿੱਚ ਸਪੱਸ਼ਟ ਸਵਾਲ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਰਾਦਾ ਸਮਝ ਅਤੇ ਤਿਆਰੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰਕੇ ਕਲੀਨਿਕਲ ਦੇਖਭਾਲ ਦੀ ਪੂਰਤੀ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਡਾਕਟਰੀ ਨਿਰਣੇ ਨੂੰ ਬਦਲਣਾ।

ਡਾ. ਅਕਸ਼ਤ ਚੱਢਾ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਹ ਅੰਤਰ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਉਹ ਕਹਿੰਦਾ ਹੈ, “ਇੱਥੇ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਹੈ – ਕੁਝ ਸਹੀ, ਕੁਝ ਗਲਤ, ਕੁਝ ਅਤਿਕਥਨੀ। ਪਰ ਸਹੀ ਜਾਣਕਾਰੀ ਵੀ ਕਿਸੇ ਖਾਸ ਮਰੀਜ਼ ਲਈ ਢੁਕਵੀਂ ਨਹੀਂ ਹੋ ਸਕਦੀ।” “ਲੋਕ ਉਹ ਚੀਜ਼ਾਂ ਪੜ੍ਹਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਉਨ੍ਹਾਂ ਨੂੰ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ, ਜੋ ਇਸ ਦੇ ਹੱਲ ਨਾਲੋਂ ਵਧੇਰੇ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦੀ ਹੈ।”

ਉਹ ਏਆਈ ਟੂਲਸ ਵਿੱਚ ਮੁੱਲ ਦੇਖਦਾ ਹੈ ਜੋ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦੇ ਹਨ ਅਤੇ ਇਸਨੂੰ ਸਧਾਰਨ ਰੂਪ ਵਿੱਚ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਪਰ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਸੀਮਾ ਖਿੱਚਦੇ ਹਨ। “ਅਜਿਹੇ ਸਾਧਨਾਂ ਨੂੰ ਨਿਦਾਨ ਦੀ ਘਾਟ ਨੂੰ ਰੋਕਣਾ ਚਾਹੀਦਾ ਹੈ – ਇੱਥੋਂ ਤੱਕ ਕਿ ਵਿਭਿੰਨ ਨਿਦਾਨ – ਅਤੇ ਇਲਾਜ ਦੇ ਵਿਕਲਪਾਂ ਜਾਂ ਖੁਰਾਕਾਂ ਦੇ ਵੇਰਵਿਆਂ ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਹੀਂ ਤਾਂ, ਸਵੈ-ਦਵਾਈ ਵਧ ਜਾਂਦੀ ਹੈ।”

ਇਹ ਚਿੰਤਾ ਮੌਜੂਦਾ ਖੋਜਾਂ ਵਿੱਚ ਝਲਕਦੀ ਹੈ। ਇੱਕ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਅਤੇ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਸਿਰਲੇਖ ਭਾਰਤ ਵਿੱਚ ਸਵੈ-ਦਵਾਈ ਅਭਿਆਸਾਂ ਦਾ ਪ੍ਰਚਲਨ ਅਤੇ ਭਵਿੱਖਬਾਣੀ: ਇੱਕ ਵਿਵਸਥਿਤ ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣਜਿਸ ਨੇ 10,248 ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ 17 ਅਧਿਐਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ, ਭਾਰਤੀ ਆਬਾਦੀ ਵਿੱਚ 53.57% ਦੀ ਸਵੈ-ਦਵਾਈ ਦਾ ਪ੍ਰਚਲਣ ਪਾਇਆ। ਹਾਲਾਂਕਿ ਇਹ ਅੰਕੜਾ ਸਾਵਧਾਨੀ ਨਾਲ ਵਿਆਖਿਆ ਦੀ ਵਾਰੰਟੀ ਦਿੰਦਾ ਹੈ, ਇਸਦਾ ਪੈਮਾਨਾ ਇਸ ਗੱਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡਾਕਟਰ ਇਲਾਜ ਸਲਾਹ ਵਿੱਚ ਡਿਜੀਟਲ ਅਤੇ ਏਆਈ-ਸੰਚਾਲਿਤ ਸਾਧਨਾਂ ਦੇ ਭਟਕਣ ਦੇ ਵਿਰੁੱਧ ਲਗਾਤਾਰ ਚੇਤਾਵਨੀ ਕਿਉਂ ਦਿੰਦੇ ਹਨ।

