AI और चिकित्सा शब्दावली: समझ का सेतु?

आधुनिक स्वास्थ्य सेवा के जटिल जाल में, विशेषज्ञों और सामान्य चिकित्सकों के बीच संचार सर्वोपरि है। फिर भी, चिकित्सा नोट्स में अक्सर इस्तेमाल की जाने वाली अत्यधिक विशिष्ट भाषा महत्वपूर्ण बाधाएँ पैदा कर सकती है, खासकर जब नेत्र विज्ञान (ophthalmology) जैसे जटिल क्षेत्रों से निपटना हो। हाल की एक जांच एक संभावित तकनीकी समाधान पर प्रकाश डालती है: कृत्रिम बुद्धिमत्ता (artificial intelligence), विशेष रूप से बड़े भाषा मॉडल (large language models - LLMs) की शक्ति का लाभ उठाकर, घने, शब्दावली से भरे नेत्र विज्ञान रिपोर्टों को स्पष्ट, संक्षिप्त सारांशों में अनुवादित करना जो विशेषज्ञता के बाहर के लोगों के लिए समझने योग्य हों। निष्कर्ष अंतर-चिकित्सक संचार को बढ़ाने और संभावित रूप से रोगी देखभाल समन्वय में सुधार के लिए एक आशाजनक मार्ग सुझाते हैं, हालांकि सटीकता और निगरानी के संबंध में महत्वपूर्ण चेतावनियों के बिना नहीं।

विशिष्ट संचार की चुनौती

चिकित्सा जगत सटीकता पर फलता-फूलता है, जिससे अक्सर प्रत्येक अनुशासन के भीतर अत्यधिक विशिष्ट शब्दावली का विकास होता है। साथियों के बीच सूक्ष्म चर्चा के लिए आवश्यक होने पर, यह विशिष्ट शब्दावली एक महत्वपूर्ण बाधा बन सकती है जब जानकारी को विभिन्न विभागों या प्राथमिक देखभाल प्रदाताओं तक प्रवाहित करने की आवश्यकता होती है। नेत्र विज्ञान (Ophthalmology), अपने अद्वितीय शारीरिक शब्दों, जटिल नैदानिक प्रक्रियाओं और विशेष संक्षिप्त रूपों के साथ, इस चुनौती का उदाहरण है। एक नेत्र परीक्षण प्रणालीगत स्वास्थ्य स्थितियों में महत्वपूर्ण अंतर्दृष्टि प्रदान कर सकता है - मधुमेह (diabetes), मल्टीपल स्केलेरोसिस (multiple sclerosis), या यहां तक कि आसन्न स्ट्रोक (stroke) के लक्षणों का खुलासा कर सकता है। हालांकि, यदि नेत्र रोग विशेषज्ञ के विस्तृत निष्कर्ष उन शब्दों में व्यक्त किए जाते हैं जिनसे प्राप्तकर्ता चिकित्सक अपरिचित है, तो इन महत्वपूर्ण नैदानिक सुरागों के अनदेखे या गलत व्याख्या किए जाने का जोखिम होता है। संभावित परिणाम विलंबित उपचार से लेकर छूटे हुए निदान तक हो सकते हैं, जो अंततः रोगी के परिणामों को प्रभावित करते हैं।

प्राथमिक देखभाल चिकित्सक या अस्पताल के चिकित्सक पर विचार करें जो कई स्वास्थ्य समस्याओं वाले रोगी का प्रबंधन कर रहा है। वे रोगी की स्थिति का समग्र दृष्टिकोण बनाने के लिए विभिन्न विशेषज्ञों की रिपोर्टों पर भरोसा करते हैं। ‘Tmax’ (अधिकतम इंट्राओकुलर दबाव), ‘CCT’ (केंद्रीय कॉर्नियल मोटाई), या ‘cosopt’ (एक संयोजन ग्लूकोमा दवा) जैसे विशिष्ट दवा शॉर्टहैंड जैसे संक्षिप्त रूपों से भरा एक नेत्र विज्ञान नोट समझने में भ्रमित करने वाला और समय लेने वाला हो सकता है। तत्काल स्पष्टता की यह कमी कुशल निर्णय लेने में बाधा डाल सकती है और रोगी और उनके परिवार के साथ उनकी स्वास्थ्य के व्यापक संदर्भ में नेत्र निष्कर्षों के महत्व के बारे में चर्चा को जटिल बना सकती है। इसके अलावा, कई चिकित्सा पेशेवरों को उनके प्रशिक्षण के दौरान नेत्र विज्ञान के लिए सीमित जोखिम मिलता है - कभी-कभी केवल कुछ व्याख्यानों के बराबर - इस समझ के अंतर को बढ़ाता है।

