तकनीकी सारांश: संदर्भजन्य बैंडिट प्राथमिकता शिक्षण के साथ मानव-इन-द-लूप मल्टी-एजेंट वेंटिलेटर निर्णय सहायता

1. समस्या विवरण

इंटेंसिव केयर यूनिट (ICU) में मैकेनिकल वेंटिलेशन के लिए विकसित होती रोगी शरीर क्रिया विज्ञान (physiology), गैस विनिमय और हेमोडायनामिक्स के अनुरूप निरंतर, सूक्ष्म समायोजन की आवश्यकता होती है। वर्तमान नैदानिक अभ्यास प्रोटोकॉल और चिकित्सक के अनुभव पर निर्भर करता है, फिर भी यह महत्वपूर्ण चुनौतियों का सामना करता है:

• गतिशील जटिलता (Dynamic Complexity): रोगी के प्रक्षेपवक्र (trajectories) गैर-स्थिर होते हैं, और ऐसी रणनीतियाँ जो एक रोगी या एक समय बिंदु के लिए काम करती हैं, दूसरे के लिए विफल हो सकती हैं।
• वर्कफ़्लो बाधाएं: बेडसाइड टाइट्रेशन (titration) के लिए अपूर्ण संकेतों के प्रति त्वरित प्रतिक्रिया की आवश्यकता होती है, जिससे समय के दबाव और शिफ्ट हैंडऑफ के कारण असंगत समायोजन हो सकते हैं।
• वैयक्तिकरण अंतराल (Personalization Gaps): नैदानिक टीमें जोखिम सहनशीलता, ट्यूनिंग शैली और स्थानीय परंपराओं में भिन्न होती हैं। मौजूदा निर्णय सहायता प्रणाली (DSS) अक्सर इन विशिष्ट प्राथमिकताओं के अनुकूल होने में विफल रहती है, जिससे विश्वास और अपनाने की क्षमता सीमित हो जाती है।
• वर्तमान AI की सीमाएं: नियम-आधारित दृष्टिकोण सामान्यीकरण (generalization) के लिए पर्याप्त नहीं हैं, जबकि एंड-टू-एंड सुदृढीकरण शिक्षण (RL) या एकल लार्ज लैंग्वेज मॉडल (LLM) सिस्टम को नियंत्रित करना, ऑडिट करना और विशिष्ट सुरक्षा सीमाओं के साथ संरेखित करना कठिन है।

लेखकों का तर्क है कि उच्च-जोखिम वाले नैदानिक सेटिंग्स में, केवल पॉइंटवाइज मॉडल प्रदर्शन पर्याप्त नहीं है। सफल तैनाती के लिए एक ऐसा सिस्टम आवश्यक है जहाँ व्यवहार बेडसाइड पर निरीक्षण योग्य हो, तर्क पता लगाने योग्य (traceable) हो, और सिस्टम नैदानिक वर्कफ़्लो को तोड़े बिना चिकित्सक की प्राथमिकताओं के अनुकूल हो सके।

2. कार्यप्रणाली: वेंटिलेटर निर्णय सहायता प्रणाली (VDSS)

लेखक VDSS का प्रस्ताव करते हैं, जो एक मानव-इन-द-लूप (HITL) मल्टी-एजेंट फ्रेमवर्क है जिसे अनुबंध-संचालित संरचित इंटरफेस द्वारा विनियमित खंडित घटकों में विभाजित करने के लिए डिज़ाइन किया गया है।

2.1 मल्टी-एजेंट आर्किटेक्चर

एक एकल मॉडल जो इनपुट को आउटपुट में मैप करता है, के बजाय, VDSS विशिष्ट भूमिकाओं और स्कीमा-बाधित आउटपुट वाले विशेषज्ञ एजेंटों (LLM या VLM मॉड्यूल) के वर्कफ़्लो को संचालित करता है:

• डेटा अंतर्ग्रहण (Data Ingestion): एक वेवफॉर्म एनालाइज़र दबाव और प्रवाह ट्रेस (pressure and flow traces) को संरचित संकेतों (जैसे, एसिंक्रोनी, अनिश्चितता) में परिवर्तित करता है ताकि टैबुलर डेटा के पूरक के रूप में कार्य किया जा सके।
• डिटेक्शन और लक्ष्य अनुमान: एक डिटेक्शन एजेंट संकेतों को एक स्टेट समरी में संश्लेषित करता है। एक फेज गोल मैनेजर उपचार चरण का अनुमान लगाता है और प्राथमिक/द्वितीयक लक्ष्यों को निर्दिष्ट करता है।
• डिसीजन गेटिंग: एक होल्ड/एडजस्ट गेट यह तय करता है कि वर्तमान सेटिंग्स को बनाए रखना है या टाइट्रेशन शुरू करना है, जिससे अपर्याप्त साक्ष्य होने पर अनावश्यक समायोजन को रोका जा सके।
• योजना और सुरक्षा: यदि समायोजन की आवश्यकता है, तो एक स्ट्रेटेजी सिलेक्टर, मोड सिलेक्ट एजेंट, और पैरामीटर प्लानर निष्पादन योग्य अपडेटों का एक संक्षिप्त सेट उत्पन्न करते हैं। इन प्रस्तावों को नैदानिक तक पहुँचने से पहले नियत सुरक्षा और अनुकूलता जाँचों से गुजरना पड़ता है।
• फीडबैक और संशोधन: यदि एक चिकित्सक प्रस्ताव को अस्वीकार कर देता है, तो एक रिफ्लेक्ट एजेंट फीडबैक को संशोधन बाधाओं में अनुवादित करता है, जिससे उस विशिष्ट निर्णय परत (जैसे, रणनीति बनाम पैरामीटर) की पहचान होती है जिसे फिर से देखना आवश्यक है। यह पूर्ण पाइपलाइन को फिर से चलाने के बजाय लक्षित पुन: योजना (targeted replanning) को सक्षम बनाता है।
• दस्तावेज़ीकरण: एक नोट जेनरेटर एक संरचित सारांश और एक ऑडिट योग्य चक्र रिकॉर्ड तैयार करता है।

2.2 मानव-इन-द-लूप इंटरेक्शन

सिस्टम समायोजन चक्रों में कार्य करता है। प्रत्येक चक्र $t$ के लिए, सिस्टम $k=1, \dots, K_t$ राउंड में सेटिंग्स $a^{(k)}_t$ प्रस्तावित करता है।

• अस्वीकृति हैंडलिंग: अस्वीकृति को एक संरचित नियंत्रण संकेत के रूप में माना जाता है। सिस्टम तर्क को रिकॉर्ड करता है, त्रुटि को एक विशिष्ट निर्णय चरण तक स्थानीयकृत करता है, और केवल उस चरण की पुन: योजना करता है।
• समाप्ति: चक्र तब समाप्त होता है जब एक चिकित्सक एक प्रस्ताव ($\tilde{a}_t$) को स्वीकार करता है, जो उस चक्र के लिए ग्राउंड ट्रुथ बन जाता है।

2.3 ऑनलाइन प्राथमिकता अनुकूलन (कॉन्टेक्स्टुअल बैंडिट)

चिकित्सक की ट्यूनिंग शैलियों की परिवर्तनशीलता को संबोधित करने के लिए, VDSS एक ऑनलाइन कॉन्टेक्स्टुअल बैंडिट तंत्र का उपयोग करता है:

• प्राथमिकता अवस्था (Preference State): प्रत्येक चिकित्सक $d$ एक प्राथमिकता अवस्था $\theta_d$ बनाए रखता है।
• फीडबैक लूप: चक्र बंद होने पर, सिस्टम अंतिम स्वीकृत निर्णय $\tilde{a}_t$ और इंटरेक्शन ट्रेस $h_t$ के आधार पर एक प्राथमिकता सिग्नल $p_t$ निकालता है।
• लर्निंग ऑब्जेक्टिव: बैंडिट $\theta_d$ को सूत्र $\theta_d \leftarrow \text{BanditUpdate}(\theta_d; x_t, \tilde{a}_t, h_t, p_t)$ का उपयोग करके अपडेट करता है।
• प्राथमिकता श्रेणियाँ: मॉडल 12 निश्चित श्रेणियों पर सीखता है, जिसमें सूक्ष्मता (छोटे कदम बनाम आक्रामक), मोड परिवर्तन, नैदानिक उद्देश्यों की प्राथमिकता (ऑक्सीजनेशन, फेफड़ों की सुरक्षा, हेमोडायनामिक्स, आदि), और वर्कफ़्लो प्रवृत्तियाँ (जैसे, डेटा अपर्याप्त होने पर कार्रवाई को स्थगित करना) शामिल हैं।
• एकीकरण: अपडेट किया गया $\theta_d$ आगामी चक्रों के लिए रीजनिंग इंजन के लिए संदर्भ (context) के रूप में कार्य करता है, जो उम्मीदवार रैंकिंग और चयन का मार्गदर्शन करता है।

3. प्रमुख योगदान

1. मॉड्यूलर मल्टी-एजेंट फ्रेमवर्क: VDSS एक अनुबंध-संचालित, मल्टी-एजेंट आर्किटेक्चर पेश करता है जो वेंटिलेटर टाइट्रेशन को सत्यापन योग्य, रखरखाव योग्य मॉड्यूल में विभाजित करता है, जो मोनोलिथिक एंड-टू-एंड मॉडल के स्थान पर एक सुसंगत, ऑडिट योग्य तर्क ट्रेस प्रदान करता है।
2. संरचित अस्वीकृति और लक्षित पुन: योजना: सिस्टम एक तंत्र लागू करता है जहाँ चिकित्सक की अस्वीकृति विशिष्ट निर्णय परतों के लक्षित संशोधन को ट्रिगर करती है, जिससे अनुत्पादक पुनरावृत्ति कम होती है और इंटरेक्शन स्थिरता बनी रहती है।
3. ऑनलाइन प्राथमिकता अनुकूलन: कॉन्टेक्स्टुअल बैंडिट का एकीकरण सिस्टम को विशिष्ट चिकित्सक शैलियों को स्वीकृत निर्णयों से सीखने की अनुमति देता है, जिससे व्यापक प्री-ट्रेनिंग के बिना व्यक्तिगत ट्यूनिंग के साथ संरेखण में सुधार होता है।
4. पता लगाने योग्य साक्ष्य: फ्रेमवर्क यह सुनिश्चित करता है कि प्रत्येक सिफारिश के साथ एक संरचित सारांश, सुरक्षा जाँच और एक तर्क (rationale) जुड़ा हो, जो नैदानिक समीक्षा और ऑडिट की सुविधा प्रदान करता है।

4. प्रयोगात्मक परिणाम

लेखकों ने 1,309 संरचित रिकॉर्ड (7,447 सेटिंग प्रविष्टियाँ) कवर करने वाले 13 वेंटिलेशन मोड के डेटासेट पर रिट्रोस्पेक्टिव ICU प्रक्षेपवक्र रीप्ले और विशेषज्ञ समीक्षा का उपयोग करके VDSS का मूल्यांकन किया।

