परिचय
स्वास्थ्य सेवामा रोगको सही पहिचान, समयमै उपचार र बिरामीको सुरक्षाका लागि मेडिकल ल्याबोरेटरीको भूमिका महत्त्वपूर्ण हुन्छ। रगत, पिसाब, दिसा तथा अन्य जैविक नमुनाको परीक्षणबाट प्राप्त नतिजाले चिकित्सकलाई रोग पहिचान र उपचारसम्बन्धी निर्णय लिन सहयोग गर्छ। पछिल्लो समय प्रविधिको विकाससँगै प्रयोगशालामा आर्टिफिसियल इन्टेलिजेन्स (ए.आई.) को प्रयोग बढ्दै गएको छ। रक्तकोष पहिचान, सूक्ष्मजीवको विश्लेषण, एन्टिबायोटिक प्रतिरोधको पूर्वानुमान तथा प्रयोगशालाको गुणस्तर व्यवस्थापनमा ए.आई. उपयोगी हुन सक्छ। तर यसको प्रयोगसँगै नतिजाको विश्वसनीयता, बिरामीको तथ्याङ्कको गोपनीयता, दक्ष जनशक्तिको आवश्यकता र जिम्मेवारी निर्धारणजस्ता विषय पनि महत्त्वपूर्ण छन्। नेपालमा ए.आई.को प्रयोगलाई कसरी सुरक्षित, व्यावहारिक र प्रभावकारी बनाउन सकिन्छ भन्ने विषयमा चर्चा गर्नु आवश्यक छ।
ए.आई. भनेको के हो?
आर्टिफिसियल इन्टेलिजेन्स (Artificial Intelligence, AI), जसलाई नेपालीमा कृत्रिम बुद्धिमत्ता भनिन्छ, कम्प्युटर वा डिजिटल प्रणालीलाई मानवले गर्ने केही बौद्धिक कार्यहरू—जस्तै सिक्ने, ढाँचा पहिचान गर्ने, सूचना विश्लेषण गर्ने र सम्भावित निष्कर्ष निकाल्ने—कार्य गर्न सक्षम बनाउने प्रविधि हो। सन् १९५० मा एलन ट्युरिङले मेसिनले सोच्न सक्छ कि सक्दैन भन्ने प्रश्न उठाएका थिए भने सन् १९५६ को डार्टमाउथ सम्मेलनलाई ए.आई.को औपचारिक विकासको महत्त्वपूर्ण सुरुवात मानिन्छ। समयसँगै Machine Learning, Deep Learning र Large Language Models—LLMs को विकासले यसको प्रयोगलाई व्यापक बनाएको छ। मेडिकल ल्याबोरेटरीमा ए.आई.ले ठूलो मात्रामा परीक्षण सम्बन्धी तथ्याङ्क विश्लेषण गर्न, असामान्य ढाँचा पहिचान गर्न र प्रयोगशालाकर्मीलाई निर्णय लिन सहयोग गर्न सक्छ। यद्यपि, ए.आई.ले दिएको निष्कर्ष सधैँ सही हुन्छ भन्ने हुँदैन। त्यसैले यसको नतिजालाई वैज्ञानिक प्रमाण, प्रयोगशालाको गुणस्तर मापदण्ड र दक्ष स्वास्थ्यकर्मीको मूल्याङ्कनसँग जोडेर प्रयोग गर्नुपर्छ।
मेडिकल ल्याबोरेटरीमा ए.आई.का प्रमुख उपयोगहरू
१. हेमाटोलोजी र रक्तकोषको पहिचान
हेमाटोलोजीमा रक्तकोषको गणना, आकार र बनावटको मूल्याङ्कन महत्त्वपूर्ण हुन्छ। डिजिटल माइक्रोस्कोपीसँग जोडिएको ए.आई.ले रक्तकोषका तस्बिर विश्लेषण गरी सम्भावित असामान्य कोशिका पहिचान गर्न र प्रयोगशालाकर्मीलाई थप परीक्षण आवश्यक पर्ने नमुना छुट्याउन सहयोग गर्न सक्छ। यसबाट स्लाइड परीक्षणमा लाग्ने समय घटाउन र परीक्षण प्रक्रियालाई व्यवस्थित बनाउन सकिन्छ। तर ल्युकेमिया, मलेरिया वा अन्य रक्तसम्बन्धी रोगको निदानका लागि ए.आई.को नतिजालाई मात्र अन्तिम आधार बनाउनु हुँदैन। आवश्यकताअनुसार दक्ष प्रयोगशालाकर्मी वा चिकित्सकले स्लाइडको पुनः परीक्षण र अन्य परीक्षणका नतिजासँग तुलना गर्नुपर्छ।
