स्वास्थ्य
कोर्टी ने चिकित्सा कोडिंग के लिए एआई सिस्टम का अनावरण किया जो स्वास्थ्य सेवा प्रणाली को पुनर्परिभाषित करने का लक्ष्य रखता है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कोपेनहेगन स्थित कोर्टी ने चिकित्सा कोडिंग की एक पुरानी परिचालन चुनौती का सामना करने के लिए एक नया एआई सिस्टम पेश किया है। कंपनी की नवीनतम रिलीज, सिम्फनी फॉर मेडिकल कोडिंग, खुद को सिर्फ एक ऑटोमेशन टूल के रूप में नहीं बल्कि एक मौलिक रूप से अलग दृष्टिकोण के रूप में प्रस्तुत करती है कि कैसे नैदानिक डेटा की व्याख्या की जाती है, संरचित की जाती है और स्वास्थ्य प्रणालियों में उपयोग की जाती है।
लॉन्च कोर्टी के व्यापक प्रयासों पर आधारित है जो “क्लिनिकल-ग्रेड एआई” में है, जहां सटीकता, अनुक्रमणिकता और वास्तविक दुनिया में तैनाती उतनी ही महत्वपूर्ण है जितनी कि कच्चे मॉडल प्रदर्शन में।
चिकित्सा कोडिंग क्यों स्वास्थ्य सेवा प्रणालियों को तोड़ देती है
चिकित्सा कोडिंग नैदानिक देखभाल, बिलिंग और सार्वजनिक स्वास्थ्य के बीच के चौराहे पर बैठती है। प्रत्येक निदान, उपचार और परिणाम को आईसीडी-10 जैसे मानक कोड में अनुवादित किया जाना चाहिए, जिसमें दसियों हजारों संभावित वर्गीकरण होते हैं।
समस्या सिर्फ पैमाने की नहीं है, बल्कि व्याख्या की है।
कोडिंग के लिए चिकित्सकों या विशेषज्ञों को टुकड़े-टुकड़े नैदानिक नोट्स से अर्थ निकालने, असंगतताओं को सुलझाने और विकसित हो रहे दिशानिर्देशों को लागू करने की आवश्यकता होती है। व्यवहार में, इसका अक्सर मिस्ड सिग्नल और अधूरे डेटा का परिणाम होता है।
एक उद्धृत उदाहरण जोखिम को दर्शाता है: एक बड़े पैमाने पर रोगी रिकॉर्ड का विश्लेषण पाया गया कि जिन मामलों में आत्महत्या के प्रयास किए गए थे, वे वास्तव में कोडित की तुलना में अधिक थे। जब ये मामले संरचित डेटासेट में रिकॉर्ड नहीं किए जाते हैं, तो स्वास्थ्य प्रणालियां महत्वपूर्ण रुझानों में दृश्यता खो देती हैं, जो सब कुछ प्रभावित करती है – धन आवंटन से लेकर रोकथाम रणनीतियों तक।
पूर्वानुमान से तर्क तक: दृष्टिकोण में परिवर्तन
कोर्टी का मुख्य तर्क है कि चिकित्सा कोडिंग एक वर्गीकरण समस्या नहीं है, यह एक तर्क समस्या है।
यह अंतर सिम्फनी के पीछे की वास्तुकला को आकार देता है। पैटर्न मान्यता के आधार पर कोड असाइन करने के बजाय, सिस्टम मानव कोडर्स के काम की नकल करता है। यह नैदानिक डेटा में साक्ष्य की पहचान करता है, संदर्भ का मूल्यांकन करता है, पदानुक्रमित कोडिंग प्रणालियों का नेविगेशन करता है और वर्तमान दिशानिर्देशों के खिलाफ आउटपुट को मान्य करता है।
यह दृष्टिकोण कंपनी के पूर्व शोध पर आधारित है जो बहु-एजेंट एआई प्रणालियों में किया गया था। इसका “कोड लाइक ह्यूमन” फ्रेमवर्क कई समन्वित एआई एजेंटों का उपयोग जटिल कार्यों को छोटे तर्क चरणों में तोड़ने के लिए करता है, जो सटीकता और संगति दोनों में सुधार करता है।
