Improving Access to Essential Medicines via Decision-Aware Machine Learning
यह शोध पत्र एक निर्णय-सचेत (decision-aware) मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है, जिसने सिएरा लियोन में राष्ट्रव्यापी तैनाती के माध्यम से, संसाधन-सीमित परिवेशों में आवश्यक दवाओं के न्यायसंगत आवंटन में सफलतापूर्वक सुधार किया और उत्पाद की खपत में 19% की वृद्धि की।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल जहाज के कप्तान हैं जो हजारों चालक दल के सदस्यों को खिलाने की कोशिश कर रहे हैं, लेकिन आपका कार्गो होल्ड आधा खाली है, आपका नक्शा एक नैपकिन पर बना है जिसकी स्याही फैल गई है, और आपका चालक दल बार-बार अपना मन बदल रहा है कि वे क्या खाना चाहते हैं। यह कई कम आय वाले देशों में स्वास्थ्य प्रणालियों की दैनिक वास्तविकता है। वे एक "सप्लाई चेन" (आपूर्ति श्रृंखला) की पहेली का सामना कर रहे हैं: सही दवा को सही अस्पतालों तक कैसे पहुँचाया जाए जब पर्याप्त मात्रा में कुछ भी उपलब्ध न हो, और लोगों को क्या चाहिए, इसके बारे में डेटा अव्यवस्थित, गायब या पुराना है।
इसे हल करने के लिए, वैज्ञानिक अक्सर मशीन लर्निंग की ओर मुड़ते हैं, जो कि एक प्रकार का कंप्यूटर प्रोग्राम है जो भविष्य की भविष्यवाणी करने के लिए पिछले उदाहरणों से सीखता है। इसे एक सुपर-स्मार्ट मौसम पूर्वानुमानकर्ता की तरह समझें जो न केवल आज के आसमान को देखता है, बल्कि दशकों के बारिश के पैटर्न, हवा की गति और बादलों के आकार का अध्ययन करता है ताकि आपको ठीक से बता सके कि छाता कब लाना है। हालांकि, जहाँ डेटा कम या टूटा हुआ होता है, वहाँ ये "पूर्वानुमानकर्ता" अक्सर भ्रमित हो जाते हैं। उन्हें एक नए तरह के मस्तिष्क की आवश्यकता होती—एक ऐसा मस्तिष्क जो न केवल मौसम की भविष्यवाणी करना जानता हो, बल्कि यह भी जानता हो कि अनिश्चितता के समय सबसे अच्छा निर्णय कैसे लिया जाए। यहीं पर डिसीजन-अवेयर मशीन लर्निंग (निर्णय-जागरूक मशीन लर्निंग) काम आती है: यह एक ऐसा उपकरण है जिसे विशेष रूप से तब भी अच्छे निर्णय लेने के लिए डिज़ाइन किया गया है जब जानकारी अपूर्ण हो, जिससे यह सुनिश्चित होता है कि सीमित संसाधन अधिक से अधिक जीवन बचा सकें।
सिएरा लियोन में महान औषधि खोज
सिएरा लियोन में, जो एक लंबे गृहयुद्ध के बाद पुनर्निर्माण कर रहा है, सरकार ने एक वीरतापूर्ण मिशन शुरू किया जिसे 'फ्री हेल्थ केयर इनिशिएटिव' (मुफ्त स्वास्थ्य देखभाल पहल) कहा गया। लक्ष्य सरल लेकिन महत्वपूर्ण था: गर्भवती महिलाओं और पांच वर्ष से कम उम्र के बच्चों को मुफ्त चिकित्सा देखभाल प्रदान करना। लेकिन इसमें एक पेच था। दवाएं रेगिस्तान में पानी की एक कीमती और सीमित आपूर्ति की तरह थीं। हर तीन महीने में, एक केंद्रीय गोदाम सैकड़ों स्वास्थ्य क्लीनिकों तक इन सामग्रियों की डिलीवरी के लिए ट्रक भेजता था।
समस्या क्या थी? डिलीवरी सिस्टम अनुमान के आधार पर चल रहा था।