२. क्लिनिकल बायोकेमिस्ट्रीमा प्रयोग
क्लिनिकल बायोकेमिस्ट्रीमा ग्लुकोज, कलेजो तथा मिर्गौलासम्बन्धी परीक्षण, इलेक्ट्रोलाइट र अन्य जैवरासायनिक सूचकको विश्लेषण गरिन्छ। ए.आई.ले परीक्षणका नतिजामा देखिने असामान्य ढाँचा पहिचान गर्न, समयक्रममा भएका परिवर्तन देखाउन र सम्भावित त्रुटि वा पुनः परीक्षण आवश्यक पर्ने नतिजाबारे सचेत गराउन सहयोग गर्न सक्छ। प्रयोगशालाको गुणस्तर नियन्त्रण (Quality Control—QC) मा पनि यसले उपयोगी भूमिका खेल्न सक्छ। तथापि, नमुना सङ्कलन, भण्डारण, उपकरणको अवस्था, अभिकर्मक र परीक्षण विधिसँग सम्बन्धित त्रुटि ए.आई.ले सधैँ पहिचान गर्न सक्दैन। त्यसैले नियमित गुणस्तर नियन्त्रण र दक्ष जनशक्तिको निगरानी अपरिहार्य हुन्छ।
३. माइक्रोबायोलोजीमा ए.आई.को भूमिका
मेडिकल माइक्रोबायोलोजीमा ब्याक्टेरिया, फङ्गस तथा अन्य सूक्ष्मजीवको पहिचानका लागि ए.आई.को प्रयोग सम्भावनायुक्त छ। कल्चर प्लेटका तस्बिर विश्लेषण, कोलोनीको वृद्धि पहिचान, माइक्रोस्कोपिक तस्बिरको मूल्याङ्कन र केही स्वचालित परीक्षण प्रणालीबाट प्राप्त तथ्याङ्कको विश्लेषणमा यसले सहयोग गर्न सक्छ। यसबाट नमुनाको प्राथमिक मूल्याङ्कन छिटो हुन र प्रयोगशालाको कार्यभार व्यवस्थापन गर्न मद्दत पुग्न सक्छ। तर सूक्ष्मजीवको सही पहिचानका लागि नमुनाको गुणस्तर, कल्चरको अवस्था, जैवरासायनिक परीक्षण, आवश्यकताअनुसार आणविक विधि र अन्य प्रयोगशाला प्रमाण महत्त्वपूर्ण हुन्छन्। त्यसैले ए.आई.को सुझावलाई प्रयोगशालाको स्थापित कार्यविधिसँग मिलाएर मूल्याङ्कन गर्नुपर्छ।
४. एन्टिबायोटिक प्रतिरोध र एएमआर निगरानी
एन्टिमाइक्रोबियल रेजिस्टेन्स (Antimicrobial Resistance—AMR) विश्वव्यापी जनस्वास्थ्य चुनौती हो। नेपालमा पनि एन्टिबायोटिकको उचित प्रयोग, संक्रमण नियन्त्रण र प्रतिरोधी सूक्ष्मजीवको निगरानी महत्त्वपूर्ण छ। ए.आई.ले विगतका कल्चर तथा एन्टिमाइक्रोबियल सेन्सिटिभिटी टेस्ट (AST) का तथ्याङ्क विश्लेषण गरी प्रतिरोधका ढाँचा पहिचान गर्न, स्थानीय प्रतिरोधसम्बन्धी प्रवृत्ति बुझ्न र निगरानी प्रणालीलाई सहयोग गर्न सक्छ। तर ए.आई.ले अनुमान गरेको प्रतिरोधको आधारमा वास्तविक AST परीक्षणलाई प्रतिस्थापन गर्नु उचित हुँदैन। बिरामीको उपचारसम्बन्धी निर्णयमा हालको परीक्षण नतिजा, चिकित्सकीय अवस्था, स्थानीय एन्टिबायोग्राम र राष्ट्रिय वा अन्तर्राष्ट्रिय निर्देशिकालाई प्राथमिकता दिनुपर्छ।
