Machine Learning-Supported Efficient VTE Risk Assessment using Routinely Collected Electronic Health Record Data

अस्पताल ऐसी जगह हैं जहाँ शरीर की रक्षा प्रणाली अक्सर अपने सबसे निचले स्तर पर होती है। जब किसी व्यक्ति को सर्जरी या किसी गंभीर बीमारी के लिए भर्ती किया जाता है, तो नसों में रक्त का प्राकृतिक प्रवाह धीमा हो सकता है, और शरीर की तनाव प्रतिक्रिया रक्त को थक्के बनाने के लिए अधिक प्रवृत्त कर सकती है। ये थक्के, जिन्हें वेनस थ्रोम्बोएम्बोलिज्म (venous thromboembolism) कहा जाता है, पैरों में बन सकते हैं और फेफड़ों तक जा सकते हैं, जिससे अवरोध पैदा होता है जो अस्पतालों में रोकी जा सकने वाली मृत्यु का एक प्रमुख कारण है। इसे रोकने के लिए, चिकित्सा दिशानिर्देशों के अनुसार डॉक्टरों और नर्सों को प्रत्येक वयस्क रोगी की आगमन पर जांच करना आवश्यक है। उन्हें एक विशिष्ट फॉर्म भरना होता है जिसमें रोगी के स्वास्थ्य इतिहास, उनकी वर्तमान स्थिति और उनकी गतिशीलता के बारे में प्रश्नों की एक श्रृंखला पूछी जाती है। उत्तरों के आधार पर, मेडिकल टीम यह निर्णय लेती है कि क्या रोगी को विशेष मोजे (stockings), रक्त पतला करने वाली दवा, या दोनों की आवश्यकता है। यह प्रक्रिया एक सुरक्षा जाल (safety net) के रूप में बनाई गई है, ताकि जोखिमों को आपात स्थिति बनने से पहले पकड़ा जा सके।

हालाँकि, इन फॉर्मों को भरना एक मैनुअल कार्य है जो एक इंसान द्वारा चार्ट पढ़ने, रोगी के इतिहास को याद रखने और कंप्यूटर में उत्तर टाइप करने पर निर्भर करता है। यह उस अंतर को पैदा करता है जो अस्पताल के कंप्यूटर सिस्टम द्वारा रोगी के बारे में पहले से ज्ञात जानकारी और डॉक्टर द्वारा फॉर्म पर लिखे गए विवरण के बीच होता है। कंप्यूटर के पास किसी पूर्व सर्जरी या कैंसर के निदान का रिकॉर्ड हो सकता है, लेकिन यदि डॉक्टर चेकलिस्ट में उन मदों को मैन्युअल रूप से नहीं चुनता है, तो सिस्टम रोगी को वास्तव में उनके वास्तविक जोखिम से कम जोखिम वाला मानता है। लंदन के पांच प्रमुख अस्पतालों में किए गए इस अध्ययन ने एक सरल लेकिन महत्वपूर्ण प्रश्न पूछा: क्या अस्पताल के अपने कंप्यूटर रिकॉर्ड इन सुरक्षा फॉर्मों के उत्तर स्वचालित रूप से भर सकते हैं, जिससे डॉक्टरों का समय बच सके और यह सुनिश्चित हो सके कि कोई भी जोखिम कारक छूट न जाए?

शोधकर्ताओं ने एक विशाल मात्रा में डेटा का विश्लेषण किया, जिसमें दस वर्षों की अवधि में लगभग 580,000 अस्पताल प्रवेशों की जांच की गई। उन्होंने पाया कि हालांकि डॉक्टर फॉर्म भरने में बहुत कुशल थे—लगभग 97% रोगियों के लिए उन्हें पूरा करते थे—लेकिन समय अक्सर गलत होता था। 2015 में, इनमें से आधे से भी कम फॉर्म रोगी के आगमन के पहले 14 घंटों के भीतर भरे गए थे, जो कि वह समय सीमा है जिसे दिशानिर्देशों के अनुसार थक्कों को रोकने के लिए महत्वपूर्ण माना जाता है। 2024 तक, इसमें काफी सुधार हुआ और यह संख्या 90% से अधिक हो गई, लेकिन देरी अभी भी एक समस्या बनी हुई थी, विशेष रूप से उन रोगियों के लिए जिन्हें सर्जरी के बजाय चिकित्सा कारणों से भर्ती किया गया था। अध्ययन से यह भी पता चला कि भले ही फॉर्म भरे गए थे, लेकिन उन पर लिखी गई जानकारी अक्सर इलेक्ट्रॉनिक रिकॉर्ड में पहले से मौजूद तथ्यों से मेल नहीं खाती थी।