इस नए प्रोजेक्ट से पहले, दवा के ट्रकों के प्रभारी लोग यह तय करने के लिए एक विशाल स्प्रेडशीट (एक्सेल) का उपयोग कर रहे थे कि किसे क्या मिलेगा। यह एक बड़ी पार्टी आयोजित करने के लिए यह पूछने जैसा था कि हर कोई कितने केक की शायद इच्छा रखेगा, और फिर एक अंदाजे के आधार पर कुल संख्या का अनुमान लगाना। कभी-कभी, एक दूरदराज के गाँव के छोटे क्लिनिक को एंटीबायोटिक्स का ढेर मिल जाता था जिनकी उन्हें ज़रूरत नहीं थी, जबकि पास के एक व्यस्त अस्पताल में माताओं के लिए जीवन रक्षक दवाएं खत्म हो जाती थीं। इसका परिणाम निराशाजनक कमी और बर्बादी का एक चक्र था, जिससे संवेदनशील मरीज बिना देखभाल के रह जाते थे।
"डिसीजन-अवेयर" जासूस का आगमन
पेंसिल्वेनिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने, सिएरा लियोन सरकार के साथ मिलकर काम करते हुए, एक बेहतर तरीका बनाने का निर्णय लिया। वे केवल एक बेहतर कैलकुलेटर नहीं चाहते थे; वे एक डिसीजन-अवेयर मशीन लर्निंग प्रणाली चाहते थे।
यहाँ उनका नया सिस्टम कैसे काम करता है, एक मनोरंजक उपमा के माध्यम से समझें:
कल्पना कीजिए कि पुराना एक्सेल स्प्रेडशीट एक आंखों पर पट्टी बंधा हुआ शेफ था जो यह अनुमान लगाने की कोशिश कर रहा है कि रात के खाने के लिए कितने लोग आएंगे। वे पिछले सप्ताह के आंकड़ों के आधार पर अनुमान लगा सकते हैं, लेकिन यदि कोई तूफान आता है या कोई उत्सव शुरू होता है, तो वे गलत हो जाते हैं।
नया सिस्टम एक सुपर-डिटेक्टिव (सुपर-जासूस) की तरह है जिसके पास विशेष उपकरणों का एक सेट है:
- द मल्टी-टास्क लर्नर (बहु-कार्य सीखने वाला): केवल एक क्लिनिक को अलग से देखने के बजाय, यह जासूस सभी क्लीनिकों को एक साथ देखता है। यदि एक बरसाती शहर के क्लिनिक A को अचानक अधिक मलेरिया की दवा की आवश्यकता होती है, तो जासूस उस पैटर्न को सीख लेता है और उसे क्लिनिक B पर लागू करता है, भले ही क्लिनिक B के रिकॉर्ड अस्त-व्यस्त या अधूरे हों। यह यह समझने जैसा है कि यदि आपके पड़ोसी का बगीचा मुरझा रहा है, तो आपके बगीचे को भी पानी की आवश्यकता होगी, भले ही आपका अपना रेन गेज (वर्षा मापी यंत्र) टूटा हुआ हो।
- द कैटालिटिक प्रायर (उत्प्रेरक पूर्ववर्ती): कुछ सबसे गरीब क्षेत्रों में, डेटा इतना खराब है कि वह लगभग बेकार है। जासूस एक "कैटालिटिक प्रायर" का उपयोग करता है, जो एक सुरक्षा जाल की तरह है। यदि डेटा गायब है, तो सिस्टम एक सरल, विश्वसनीय नियम पर वापस आ जाता है: "अधिक लोगों को आमतौर पर अधिक दवा की आवश्यकता होती है।" यह सुनिश्चित करता है कि सबसे गरीब, कम डेटा वाले गाँवों को केवल इसलिए अनदेखा न किया जाए क्योंकि उनके कागजी काम में गड़बड़ी है।
- द डिसीजन-अवेयर ब्रेन (निर्णय-जागरूक मस्तिष्क): यह असली गुप्त सामग्री है। अधिकांश कंप्यूटर प्रोग्राम सटीक संख्या की भविष्यवाणी करके "सही" होने की कोशिश करते हैं। लेकिन इस खेल में, "सही" होना लक्ष्य नहीं है; जीवन बचाना लक्ष्य है। सिस्टम को उन क्लीनिकों की जरूरतों की भविष्यवाणी करने पर अधिक ध्यान देने के लिए प्रशिक्षित किया गया है जिनके खत्म होने की संभावना सबसे अधिक है। यह एक अग्निशमन कर्मी (फायरफाइटर) की तरह है जो एक छोटे से रिसाव वाले घर को अनदेखा करता है और अपनी पूरी ऊर्जा उस घर पर केंद्रित करता है जो जलने ही वाला है।
