Development of a natural language processing application to extract and categorize mentions of violence from mental healthcare records text
इस अध्ययन ने एक मल्टी-लेबल BERT-आधारित नेचुरल लैंग्वेज प्रोसेसिंग एप्लिकेशन विकसित और मान्य किया है जो अनस्ट्रक्चर्ड मानसिक स्वास्थ्य रिकॉर्ड से हिंसा के विभिन्न रूपों, रोगी की भूमिकाओं और प्रासंगिक विवरणों को सफलतापूर्वक निकालता है और वर्गीकृत करता है, जिसने टेम्पोरल (सामयिक) पहलुओं को छोड़कर अधिकांश विशेषताओं पर उच्च प्रदर्शन प्राप्त किया है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि लाखों मरीजों की कहानियों का एक विशाल पुस्तकालय है, जो एक मानसिक स्वास्थ्य अस्पताल के डॉक्टरों और नर्सों द्वारा लिखी गई हैं। ये कोई साफ-सुथरी स्प्रेडशीट या चेकबॉक्स वाली फाइलें नहीं हैं; ये बिखरे हुए, हाथ से लिखे गए नोट्स की तरह हैं जिनमें "मरीज ने अपने साथी से खतरा महसूस करने की बात कही" या "शारीरिक झड़पों का इतिहास" जैसे वाक्य भरे पड़े हैं।
वर्षों से, शोधकर्ता इन हजारों पन्नों के भीतर छिपी हिंसा (जैसे शोषण, धमकी, या आर्थिक नियंत्रण) की विशिष्ट कहानियों को खोजने की कोशिश कर रहे थे। लेकिन इन कहानियों को मैन्युअल रूप से खोजना ऐसा है जैसे आवर्धक लेंस (magnifying glass) लेकर रेत के हर एक कण को देखने की कोशिश करना ताकि आप एक विशिष्ट रेत का कण ढूंढ सकें। इसमें बहुत समय लगता है, और आप कुछ महत्वपूर्ण चीजें मिस भी कर सकते हैं।
यह पेपर बताता है कि कैसे लेखकों ने एक सुपर-स्मार्ट डिजिटल डिटेक्टिव (एक AI) बनाया जो इन नोट्स को पढ़ सके, हिंसा को खोज सके और उन्हें स्वचालित रूप से व्यवस्थित श्रेणियों में बांट सके।
यहाँ बताया गया है कि उन्होंने क्या किया, सरल उपमाओं (analogies) का उपयोग करते हुए:
1. समस्या: "भूसे के ढेर में सुई" (The Needle in a Haystack)
मानसिक स्वास्थ्य के रिकॉर्ड हिंसा के बारे में मूल्यवान सुरागों से भरे होते हैं, लेकिन वे व्यवस्थित नहीं होते। एक डॉक्टर शोषण के बारे में लिख सकता है, लेकिन वह यह भी लिख सकता है कि मरीज ने किसी और को धमकी दी थी, या उसने बस हिंसा के बारे में सुना था।
- चुनौती: कंप्यूटर यह अंतर नहीं जानता कि "मुझे मारा गया" (पीड़ित/Victim), "मैंने किसी को मारा" (अपराधी/Perpetrator), या "मैंने एक लड़ाई सुनी" (गवाह/Witness) के बीच क्या अंतर है। उसे यह भी नहीं पता कि हिंसा कल हुई थी या दस साल पहले, या यह भावनात्मक (कड़वे शब्द) थी या वित्तीय (पैसे चुराना)।
2. समाधान: एक "डिजिटल इंटर्न" को प्रशिक्षित करना
शोधकर्ताओं ने एक कंप्यूटर प्रोग्राम (जिसे BERT कहा जाता है, जो एक बहुत ही उन्नत रोबोट की तरह है जिसने पूरा इंटरनेट पढ़ा है) को इन विशिष्ट नोट्स को समझने के लिए प्रशिक्षित करने का निर्णय लिया।
- ट्रेनिंग कैंप: वे केवल रोबोट को यह नहीं बता सकते थे कि उसे क्या करना है; उन्हें उसे उदाहरण दिखाने थे। उन्होंने अस्पताल के रिकॉर्ड से 6,500 टेक्स्ट स्निपेट्स (छोटे अंश) लिए।
- मानव शिक्षक: दो विशेषज्ञों ने प्रत्येक स्निपेट को पढ़ा और एक शिक्षक की तरह उसे लेबल किया। उन्होंने चिह्नित किया:
- किस प्रकार की हिंसा? (भावनात्मक, वित्तीय, शारीरिक, यौन)।
- इसमें कौन शामिल था? (क्या मरीज पीड़ित था, अपराधी था, या सिर्फ देख रहा था?)।
- क्या यह वास्तविक है या केवल एक धमकी? (क्या वास्तव में कुछ हुआ, या कोई बस कह रहा था कि "मैं तुम्हें मार सकता हूँ")।
- कब? (क्या यह हाल ही में हुआ या बहुत पहले?)।
- कहाँ? (क्या यह घर पर हुआ या कहीं और?)।
3. "मल्टी-लेबल मॉडल" का जादू
अधिकांश पुराने कंप्यूटर प्रोग्राम एक एक-प्रश्न वाले क्विज़ की तरह थे: "क्या यह हिंसा है? हाँ/नहीं।"
यह नया प्रोग्राम एक स्मार्ट सॉर्टिंग मशीन की तरह है। यह एक वाक्य को देखता है और एक साथ कई प्रश्न पूछता है:
- "क्या यह भावनात्मक शोषण है?" (हाँ)
- "क्या मरीज पीड़ित है?" (हाँ)
- "क्या यह घर पर हो रहा है?" (हाँ)
- "क्या यह एक धमकी है या वास्तविक घटना?" (वास्तविक)
इन सभी सवालों के जवाब एक साथ देकर, AI पुराने टूल्स की तुलना में संदर्भ (context) को बहुत बेहतर समझता है।
4. परिणाम: एक उच्च-स्कोरिंग जासूस
उन्होंने अपने नए AI का परीक्षण नोट्स के एक ऐसे "ब्लाइंड" सेट पर किया जिसे उसने पहले कभी नहीं देखा था। इसने कैसा प्रदर्शन किया, यहाँ देखें:
- सुपरस्टार्स: यह भावनात्मक और वित्तीय शोषण को पहचानने में अद्भुत था (लगभग 88-89% सही)। यह यह समझने में भी बहुत अच्छा था कि मरीज पीड़ित था या अपराधी, और क्या हिंसा वास्तव में हो रही है।
- संघर्ष: इसे यौन हिंसा (मुख्य रूप से सीखने के लिए कम उदाहरणों के कारण) और समय के साथ थोड़ा संघर्ष करना पड़ा।
- समय की समस्या क्यों? डॉक्टर अक्सर भूतकाल में लिखते हैं ("उसे प्रताड़ित किया गया था")। AI कभी-कभी इस बात को लेकर भ्रमित हो जाता था कि यह कब हुआ, क्योंकि नोट्स पर्याप्त विशिष्ट नहीं थे। यह बिल्कुल वैसा ही है जैसे किसी कहानी के बारे में केवल "यह बहुत समय पहले हुआ था" पढ़कर सटीक तारीख का अनुमान लगाने की कोशिश करना।
5. यह क्यों मायने रखता है
इस AI को मानवीय पीड़ा के लिए एक सर्च इंजन के रूप में देखें।
- पहले: शोधकर्ताओं को हिंसा मानसिक स्वास्थ्य को कैसे प्रभावित करती है, इसका अध्ययन करने के लिए हजारों नोट्स को मैन्युअल रूप से पढ़ना पड़ता था।
- अब: वे एक बटन दबा सकते हैं, और AI तुरंत लाखों रिकॉर्डों में से वित्तीय शोषण या घरेलू हिंसा के हर उल्लेख को निकाल सकता है।
यह वैज्ञानिकों को बड़े सवाल पूछने की अनुमति देता है, जैसे: "क्या जो लोग वित्तीय शोषण झेलते हैं, उनमें अवसाद (depression) का जोखिम अधिक होता है?" या "पीड़ित बनाम अपराधी की भूमिका उपचार योजना को कैसे बदलती है?"
निचोड़ (The Bottom Line)
शोधकर्ताओं ने एक शक्तिशाली उपकरण बनाया है जो बिखरे हुए, मानव-लिखित मेडिकल नोट्स को पढ़ सकता है और उनके भीतर छिपी हिंसा की जटिल, दर्दनाक कहानियों को तुरंत समझ सकता है। हालांकि यह अभी पूरी तरह से परफेक्ट नहीं है (यह अभी भी समय के मामले में थोड़ा संघर्ष करता है), लेकिन यह हमें हिंसा और मानसिक स्वास्थ्य के बीच के संबंध को समझने में मदद करने के लिए एक बड़ी छलांग है, जिससे भविष्य में मरीजों के लिए बेहतर देखभाल की संभावना बढ़ सकती 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।