आधुनिक चिकित्सा की दुनिया में, एक रेडियोलॉजिस्ट की रिपोर्ट केवल एक एक्स-रे या सीटी स्कैन का विवरण मात्र नहीं है; यह एक संरचित वृत्तांत है जो विशिष्ट दृश्य संकेतों को विशिष्ट चिकित्सा स्थितियों से जोड़ता है। जब एक डॉक्टर छाती के चित्र को देखता है, तो वह "बीमारी" की एक एकल, धुंधली अवधारणा नहीं देखता। इसके बजाय, वह सटीक निष्कर्षों की एक श्रृंखला की पहचान करता है: शायद फेफड़ों में तरल पदार्थ, एक बड़ा हृदय, या ऊतक का एक ढहा हुआ हिस्सा। इन प्रत्येक अवलोकनों का चित्र के एक विशिष्ट भाग से संबंध होता है और अंतिम रिपोर्ट में एक सटीक विवरण की आवश्यकता होती है। वर्षों से, कंप्यूटर इन रिपोर्टों को स्वचालित रूप से लिखने में संघर्ष करते रहे हैं। हालांकि आर्टिफिशियल इंटेलिजेंस बहुत प्रवाहपूर्ण वाक्य लिखने में बहुत अच्छा हो गया है, लेकिन यह अक्सर सही शब्दों को सही दृश्य साक्ष्य से जोड़ने में विफल रहता है। कंप्यूटर एक व्याकरणिक रूप से पूर्ण रिपोर्ट लिख सकता है जो एक महत्वपूर्ण विवरण को छोड़ देती है या दो अलग-अलग स्थितियों को भ्रमित कर देती है, क्योंकि इसे छवि और रिपोर्ट को एक बड़े, अविभेदित संपूर्ण के रूप में देखने के लिए प्रशिक्षित किया गया था, न कि विशिष्ट, जुड़े हुए तथ्यों के संग्रह के रूप में।

सिडनी विश्वविद्यालय और अन्य संस्थानों के शोधकर्ताओं की एक टीम ने कंप्यूटर को चिकित्सा रिपोर्ट लिखने का तरीका सिखाने का एक नया तरीका प्रस्तावित किया है, जो मानव निदान की विस्तृत संरचना का सम्मान करता है। एक प्रमुख मल्टीमीडिया सम्मेलन में प्रस्तुत उनका कार्य सुझाव देता है कि समस्या यह नहीं है कि वर्तमान कंप्यूटर बहुत छोटे या पर्याप्त स्मार्ट नहीं हैं, बल्कि उन्हें गलत सबक सिखाया जा रहा है। एक आर्टिफिशियल इंटेलिजेंस को पूरी छवि को पूरी रिपोर्ट से मिलाने के लिए कहने के बजाय, शोधकर्ताओं ने कार्य को छोटे, अधिक तार्किक चरणों में विभाजित कर दिया। उन्होंने एक ऐसी प्रणाली बनाई जो कंप्यूटर को यह सीखने के लिए मजबूर करती है कि विशिष्ट रोगों को छवि के विशिष्ट भागों के साथ कैसे जोड़ा जाए, जबकि रिपोर्ट की समग्र कहानी को सुसंगत बनाए रखा जाए। यह दृष्टिकोण, जिसे वे ग्राफ-सुपरवाइज्ड हिरार्किकल क्लिनिकल अलाइनमेंट (Graph-Supervised Hierarchical Clinical Alignment) कहते हैं, प्रशिक्षण चरण के दौरान केवल चिकित्सा ज्ञान के मानचित्र का उपयोग करके सीखने की प्रक्रिया को निर्देशित करता है, और फिर कंप्यूटर के तैयार होने पर उस मानचित्र को हटा देता है।

इस नई पद्धति का मूल आधार यह अहसास है कि एक रेडियोलॉजी रिपोर्ट परतों में बनी होती है। निचले स्तर पर, व्यक्तिगत निष्कर्ष होते हैं, जैसे कि "निमोनिया" या "फ्रैक्चर", जिनमें से प्रत्येक चित्र के एक छोटे क्षेत्र से जुड़ा होता है। शीर्ष स्तर पर, रिपोर्ट का समग्र प्रवाह होता है, जो यह सुनिश्चित करता है कि ये व्यक्तिगत तथ्य मिलकर एक एकल चिकित्सा कहानी के रूप में समझ में आ सकें। इन प्रणालियों को बेहतर बनाने के पिछले प्रयासों ने अक्सर कंप्यूटर को अधिक डेटा या एक बड़े मस्तिष्क देकर इसे स्मार्ट बनाने की कोशिश की, लेकिन शोधकर्ताओं ने पाया कि केवल कंप्यूटर को सिखाने का तरीका बदलना अधिक प्रभावी था। उन्होंने एक प्रशिक्षण प्रक्रिया डिजाइन की जो दो-चरणीय मार्गदर्शक के रूप में कार्य करती है। पहले, प्रणाली पूरे रिपोर्ट के साथ पूरी छवि को संरेखित करना सीखती है ताकि सामान्य अर्थ सही रहे। दूसरा, और अधिक महत्वपूर्ण बात यह है कि, यह एक संरचित चिकित्सा संबंधों के मार्गदर्शक का उपयोग करती है ताकि कंप्यूटर को विशिष्ट रोग शब्दों को विशिष्ट दृश्य पैटर्न से जोड़ने के लिए सिखाया जा सके। यह मार्गदर्शक एक नॉलेज ग्राफ (knowledge graph) है, एक ऐसा नेटवर्क जो समझता है कि "हृदय" और "छाती" आपस में संबंधित हैं, या "तरल पदार्थ" और "सूजन" अक्सर एक साथ दिखाई देते हैं। महत्वपूर्ण रूप से, यह मार्गदर्शक केवल तब उपयोग किया जाता है जब कंप्यूटर सीख रहा होता है; प्रशिक्षण समाप्त होने के बाद, मार्गदर्शक को हटा दिया जाता है, जिससे एक तेज़ और कुशल प्रणाली बचती है जिसे रिपोर्ट उत्पन्न करने के लिए हर बार एक जटिल मानचित्र की सलाह लेने की आवश्यकता नहीं होती है।

यह परीक्षण करने के लिए कि क्या यह विधि वास्तव में काम करती है, शोधकर्ताओं ने तीन अलग-अलग चिकित्सा डेटा सेटों पर अपने सिस्टम को प्रशिक्षित किया, जिसमें 3,70,000 से अधिक छाती के एक्स-रे और उनकी संबंधित रिपोर्टों का एक विशाल संग्रह शामिल था। उन्होंने अपने नए सिस्टम की तुलना अन्य प्रणालियों से की जो 7 बिलियन या यहाँ तक कि 13 बिलियन पैरामीटर वाले बहुत बड़े मॉडल का उपयोग करती हैं, जिसमें उनका सिस्टम लगभग 3 बिलियन पैरामीटर वाला एक अपेक्षाकृत छोटा भाषा मॉडल है। परिणाम आश्चर्यजनक थे। उनका छोटा मॉडल, जो इस नए संरचित दृष्टिकोण के साथ प्रशिक्षित किया गया था, मानक भाषा परीक्षणों और विशेष नैदानिक मूल्यांकनों दोनों पर बड़े मॉडलों को लगातार पछाड़ गया। इसने न केवल अधिक प्रवाहपूर्ण बल्कि छवियों में पाई जाने वाली विशिष्ट चिकित्सा स्थितियों का वर्णन करने में भी अधिक सटीक रिपोर्ट तैयार कीं। सिस्टम सूक्ष्म विवरणों, जैसे कि असामान्यता के सटीक स्थान, को पहचानने में बेहतर था और विभिन्न रोगों को मिलाने की सामान्य गलती से बचा। वास्तव में, शोधकर्ताओं ने पाया कि उनका 3 बिलियन पैरामीटर वाला मॉडल उन प्रणालियों की तुलना में बेहतर परिणाम दे सकता था जो इसके आकार से चार गुना अधिक बड़ी थीं, जो यह सुझाव देता है कि सीखने के दौरान सूचना को कैसे व्यवस्थित किया जाता है, यह कंप्यूटर की स्मृति के आकार से कहीं अधिक मायने रखता है।

शोधकर्ताओं ने यह भी जांचा कि जब उन्होंने अपने नए प्रशिक्षण पद्धति के विभिन्न हिस्सों को हटाया तो क्या हुआ ताकि यह देखा जा सके कि कौन से हिस्से सबसे महत्वपूर्ण हैं। उन्होंने पाया कि प्रशिक्षण के दोनों स्तर आवश्यक थे। यदि सिस्टम ने केवल पूरी छवि को पूरी रिपोर्ट के साथ मिलाना सीखा, तो इसने ऐसी रिपोर्टें बनाईं जो सुचारू तो थीं लेकिन अक्सर विशिष्ट विवरणों को छोड़ देती थीं। यदि इसने केवल व्यक्तिगत रोगों को छवि के भागों से मिलाना सीखा, तो रिपोर्ट तथ्यों की एक असंबद्ध सूची बन गई जिसमें सुसंगत कथा का अभाव था। केवल तभी जब दोनों स्तरों को मिलाया गया, तब सिस्टम ने ऐसी रिपोर्टें बनाईं जो सटीक और स्वाभाविक दोनों थीं। इसके अलावा, उन्होंने परीक्षण किया कि क्या चिकित्सा ज्ञान मानचित्र का विशिष्ट आकार मायने रखता है। उन्होंने पाया कि एक ऐसा मानचित्र उपयोग करना जो वास्तविक शारीरिक संबंधों को दर्शाता है, एक यादृच्छिक मानचित्र या ऐसे मानचित्र की तुलना में बहुत बेहतर काम करता है जहाँ सब कुछ एक दूसरे से जुड़ा हुआ है। इसने पुष्टि की कि प्रणाली का मूल्य इस बात से आया कि कंप्यूटर को चिकित्सा ज्ञान की तार्किक संरचना का सम्मान करना सिखाया गया, न कि केवल अधिक डेटा जोड़ने से।

इस कार्य का एक सबसे महत्वपूर्ण पहलू यह है कि यह चिकित्सा डेटा के साथ कंप्यूटर के संबंध को कैसे बदलता है। चिकित्सा ज्ञान ग्राफों का उपयोग करने के कई पिछले प्रयासों में, कंप्यूटर को रिपोर्ट उत्पन्न करने के लिए हर बार उस जटिल मानचित्र को अपने साथ ले जाना पड़ता था, जिससे इसकी गति धीमी हो जाती थी और वास्तविक अस्पताल सेटिंग में इसका उपयोग करना कठिन हो जाता था। यह नई विधि उस बाधा को पूरी तरह से समाप्त कर देती है। ज्ञान मानचित्र का केवल एक अस्थायी शिक्षक के रूप में उपयोग करके, अंतिम प्रणाली सरल और तेज़ बनी रहती है। यह चिकित्सा जगत की संरचना को सीख लेती है और फिर बिना हर बार नियमों को देखे उस समझ को लागू करती है। इसका अर्थ यह है कि अस्पताल इन उन्नत प्रणालियों का उपयोग बिना अतिरिक्त कंप्यूटिंग लागत या जटिलता की चिंता किए कर सकते हैं जो आमतौर पर गहरे चिकित्सा ज्ञान को एकीकृत करने के साथ आती है। यह प्रणाली समस्या को प्रबंधनीय टुकड़ों में तोड़कर एक रेडियोलॉजिस्ट की तरह सोचना सीखती है, यह सुनिश्चित करती है कि रिपोर्ट का प्रत्येक शब्द एक विशिष्ट दृश्य तथ्य पर आधारित हो।

इस दृष्टिकोण की सफलता यह बताती है कि हमें चिकित्सा में आर्टिफिशियल इंटेलिजेंस के बारे में कैसे सोचना चाहिए। लंबे समय तक, प्रचलित विश्वास यह रहा है कि जटिल समस्याओं को हल करने के लिए, हमें बस बड़े और बड़े कंप्यूटर बनाने की आवश्यकता है। यह शोध पत्र तर्क देता है कि हम गलत लीवर पर ध्यान केंद्रित कर रहे हैं। सटीक चिकित्सा रिपोर्ट उत्पन्न करने में बाधा कंप्यूटिंग शक्ति की कमी नहीं है, बल्कि संरचित पर्यवेक्षण की कमी है। कंप्यूटर को उसके सीखने को वास्तविक चिकित्सा कार्य के साथ संरेखित करने के लिए सिखाकर—विशिष्ट निष्कर्षों को विशिष्ट साक्ष्यों के साथ मिलाना—हम छोटे, अधिक कुशल मॉडल के साथ बेहतर परिणाम प्राप्त कर सकते हैं। शोधकर्ताओं ने यह प्रदर्शित किया कि उनके तरीके ने मानक छाती के एक्स-रे से लेकर फेफड़ों के सीटी स्कैन तक, विभिन्न प्रकार की चिकित्सा छवियों के लिए रिपोर्ट की गुणवत्ता में सुधार किया। सिस्टम नैदानिक रूप से वफादार रिपोर्ट उत्पन्न करने में सक्षम था, जिसका अर्थ है कि वे केवल ऐसा लगने के बजाय छवियों की चिकित्सा वास्तविकता को सटीक रूप से दर्शाते थे।

अंत में, यह कार्य डॉक्टरों की सहायता करने के तरीके को बेहतर बनाने के लिए एक स्पष्ट मार्ग प्रदान करता है। यह दिखाता है कि मानव निदान की पदानुक्रमित प्रकृति का सम्मान करके, जहाँ व्यक्तिगत तथ्य एक पूर्ण कहानी बनाते हैं, हम ऐसे उपकरण बना सकते हैं जो अधिक स्मार्ट और अधिक विश्वसनीय हों। शोधकर्ताओं ने न केवल एक बेहतर रिपोर्ट जनरेटर बनाया; उन्होंने समस्या को पुनर्व्याख्यायित किया, यह दिखाते हुए कि रेडियोलॉजी में आर्टिफिशियल इंटेलिजेंस की क्षमता को अनलॉक करने की कुंजी इस बात में निहित है कि हम स्वयं सीखने की प्रक्रिया को कैसे संरचित करते हैं। वैश्विक रिपोर्ट के वैश्विक संरेखण और व्यक्तिगत रोगों के सूक्ष्म संरेखण में कार्य को विभाजित करके, उन्होंने एक ऐसी प्रणाली बनाई जो सामान्य विवरण और एक सटीक चिकित्सा निष्कर्ष के बीच अंतर को समझती है। यह दृष्टिकोण न केवल बेहतर रिपोर्ट बनाता है बल्कि इसे वास्तविक दुनिया के उपयोग के लिए व्यावहारिक तरीके से भी करता है, यह सिद्ध करता है कि कभी-कभी सबसे शक्तिशाली उपकरण एक बड़ा मस्तिष्क नहीं, बल्कि सोचने का एक बेहतर तरीका होता है।