बड़ा परीक्षण: एक राष्ट्रव्यापी पायलट
2023 की दूसरी तिमाही में, टीम ने अपने सिस्टम का परीक्षण किया। उन्होंने इसे एक साथ हर जगह लागू नहीं किया। इसके बजाय, उन्होंने "ट्रीटमेंट बनाम कंट्रोल" का खेल खेला। उन्होंने यादृच्छिक रूप से (रैंडमली) पाँच जिलों को नया AI सिस्टम उपयोग करने के लिए चुना, जबकि अन्य ग्यारह जिलों ने पुराना एक्सेल स्प्रेडशीट का उपयोग जारी रखा। इससे उन्हें यह देखने में मदद मिली कि नया सिस्टम वास्तव में क्या हासिल करता है।
परिणाम क्रांतिकारी थे।
जिन जिलों में नए AI टूल का उपयोग किया जा रहा था, वहां आवश्यक दवाओं की खपत 19% बढ़ गई। इसका मतलब यह नहीं है कि लोग अधिक दवा खा रहे थे; इसका मतलब यह है कि सही दवाएं वास्तव में उन मरीजों तक पहुँच रही थीं जिन्हें उनकी आवश्यकता थी। पहले, कई मरीजों को इसलिए वापस भेज दिया जाता था क्योंकि क्लिनिक खाली होता था। अब, ट्रक बिल्कुल वही चीज़ पहुँचा रहे थे जिसकी ज़रूरत थी, ठीक उसी समय जब उसकी ज़रूरत थी।
सिस्टम इतना सफल रहा कि सरकार ने इसे केवल उन पाँच जिलों तक ही सीमित नहीं रखा। उन्होंने इसे पूरे देश में लागू कर दिया, जिससे अनुमानित 20 लाख महिलाओं और बच्चों तक पहुँच बनी।
यह क्यों मायने रखता है (और यह कितना सस्ता है)
इस कहानी का सबसे आश्चर्यजनक हिस्सा इसकी लागत है। आप सोच सकते हैं कि एक हाई-टेक AI सिस्टम के लिए इंजीनियरों की टीम और महंगे सुपरकंप्यूटर की आवश्यकता होती है। ऐसा नहीं है।
पूरा सिस्टम एक साधारण वेब सर्वर पर चलता है जिसकी होस्टिंग लागत केवल $30 प्रति माह है। इसके लिए नए कर्मचारियों को काम पर रखने या नए गोदाम बनाने की आवश्यकता नहीं पड़ी। इसने केवल पुराने स्प्रेडशीट के अनुमान को स्मार्ट, डेटा-संचालित निर्णयों से बदल दिया।
शोधकर्ताओं ने यह भी जांचा कि क्या यह कोई इत्तेफाक था। उन्होंने विभिन्न सांख्यिकीय दृष्टिकोणों से गणना की, गायब डेटा की जांच की, और यहाँ तक कि यह भी देखा कि क्या सिस्टम ने सबसे गरीब, ग्रामीण क्षेत्रों की मदद की। उत्तर स्पष्ट था: सिस्टम ने ग्रामीण क्लीनिकों और उन क्षेत्रों की मदद की जो पहले सबसे अधिक कमी से जूझ रहे थे, जिससे यह सिद्ध हुआ कि AI निष्पक्ष और न्यायसंगत था।
निष्कर्ष
यह परियोजना दिखाती है कि एक टूटी हुई प्रणाली को ठीक करने के लिए आपको बहुत अधिक धन की आवश्यकता नहीं है। कभी-कभी, आपको बस उस डेटा को देखने के एक स्मार्ट तरीके की आवश्यकता होती है जो आपके पास पहले से ही है। कंप्यूटर को केवल भविष्यवाणी (एक संख्या का अनुमान लगाना) के बजाय निर्णय (एक मरीज तक दवा पहुँचाना) के बारे में सोचने के लिए सिखाकर, सिएरा लियोन की टीम लाखों लोगों के लिए एक दुर्लभ संसाधन को एक जीवन रेखा में बदलने में सफल रही। यह एक याद दिलाता है कि वैश्विक स्वास्थ्य की दुनिया में, सबसे शक्तिशाली उपकरण कोई नई दवा नहीं, बल्कि हमारे पास पहले से मौजूद दवाओं को साझा करने का एक बेहतर तरीका हो सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।