AI परीक्षा कक्ष में प्रवेश करता है: स्पष्टता में एक अध्ययन

इस संचार बाधा को पहचानते हुए, शोधकर्ताओं ने यह पता लगाने के लिए एक गुणवत्ता सुधार अध्ययन शुरू किया कि क्या AI एक प्रभावी अनुवादक के रूप में काम कर सकता है। मुख्य प्रश्न यह था कि क्या वर्तमान LLM तकनीक में जटिल नेत्र विज्ञान नोट्स को सार्वभौमिक रूप से सुपाच्य सारांशों में बदलने के लिए आवश्यक परिष्कार, सटीकता और अद्यतित ज्ञान का आधार है। क्या AI नेत्र विशेषज्ञों और अन्य चिकित्सा क्षेत्रों में उनके सहयोगियों के बीच शब्दावली के अंतर को प्रभावी ढंग से पाट सकता है?

फरवरी और मई 2024 के बीच Mayo Clinic में आयोजित इस अध्ययन में 20 नेत्र रोग विशेषज्ञ शामिल थे। इन विशेषज्ञों को रोगी मुठभेड़ों का दस्तावेजीकरण करने के बाद दो मार्गों में से एक को यादृच्छिक रूप से सौंपा गया था। एक समूह ने अपने मानक नैदानिक नोट्स सीधे संबंधित देखभाल टीम के सदस्यों (चिकित्सकों, निवासियों, साथियों, नर्स चिकित्सकों, चिकित्सक सहायकों और संबद्ध स्वास्थ्य कर्मचारियों) को भेजे। दूसरे समूह ने पहले अपने नोट्स को एक AI प्रोग्राम के माध्यम से संसाधित किया जिसे एक सरल भाषा सारांश उत्पन्न करने के लिए डिज़ाइन किया गया था। इन AI-जनित सारांशों की समीक्षा नेत्र रोग विशेषज्ञ द्वारा की गई, जो तथ्यात्मक त्रुटियों को ठीक कर सकते थे लेकिन उन्हें शैलीगत परिवर्तन न करने का निर्देश दिया गया था। इस दूसरे समूह से नोट्स प्राप्त करने वाले देखभाल टीम के सदस्यों को दोनों मूल विशेषज्ञ नोट और AI-जनित सरल भाषा सारांश प्राप्त हुए।

इस हस्तक्षेप की प्रभावशीलता का आकलन करने के लिए, इन नोट्स को प्राप्त करने वाले गैर-नेत्र विज्ञान चिकित्सकों और पेशेवरों को सर्वेक्षण वितरित किए गए। कुल 362 प्रतिक्रियाएँ एकत्र की गईं, जो लगभग 33% की प्रतिक्रिया दर का प्रतिनिधित्व करती हैं। लगभग आधे उत्तरदाताओं ने केवल मानक नोट्स की समीक्षा की, जबकि अन्य आधे ने नोट्स और AI सारांश दोनों की समीक्षा की। सर्वेक्षण का उद्देश्य स्पष्टता, समझ, विवरण के स्तर से संतुष्टि और समग्र वरीयता का आकलन करना था।

आश्चर्यजनक परिणाम: वरीयता और बढ़ी हुई समझ

गैर-नेत्र विज्ञान पेशेवरों से प्रतिक्रिया AI-सहायता प्राप्त सारांशों के प्रति अत्यधिक सकारात्मक थी। एक उल्लेखनीय 85% उत्तरदाताओं ने मूल नोट के साथ सरल भाषा सारांश प्राप्त करने की वरीयता का संकेत दिया, मानक नोट अकेले प्राप्त करने की तुलना में। यह वरीयता कथित स्पष्टता और समझ में महत्वपूर्ण सुधारों पर आधारित थी।