जब टीम ने डॉक्टरों द्वारा फॉर्म पर लिखे गए विवरणों की तुलना कंप्यूटर रिकॉर्ड में मौजूद तथ्यों से की, तो उन्हें छूटे हुए विवरणों का एक पैटर्न मिला। सामान्य कारकों के लिए, जैसे कि 60 वर्ष से अधिक आयु का रोगी, डॉक्टर और कंप्यूटर रिकॉर्ड अधिकांश समय सहमत थे। लेकिन कम सामान्य लेकिन गंभीर जोखिमों के लिए, डॉक्टर अक्सर उन्हें लिखना भूल जाते थे। उदाहरण के लिए, यदि किसी रोगी को क्रिटिकल केयर यूनिट में भर्ती किया गया था, तो कंप्यूटर यह जानता था, लेकिन डॉक्टर ने इसे फॉर्म पर केवल 14% बार ही लिखा। इसी तरह, परिवार में रक्त के थक्कों का इतिहास कई रोगियों के कंप्यूटर रिकॉर्ड में दर्ज था, फिर भी डॉक्टरों ने उन रोगियों में से केवल लगभग 5% के लिए इसे फॉर्म पर नोट किया। इसका अर्थ यह था कि सुरक्षा फॉर्म अक्सर उन्हीं सुरागों को छोड़ देते थे जो सबसे महत्वपूर्ण सुरक्षात्मक उपचारों को सक्रिय करने के लिए आवश्यक होते।

यह देखने के लिए कि क्या यह छूटी हुई जानकारी मायने रखती है, शोधकर्ताओं ने जांच की कि क्या फॉर्म पर दिए गए जोखिम स्कोर वास्तव में भविष्यवाणी कर सकते थे कि किसे रक्त का थक्का होगा। उन्होंने पाया कि फॉर्म पर उच्च जोखिम वाले चिह्नित रोगी, कम जोखिम वाले रोगियों की तुलना में वास्तव में थक्के विकसित करने के प्रति अधिक संवेदनशील थे, जिससे सिद्ध हुआ कि फॉर्म उपयोगी थे। हालाँकि, उन्होंने यह भी पाया कि जब डॉक्टरों ने लिखा कि वे रक्त पतला करने वाली दवा दे रहे हैं, तो यह हमेशा फार्मेसी रिकॉर्ड से मेल नहीं खाता था। कभी-कभी डॉक्टर लिखते थे कि उन्होंने एक दवा दी है, लेकिन फार्मेसी रिकॉर्ड में कुछ नहीं दिखता था, और इसके विपरीत भी। इस विसंगति ने यह समझना कठिन बना दिया कि वर्तमान प्रणाली रोगियों की कितनी अच्छी तरह से रक्षा कर रही है।

इस अध्ययन का मुख्य हिस्सा एक प्रयोग था यह देखने के लिए कि क्या एक कंप्यूटर डॉक्टर के काम को कर सकता है। शोधकर्ताओं ने एक मशीन लर्निंग मॉडल बनाया, जो एक प्रकार का सॉफ्टवेयर है जो पिछले डेटा से सीखता है, ताकि इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड को देखा जा सके और जोखिम कारकों को स्वचालित रूप से चुना जा सके। उन्होंने इस प्रणाली का परीक्षण रोगियों के एक समूह पर किया और इसके प्रदर्शन की तुलना डॉक्टरों द्वारा भरे गए वास्तविक फॉर्मों से की। कंप्यूटर मॉडल, जो केवल प्रवेश के पहले 14 घंटों के भीतर उपलब्ध जानकारी का उपयोग करता है, रक्त के थक्के की भविष्यवाणी करने में डॉक्टरों के समान ही प्रभावी रहा। वास्तव में, कंप्यूटर उन उच्च-जोखिम वाले रोगियों की पहचान करने में सक्षम था जिन्हें डॉक्टरों ने पाया था, लेकिन इसने ऐसा उस डेटा का उपयोग करके किया जो पहले से ही सिस्टम में मौजूद था, वह डेटा जिसे डॉक्टरों ने पेपर फॉर्म भरते समय अक्सर अनदेखा कर दिया था।

अध्ययन सुझाव देता है कि अस्पताल का अपना डेटा इतना समृद्ध है कि वह डॉक्टरों को सब कुछ फिर से दर्ज करने की आवश्यकता के बिना इन सुरक्षा जाँचों का समर्थन कर सकता है। कंप्यूटर मॉडल ने दिखाया कि वे जोखिम के उन्हीं पैटर्न को खोज सकते हैं जिन्हें मानव क्लिनिशियन पाते हैं, और कुछ मामलों में, उन्होंने उन जोखिम कारकों को भी खोजा जिन्हें मनुष्यों ने छोड़ दिया था। शोधकर्ताओं ने निष्कर्ष निकाला कि आगे बढ़ने का सबसे अच्छा रास्ता डॉक्टर को बदलना नहीं है, बल्कि कंप्यूटर को उस जानकारी के साथ फॉर्म को 'प्री-फिल' (पहले से भरना) करने देना है जिसे वह पहले से जानता है। इसके बाद, डॉक्टर केवल पूर्व-भरे गए उत्तरों की समीक्षा करेगा, उनकी पुष्टि करेगा और कोई भी नया विवरण जोड़ेगा। यह दृष्टिकोण न केवल डॉक्टरों के कागजी कार्रवाई के समय को कम करेगा, बल्कि यह भी सुनिश्चित करेगा कि महत्वपूर्ण जोखिम कारक भुला न जाएं, और अस्पतालों को सुरक्षा मूल्यांकन के लिए सख्त 14 घंटे की समय सीमा को पूरा करने में मदद मिलेगी। पहले से मौजूद डेटा का उपयोग करके, अस्पताल अपने सुरक्षा जाल को अधिक मजबूत और विश्वसनीय बना सकते हैं, जिससे यह सुनिश्चित हो सके कि सही सुरक्षा, सही समय पर, सही रोगी तक पहुँचे।