Multi-Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation
यह अध्ययन प्रदर्शित करता है कि एक स्थानीय रूप से तैनात मल्टी-एजेंट एआई सिस्टम रेडियोलॉजी रिपोर्टों को मानकीकृत शारीरिक अनुभागों में प्रभावी ढंग से व्यवस्थित करता है और स्वतंत्र रेडियोलॉजिस्ट मूल्यांकन द्वारा सत्यापित अनुकूल प्रदर्शन के साथ गुणवत्ता आश्वासन जांच करता है।
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
मेडिकल इमेजिंग की दुनिया में, एक रेडियोलॉजिस्ट की रिपोर्ट एक स्कैन और रोगी की देखभाल के बीच एक महत्वपूर्ण सेतु होती है। जब कोई डॉक्टर छाती, पेट या पेल्विस के सीटी (CT) स्कैन का आदेश देता है, तो एक विशेषज्ञ को छवियों को एक लिखित विवरण में अनुवादित करना होता है जो यह बताता है कि वे क्या देख रहे हैं। ये रिपोर्ट अत्यंत महत्वपूर्ण हैं, फिर भी इन्हें अक्सर मुक्त रूप से लिखे गए टेक्स्ट (free-flowing text) में लिखा जाता है, जहाँ एक डॉक्टर शरीर के अंगों के आधार पर निष्कर्षों की सूची बना सकता है, जबकि दूसरा उन्हें उस क्रम में समूहबद्ध कर सकता है जिस क्रम में उन्होंने उन्हें देखा। इस मानक संरचना के अभाव के कारण अन्य डॉक्टरों के लिए विशिष्ट विवरणों को जल्दी से ढूँढना कठिन हो सकता है, जिससे संभावित रूप से जानकारी छूट सकती है या उत्तर खोजने में समय बर्बाद हो सकता है। इसके अलावा, क्योंकि ये रिपोर्ट स्पीच-टू-टेक्स्ट सिस्टम में डिक्टेट की जाती हैं, इनमें सूक्ष्म त्रुटियां हो सकती हैं, जैसे कि फेफड़ों में पाई गई किसी चीज़ को निष्कर्ष में इस तरह वर्णित किया जाना जैसे कि वह लीवर में हो, या एक महत्वपूर्ण चेतावनी जिसे उपचार करने वाली टीम को स्पष्ट रूप से कभी सूचित ही नहीं किया गया। चूंकि अस्पताल प्रतिदिन हजारों ऐसी रिपोर्ट तैयार करते हैं, इसलिए यह सुनिश्चित करना कि वे दोनों सुसंगत और त्रुटि-मुक्त हों, एक बड़ी चुनौती बन गया है जिसे पारंपरिक मैनुअल समीक्षा करने में संघर्ष करना पड़ता है।
इसे संबोधित करने के लिए, टैम्पा, फ्लोरिडा में मॉफिट कैंसर सेंटर के शोधकर्ताओं की एक टीम ने एक नए प्रकार का आर्टिफिशियल इंटेलिजेंस सिस्टम विकसित किया है, जिसे डॉक्टरों द्वारा लिखे गए शब्दों को बदले बिना इन रिपोर्टों को व्यवस्थित करने और जाँचने के लिए डिज़ाइन किया गया है। रिपोर्टों को फिर से लिखने या उन्हें एक संक्षिप्त सूची में सारांशित करने के बजाय, यह प्रणाली एक सूक्ष्म पुस्तकालयाध्यक्ष (librarian) की तरह कार्य करती है जो हाथ से लिखे नोट्स के एक अराजक ढेर को लेती है और प्रत्येक वाक्य को उसकी सही दराज में फाइल करती है, और साथ ही पूरे दस्तावेज़ को विरोधाभासों के लिए स्कैन करती है। टीम ने एक "मल्टी-एजेंट" सिस्टम बनाया, जिसका अर्थ है कि उन्होंने विशेष कंप्यूटर प्रोग्रामों की एक छोटी टीम बनाई जो मिलकर काम करते हैं। सिस्टम का एक हिस्सा सख्त, पूर्व-लिखित नियमों का उपयोग करता है ताकि वाक्यों को "फेफड़े" या "लीवर" जैसे शारीरिक श्रेणियों में वर्गीकृत किया जा सके। जब नियम यह तय करने के लिए पर्याप्त नहीं होते कि एक वाक्य कहाँ जाना चाहिए, तो एक अधिक उन्नत तर्क (reasoning) प्रोग्राम हस्तक्षेप करता है ताकि संदर्भ को समझा जा सके और निर्णय लिया जा सके। यह प्रक्रिया पूरी तरह से अस्पताल के अपने सुरक्षित कंप्यूटरों पर होती है, जिससे रोगी का डेटा निजी रहता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण 2023 और 2024 में किए गए सीटी स्कैन की 638 वास्तविक रेडियोलॉजी रिपोर्टों पर किया। ये रिपोर्टें 15 अलग-अलग बोर्ड-प्रमाणित रेडियोलॉजिस्ट द्वारा बनाई गई थीं, जिनमें से प्रत्येक की अपनी अनूठी लेखन शैली थी। सिस्टम ने सफलतापूर्वक प्रत्येक रिपोर्ट के असंरचित "फाइंडिंग्स" (Findings) अनुभाग को सफलतापूर्वक ले लिया, जिसमें कुल 22,270 वाक्य थे, और उन्हें एक मानकीकृत प्रारूप में पुनर्व्यवस्थित किया। उदाहरण के लिए, हृदय संबंधी समस्या का वर्णन करने वाला एक वाक्य जो फेफड़ों के बारे में एक पैराग्राफ के बीच में दबा हुआ था, उसे "हृदय" अनुभाग में स्थानांतरित कर दिया गया, जबकि लीवर के घाव (lesion) के बारे में एक वाक्य को "लीवर" के अंतर्गत रखा गया। महत्वपूर्ण रूप से, सिस्टम ने किसी भी टेक्स्ट को हटाया, सारांशित या आविष्कारित नहीं किया; इसने केवल मूल वाक्यों को उनके उचित स्थानों में स्थानांतरित किया। यह पूरी प्रक्रिया औसतन लगभग 56 सेकंड प्रति रिपोर्ट लगी, जिसमें सबसे अधिक समय लेने वाला हिस्सा जटिल वाक्यों के लिए तर्क (reasoning) वाला चरण था।