• स्पष्टता: जब पूछा गया कि क्या नोट्स ‘बहुत स्पष्ट’ थे, तो AI सारांश प्राप्त करने वालों में से 62.5% सहमत हुए, जबकि मानक नोट्स प्राप्त करने वालों में से केवल 39.5% सहमत हुए - एक सांख्यिकीय रूप से महत्वपूर्ण अंतर (P<0.001)। इससे पता चलता है कि AI भ्रमित करने वाली शब्दावली को हटाने और मुख्य जानकारी को अधिक सुलभ रूप से प्रस्तुत करने में सफल रहा।
• समझ: सारांशों ने स्पष्ट रूप से समझ में भी सुधार किया। 33% प्राप्तकर्ताओं ने महसूस किया कि AI सारांश ने उनकी समझ को ‘बहुत हद तक’ सुधारा, जो मानक नोट्स के बारे में ऐसा महसूस करने वाले 24% से काफी अधिक था (P=0.001)। यह इंगित करता है कि सारांशों ने न केवल भाषा को सरल बनाया बल्कि रिपोर्ट के नैदानिक सार को समझने में सक्रिय रूप से सहायता की।
• विवरण से संतुष्टि: दिलचस्प बात यह है कि सारांश होने के बावजूद, AI संस्करणों ने प्रदान की गई जानकारी के स्तर से अधिक संतुष्टि प्रदान की। AI सारांश प्रारूप में विवरण से 63.6% संतुष्ट थे, जबकि मानक नोट्स के लिए 42.2% (P<0.001)। यह सुझाव दे सकता है कि स्पष्टता तकनीकी डेटा की भारी मात्रा पर भारी पड़ती है; मुख्य बिंदुओं को अच्छी तरह से समझना व्यापक शब्दावली तक पहुँच होने से अधिक संतोषजनक है जिसे कोई आसानी से व्याख्या नहीं कर सकता है।

सबसे सम्मोहक निष्कर्षों में से एक ज्ञान के अंतर को पाटने से संबंधित था। शोधकर्ताओं ने देखा कि जिन चिकित्सकों ने शुरू में नेत्र विज्ञान शब्दावली के साथ असहज महसूस करने की सूचना दी थी, उन्होंने AI सारांशों से अधिक महत्वपूर्ण लाभ का अनुभव किया। सरल भाषा सारांश के जुड़ने से नेत्र-संबंधी शब्दावली के साथ सहज और असहज लोगों के बीच समझ की असमानता नाटकीय रूप से कम हो गई, जो 26.1% से घटकर 14.4% हो गई। यह ‘समतुल्य प्रभाव’ चिकित्सकों, नर्सों और अन्य संबद्ध स्वास्थ्य कर्मचारियों सहित विभिन्न पेशेवर भूमिकाओं में देखा गया, जो विविध स्वास्थ्य टीमों में समझ को लोकतांत्रिक बनाने के लिए ऐसे उपकरणों की क्षमता को उजागर करता है। चिकित्सकों ने विशेष रूप से टिप्पणी की कि AI सारांश संक्षिप्त रूपों को परिभाषित करने और विशेष शब्दों की व्याख्या करने में माहिर थे, जिसने बदले में रोगियों और परिवारों के साथ नेत्र निष्कर्षों के बारे में उनकी बाद की बातचीत को सरल बनाया।

सरल भाषा की शक्ति: एक उदाहरण

व्यावहारिक अंतर को स्पष्ट करने के लिए, अध्ययन के विवरणों पर आधारित एक काल्पनिक उदाहरण पर विचार करें। प्राथमिक ओपन-एंगल ग्लूकोमा वाले रोगी के लिए एक नेत्र रोग विशेषज्ञ का नोट कुछ इस तरह पढ़ सकता है:

“Pt c/o blurred vision. Exam: VA OD 20/40, OS 20/30. IOPs 24 OD, 22 OS (Tmax 28). CCT 540 OU. Gonio: Open angles Gr III OU. ONH: C/D 0.7 OD, 0.6 OS, NRR thinning inf OD > OS. HVF: Sup arcuate defect OD. Plan: Cont Cosopt BID OU. F/U 3 mos. RTC sooner if sx worsen. Discussed SLT option.”

