AI डॉक्टर कितने सटीक हैं? ईमानदार आँकड़े

ईमानदार जवाब: आम समस्याओं के लिए एक AI डॉक्टर लगभग उतना ही सटीक होता है जितना कोई ग़ैर-विशेषज्ञ चिकित्सक, पर किसी विशेषज्ञ से यह साफ़ तौर पर पीछे रहता है। npj Digital Medicine में प्रकाशित 2025 के एक बड़े मेटा-विश्लेषण ने अकेले चलने वाली जेनरेटिव-AI की नैदानिक सटीकता को लगभग 52% पर रखा। किसी ऑनलाइन AI डॉक्टर को एक अच्छी तरह पढ़ी-लिखी दूसरी राय की तरह लेना सबसे सही है, न कि किसी अंतिम फ़ैसले की तरह।

एक AI डॉक्टर किसी लाइसेंस-प्राप्त चिकित्सक का विकल्प नहीं है और न ही निदान करता है। चिकित्सा आपात स्थितियों के लिए 911 पर कॉल करें। नीचे दिए गए सटीकता के आँकड़े यह समझाते हैं कि यह किस चीज़ के लिए उपयोगी है — और ठीक कहाँ आपको अब भी असली डॉक्टर की ज़रूरत है।

छोटा जवाब: AI डॉक्टर असल में कितना सटीक है

मार्केटिंग हटा दें तो तस्वीर सरल है: कोई जेनरेटिव AI नैदानिक टूल, अकेले इस्तेमाल होने पर, आधे से थोड़ा ज़्यादा बार सही जवाब देता है — और यह अकेला आँकड़ा कार्य, इनपुट की गुणवत्ता, और किससे तुलना की जा रही है, इसके अनुसार भारी उतार-चढ़ाव को छिपा देता है।

टिकाने के लिए एक आँकड़ा: ~52%

npj Digital Medicine में प्रकाशित 83 अध्ययनों की 2025 की एक व्यवस्थित समीक्षा और मेटा-विश्लेषण ने पाया कि जेनरेटिव AI मॉडल अकेले काम करते समय 52.1% (95% CI 47.0–57.1%) की कुल नैदानिक सटीकता तक पहुँचते हैं। यह कम लगता है, पर यह आसान और बहुत कठिन मामलों को एक साथ मिलाकर निकाला गया औसत है — आँकड़े के इर्द-गिर्द का संदर्भ ख़ुद आँकड़े से ज़्यादा मायने रखता है।

किसी असली डॉक्टर से तुलना

उसी मेटा-विश्लेषण ने कुल मिलाकर AI और चिकित्सकों के बीच कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं पाया (p=0.10), और ग़ैर-विशेषज्ञ या रेज़िडेंट चिकित्सकों के मुक़ाबले भी कोई महत्वपूर्ण अंतर नहीं (p=0.93)। पर AI ने विशेषज्ञ चिकित्सकों की तुलना में काफ़ी ख़राब प्रदर्शन किया — लगभग 15.8 प्रतिशत अंक से (p=0.007)। सीधे शब्दों में: एक AI लक्षण जाँचकर्ता प्रशिक्षण से अभी-अभी निकले किसी जनरलिस्ट के बराबर है, और वर्षों की पैटर्न पहचान वाले किसी विशेषज्ञ से साफ़ तौर पर पीछे है — और किसी AI डॉक्टर की असली डॉक्टर से तुलना करके अगल-बगल रखने पर दिखता है कि जैसे-जैसे मामला कठिन होता है यह फ़ासला बढ़ता जाता है।

सटीकता का आँकड़ा इतना उछलता-कूदता क्यों है

सुर्ख़ियों की तुलना करने वाला कोई भी व्यक्ति बेहद अलग-अलग आँकड़े देखेगा — किसी एक अध्ययन में 97%, किसी दूसरे में 40%। यह फ़ासला ज़्यादातर मुट्ठी भर ऐसे कारकों की वजह से होता है जिनका ज़िक्र सुर्ख़ी में शायद ही होता है:

• इनपुट कैसे इकट्ठा किया गया — कोई संरचित नैदानिक चार्ट बनाम मरीज़ के अपने शब्द
• “सही” का मतलब इकलौता शीर्ष जवाब है या शीर्ष 3-5 सुझावों में से कोई भी
• अंतर्निहित स्थिति कितनी आम या दुर्लभ है
• कौन सा मॉडल और संस्करण जाँचा गया, और कब
• अध्ययन ने निदान मापा, छँटाई मापी, या दोनों

