स्टोनी ब्रुक के अध्ययन में 95% मामलों में चिकित्सकों ने एआई से तैयार डिस्चार्ज सारांशों को प्राथमिकता दी

स्टोनी ब्रुक यूनिवर्सिटी के एक अध्ययन में चिकित्सक समीक्षकों ने मूल्यांकन किए गए अस्पताल में भर्ती के 95% मामलों में, मानव लेखकों द्वारा तैयार सारांशों की तुलना में एआई से तैयार डिस्चार्ज सारांशों को प्राथमिकता दी। इस पूर्वव्यापी विश्लेषण में आंतरिक चिकित्सा विभाग में भर्ती 60 मरीज शामिल थे, जिनका अस्पताल में रहना सात से 21 दिनों तक था। लंबे उपचार और बड़ी मात्रा में नैदानिक टिप्पणियों के कारण, ऐसे मामलों में बाह्य रोगी देखभाल के लिए जानकारी सौंपना विशेष रूप से चुनौतीपूर्ण होता है।

npj Digital Medicine में प्रकाशित निष्कर्ष बताते हैं कि बड़े भाषा मॉडल चिकित्सकों को अधिक संपूर्ण और उपयोगी डिस्चार्ज दस्तावेज़ तैयार करने में मदद कर सकते हैं। वे यह भी दिखाते हैं कि मानवीय सत्यापन अब भी क्यों आवश्यक है: एआई से तैयार और मानव लेखकों द्वारा तैयार, दोनों तरह के सारांशों में त्रुटियाँ थीं, और बेहतर रेटिंग से मरीजों के बेहतर परिणाम साबित नहीं हुए।

डिस्चार्ज सारांश तैयार करना एआई के लिए कठिन काम क्यों है

डिस्चार्ज सारांश अस्पताल में दी गई देखभाल को उन चिकित्सकों से जोड़ता है जो इसके बाद मरीज की देखभाल के लिए ज़िम्मेदार होते हैं। इसमें भर्ती का कारण, उपचार का क्रम, दवाओं में बदलाव, अनसुलझी समस्याएँ और आगे की देखभाल की योजना स्पष्ट होनी चाहिए। प्राथमिक देखभाल करने वाले चिकित्सक के लिए, किसी बात का स्पष्टीकरण न होना या अगला कदम अस्पष्ट होना इस आवश्यकता को जन्म दे सकता है कि वे अस्पताल में भर्ती रहने की पूरी अवधि को समझने के लिए कहीं अधिक विस्तृत रिकॉर्ड खंगालें।

लंबे समय तक अस्पताल में भर्ती रहने से यह समस्या और बढ़ जाती है। प्रगति संबंधी टिप्पणियों, परामर्शों, इमेजिंग रिपोर्टों और अन्य दस्तावेज़ों में जानकारी लगातार जुड़ती जाती है; इनमें अक्सर दोहराव होता है और उपचार योजना में बदलाव भी आते हैं। एक उपयोगी सारांश में अंतिम नैदानिक स्थिति का पूरा चित्र सुरक्षित रखते हुए यह भी स्पष्ट होना चाहिए कि निर्णय किस तरह विकसित हुए।

स्टोनी ब्रुक की पद्धति चिकित्सकों के साथ मिलकर इस आधार पर तैयार की गई कि मरीजों की देखभाल आगे संभालने वाले चिकित्सकों को कौन-सी जानकारी चाहिए। विश्वविद्यालय के अनुसार, इस प्रणाली ने मरीजों के रिकॉर्ड को कुछ ही मिनटों में डिस्चार्ज सारांश के प्रारूपों में व्यवस्थित कर दिया। यह केवल सारांश तैयार करने में लगने वाले समय को बताता है; चिकित्सकों के दस्तावेज़ीकरण और सत्यापन में लगने वाले कुल समय पर इसका असर अभी भी नैदानिक अभ्यास में जाँचना होगा।

किन पहलुओं में चिकित्सकों ने अधिक अंक दिए

इस अध्ययन में अस्पताल-आधारित चिकित्सकों और प्राथमिक देखभाल करने वाले चिकित्सकों के आकलनों की तुलना की गई। समीक्षकों ने समग्र गुणवत्ता, पठनीयता और संक्षिप्तता, तथ्यात्मक सटीकता तथा पूर्णता के मामले में एआई सारांशों को अधिक अंक दिए। उन्होंने इनमें नैदानिक विवरणों की कम चूक भी पाई।

दिए गए पाँच-बिंदु रेटिंग पैमाने पर, समग्र गुणवत्ता के लिए एआई सारांशों का औसत 4.71 था, जबकि मानव लेखकों द्वारा तैयार सारांशों का औसत 3.16 था। तथ्यात्मक सटीकता के औसत क्रमशः 4.62 और 3.73 रहे, जबकि पूर्णता के औसत 4.69 और 3.42 थे। ये चिकित्सकों की रेटिंग हैं, न कि सही साबित हुए कथनों का प्रतिशत।

चित्र में अस्पताल-आधारित चिकित्सकों और प्राथमिक देखभाल संबंधी मापों को मिलाकर, प्रत्येक सारांश प्रकार के लिए 120 रेटिंग दिखाई गई हैं; प्राथमिक देखभाल से जुड़े विशिष्ट प्रश्नों के लिए प्रत्येक प्रकार की 60 रेटिंग दी गई हैं। प्राथमिक देखभाल करने वाले समीक्षकों ने अस्पताल में भर्ती रहने की अवधि को समझने, मरीजों और देखभालकर्ताओं को इसकी जानकारी देने तथा आगे की देखभाल में मदद करने के मामले में एआई सारांशों को अधिक अंक दिए।