एक गैर-विशेषज्ञ के लिए, यह संक्षिप्त रूपों (Pt, c/o, VA, OD, OS, IOPs, Tmax, CCT, OU, Gonio, Gr, ONH, C/D, NRR, HVF, Cont, BID, F/U, RTC, sx, SLT) और व्याख्या की आवश्यकता वाले विशिष्ट मेट्रिक्स से भरा है।

इसके विपरीत, AI-जनित सरल भाषा सारांश, उनके कार्य के अध्ययन के विवरण के आधार पर, इस तरह दिख सकता है:

“इस रोगी को ग्लूकोमा है, एक ऐसी स्थिति जिसमें आंख के अंदर उच्च दबाव शामिल होता है जो ऑप्टिक तंत्रिका को नुकसान पहुंचा सकता है और दृष्टि हानि का कारण बन सकता है। आज का आंखों का दबाव थोड़ा बढ़ा हुआ था (दाहिनी आंख में 24, बाईं आंख में 22)। ऑप्टिक नसों में क्षति के कुछ लक्षण दिखाई देते हैं, दाहिनी आंख में अधिक। एक दृश्य क्षेत्र परीक्षण ने दाहिनी आंख की ऊपरी परिधीय दृष्टि में कुछ दृष्टि हानि की पुष्टि की। रोगी दोनों आंखों में दिन में दो बार Cosopt आई ड्रॉप्स का उपयोग करना जारी रखेगा। Cosopt एक संयोजन दवा है जिसमें आंखों के दबाव को कम करने में मदद करने के लिए दो दवाएं (डोरज़ोलमाइड और टिमोलोल) होती हैं। हमने भविष्य के विकल्प के रूप में आंखों के दबाव को कम करने के लिए एक लेजर प्रक्रिया, सेलेक्टिव लेजर ट्रैबेकुलोप्लास्टी (Selective Laser Trabeculoplasty - SLT) पर चर्चा की। रोगी को 3 महीने में फॉलो-अप के लिए वापस आना चाहिए, या यदि दृष्टि बदलती है या अन्य लक्षण होते हैं तो जल्दी आना चाहिए।”

यह संस्करण तुरंत निदान को स्पष्ट करता है, दवा के उद्देश्य की व्याख्या करता है (‘Cosopt’ को परिभाषित करता है), प्रमुख निष्कर्षों को समझने योग्य अवधारणाओं में अनुवादित करता है, और गुप्त संक्षिप्त रूपों से बचता है। यह बढ़ी हुई स्पष्टता प्राथमिक देखभाल प्रदाता या परामर्श चिकित्सक को रोगी की स्थिति और नेत्र रोग विशेषज्ञ की योजना को जल्दी से समझने की अनुमति देती है।

सटीकता संबंधी चिंताएँ और निगरानी की अनिवार्यता

समझ में अत्यधिक सकारात्मक स्वागत और प्रदर्शित लाभों के बावजूद, अध्ययन ने AI-जनित सारांशों की सटीकता के संबंध में सावधानी का एक महत्वपूर्ण नोट भी दिया। जब नेत्र रोग विशेषज्ञों ने LLM द्वारा उत्पादित प्रारंभिक सारांशों की समीक्षा की इससे पहले कि उन्हें भेजा गया, उन्होंने 26% मामलों में त्रुटियों की पहचान की। जबकि इन त्रुटियों का विशाल बहुमत (83.9%) रोगी को नुकसान पहुंचाने के कम जोखिम के रूप में वर्गीकृत किया गया था, और महत्वपूर्ण रूप से, किसी को भी गंभीर नुकसान या मृत्यु का जोखिम पैदा करने वाला नहीं माना गया था, यह प्रारंभिक त्रुटि दर महत्वपूर्ण है।