परिणाम, कोर्टी के अनुसार, एक मापनीय प्रदर्शन अंतर है। सिम्फनी कथित तौर पर नैदानिक कोडिंग सटीकता बेंचमार्क में प्रमुख एआई प्रदाताओं के प्रतिस्पर्धी मॉडलों से बेहतर प्रदर्शन करती है, 23 प्रतिशत तक की सुधार के साथ।
मॉडल के पीछे की बुनियादी ढांचा
सिम्फनी एक स्टैंडअलोन मॉडल नहीं है। यह कोर्टी के व्यापक एजेंट-आधारित बुनियादी ढांचे के शीर्ष पर बैठता है, जिसे कोर्टी एजेंटिक फ्रेमवर्क के रूप में जाना जाता है।
पारंपरिक बड़े भाषा मॉडलों के विपरीत जो अलगाव में आउटपुट उत्पन्न करते हैं, यह फ्रेमवर्क एआई प्रणालियों को नैदानिक कार्य प्रवाह में तर्क, जानकारी पुनर्प्राप्त करने और संरचित कार्रवाई करने की अनुमति देता है। यह इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड जैसे बाहरी डेटा स्रोतों से जुड़ने के लिए डिज़ाइन किया गया है, न कि केवल पूर्व-प्रशिक्षित ज्ञान पर भरोसा करता है।
प्लेटफ़ॉर्म में गार्डरेल्स भी पेश करता है जो स्वास्थ्य सेवा सेटिंग्स में आवश्यक हैं। प्रत्येक एआई एजेंट द्वारा की गई हर कार्रवाई लॉग, ट्रेसेबल और ऑडिट करने योग्य है, जो प्रत्येक निर्णय के पीछे एक स्पष्ट तर्क शृंखला बनाती है।
यह ऑडिटेबिलिटी पर जोर आकस्मिक नहीं है। नियंत्रित वातावरण में स्वास्थ्य सेवा जैसे, निर्णय के रूप में ही महत्वपूर्ण है कि निर्णय को समझाने और न्यायसंगत करने की क्षमता है।
एआई आउटपुट को सत्यापन योग्य बनाना, न केवल सटीक
स्वास्थ्य सेवा में एआई की एक बार-बार की आलोचना ” ब्लैक बॉक्स ” समस्या है। यहां तक कि जब मॉडल सही आउटपुट उत्पन्न करते हैं, तो पारदर्शिता की कमी उन्हें नैदानिक या अनुपालन-संचालित वातावरण में विश्वास करना मुश्किल बना देती है।
कोर्टी इसे संबोधित करने का प्रयास कर रहा है।
सिम्फनी प्रत्येक उत्पन्न कोड को इसके समर्थन में उपयोग किए जाने वाले नैदानिक साक्ष्य से जोड़ता है। यह अस्पष्टता या किनारे के मामलों को भी उजागर करता है, जिससे मानव समीक्षक तेजी से समझ सकते हैं कि जहां निर्णय लेने के लिए निर्णय लिए गए थे।
यह एआई को मानव पर्यवेक्षण को प्रतिस्थापित करने के बजाय इसे बढ़ाने वाला एक उपकरण बनाता है, विशेष रूप से अनुपालन टीमों और ऑडिटर्स के लिए जो कोडिंग निर्णयों को मान्य करने के लिए जिम्मेदार हैं।
वैश्विक स्वास्थ्य सेवा जटिलता के लिए एक प्रणाली
चिकित्सा कोडिंग में एक और चुनौती खंडित है। विभिन्न क्षेत्रों में विभिन्न मानकों का उपयोग किया जाता है, और कई एआई प्रणालियों को विभिन्न बाजारों में संचालित करने के लिए व्यापक प्रशिक्षण की आवश्यकता होती है।
सिम्फनी को यूएस और यूरोपीय कोडिंग प्रणालियों दोनों पर स्थानीय फाइन-ट्यूनिंग के बिना काम करने के लिए डिज़ाइन किया गया है। इसमें निदान कोडिंग फ्रेमवर्क और बिलिंग और प्रतिपूर्ति में उपयोग की जाने वाली प्रक्रिया-आधारित प्रणालियां शामिल हैं।
यह स्वास्थ्य सेवा सॉफ्टवेयर विक्रेताओं और बहुराष्ट्रीय प्रदाताओं के लिए महत्वपूर्ण है, जहां कई स्थानीयकृत एआई मॉडल बनाए रखना जल्दी से एक बोतलनेक बन सकता है।
बड़ा चित्र: स्वास्थ्य सेवा की डेटा परत को स्वचालित करना
जबकि चिकित्सा कोडिंग एक संकीर्ण उपयोग का मामला लगता है, यह स्वास्थ्य सेवा प्रणालियों के संचालन में एक आधारभूत भूमिका निभाता है।
कोडिंग के माध्यम से उत्पन्न संरचित डेटा बीमा प्रतिपूर्ति, नैदानिक अनुसंधान और राष्ट्रीय स्वास्थ्य नीति सहित सब कुछ में खिलाता है। इस परत में त्रुटियां पूरी प्रणाली में फैल जाती हैं।
कोर्टी की व्यापक रणनीति इस वास्तविकता को प्रतिबिंबित करती है। इसका प्लेटफ़ॉर्म पहले से ही दस्तावेज़, नैदानिक निर्णय समर्थन और देखभाल समन्वय जैसे कार्यों के लिए कई एआई एजेंटों का समर्थन करता है, सभी एक ही अंतर्निहित बुनियादी ढांचे पर बनाए गए हैं।
कंपनी का तर्क है कि स्वास्थ्य सेवा प्रशासकीय और नैदानिक कार्य प्रवाह दोनों को संभालने वाली समन्वित, बहु-एजेंट प्रणालियों पर बढ़ती तरह से निर्भर करेगी।
पायलट से उत्पादन में जाना
स्वास्थ्य सेवा में एआई की एक परिभाषित चुनौती वादा करने वाले प्रोटोटाइप और वास्तविक दुनिया की तैनाती के बीच का अंतर है।
कोर्टी सिम्फनी को एक प्रायोगिक मॉडल के बजाय एक उत्पादन-तैयार प्रणाली के रूप में स्थिति दे रहा है। इसमें उद्यम तैनाती विकल्प, अंतरपरिवर्तन मानकों के लिए समर्थन और मौजूदा स्वास्थ्य सेवा सॉफ्टवेयर स्टैक में एकीकरण शामिल है।
फोकस अब यह प्रदर्शित करने पर नहीं है कि एआई क्या कर सकता है, बल्कि यह सुनिश्चित करने पर है कि यह वास्तविक नैदानिक वातावरण में सुरक्षित रूप से, लगातार और पैमाने पर संचालित हो सकता है।
एक शांत लेकिन अर्थपूर्ण परिवर्तन
सिम्फनी की रिलीज एक व्यापक परिवर्तन को दर्शाती है जो स्वास्थ्य सेवा में एआई के प्रत्येक क्षेत्र में हो रहा है।
इसके बजाय बड़े सामान्य-उद्देश्य मॉडल बनाने के, कंपनियां विशेषज्ञ प्रणालियों पर ध्यान केंद्रित कर रही हैं जो उच्च जोखिम वाले डोमेन के लिए डिज़ाइन की गई हैं। ये प्रणालियां तर्क, अनुक्रमणिकता और एकीकरण पर कच्चे उत्पादक क्षमता से ऊपर प्राथमिकता देती हैं।
चिकित्सा कोडिंग को आत्महत्या निदान या दवा खोज जैसे आकर्षक क्षेत्रों का ध्यान नहीं मिल सकता है, लेकिन यह आधुनिक स्वास्थ्य सेवा बुनियादी ढांचे के लिए आधार बनाता है। इसे बेहतर बनाना, भले ही क्रमिक रूप से, दोनों परिचालन कुशलता और रोगी परिणामों पर असमान प्रभाव डाल सकता है।
यदि कोर्टी के दावे वास्तविक दुनिया की तैनाती में सटीकता और ऑडिटेबिलिटी के बारे में खड़े उतरते हैं, तो सिम्फनी स्वास्थ्य सेवा संगठनों के लिए वास्तविक रूप से विश्वसनीय एआई प्रणालियों की ओर एक अर्थपूर्ण कदम हो सकता है।
