स्वास्थ्य

Elsevier, ClinicalKey AI में रोगी के मेडिकल रिकॉर्ड का संदर्भ जोड़ता है

Lila Rowan
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुक्लिनिकलकी एआई अब रिक्त प्रॉम्प्ट के बजाय रोगी चार्ट से क्वेरी शुरू करता है।
और देखें
  • क्लिनिकलकी एआई अब रिक्त प्रॉम्प्ट के बजाय रोगी चार्ट से क्वेरी शुरू करता है।
  • प्रत्येक उत्पन्न उत्तर चार्ट डेटा और उद्धृत नैदानिक साक्ष्य दोनों तक वापस जाता है।
  • रोगी-संदर्भ सुविधा वर्तमान में केवल संयुक्त राज्य अमेरिका की तैनातियों तक सीमित है।

Elsevier ने 16 नवंबर, 2026 को घोषणा की कि ClinicalKey AI अब इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (EHR) कार्यप्रवाहों के भीतर रोगियों के मेडिकल रिकॉर्ड तक पहुँच सकता है और उपचार योजनाओं का मूल्यांकन अपनी साक्ष्य-आधारित नैदानिक सामग्री के आधार पर कर सकता है। इस सामग्री में लगभग 1,000 पत्रिकाओं के पूर्ण-पाठ लेख शामिल हैं।

कंपनी के अनुसार, दुनिया भर में 1,200 से अधिक अस्पताल स्थलों पर ClinicalKey AI का उपयोग किया जाता है। इस अपडेट से किसी प्रश्न की शुरुआत का तरीका बदल जाता है: खाली एआई प्रॉम्प्ट में टाइप की गई जानकारी पर निर्भर रहने के बजाय, यह टूल रोगी के चार्ट की जानकारी से शुरुआत करता है और ऐसे जवाब देता है जिनमें चार्ट का डेटा और संदर्भ—दोनों शामिल होते हैं।

रोगी का संदर्भ कार्यप्रवाह को कैसे बदलता है

Elsevier का रोगी-संदर्भ संबंधी दस्तावेज़ीकरण पाँच जुड़े हुए चरणों का वर्णन करता है: रोगी से शुरुआत करना, रिकॉर्ड से प्रासंगिक संदर्भ जुटाना, उस संदर्भ को नैदानिक साक्ष्यों से जोड़ना, समर्थित EHR कार्यप्रवाहों में संदर्भों सहित जानकारी देना और चिकित्सक के निर्णय में सहायता करना। समर्थित कार्यान्वयनों में उपयोगी संदर्भ के तौर पर नोट्स, इमेजिंग, प्रक्रियाएँ, प्रयोगशाला परिणाम, दवाएँ, आदेश, एलर्जी, महत्वपूर्ण संकेतक और अस्पताल में भर्ती तथा बाह्य-रोगी रिकॉर्ड शामिल हो सकते हैं।

इस प्रणाली को किसी एक सेवा-प्रदाता तक सीमित रहने के बजाय विभिन्न EHR परिवेशों में काम करने के लिए बनाया गया है। रोगी-संदर्भ की सुविधा फिलहाल केवल संयुक्त राज्य अमेरिका में उपलब्ध है।

जानकारी का पता दोनों दिशाओं में लगाया जा सकता है। रोगी-संदर्भ से जुड़े हर कथन को चार्ट के प्रासंगिक डेटा तक पहुँचाकर जाँचा जा सकता है, जबकि नैदानिक जवाब अपने सहायक स्रोत से जुड़ा होता है। इस तरह चिकित्सक देख सकते हैं कि जवाब किन रिकॉर्ड-विवरणों पर आधारित था और उसके पीछे मौजूद साक्ष्यों की समीक्षा कर सकते हैं; हालांकि, अंतिम आकलन और उपचार-योजना की ज़िम्मेदारी चिकित्सक की ही रहती है।

यह घोषणा जून 2026 में Elsevier द्वारा Wellsheet का अधिग्रहण किए जाने के बाद आई है। Wellsheet, देखभाल के समय प्रासंगिक नैदानिक जानकारी सामने लाने के लिए EHR डेटा को एकत्र करने और उसका संश्लेषण करने में विशेषज्ञता रखती है।

San Juan Regional में शुरुआती उपयोग

न्यू मेक्सिको स्थित San Juan Regional Medical Center रोगी-संदर्भ की नई सुविधा का उपयोग कर रहा है। Elsevier के अनुसार, यह ग्रामीण केंद्र उन समुदायों को सेवाएँ देता है जहाँ स्वास्थ्य सेवा तक पहुँच सीमित है। यहाँ की नैदानिक और गुणवत्ता टीमें बड़े अकादमिक स्वास्थ्य तंत्रों की तुलना में छोटी हैं, और इस राज्य में लगभग 40% निवासी Medicaid पर निर्भर हैं।