केवल टेक्स्ट को व्यवस्थित करने के अलावा, सिस्टम ने एक गुणवत्ता नियंत्रण निरीक्षक (quality control inspector) के रूप में भी कार्य किया। इसने रिपोर्टों को विशिष्ट प्रकार की त्रुटियों के लिए स्कैन किया, जैसे कि जब "फाइंडिंग्स" अनुभाग में ऐसी समस्या का वर्णन किया गया हो जिसे रिपोर्ट के अंत में दिए गए "इम्प्रेशन" (Impression) अनुभाग में बताने में विफल रहा हो, या जब कोई निष्कर्ष रोगी के लिंग के साथ विरोधाभास करता हो। इन 638 रिपोर्टों के समूह में, इसने 90 रिपोर्टों को, यानी लगभग 14 प्रतिशत को, संभावित विसंगतियों के रूप में चिह्नित किया। सबसे आम मुद्दा जो इसने पाया वह था रिपोर्ट के शरीर (body of the report) और अंत में दिए गए सारांश के बीच का बेमेल होना। इसने उन दुर्लभ मामलों को भी पकड़ा जहाँ एक निष्कर्ष महत्वपूर्ण था लेकिन स्पष्ट रूप से संप्रेषित नहीं किया गया था, या जहाँ एक वाक्य ऐसा प्रतीत हुआ जो उस अंग का वर्णन कर रहा था जो रोगी की शारीरिक रचना (anatomy) से मेल नहीं खाता था।
यह सत्यापित करने के लिए कि क्या सिस्टम वास्तव में सहायक था, दो स्वतंत्र रेडियोलॉजिस्टों ने AI द्वारा संसाधित 45 रिपोर्टों के एक नमूने की समीक्षा की। उन्होंने देखा कि क्या वाक्यों को सही अनुभागों में स्थानांतरित किया गया था और क्या त्रुटि संकेत सटीक थे। डॉक्टर इस बात पर सहमत थे कि 69 प्रतिशत मामलों में, AI ने रिपोर्ट को सही ढंग से पुनर्गठित किया था। केवल 4 प्रतिशत मामलों में ही उन्हें एक स्पष्ट गलती मिली जहाँ एक वाक्य को गलत स्थान पर रखा गया था। शेष मामलों में, डॉक्टरों के बीच इस बात पर असहमति थी कि एक वाक्य को कहाँ रखा जाना चाहिए, जो यह सुझाव देता है कि कुछ चिकित्सा निष्कर्ष उचित रूप से एक से अधिक श्रेणी में हो सकते हैं। महत्वपूर्ण रूप से, दोनों समीक्षकों ने पुष्टि की कि सिस्टम ने कभी भी कोई महत्वपूर्ण चिकित्सा जानकारी नहीं छोड़ी और न ही मूल रिपोर्ट में मौजूद तथ्यों को मनगढ़ंत बनाया। जब त्रुटि जाँच की गुणवत्ता के बारे में पूछा गया, तो डॉक्टरों ने समीक्षा की गई रिपोर्टों में से 84 प्रतिशत में सिस्टम के प्रदर्शन को "उत्कृष्ट" या "अच्छा" बताया।
अध्ययन से पता चलता है कि एक नियम-आधारित सॉर्टर (rule-based sorter) को तर्क-आधारित चेकर (reasoning-based checker) के साथ मिलाने से चिकित्सा रिपोर्टों को मानकीकृत करने के लिए एक विश्वसनीय वर्कफ़्लो बनाया जा सकता है। हालांकि इस सिस्टम ने रिपोर्टों को पूर्ण नहीं बनाया, और डॉक्टरों ने नोट किया कि पुनर्गठित संस्करण कभी-कभी मूल संस्करणों की तुलना में काफी बेहतर होने के बजाय उतने ही अच्छे थे, फिर भी सिस्टम ने यह सिद्ध किया कि वह बिना किसी सामग्री को खोए 15 अलग-अलग डॉक्टरों की विविध लेखन शैलियों को संभाल सकता है। शोधकर्ताओं ने पाया कि सिस्टम रिपोर्ट के विभिन्न हिस्सों के बीच बेमेल को पकड़ने में विशेष रूप से अच्छा था, जो सैकड़ों रिपोर्टों की समीक्षा करते समय मनुष्यों के लिए लगातार करना एक कठिन कार्य है। हालांकि अध्ययन एक विशिष्ट सीटी स्कैन और अंतिम समीक्षा के लिए रेडियोलॉजिस्टों के अपेक्षाकृत छोटे समूह तक सीमित था, परिणाम संकेत देते हैं कि ऐसा सिस्टम रेडियोलॉजिस्टों को एक सुसंगत संरचना और सामान्य रिपोर्टिंग त्रुटियों के लिए एक सुरक्षा जाल प्रदान करके सहायता कर सकता है, और यह सब रिपोर्ट डिक्टेट करने वाले चिकित्सा पेशेवर की मूल आवाज़ और विवरणों को संरक्षित करते हुए किया जा 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।