• सिंगल मॉडल बनाम प्रदर्शन: जब VDSS के भीतर तैनात किया गया, तो मॉडल सीधे सिंगल-मॉडल जनरेशन की तुलना में काफी बेहतर प्रदर्शन करते हैं। उदाहरण के लिए, GPT-5.2 को बैकबोन के रूप में उपयोग करते हुए:
  • MSE (मीन स्क्वेर्ड एरर): 0.343 (सिंगल मॉडल) से घटकर 0.102 (VDSS) हो गया।
  • कुल चिकित्सक रेटिंग: 2.63 से बढ़कर 4.11 (1–5 के पैमाने पर) हो गई।
  • स्वीकार्यता (Acceptability): 2.75 से बढ़कर 4.09 हो गई।
• एब्लेशन अध्ययन (Ablation Studies): वेवफॉर्म साक्ष्य (NoImg) या प्राथमिकता संदर्भ (NoPref) को हटाने से प्रदर्शन में गिरावट आई (उदाहरण के लिए, MSE क्रमशः 0.145 और 0.128 तक बढ़ गया), जो दोनों गतिशील साक्ष्य और प्राथमिकता शिक्षण की आवश्यकता की पुष्टि करता है।
• इंटरेक्शन दक्षता: "रिग्रेट" (प्रति चक्र अस्वीकृत प्रस्तावों की संख्या) के विश्लेषण ने 100 चक्रों में नीचे की ओर रुझान दिखाया, जो इंगित करता है कि सिस्टम ने चिकित्सक की प्राथमिकताओं को सीखा और एक स्वीकार्य योजना तक पहुँचने के लिए कम इंटरेक्शन राउंड की आवश्यकता हुई।
• रनटाइम: लोकल हार्डवेयर (RTX 5070 Ti) पर, औसत चक्र समय 305.3 सेकंड था, जिसमें वेवफॉर्म विश्लेषण मुख्य बाधा (56.46 सेकंड) था। फ्रेमवर्क ने पूर्णता विफलता दर (completion failure rate) को 7% से नीचे बनाए रखा।

5. महत्व और दावे

पेपर का दावा है कि VDSS उच्च-जोखिम वाले सेटिंग्स में व्यावहारिक रूप से तैनात की जा सकने वाली मानव-AI सहयोग की दिशा में एक व्यावहारिक कदम है। इसका महत्व निम्नलिखित में निहित है:

• सुरक्षा और ऑडिटेबिलिटी: अनुबंध-संचालित इंटरफेस और नियत सुरक्षा जाँचों को लागू करके, सिस्टम यह सुनिश्चित करता है कि जेनेरेटिव प्लानिंग स्पष्ट बाधाओं द्वारा सीमित रहे, जो एंड-टू-एंड RL की "ब्लैक बॉक्स" चिंताओं को संबोधित करता है।
• वर्कफ़्लो संरेखण: HITL डिज़ाइन बेडसाइड टाइट्रेशन की पुनरावृत्ति प्रकृति का सम्मान करता है, जिससे चिकित्सक को लूप को तोड़े बिना सुझावों को ओवरराइड करने, अस्वीकार करने और परिष्कृत करने की अनुमति मिलती है।
• ओवरफिटिंग के बिना वैयक्तिकरण: कॉन्टेक्स्टुअल बैंडिट दृष्टिकोण विशिष्ट उपयोगकर्ता डेटा पर बड़े पैमाने पर प्री-ट्रेनिंग की आवश्यकता के बिना, वास्तविक दुनिया के फीडबैक (स्वीकृत निर्णयों) का उपयोग करके व्यक्तिगत चिकित्सक शैलियों को अनुकूलित करता है, जिससे यह विभिन्न संस्थानों और चिकित्सकों के लिए स्केलेबल बनता है।
• व्याख्यात्मकता (Interpretability): सिस्टम सिफारिश, रोगी की स्थिति और टीम की प्राथमिकताओं के बीच एक पारदर्शी लिंक प्रदान करता है, जो कुशल बार-बार उपयोग और विश्वास का समर्थन करता है।

लेखक निष्कर्ष निकालते हैं कि जबकि पॉइंटवाइज मॉडल सटीकता आवश्यक है, VDSS की क्षमता कि वह सत्यापन योग्य, प्राथमिकता-जागरूक और सुरक्षित सहयोग प्रदान कर सके, क्रिटिकल केयर में निरंतर अपनाने के लिए महत्वपूर्ण कारक है।