५. मोलिक्युलर डायग्नोस्टिक्समा प्रयोग
पीसीआर (PCR), रियल-टाइम पीसीआर र अन्य आणविक परीक्षणबाट प्राप्त तथ्याङ्कको विश्लेषणमा ए.आई.ले सहयोग गर्न सक्छ। जटिल तथ्याङ्कको व्याख्या, सम्भावित असामान्य परिणामको पहिचान र विभिन्न परीक्षण नतिजाबीचको सम्बन्ध बुझ्न यसले उपयोगी भूमिका खेल्न सक्छ। अनुसन्धानमा जीनोमिक तथ्याङ्क विश्लेषण, सूक्ष्मजीवको आनुवंशिक विविधता अध्ययन र सम्भावित संक्रमणसम्बन्धी ढाँचा पहिचान गर्न पनि यसको प्रयोग हुन सक्छ। तर आणविक परीक्षणको नतिजा व्याख्या गर्दा नमुनाको गुणस्तर, नियन्त्रण नमुना, परीक्षणको संवेदनशीलता र विशिष्टता तथा प्रयोगशालाले प्रमाणित गरेको कार्यविधि ध्यान दिनुपर्छ। ए.आई.ले दिएको व्याख्यालाई स्वतन्त्र वैज्ञानिक प्रमाणबिना अन्तिम निदान मान्नु हुँदैन।
६. प्रयोगशाला व्यवस्थापन र गुणस्तर नियन्त्रण
प्रयोगशालामा नमुना दर्ता, परीक्षणको प्राथमिकता निर्धारण, नतिजा उपलब्ध गराउने समय (Turnaround Time—TAT), अभिकर्मकको मौज्दात, उपकरण मर्मतसम्भार र गुणस्तरसम्बन्धी तथ्याङ्क व्यवस्थापनमा ए.आई. उपयोगी हुन सक्छ। यसले असामान्य प्रवृत्ति पहिचान गर्न, कामको चाप अनुमान गर्न र स्रोतसाधनको प्रभावकारी उपयोगमा सहयोग पुर्याउन सक्छ। तर स्वचालित प्रणालीमा गलत तथ्याङ्क प्रविष्ट भएमा वा प्रणालीमा प्राविधिक समस्या आएमा त्यसको असर धेरै परीक्षणमा पर्न सक्छ। त्यसैले नियमित अनुगमन, प्रणालीको प्रमाणीकरण, अभिलेख राख्ने व्यवस्था र समस्या देखिँदा अपनाउने वैकल्पिक कार्यविधि आवश्यक हुन्छ।
नेपालमा ए.आई.को सम्भावना र चुनौती
नेपालमा ए.आई.को प्रयोगले विशेषगरी सीमित जनशक्ति भएका प्रयोगशाला, बढी नमुना परीक्षण हुने संस्था तथा गुणस्तर सुधार गर्न चाहने स्वास्थ्य संस्थालाई सहयोग गर्न सक्छ। तर प्रविधि भित्र्याउनु मात्र पर्याप्त हुँदैन। त्यसको वैज्ञानिक प्रमाणीकरण, स्थानीय जनसङ्ख्यामा उपयुक्तता, तथ्याङ्कको सुरक्षा, दक्ष जनशक्ति र स्पष्ट जिम्मेवारी आवश्यक हुन्छ।
नेपालमा ए.आई.सम्बन्धी नीति तथा डिजिटल स्वास्थ्यको विकास हुँदै जाँदा स्वास्थ्य क्षेत्रमा यसको प्रयोगका लागि स्पष्ट कार्यविधि र नियमनको आवश्यकता पनि बढ्दै जान्छ। कुनै ए.आई. उपकरण वा सफ्टवेयर उपलब्ध छ भन्दैमा त्यसलाई चिकित्सकीय प्रयोगका लागि स्वतः उपयुक्त मान्न मिल्दैन। सम्बन्धित निकायका लागू मापदण्ड, तथ्याङ्क संरक्षणसम्बन्धी कानुनी प्रावधान र संस्थागत नीतिअनुसार यसको प्रयोग सुनिश्चित गर्नुपर्छ।
अबको बाटो के?