कचरा अंदर, कचरा बाहर: इनपुट की गुणवत्ता ही सब कुछ है

100 आपातकालीन-विभाग मरीज़ों के एक JMIR अध्ययन में, GPT-4 पर चल रहे ChatGPT ने 97% सही-या-आंशिक-रूप-से-सही निदान तक पहुँच बनाई — पर सिर्फ़ इसलिए कि उसे वही चिकित्सक-द्वारा तैयार किया गया चार्ट दिया गया था जो इलाज करने वाले डॉक्टरों ने इस्तेमाल किया था, जिसमें वाइटल्स, लैब और नैदानिक नोट्स शामिल थे। सिर्फ़ मरीज़ के कच्चे, ख़ुद-बताए गए लक्षण दिए जाने पर, उसी तरह के मॉडल की सटीकता किसी टॉप-3 मिलान के लिए घटकर लगभग 50% रह जाती है। AI नैदानिक टूल उतना ही अच्छा है जितना आप उसे बताते हैं, और यह समझना कि AI डॉक्टर कैसे काम करता है उसकी बुनियाद में, यह बताता है कि क्यों बिल्कुल वही मॉडल अकेले इनपुट की गुणवत्ता पर इतना झूल सकता है।

टॉप-1 बनाम टॉप-3: वे कौन सा आँकड़ा बता रहे हैं?

“70-80% सटीक” का दावा आमतौर पर यह मतलब रखता है कि सही जवाब AI छँटाई टूल के शीर्ष तीन सुझावों में कहीं दिखता है, न कि यह कि उसने सही स्थिति सबसे पहले बताई। उसी सिस्टम से इकलौता जवाब माँगें तो सटीकता घटकर 34-40% तक जा सकती है। जब आप किसी भी AI स्वास्थ्य सहायक के लिए कोई सटीकता का दावा देखें, तो जाँचें कि यह टॉप-1 है या टॉप-3 — ये बहुत अलग वादे हैं, और विक्रेता ज़्यादा लुभावने वाले को आगे रखते हैं।

AI डॉक्टर कहाँ सटीक है — और कहाँ चूक जाता है

नैदानिक सटीकता कोई एक हुनर नहीं है; यह कई हैं, और AI डॉक्टर कुछ में दूसरों की तुलना में कहीं बेहतर है। कौन-सा कौन-सा है यह जानना बदल देता है कि आपको असल में इस टूल का इस्तेमाल कैसे करना चाहिए।

छँटाई में मज़बूत। एक AI डॉक्टर तब सबसे भरोसेमंद होता है जब सवाल “यह कितना तात्कालिक है” होता है, न कि “यह ठीक-ठीक क्या है”। किसी लक्षण को आपातकालीन, तात्कालिक, या सामान्य में छाँटना किसी अंतिम निदान तक पहुँचने की तुलना में एक संकरा, बेहतर-परिभाषित कार्य है, और मॉडल इसे अधिक निरंतरता के साथ कर लेते हैं।

आम, अच्छी तरह प्रलेखित शिकायतों पर मज़बूत। सीधी-सादी, बार-बार दिखने वाली समस्याएँ — जिनके पास भरपूर प्रशिक्षण डेटा और स्पष्ट लक्षण पैटर्न होते हैं — किसी जेनरेटिव AI निदान टूल की ताक़त के अनुकूल होती हैं।

संकरी, छवि-प्रधान विशेषज्ञताओं में मज़बूत। त्वचाविज्ञान जैसे पैटर्न-पहचान कार्यों में, मेलानोमा-पहचान के भावी अध्ययनों के एक संकलित विश्लेषण ने पाया कि अकेला AI लगभग 80.9% संवेदनशीलता और 75.6% विशिष्टता तक पहुँचता है — बिना सहायता वाले त्वचा-विशेषज्ञों के बराबर — और जब AI किसी त्वचा-विशेषज्ञ की जगह लेने के बजाय उसकी सहायता करता है तब बढ़कर लगभग 91.9% संवेदनशीलता और 83.7% विशिष्टता तक चढ़ जाता है। अच्छी तरह परिभाषित दृश्य-पैटर्न वाली समस्याएँ इस टूल के अपने मैदान के क़रीब हैं।