ये अंतर इसलिए मायने रखते हैं क्योंकि डिस्चार्ज सारांश लिखने वाले व्यक्ति और उस पर कार्रवाई करने वाले व्यक्ति के नज़रिए अलग-अलग होते हैं। किसी दस्तावेज़ में अस्पताल में हुई घटनाओं का विस्तृत ब्योरा हो सकता है, फिर भी आगे देखभाल संभालने वाले चिकित्सक को लंबित मामलों या दवा में बदलाव के कारण को लेकर अनिश्चितता रह सकती है।

सारांश बनाने की प्रक्रिया लंबे रिकॉर्ड को कैसे संभालती है

शोधकर्ताओं द्वारा सार्वजनिक रूप से जारी किए गए कोड से इस तकनीक के बारे में अतिरिक्त जानकारी मिलती है। उनकी निर्यात की गई LangChain/LangGraph प्रक्रिया टिप्पणियों को कालक्रम के अनुसार समूहित करती है, एक संरचित सारांश बनाती है और रिकॉर्ड के अतिरिक्त हिस्सों को संसाधित करते हुए उस प्रारूप को बेहतर करती जाती है। अंतिम विवरण तैयार करने से पहले एक अलग चरण में चिह्नित टिप्पणियों से आकस्मिक रूप से दर्ज निष्कर्ष निकाले जाते हैं।

यह चरणबद्ध तरीका भाषा मॉडलों की एक व्यावहारिक सीमा को संबोधित करता है: लंबा नैदानिक रिकॉर्ड एक बार में संसाधित की जा सकने वाली पाठ की मात्रा से बड़ा हो सकता है। एक संरचित प्रारूप को आगे बढ़ाने से रिकॉर्ड के क्रमिक हिस्से अंतिम नतीजे में योगदान दे पाते हैं।

सार्वजनिक रूप से उपलब्ध निर्यात में स्रोत पहचानकर्ता भी दर्ज होते हैं और संरचित तथा विवरणात्मक नतीजों के साथ उद्धरण संबंधी मेटाडेटा तैयार होता है। इसमें प्रदर्शन के लिए कृत्रिम डेटा शामिल है, जबकि रिपॉज़िटरी में विश्लेषण के लिए पहचान-विहीन रेटिंग और त्रुटि-चिह्नांकन के नतीजे उपलब्ध हैं। इससे मरीजों के मूल रिकॉर्ड सार्वजनिक किए बिना कार्यप्रवाह की जाँच की जा सकती है।

चूकों की संख्या कम होने से नैदानिक जोखिम समाप्त नहीं होता

प्रकाशित सारांश के अनुसार, चिह्नित अशुद्धियों या चूकों की कम संख्या का मुख्य कारण चूकों का कम होना था। इसमें यह भी बताया गया कि त्रुटि से होने वाले नुकसान की गंभीरता या उसकी आशंका के समीक्षकों के आकलन में, दोनों तरह के सारांशों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं था।

यह निष्कर्ष यह साबित नहीं करता कि दोनों तरीकों की सुरक्षा समान है, और न ही यह कि एआई से तैयार प्रारूप को समीक्षा के बिना मरीज के रिकॉर्ड में शामिल किया जा सकता है। मूल्यांकन दस्तावेज़ों और चिकित्सकों के निर्णयों पर आधारित था; इससे अस्पताल में दोबारा भर्ती होने, दवाओं से जुड़े नुकसान या मरीजों के अन्य परिणामों में कमी साबित नहीं हुई।

लेखक उपयोग से पहले चिकित्सक द्वारा सत्यापन पर ज़ोर देते हैं। दवा संबंधी निर्देश, अनसुलझे चिकित्सकीय मुद्दे और फ़ॉलो-अप की सिफ़ारिशें इस दस्तावेज़ के उद्देश्य के केंद्र में हैं और ऐसी अहम जगहें बनी रहती हैं जहाँ कोई त्रुटि या चूक हो सकती है।

नियमित नैदानिक उपयोग से पहले क्या-क्या ज़रूरी है

“ये नतीजे इस बात का प्रमाण देते हैं कि कृत्रिम बुद्धिमत्ता अस्पताल में जटिल उपचार के बाद छुट्टी से जुड़े दस्तावेज़ तैयार करने में मदद कर सकती है,” Stony Brook की सह-पत्राचार लेखिका और क्लिनिकल एसोसिएट प्रोफेसर, एमडी Rachel Wong ने विश्वविद्यालय की घोषणा में कहा।

सह-पत्राचार लेखक Fusheng Wang, पीएचडी, ने कहा कि शोध के अगले चरणों में सटीकता, सुरक्षा, चिकित्सकों के समय की वास्तविक बचत और नैदानिक कार्यप्रवाहों के साथ तालमेल का आकलन करना शामिल है। विश्वविद्यालय के अनुसार, Stony Brook Medicine के रोज़मर्रा के अभ्यास में एक पायलट परियोजना पर विचार किया जा रहा है।

कंप्यूटर विज्ञान में पीएचडी के शोधार्थी Tyler Osborne के नेतृत्व में यह अंतर्विषयक परियोजना चिकित्सकों, कंप्यूटर वैज्ञानिकों, जैव-चिकित्सा सूचना-विज्ञान विशेषज्ञों और संचार क्षेत्र की विशेषज्ञता को साथ लाती है। यह अध्ययन जटिल छुट्टी-सारांशों के चिकित्सक-पर्यवेक्षित मसौदा-लेखन के पक्ष में उत्साहजनक प्रमाण देता है। इस तरीके को रोज़मर्रा के भरोसेमंद उपयोग में कैसे बदला जा सकता है, यह समझने के लिए तैयार किए गए पाठ के साथ-साथ उसकी समीक्षा-प्रक्रिया का मूल्यांकन करना ज़रूरी है।