इससे भी अधिक चिंताजनक बात यह है कि एक बाहरी नेत्र रोग विशेषज्ञ द्वारा किए गए बाद के स्वतंत्र विश्लेषण ने 235 सरल भाषा सारांशों की समीक्षा की जब उनकी समीक्षा और संपादन अध्ययन के नेत्र रोग विशेषज्ञों द्वारा पहले ही किया जा चुका था। इस समीक्षा में पाया गया कि 15% सारांशों में अभी भी त्रुटियाँ थीं। यह लगातार त्रुटि दर, विशेषज्ञ की निगरानी के बाद भी, एक महत्वपूर्ण बिंदु को रेखांकित करती है: नैदानिक सेटिंग्स में AI उपकरण कठोर मानव पर्यवेक्षण के बिना स्वायत्त रूप से कार्य नहीं कर सकते हैं।

अध्ययन ने इन त्रुटियों की विशिष्ट प्रकृति में तल्लीन नहीं किया, जो एक सीमा है। संभावित त्रुटियों में संख्यात्मक डेटा के अनुवाद में मामूली अशुद्धियाँ, किसी खोज की गंभीरता की गलत व्याख्या करना, मूल नोट से महत्वपूर्ण बारीकियों को छोड़ना, या स्रोत पाठ में मौजूद न होने वाली जानकारी का परिचय देना (मतिभ्रम) शामिल हो सकता है। जबकि इस अध्ययन में जोखिम प्रोफ़ाइल कम दिखाई दी, त्रुटि की संभावना मजबूत वर्कफ़्लो की आवश्यकता है जिसमें नैदानिक निर्णय लेने या संचार के लिए AI-जनित सारांशों पर भरोसा करने से पहले अनिवार्य चिकित्सक समीक्षा और सुधार शामिल हो। यह भी ध्यान देने योग्य है, जैसा कि अध्ययन लेखकों ने अन्य शोधों का हवाला देकर बताया, कि त्रुटियाँ केवल AI के लिए विशिष्ट नहीं हैं; त्रुटियाँ मूल चिकित्सक-लिखित नोट्स में भी मौजूद हो सकती हैं और होती हैं। हालाँकि, AI परत का परिचय त्रुटि का एक नया संभावित स्रोत जोड़ता है जिसे प्रबंधित किया जाना चाहिए।

विशेषज्ञों के दृष्टिकोण

अध्ययन में भाग लेने वाले नेत्र रोग विशेषज्ञों ने भी प्रतिक्रिया प्रदान की। 489 सर्वेक्षण प्रतिक्रियाओं (विशेषज्ञों से 84% प्रतिक्रिया दर) के आधार पर, AI सारांशों के बारे में उनका दृष्टिकोण आम तौर पर सकारात्मक था, यद्यपि शायद सुधार की आवश्यकता के बारे में उनकी जागरूकता से संयमित था।

• निदान का प्रतिनिधित्व: एक उच्च प्रतिशत, 90%, ने महसूस किया कि सरल भाषा सारांश ने रोगी के निदान का ‘बहुत हद तक’ प्रतिनिधित्व किया। इससे पता चलता है कि AI ने आम तौर पर विशेषज्ञ के दृष्टिकोण से मुख्य नैदानिक तस्वीर को सटीक रूप से कैप्चर किया।
• समग्र संतुष्टि: 75% नेत्र रोग विशेषज्ञ प्रतिक्रियाओं ने संकेत दिया कि वे अपने नोट्स के लिए उत्पन्न सारांशों से ‘बहुत संतुष्ट’ थे (संभवतः उनकी समीक्षा और सुधार के बाद)।

संतुष्ट होने पर, सारांशों की समीक्षा और सुधार में शामिल प्रयास को निर्धारित नहीं किया गया था, लेकिन वर्कफ़्लो एकीकरण के लिए एक महत्वपूर्ण विचार बना हुआ है। उनकी समीक्षा के बाद भी पाई गई 15% त्रुटि दर चुनौती को उजागर करती है - विशेषज्ञ व्यस्त हैं, और निगरानी, ​​जबकि आवश्यक है, कुशल और विश्वसनीय होने की आवश्यकता है।