ਕਮਜ਼ੋਰ ਹਾਲਾਤ ਅਤੇ ਦੇਰੀ ਨਾਲ ਦੇਖਭਾਲ

ਯੂਰੋਲੋਜੀ ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ, ਦੇਰੀ ਨਾਲ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਪਹਿਲਾਂ ਹੀ ਆਮ ਹੈ। ਡਾ. ਸਤਿਆਜੀਤ ਪੀ. ਪਟਨਾਇਕ, ਇੱਕ ਯੂਰੋਲੋਜਿਸਟ ਅਤੇ ਟ੍ਰਾਂਸਪਲਾਂਟ ਸਰਜਨ, ਕਹਿੰਦੇ ਹਨ ਕਿ ਝਿਜਕ ਅਕਸਰ ਡਰ, ਕਲੰਕ ਅਤੇ ਗੈਰ-ਰਸਮੀ ਸਲਾਹ ਦੁਆਰਾ ਚਲਾਈ ਜਾਂਦੀ ਹੈ। “ਮਰੀਜ਼ ਗੈਰ-ਮੈਡੀਕਲ ਸਰੋਤਾਂ ਤੋਂ ਮਾੜੀ ਸਮਝ, ਡਰ, ਜਾਂ ਮਾਰਗਦਰਸ਼ਨ ਕਾਰਨ ਡਾਕਟਰ ਨੂੰ ਮਿਲਣ ਵਿੱਚ ਦੇਰੀ ਕਰਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਸਵੈ-ਦਵਾਈ,” ਉਹ ਕਹਿੰਦਾ ਹੈ।

ਉਹ ਏਆਈ ਟੂਲਸ ਵਿੱਚ ਸੰਭਾਵੀ ਮੁੱਲ ਦੇਖਦਾ ਹੈ ਜੋ ਮਰੀਜ਼ਾਂ ਨੂੰ ਕਲੀਨਿਕ ਦੌਰੇ ਤੋਂ ਪਹਿਲਾਂ ਲੱਛਣਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। “ਅਸੀਂ ਰੋਕਥਾਮ ਵਾਲੀ ਦਵਾਈ ਦੇ ਯੁੱਗ ਵਿੱਚ ਜਾ ਰਹੇ ਹਾਂ। ਜੇਕਰ ਮਰੀਜ਼ ਲੱਛਣਾਂ ਨੂੰ ਵਧੇਰੇ ਤਰਕ ਨਾਲ ਬਿਆਨ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਪਹਿਲਾਂ ਪਤਾ ਲਗਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।”

ਪਰ ਉਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਦੇ ਵਿਰੁੱਧ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ. “ਓਵਰ-ਦੀ-ਕਾਊਂਟਰ ਉਤਪਾਦਾਂ ਨਾਲ ਗਲਤ ਨਿਦਾਨ ਅਤੇ ਅਣਉਚਿਤ ਸਵੈ-ਦਵਾਈ ਢੁਕਵੇਂ ਇਲਾਜ ਵਿੱਚ ਦੇਰੀ ਕਰ ਸਕਦੀ ਹੈ।”

ਬੁਖਾਰ, ਡਰ ਅਤੇ ਸਵੈ-ਵਿਆਖਿਆ ਦੀ ਸਮੱਸਿਆ

ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਬਾਰੇ ਚਿੰਤਾ ਸਿਰਫ ਪੁਰਾਣੀ ਬਿਮਾਰੀ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹੈ। ਭਾਰਤ ਵਿੱਚ, ਇਹ ਅਕਸਰ ਮੌਸਮੀ ਪ੍ਰਕੋਪ ਦੇ ਦੌਰਾਨ ਸਿਖਰ ‘ਤੇ ਹੁੰਦਾ ਹੈ, ਜਦੋਂ ਪਰਿਵਾਰ ਆਪਣੇ ਆਪ ਲੱਛਣਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ ਅਤੇ ਡਾਕਟਰੀ ਦੇਖਭਾਲ ਵਿੱਚ ਦੇਰੀ ਕਰਦੇ ਹਨ।

ਚੇਨਈ ਦੇ ਅਪੋਲੋ ਹਸਪਤਾਲ ਦੇ ਇੱਕ ਛੂਤ ਦੀਆਂ ਬੀਮਾਰੀਆਂ ਦੇ ਮਾਹਿਰ ਡਾਕਟਰ ਵੀ. ਰਾਮਸੁਬਰਾਮਨੀਅਨ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਸ਼ੁਰੂਆਤੀ ਗਲਤ ਵਿਆਖਿਆ ਫੈਲਣ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਖਾਸ ਤੌਰ ‘ਤੇ ਖ਼ਤਰਨਾਕ ਬਣ ਜਾਂਦੀ ਹੈ। “ਉਛਾਲ ਦੇ ਦੌਰਾਨ, ਛੋਟੀ ਜਿਹੀ ਦੇਰੀ ਵੀ ਪੇਚੀਦਗੀਆਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ,” ਉਹ ਕਹਿੰਦਾ ਹੈ। “ਏਆਈ ਮਰੀਜ਼ਾਂ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਕਦੋਂ ਵਾਧੇ ਦੀ ਲੋੜ ਹੈ, ਪਰ ਇਹ ਸਿਰਫ ਰਾਏ ਦੇ ਸਕਦਾ ਹੈ – ਸਿੱਟਾ ਨਹੀਂ। ਕਲੀਨਿਕਲ ਪ੍ਰਮਾਣਿਕਤਾ ਜ਼ਰੂਰੀ ਹੈ।”