जटिल, दुर्लभ, या बहु-प्रणाली मामलों पर कमज़ोर। जब लक्षण शरीर की कई प्रणालियों में फैले हों या किसी असामान्य स्थिति की ओर इशारा करें, तब सटीकता तेज़ी से गिर जाती है — ठीक वहीं जहाँ किसी विशेषज्ञ चिकित्सक का निर्णय सबसे ज़्यादा मायने रखता है।

एक ऐसी कमज़ोरी जिसे नज़रअंदाज़ करना आसान है: आत्मविश्वास से भरी ग़लती। एक AI डॉक्टर किसी ग़लत निदान को धाराप्रवाह, आश्वस्त करने वाली भाषा में बता सकता है, जिसमें संदेह जताने वाला कोई दिखता संकेत नहीं होता। सही-सा लगने वाला नतीजा सही होने के बराबर नहीं है, और ठीक इसीलिए किसी इंसान की जाँच अब भी मायने रखती है।

क्या आप इन अध्ययनों पर भरोसा कर सकते हैं? बारीक अक्षर पढ़ें

ऊपर दिए गए उत्साहजनक आँकड़े भी कुछ ऐसी चेतावनियों के साथ आते हैं जिन्हें तौलने से पहले जानना ज़रूरी है।

83-अध्ययनों वाले मेटा-विश्लेषण में, 83 में से 63 अध्ययन — 76% — पूर्वाग्रह के उच्च जोखिम पर आँके गए, और लेखकों ने सांख्यिकीय रूप से महत्वपूर्ण प्रकाशन पूर्वाग्रह को चिह्नित किया (p=0.045), यानी लुभावने नतीजे प्रकाशित साहित्य में ज़्यादा दिखाई देने की संभावना है। सुर्ख़ियाँ बटोरने वाला 97% आपातकालीन-विभाग वाला नतीजा महज़ 100 मरीज़ों के एक अकेले अध्ययन से आया था, जिसमें यह पुष्टि करने के लिए कोई पूर्व-नियोजित नमूना-आकार गणना नहीं थी कि यह निष्कर्ष बड़े पैमाने पर टिकेगा।

इस शोध-समूह में कुछ बार-बार दिखने वाली कमियाँ नज़र आती हैं:

• अधिकांश अध्ययन AI को पाठ-आधारित काल्पनिक परिदृश्यों पर जाँचते हैं, न कि उलझी असल-दुनिया की बातचीत पर
• कम ही परीक्षण मापते हैं कि किसी ग़लत AI जवाब के बाद क्या होता है, यानी आगे का नुक़सान
• नमूने के आकार अक्सर इतने छोटे होते हैं कि सुर्ख़ी वाले आँकड़े में निहित भरोसे को सहारा नहीं दे पाते
• मूल शोध टीम के बाहर स्वतंत्र पुनरावृत्ति अब भी दुर्लभ है

उस मेटा-विश्लेषण के लेखक इस बारे में बेलाग थे कि उनके अपने आँकड़ों का क्या मतलब है:

जेनरेटिव AI मॉडल अभी विशेषज्ञ चिकित्सकों के भरोसेमंद विकल्प नहीं हैं, पर ग़ैर-विशेषज्ञ परिस्थितियों में मूल्यवान सहायक के रूप में और चिकित्सा प्रशिक्षुओं के लिए शैक्षिक टूल के रूप में काम आ सकते हैं। — npj Digital Medicine मेटा-विश्लेषण, 2025

सुर्ख़ी वाले सटीकता के आँकड़ों को आशावादी अधिकतम सीमा मानें, गारंटी नहीं। किसी छोटे, पूर्वाग्रह के उच्च जोखिम वाले अध्ययन से निकाला गया आँकड़ा उस आँकड़े जैसा नहीं है जो आपके ख़ास लक्षणों के लिए टिकेगा।

अपनी सटीकता को देखते हुए AI डॉक्टर का सुरक्षित उपयोग कैसे करें

ऊपर के आँकड़ों को देखते हुए, समझदारी वाला कदम यह है कि टूल को उससे मिलाएँ जिसमें वह असल में अच्छा है, न कि उससे जिसमें वह सक्षम लगता है।