व्यापक निहितार्थ और भविष्य की दिशाएँ

यह अध्ययन एक खिड़की खोलता है कि कैसे प्रौद्योगिकी, विशेष रूप से AI, का उपयोग मानव संपर्क को बदलने के लिए नहीं बल्कि विशिष्ट चिकित्सा में निहित संचार बाधाओं को दूर करके इसे बढ़ाने के लिए किया जा सकता है। जटिल नेत्र विज्ञान नोट्स को सरल भाषा में अनुवाद करने में AI की सफलता व्यापक अनुप्रयोगों के लिए वादा रखती है।

• अंतर-चिकित्सक संचार: मॉडल को संभावित रूप से अन्य अत्यधिक विशिष्ट क्षेत्रों (जैसे, कार्डियोलॉजी, न्यूरोलॉजी, पैथोलॉजी) के लिए अनुकूलित किया जा सकता है जहां जटिल शब्दावली गैर-विशेषज्ञों द्वारा समझ में बाधा डाल सकती है, जिससे विषयों में देखभाल समन्वय में सुधार हो सकता है।
• रोगी शिक्षा: शायद सबसे रोमांचक संभावित विस्तारों में से एक समान AI उपकरणों का उपयोग उनके स्वयं के विज़िट नोट्स के रोगी-अनुकूल सारांश उत्पन्न करने के लिए करना है। रोगियों को उनकी स्थितियों और उपचार योजनाओं के बारे में स्पष्ट, समझने योग्य जानकारी के साथ सशक्त बनाना स्वास्थ्य साक्षरता में काफी सुधार कर सकता है, साझा निर्णय लेने की सुविधा प्रदान कर सकता है, और संभावित रूप से उपचार पालन को बढ़ा सकता है। कल्पना कीजिए कि एक रोगी पोर्टल आधिकारिक नैदानिक नोट के साथ स्वचालित रूप से एक सरल भाषा सारांश प्रदान करता है।

हालांकि, शोधकर्ताओं ने त्रुटि दर से परे सीमाओं को सही ढंग से स्वीकार किया। अध्ययन एक एकल शैक्षणिक केंद्र में आयोजित किया गया था, जो संभावित रूप से अन्य अभ्यास सेटिंग्स (जैसे, सामुदायिक अस्पताल, निजी अभ्यास) के लिए निष्कर्षों की सामान्यीकरण क्षमता को सीमित करता है। सर्वेक्षण प्रतिभागियों के बारे में जनसांख्यिकीय जानकारी एकत्र नहीं की गई थी, जिससे इस बात का विश्लेषण रोका जा सके कि अनुभव के वर्ष या विशिष्ट भूमिकाएँ जैसे कारक धारणाओं को कैसे प्रभावित कर सकते हैं। महत्वपूर्ण रूप से, अध्ययन ने रोगी के परिणामों को ट्रैक नहीं किया, इसलिए प्रत्यक्ष नैदानिक महत्व - क्या इन बेहतर सारांशों ने वास्तव में बेहतर उपचार निर्णयों या स्वास्थ्य परिणामों का नेतृत्व किया - अज्ञात बना हुआ है और भविष्य के शोध के लिए एक महत्वपूर्ण क्षेत्र है।

नैदानिक वर्कफ़्लो में AI को एकीकृत करने की यात्रा स्पष्ट रूप से चल रही है। यह शोध सम्मोहक साक्ष्य प्रदान करता है कि LLMs चिकित्सा पेशेवरों के बीच संचार स्पष्टता में सुधार के लिए शक्तिशाली उपकरणों के रूप में काम कर सकते हैं। फिर भी, यह एक शक्तिशाली अनुस्मारक के रूप में भी कार्य करता है कि प्रौद्योगिकी एक उपकरण है, रामबाण नहीं। आगे बढ़ने के लिए सावधानीपूर्वक कार्यान्वयन, निरंतर सत्यापन और सटीकता और रोगी सुरक्षा सुनिश्चित करने के लिए मानव निरीक्षण के प्रति अटूट प्रतिबद्धता की आवश्यकता है। लंबे समय से चली आ रही संचार बाधाओं को तोड़ने की क्षमता बहुत बड़ी है, लेकिन इसे परिश्रम और स्वास्थ्य सेवा के जटिल परिदृश्य में कृत्रिम बुद्धिमत्ता की क्षमताओं और सीमाओं दोनों की स्पष्ट समझ के साथ आगे बढ़ाया जाना चाहिए।