ਜਿੱਥੇ ਉਹ ਸਭ ਤੋਂ ਵੱਧ ਸੁਚੇਤ ਹੈ ਉਹ ਹੈ ਐਂਟੀਬਾਇਓਟਿਕਸ ਦੀ ਦੁਰਵਰਤੋਂ। “ਬਹੁਤ ਸਾਰੇ ਮਰੀਜ਼ ਅਜੇ ਵੀ ਐਂਟੀਬਾਇਓਟਿਕਸ ਨੂੰ ਇਲਾਜ ਵਜੋਂ ਦੇਖਦੇ ਹਨ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਵਾਇਰਲ ਇਨਫੈਕਸ਼ਨਾਂ ਲਈ ਵੀ,” ਉਹ ਕਹਿੰਦਾ ਹੈ, ਅਸਲ-ਸੰਸਾਰ ਦੇ ਫੈਸਲੇ ਸੱਭਿਆਚਾਰਕ ਵਿਸ਼ਵਾਸਾਂ, ਸਥਾਨਕ ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨ ਅਤੇ ਰਿਕਾਰਡ ਕੀਤੀ ਜਾਣਕਾਰੀ ਦੀ ਗੁਣਵੱਤਾ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। “ਇਹ ਗੈਰ-ਨਿਯਮਿਤ AI ਮਾਰਗਦਰਸ਼ਨ ਖਾਸ ਤੌਰ ‘ਤੇ ਜੋਖਮ ਭਰਪੂਰ ਬਣਾਉਂਦਾ ਹੈ।”

ਉਹ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਜਦੋਂ ਸਾਵਧਾਨੀ ਨਾਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ AI ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸਾਧਨ ਵਜੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ – ਮਰੀਜ਼ਾਂ ਨੂੰ ਟੈਸਟਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ – ਨਾ ਕਿ ਡਾਕਟਰੀ ਨਿਰਣੇ ਦੇ ਬਦਲ ਵਜੋਂ।

ਇੱਕ ਜਨਤਕ ਹਸਪਤਾਲ ਦਾ ਲੈਂਜ਼

ਜਨਤਕ ਸਿਹਤ ਦੇਖਭਾਲ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਸਕੇਲ ਅਤੇ ਪਹੁੰਚ ਕੇਂਦਰੀ ਚੁਣੌਤੀਆਂ ਬਣੀਆਂ ਹੋਈਆਂ ਹਨ। ਸ਼ਹਿਰੀ ਜ਼ਿਲ੍ਹਿਆਂ ਵਿੱਚ, ਗੈਰ-ਸੰਗਠਿਤ ਰੈਫਰਲ ਮਾਰਗ ਅਕਸਰ ਮਰੀਜ਼ਾਂ ਨੂੰ ਤੀਜੇ ਦਰਜੇ ਦੇ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਧੱਕਦੇ ਹਨ ਭਾਵੇਂ ਹਾਲਾਤ ਹੇਠਲੇ ਪੱਧਰ ‘ਤੇ ਪ੍ਰਬੰਧਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭੀੜ ਅਤੇ ਦੇਖਭਾਲ ਵਿੱਚ ਦੇਰੀ ਹੁੰਦੀ ਹੈ।

ਡਾ: ਰਣਜੀਤ ਮਾਨਕੇਸ਼ਵਰ, ਐਸੋਸੀਏਟ ਡੀਨ, ਸਰ ਜੇਜੇ ਗਰੁੱਪ ਆਫ਼ ਹਸਪਤਾਲ, ਮੁੰਬਈ, ਪਹਿਲਾਂ ਤੋਂ ਫੈਲੇ ਸਿਸਟਮ ‘ਤੇ ਦਬਾਅ ਪਾਏ ਬਿਨਾਂ ਮਰੀਜ਼ਾਂ ਦੀ ਸਮਝ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਏਆਈ-ਅਧਾਰਤ ਵਿਆਖਿਆ ਸਾਧਨਾਂ ਦੀ ਗੁੰਜਾਇਸ਼ ਦੇਖਦੇ ਹਨ। “ਖ਼ਾਸ ਤੌਰ ‘ਤੇ ਦਵਾਈ, ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਟੈਸਟਿੰਗ, ਫਾਲੋ-ਅਪ ਅਤੇ ਇਲਾਜ ਦੇ ਵਿਕਲਪਾਂ ਨੂੰ ਸਮਝਣ ਲਈ,” ਉਹ ਕਹਿੰਦਾ ਹੈ।