नेपालमा मेडिकल ल्याबोरेटरीमा ए.आई.को प्रयोग चरणबद्ध रूपमा अघि बढाउनु उपयुक्त हुन्छ। पहिलो चरणमा सम्भावित उपयोग भएका क्षेत्र पहिचान गरी सानो स्तरमा परीक्षण गर्न सकिन्छ। त्यसपछि स्थानीय नमुनामा प्रणालीको कार्यसम्पादन मूल्याङ्कन, प्रयोगशालाकर्मीको तालिम, तथ्याङ्क सुरक्षाको व्यवस्था र स्पष्ट जिम्मेवारी निर्धारण गर्नुपर्छ। प्रणालीले अपेक्षित गुणस्तर कायम गरेको प्रमाणित भएपछि मात्र यसको प्रयोग विस्तार गर्नुपर्छ।
विश्वविद्यालय, अस्पताल, मेडिकल ल्याबोरेटरी, व्यावसायिक संस्था, नियामक निकाय र प्रविधि विकासकर्ताबीच सहकार्य आवश्यक छ। मेडिकल ल्याबोरेटरी साइन्सको पाठ्यक्रममा ए.आई., डिजिटल स्वास्थ्य, तथ्याङ्क विश्लेषण र नैतिकतासम्बन्धी विषय समावेश गर्नु पनि समयसापेक्ष हुन्छ। प्रविधिलाई दक्ष जनशक्तिको विकल्पका रूपमा होइन, उनीहरूको क्षमता अभिवृद्धि गर्ने साधनका रूपमा बुझ्नुपर्छ।
निष्कर्ष
आर्टिफिसियल इन्टेलिजेन्स (ए.आई.) ले मेडिकल ल्याबोरेटरीमा परीक्षणको गति, तथ्याङ्क विश्लेषण, गुणस्तर व्यवस्थापन र रोगसम्बन्धी अनुसन्धानमा महत्त्वपूर्ण सहयोग पुर्याउन सक्छ। तर यसको प्रभावकारिता प्रयोग गरिएको तथ्याङ्कको गुणस्तर, वैज्ञानिक प्रमाणीकरण, दक्ष जनशक्ति र जिम्मेवार प्रयोगमा निर्भर हुन्छ। विशेषगरी नेपालजस्तो स्रोतसाधन र पूर्वाधारमा विविधता भएको देशमा ए.आई.को प्रयोग गर्दा स्थानीय आवश्यकता, तथ्याङ्कको गोपनीयता, पहुँचमा समानता र स्पष्ट जवाफदेहितालाई प्राथमिकता दिनुपर्छ। अन्ततः ए.आई.ले मानव विशेषज्ञताको स्थान लिनेभन्दा पनि प्रयोगशालाकर्मीको ज्ञान, सीप र निर्णय क्षमतालाई सुदृढ बनाउनु यसको प्रमुख उद्देश्य हुनुपर्छ।
(लेखक खड्का क्रिमसन कलेज अफ टेक्नोलोजी, पोखरा विश्वविद्यालयका सह-प्राध्यापक हुन्)
स्रोतहरू:
Hou, H., Zhang, R., & Li, J. (2024). Artificial intelligence in the clinical laboratory. Clinica Chimica Acta, 559, 119724.
Zhang, S., Zhan, Y., Xu, K., & Zhou, H. (2026). Artificial intelligence in laboratory medicine: From machine learning to large language models. Chinese Medical Journal.
Agarwal, S., Gupta, B. P., & Katiyar, P. (2026). Harnessing artificial intelligence in laboratory diagnostics emerging trends and future prospects. Discover Artificial Intelligence.
Guidance, W. H. O. (2021). Ethics and governance of artificial intelligence for health. World Health Organization, 1.
नेपाल सरकार। राष्ट्रिय आर्टिफिसियल इन्टेलिजेन्स (ए.आई.) नीति, २०८२। उपलब्ध: https://moic.gov.np/content/13077/national-artifacial-intelligence--aci--policy--2082/