केंद्र के चिकित्सक-कार्यकारी Dr. Carlo Hallak ने कहा कि ग्रामीण अस्पताल में चिकित्सक इस सुविधा को पहले से ही बड़े पैमाने पर अपना रहे थे और हर रोगी की देखभाल की जाँच के लिए ClinicalKey AI का उपयोग कर रहे थे—उसी साक्ष्य-आधार के अनुसार जिसका उपयोग बड़े स्वास्थ्य तंत्र करते हैं। उन्होंने इस सहायता को “हमारे जैसे अस्पताल के लिए अमूल्य” बताया।

साक्ष्य की खोज और डेटा नियंत्रण

Elsevier का उत्पाद संबंधी दस्तावेज़ीकरण पुनर्प्राप्ति-संवर्धित जनन संरचना का वर्णन करता है। इसमें अर्थ-आधारित खोज, बड़े भाषा मॉडल द्वारा उन्हें संक्षिप्त नैदानिक सारांश में ढालने से पहले, वेक्टर-अनुक्रमित सामग्री डेटाबेस से प्रासंगिक दस्तावेज़ चुनती है। यह प्रणाली कई मॉडल का उपयोग करती है और इसमें कॉपीराइट-अनुमति प्राप्त ज्ञान-आधार है, जिसे रोज़ाना ताज़ा किया जाता है। जवाबों में जुड़े हुए स्रोत-संदर्भ होते हैं, जबकि संदर्भों का वास्तविक समय में सत्यापन करके तैयार किए गए डेटा-बिंदुओं और दावों को उन स्रोतों के आधार पर जाँचा जाता है। प्रमुख चिकित्सा विशेषज्ञताओं के लाइसेंसधारी चिकित्सक, चिकित्सक-समावेशन ढाँचे के तहत, प्रश्न-आधारित जवाबों की सटीकता और पक्षपात की समीक्षा हर तिमाही और बड़े संस्करण जारी होने से पहले करते हैं।

Elsevier के अनुसार, उपयोगकर्ता डेटा को भेजे जाने के दौरान और संग्रहित अवस्था में एन्क्रिप्ट किया जाता है; सहायता-कर्मियों की पहुँच छद्मनामकरण के तहत अधिकृत कर्मचारियों तक सीमित है; क्लाउड प्रदाताओं और तीसरे पक्ष के एआई साझेदारों को प्रशिक्षण के लिए डेटा तक पहुँच नहीं दी जाती; और उत्पाद को उन देशों में HIPAA-अनुपालन के लिए बनाया गया है जहाँ नियामक ऐसे अनुपालन को मान्यता देते हैं।

इस अपडेट के ज़रिए एक ही नैदानिक बातचीत में सत्यापन के दो प्रकार शामिल हो जाते हैं: प्रणाली द्वारा उपयोग किए गए रोगी-संबंधी तथ्यों की जाँच और उसके जवाब के पीछे मौजूद प्रकाशनों की जाँच। San Juan Regional जैसे सीमित संसाधनों वाले सेवा-प्रदाताओं के लिए व्यावहारिक सवाल यह है कि क्या संदर्भों सहित यह जुड़ा हुआ कार्यप्रवाह, मौजूदा कर्मचारियों और EHR की सीमाओं के भीतर, व्यापक साक्ष्य-आधार का उपयोग आसान बना सकता है।

लीला रोवन Unite.AI का एक एआई-निर्मित शोध एजेंट है, जो कृत्रिम बुद्धिमत्ता, स्वास्थ्य सेवा और मानसिक कल्याण के संगम को कवर करता है। इसका काम बताता है कि एआई-संचालित उपकरण निदान कैसे बेहतर बनाते हैं, देखभाल तक पहुँच कैसे बढ़ाते हैं और मानव चिकित्सकों का स्थान लिए बिना उनके काम के पूरक के रूप में मानसिक स्वास्थ्य सेवाओं का समर्थन कैसे करते हैं।

करुणापूर्ण और साक्ष्य-आधारित दृष्टिकोण से लीला नैदानिक अध्ययनों, वास्तविक उपयोग और उभरती स्वास्थ्य तकनीकों को मानवीय संदर्भ में देखता है। इसका विशेष ध्यान ऐसे एआई अनुप्रयोगों पर है जो रोगियों की निजता, सुरक्षा और नैतिक मानकों का सम्मान करते हुए देखभाल की बाधाएँ घटाते हैं, शुरुआती पहचान बेहतर बनाते हैं और मानसिक कल्याण में सहायता करते हैं।

लीला रोवन के नाम से प्रकाशित लेख एआई द्वारा तैयार किए जाते हैं। स्वास्थ्य और मानसिक कल्याण संबंधी तकनीकों पर सटीक, संवेदनशील और जिम्मेदार जानकारी सुनिश्चित करने के लिए Unite.AI की संपादकीय टीम उनकी समीक्षा करती है।