ਉਹ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ ਡਿਜੀਟਲ ਸਾਖਰਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਦੱਸਿਆ ਜਾ ਸਕਦਾ ਹੈ। “ਜ਼ਿਆਦਾਤਰ ਮਰੀਜ਼ਾਂ ਦੀ ਹੁਣ ਮੋਬਾਈਲ ਫੋਨਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ। ਜੇ ਵਿਆਖਿਆ ਸਧਾਰਨ ਅਤੇ ਭਾਸ਼ਾਈ ਤੌਰ ‘ਤੇ ਸਥਾਨਕ ਹੈ, ਤਾਂ ਸਮਝ ਵਿੱਚ ਰੁਕਾਵਟ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।” ਹਾਲਾਂਕਿ, ਉਸਨੇ ਸੀਮਾਵਾਂ ਦੀ ਜ਼ਰੂਰਤ ‘ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ: “ਸਵੈ-ਦਵਾਈ ਨੂੰ ਰੋਕਣ ਲਈ ਡਾਕਟਰ-ਪੱਧਰ ਦੀਆਂ ਦਵਾਈਆਂ ਦੇ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਸੀਮਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.”

ਗਲਤ ਜਾਣਕਾਰੀ ਦਾ ਖ਼ਤਰਾ

ਡਾਕਟਰ ਸੁਨੀਲ ਮਹਿਤਾ, ਸਰਕਾਰੀ ਅਤੇ ਚੈਰੀਟੇਬਲ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਤਜਰਬਾ ਰੱਖਣ ਵਾਲੇ ਇੱਕ ਅਨੱਸਥੀਸੀਓਲੋਜਿਸਟ, ਸਹਿਮਤ ਹਨ ਕਿ AI ਟੂਲ ਸਿਹਤ ਸਾਖਰਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ ਪਰ ਅਣਇੱਛਤ ਨਤੀਜਿਆਂ ਦੀ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ। ਉਹ ਕਹਿੰਦਾ ਹੈ, “ਏਆਈ ਸਭ ਤੋਂ ਘੱਟ ਸੰਭਵ ਤਸ਼ਖ਼ੀਸ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਭਾਵੇਂ ਇਹ ਸਥਿਤੀ ਵਿੱਚ ਫਿੱਟ ਨਾ ਹੋਵੇ। ਇਸ ਨਾਲ ਮਰੀਜ਼ਾਂ ਨੂੰ ਬੇਲੋੜੀ ਚਿੰਤਾ ਹੁੰਦੀ ਹੈ।”

ਚਿੰਤਾ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਡਾਕਟਰ ਪਹਿਲਾਂ ਹੀ ਔਨਲਾਈਨ ਖੋਜਾਂ ਨਾਲ ਕੀ ਦੇਖਦੇ ਹਨ। ਉਸ ਨੇ ਅੱਗੇ ਕਿਹਾ ਕਿ ਅੰਤਰ ਇਸ ਗੱਲ ‘ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਕੀ AI ਸਿਸਟਮ ਸੰਭਾਵੀ ਸੰਭਾਵਨਾ, ਸੰਦਰਭ ਅਤੇ ਸਾਵਧਾਨੀ ਨੂੰ ਸੰਪੂਰਨ ਸੰਭਾਵਨਾ ਤੋਂ ਵੱਧ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ।

ਇੱਕ ਅਸਲ ਨਤੀਜੇ ਵਜੋਂ ਸਿਹਤ ਸਾਖਰਤਾ

ਕੀ ਚੈਟਜੀਪੀਟੀ ਹੈਲਥ ਵਰਗੇ ਟੂਲ ਭਾਰਤ ਵਿੱਚ ਸਕਾਰਾਤਮਕ ਪ੍ਰਭਾਵ ਪਾਉਣ ਦੇ ਯੋਗ ਹੋਣਗੇ ਜਾਂ ਨਹੀਂ, ਇਹ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਦੀ ਤਕਨੀਕੀ ਸੂਝ ‘ਤੇ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਸੰਜਮ ‘ਤੇ ਵੀ ਨਿਰਭਰ ਕਰੇਗਾ। ਸਪਸ਼ਟ ਸੀਮਾਵਾਂ ਸਥਾਪਤ ਕਰਨਾ, ਸਥਾਨਕਕਰਨ ਕਰਨਾ, ਸਰਲ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ, ਅਤੇ ਡਾਕਟਰੀ ਨੈਤਿਕਤਾ ਨਾਲ ਇਕਸਾਰ ਹੋਣਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰੇਗਾ ਕਿ ਕੀ ਇਹ ਸਾਧਨ ਭਰੋਸੇਯੋਗ ਸਹਿਯੋਗੀ ਬਣ ਜਾਣਗੇ ਜਾਂ ਬੇਲੋੜੇ ਰੌਲੇ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣਗੇ।