Can Large Language Models Diagnose Primary Immunodeficiency from Patient-Described Symptoms?

लाखों लोगों के लिए, चिकित्सा निदान (डायग्नोसिस) का मार्ग कोई सीधी रेखा नहीं बल्कि एक लंबा, भ्रमित करने वाला सफर है। यह विशेष रूप से उन लोगों के लिए सच है जो दुर्लभ स्थितियों (रेयर कंडीशंस) से जूझ रहे हैं, जहाँ लक्षण अस्पष्ट, सामान्य या किसी और चीज़ के रूप में आसानी से गलत समझे जाने वाले हो सकते हैं। हाल के वर्षों में, इनमें से कई व्यक्ति एक नए प्रकार के सहायक की ओर मुड़े हैं: लार्ज लैंग्वेज मॉडल्स (LLMs)। ये उन्नत कंप्यूटर प्रोग्राम हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है, जो बातचीत करने और स्वास्थ्य के बारे में सवालों के जवाब देने में सक्षम हैं। वे उन लोगों के लिए एक प्रमुख संसाधन बन गए हैं जो विशेषज्ञ को देखने से पहले ही अपने शरीर को समझने की कोशिश कर रहे हैं। लेकिन एक महत्वपूर्ण प्रश्न बना हुआ है: क्या ये डिजिटल उपकरण वास्तव में एक मरीज को समझ सकते हैं जब मरीज खुद समस्या का वर्णन कर रहा हो? उत्तर इस बात पर बहुत अधिक निर्भर करता है कि बोलने वाला कौन है। जब एक डॉक्टर सटीक चिकित्सा शब्दावली का उपयोग करके किसी मामले का सारांश लिखता है, तो कंप्यूटर उसे पूरी तरह से समझ लेता है। लेकिन जब एक सामान्य व्यक्ति अपनी पीड़ा, थकान या बार-बार होने वाले संक्रमणों का वर्णन रोजमर्रा की भाषा में करता है, तो कंप्यूटर अक्सर भटक जाता है।

शोधकर्ताओं की एक टीम ने विशेषज्ञ की भाषा और रोगी की भाषा के बीच के इस अंतर का परीक्षण करने के लिए एक अध्ययन किया, जिसका केंद्र 'प्राइमरी इम्यूनोडेफिशिएंसी' (primary immunodeficiencies) नामक दुर्लभ विकारों का समूह था। ये ऐसी स्थितियाँ हैं जहाँ शरीर की प्राकृतिक रक्षा प्रणाली, जो आमतौर पर कीटाणुओं से लड़ती है, या तो टूटी हुई होती है या अनुपस्थित होती है। इन स्थितियों वाले लोग बहुत बार बीमार पड़ते हैं, कभी-कभी गंभीर संक्रमणों के साथ जिनमें अस्पताल में भर्ती होने की आवश्यकता होती है, और उन्हें ऑटोइम्यून बीमारियों जैसी अन्य जटिलताओं का उच्च जोखिम होता है। क्योंकि ये स्थितियाँ दुर्लभ और जटिल हैं, इसलिए मरीजों को अक्सर सही निदान के लिए वर्षों तक इंतजार करना पड़ता है, जो कि खतरनाक और भावनात्मक रूप से थका देने वाला हो सकता है। इस प्रतीक्षा अवधि के दौरान, कई लोग उत्तरों के लिए चैटबॉट्स की ओर रुख करते हैं। शोधकर्ता यह जानना चाहते थे कि क्या ये चैटबॉट्स एक टूटी हुई प्रतिरक्षा प्रणाली के संकेतों को पहचान सकते हैं जब विवरण सीधे मरीज की ओर से आता है, न कि किसी डॉक्टर की ओर से।

यह पता लगाने के लिए, शोधकर्ताओं ने उन बीस-एक वयस्कों की कहानियाँ एकत्र कीं जिन्हें पहले से ही प्राइमरी इम्यूनोडेफिशिएंसी का निदान मिल चुका था। इन सभी व्यक्तियों ने निदान प्राप्त करने में लंबे विलंब का अनुभव किया था। टीम ने उनसे उन शुरुआती लक्षणों के बारे में पूछा जिन्होंने उन्हें महसूस कराया कि कुछ गलत है। शोधकर्ताओं ने उन कच्चे, बिना संपादित विवरणों को लिया—ठीक वैसे ही जैसे मरीजों ने उन्हें कहा था, उनकी सभी हिचकिचाहट, पुनरावृत्ति और रोजमर्रा के शब्दों के साथ—और उन्हें एक शक्तिशाली लार्ज लैंग्वेज मॉडल में डाला। उन्होंने अंतिम निदान के किसी भी उल्लेख को हटा दिया ताकि कंप्यूटर को केवल लक्षणों पर ही निर्भर रहना पड़े। लक्ष्य सरल था: क्या कंप्यूटर सुझाव देगा कि मरीज को प्राइमरी इम्यूनोडेफिशिएंसी हो सकती है, या कम से कम यह पहचान लेगा कि समस्या उनके इम्यून सिस्टम की है?

परिणामों ने इस बात का खुलासा किया कि विशेषज्ञ इनपुट बनाम रोगी इनपुट के साथ कंप्यूटर कैसा प्रदर्शन करता है, इसमें एक बड़ा अंतर है। एक पिछले अध्ययन में, उसी कंप्यूटर मॉडल का उपयोग करते हुए, जब डॉक्टरों ने पेशेवर चिकित्सा भाषा का उपयोग करके रोगी के इतिहास लिखा, तो कंप्यूटर ने निन्यानवे प्रतिशत मामलों में स्थिति को सही ढंग से पहचाना। यह लगभग त्रुटिहीन था। हालाँकि, जब शोधकर्ताओं ने मरीजों के अपने शब्दों का उपयोग किया, तो कंप्यूटर का प्रदर्शन नाटकीय रूप से गिर गया। इसने केवल इक्कीस में से सात मामलों में प्राइमरी इम्यूनोडेफिशिएंसी की सही पहचान की, जो लगभग एक-तिहाई है। कंप्यूटर अधिकांश मामलों में विशिष्ट स्थिति का नाम बताने में विफल रहा, भले ही मरीज ठीक उसी बीमारी का वर्णन कर रहे थे।

विशिष्ट निदान चूकने के बावजूद, कंप्यूटर पूरी तरह से अनुपयोगी नहीं था। इक्कीस में से सत्रह मामलों में, इसने सुझाव दिया कि मरीज को सामान्य प्रतिरक्षा संबंधी समस्याएं हो सकती हैं, भले ही इसने विशिष्ट दुर्लभ बीमारी का नाम न लिया हो। यह एक महत्वपूर्ण निष्कर्ष है क्योंकि यह सुझाव देता है कि यह उपकरण अभी भी एक उपयोगी संकेत के रूप में कार्य कर सकता है। एक ऐसे मरीज के लिए जिसे कई डॉक्टरों द्वारा यह बताया गया है कि उसके लक्षण केवल तनाव या एलर्जी हैं, कंप्यूटर द्वारा "इम्यून सिस्टम की समस्या" का सुझाव देना उसे विशेषज्ञ के पास जाने के लिए प्रोत्साहित कर सकता है। हालांकि, अध्ययन ने यह भी दिखाया कि कंप्यूटर अक्सर अन्य, अधिक सामान्य स्थितियों का अनुमान लगाता था। इसने अक्सर एलर्जी, वायु गुणवत्ता जैसे पर्यावरणीय कारकों, या थायराइड जैसी एंडोक्राइन समस्याओं का सुझाव दिया। ये वे चीजें हैं जिन पर डॉक्टर सबसे पहले विचार करते हैं, लेकिन वे किसी ऐसे व्यक्ति के लिए मृत अंत (dead end) भी हो सकते हैं जिसे वास्तव में दुर्लभ इम्यून विकार है।

शोधकर्ताओं ने पाया कि कंप्यूटर के निदान सही होने की संभावना तब सबसे अधिक थी जब मरीज की कहानी में तीन विशिष्ट सुराग शामिल थे: बचपन में शुरू हुए संक्रमण, बहुत गंभीर संक्रमण जिनके लिए अस्पताल में भर्ती होना पड़ा हो, या ऐसे लक्षण जो संक्रमण के नहीं थे, जैसे कि विकास में विफलता या पाचन संबंधी समस्याएं। जब मरीजों ने इन स्पष्ट, क्लासिक तरीकों से अपने संघर्षों का वर्णन किया, तो कंप्यूटर के पास कड़ियों को जोड़ने की बेहतर संभावना थी। लेकिन जब विवरण अधिक सूक्ष्म थे या केवल अस्वस्थ महसूस करने की सामान्य भावना पर केंद्रित थे, तो कंप्यूटर संघर्ष कर गया। यह एक मौलिक कमजोरी को उजागर करता है: यह उपकरण इस बात के प्रति अत्यधिक संवेदनशील है कि कहानी कैसे सुनाई गई है। यह चिकित्सा की संरचित, सटीक भाषा में फलता-फूलता है लेकिन लोगों के स्वास्थ्य के बारे में बोलने के अनौपचारिक, भावनात्मक और विविध तरीके के सामने लड़खड़ा जाता है।

अध्ययन के लेखकों ने सावधानीपूर्वक यह नोट किया है कि यह इन उपकरणों की सुरक्षा या उपयोगिता पर कोई अंतिम फैसला नहीं है, बल्कि इस बात की चेतावनी है कि वर्तमान में इनका उपयोग कैसे किया जा रहा है। वे बताते हैं कि उनका परीक्षण एक सर्वोत्तम स्थिति (best-case scenario) था। जिन मरीजों का साक्षात्कार किया गया था, उन्हें अपना निदान पता था और वे अपने बीमारी के बिल्कुल शुरुआत में होने की तुलना में अपने लक्षणों को अधिक स्पष्ट रूप से याद रख सकते थे। यदि कंप्यूटर इन स्पष्ट, पूर्वव्यापी (retrospective) विवरणों के साथ इतना खराब प्रदर्शन करता है, तो यह भ्रमित, निदान-पूर्व मरीजों के साथ और भी बदतर प्रदर्शन कर सकता है जो अनिश्चित हैं कि क्या गलत है। इसके अलावा, अध्ययन ने यह परीक्षण नहीं किया कि स्वस्थ लोगों में कंप्यूटर कितनी बार गलत अलार्म (false alarms) देगा, जो कि एक बड़ी चिंता है। यदि यह उपकरण बहुत अधिक स्वस्थ लोगों को प्रतिरक्षा संबंधी समस्याओं के रूप में चिह्नित करता है, तो यह डॉक्टरों को अभिभूत कर सकता है और उन लोगों के लिए देखभाल में देरी कर सकता है जिन्हें वास्तव में इसकी आवश्यकता है।

अंततः, यह शोध आधुनिक चिकित्सा में एक बढ़ती चुनौती को रेखांकित करता है। जैसे-जैसे अधिक लोग स्वास्थ्य मार्गदर्शन के लिए कृत्रिम बुद्धिमत्ता (AI) की ओर मुड़ रहे हैं, तकनीक जो कर सकती है और लोग वास्तव में इसका उपयोग कैसे करते हैं, उसके बीच का अंतर एक सुरक्षा का मुद्दा बनता जा रहा है। कंप्यूटर टूटा हुआ नहीं है; यह बस विशेषज्ञों की भाषा को समझने के लिए प्रशिक्षित है, न कि मरीजों की भाषा को। उन लाखों लोगों के लिए जो नैदानिक यात्रा (diagnostic odyssey) से गुजर रहे हैं, इन उपकरणों का वादा तब तक अधूरा रहता है जब तक कि वे कमरे में मौजूद व्यक्ति को, न कि केवल मेडिकल चार्ट को, वास्तव में सुनना नहीं सीख जाते। आगे का रास्ता ऐसे सिस्टम बनाने की आवश्यकता है जो इस विभाजन को पाट सकें, यह सुनिश्चित करते हुए कि जब कोई मरीज अपने शब्दों में अपनी पीड़ा का वर्णन करे, तो उसे मिलने वाला उत्तर केवल एक अनुमान न हो, बल्कि देखभाल की ओर ले जाने वाला एक विश्वसनीय मार्गदर्शक हो।