1. लक्षणों का विस्तार से वर्णन करें, संक्षेप में नहीं। सटीकता बहुत हद तक इनपुट की गुणवत्ता पर निर्भर करती है, इसलिए अवधि, गंभीरता, और समय के साथ हुए किसी भी बदलाव को शामिल करें।
2. पहले छँटाई का मार्गदर्शन पढ़ें। तात्कालिकता का आकलन वह जगह है जहाँ AI लक्षण जाँचकर्ता सबसे भरोसेमंद ढंग से काम करता है — अगर यह किसी चीज़ को तात्कालिक बताए तो ध्यान दें।
3. सिर्फ़ टॉप-1 नहीं, टॉप-3 माँगें। संभावनाओं की एक शॉर्टलिस्ट किसी एक आश्वस्त-से लगते जवाब से ज़्यादा ईमानदार होती है।
4. किसी असली अपॉइंटमेंट के लिए सवाल तैयार करने में इसका इस्तेमाल करें। अस्पष्ट चिंता को सवालों की एक ठोस सूची में बदलना इस टूल के सबसे भरोसेमंद उपयोगों में से एक है।
5. जो भी मायने रखता हो उसकी पुष्टि किसी लाइसेंस-प्राप्त चिकित्सक से करें, ख़ासकर नए, गंभीर, या लगातार बने रहने वाले लक्षणों के लिए।
6. लक्षण बिगड़ने पर तुरंत आगे बढ़ें — AI के पकड़ने का इंतज़ार न करें।
7. किसी अकेले AI जवाब को कभी अंतिम न मानें। इसे इस बात से मिलाकर जाँचें कि आप असल में कैसा महसूस कर रहे हैं और पेशेवर सलाह से।

एक AI नैदानिक टूल कुछ ख़ास कार्यों के लिए सबसे उपयोगी होता है और कुछ अन्य के लिए सबसे कम। किसी पर निर्भर होने से पहले, यह जानना मददगार होता है कि आपकी स्थिति उस रेखा के किस ओर पड़ती है:

• किसी लैब परिणाम या रेफ़रल पत्र से अपरिचित चिकित्सा शब्दों को समझना
• किसी नए लक्षण की तात्कालिकता का अंदाज़ा लगाना
• किसी डॉक्टर की विज़िट से पहले सवालों की एक स्पष्ट सूची तैयार करना
• किसी ऐसी स्थिति पर सामान्य स्वास्थ्य जानकारी पाना जो आपको पहले से है
• उसी दिन की विज़िट, तय अपॉइंटमेंट, या सतर्क प्रतीक्षा के बीच फ़ैसला करना

सहकर्मी-समीक्षित सहमति बेलाग है: जेनरेटिव AI ग़ैर-विशेषज्ञ परिस्थितियों में एक मूल्यवान सहायक है, न कि किसी विशेषज्ञ चिकित्सक का भरोसेमंद विकल्प। अमेरिकी खाद्य एवं औषधि प्रशासन AI-सक्षम चिकित्सा उपकरणों को ट्रैक करता है जिन्हें विपणन की मंज़ूरी ठीक इसीलिए मिली है क्योंकि बिना सत्यापित किए गए AI आउटपुट असली नैदानिक जोखिम रखते हैं — एक याद दिलावट कि सिर्फ़ शोधकर्ता ही नहीं, नियामक भी इस सटीकता के फ़ासले को अहम मानते हैं।

AI छोड़कर असली डॉक्टर से कब मिलें

एक AI डॉक्टर किसी लाइसेंस-प्राप्त चिकित्सक का विकल्प नहीं है और न ही निदान करता है। चिकित्सा आपात स्थितियों के लिए 911 पर कॉल करें।

कोई भी सटीकता का प्रतिशत — न 52%, न आदर्श परिस्थितियों में 97% — किसी AI नैदानिक टूल को किसी गंभीर, अचानक, या बिगड़ते लक्षण के लिए भरोसा करने लायक सुरक्षित नहीं बनाता। ऐसे लक्षणों के लिए AI छोड़ें और सीधे किसी असली डॉक्टर या आपातकालीन देखभाल के पास जाएँ, जैसे:

• सीने में दर्द या दबाव, या साँस लेने में तकलीफ़
• अचानक, गंभीर सिरदर्द जो पहले किसी से भी अलग हो
• बेक़ाबू रक्तस्राव या तेज़ी से बिगड़ती चोट
• स्ट्रोक के संकेत — चेहरे का ढलकाव, बाँह में कमज़ोरी, लड़खड़ाती आवाज़
• कोई भी लक्षण जो बस किसी आपात स्थिति जैसा महसूस हो

ख़ुद को जानकारी देने और अपनी सोच को व्यवस्थित करने के लिए किसी AI स्वास्थ्य सहायक का इस्तेमाल करें, फिर असली फ़ैसला किसी लाइसेंस-प्राप्त चिकित्सक को लेने दें।

अक्सर पूछे जाने वाले सवाल