From clinician review to measurable human oversight of AI-drafted paediatric discharge documents

जब एक बच्चा अस्पताल के आपातकालीन कक्ष (इमरजेंसी रूम) से छुट्टी पाता है, तो परिवार को एक दस्तावेज़ मिलता है जिसे एक साथ दो कठिन काम करने होते हैं। इसे अगले डॉक्टर को ठीक-वही बताना चाहिए जो हुआ था और क्या उपचार दिया गया, सटीक चिकित्सा भाषा का उपयोग करते हुए। साथ ही, इसे उन्हीं घटनाओं को एक चिंतित माता-पिता को सरल शब्दों में समझाना चाहिए, ताकि वे जानते रहें कि घर पर बच्चे की देखभाल कैसे करनी है और यदि चीजें बिगड़ जाएं तो कब वापस आना है। दशकों से, डॉक्टर इन सारांशों को हाथ से लिखते रहे हैं या निश्चित फॉर्म भरकर तैयार करते रहे हैं, एक ऐसी प्रक्रिया जो धीमी हो सकती है और कभी-कभी महत्वपूर्ण विवरण छोड़ सकती है या ऐसी भाषा का उपयोग करती है जिसे समझना कठिन होता है। हाल ही में, एक नए प्रकार का कंप्यूटर प्रोग्राम उभरा है, जिसे 'लार्ज लैंग्वेज मॉडल' के रूप में जाना जाता है। ये प्रोग्राम एक मरीज के मेडिकल रिकॉर्ड को पढ़ सकते हैं और सेकंडों में डिस्चार्ज समरी का एक ड्राफ्ट लिख सकते हैं। उम्मीद है कि ये उपकरण दस्तावेजों को अधिक स्पष्ट और तेजी से तैयार करने में मदद करेंगे। लेकिन एक महत्वपूर्ण प्रश्न बना हुआ है: यदि कंप्यूटर पहला ड्राफ्ट लिखता है, तो क्या डॉक्टर वास्तव में उन गलतियों को पकड़ पाते हैं जो कंप्यूटर करता है, इससे पहले कि परिवार वह कागज लेकर घर जाए?

मॉन्टेपेलियर, फ्रांस के एक अस्पताल में, शोधकर्ताओं ने यह जानने के लिए कि डॉक्टर इन नए उपकरणों के साथ कैसे व्यवहार करते हैं, वास्तविक समय में उन्हें देखने का निर्णय लिया। उन्होंने केवल डॉक्टरों से यह नहीं पूछा कि उन्हें कंप्यूटर का काम कैसा लगा; बल्कि उन्होंने उस पूरी प्रक्रिया को देखा जब कंप्यूटर एक ड्राफ्ट बनाता है और तब तक जब तक डॉक्टर अंतिम कागज पर हस्ताक्षर नहीं कर देता। टीम ने 153 बच्चों को चुना जिन्हें बाल चिकित्सा आपातकालीन विभाग से घर भेजा जा रहा था। उन्होंने इन परिवारों को दो समूहों में विभाजित किया। एक समूह को मानक डिस्चार्ज समरी मिली जो अस्पताल द्वारा हमेशा उपयोग किया जाने वाला एक निश्चित टेम्पलेट था। दूसरे समूह को एक कंप्यूटर प्रोग्राम द्वारा तैयार किया गया सारांश मिला जो अस्पताल के अपने सुरक्षित सर्वर पर चल रहा था, जिसकी समीक्षा उसी डॉक्टर द्वारा की गई जिसने बच्चे का इलाज किया था। शोधकर्ताओं ने दस्तावेज़ के प्रत्येक संस्करण को सुरक्षित रखा: मूल मेडिकल नोट्स, कंप्यूटर का पहला ड्राफ्ट, और परिवार को दिया गया अंतिम कागज। इससे उन्हें यह देखने में मदद मिली कि कंप्यूटर ने क्या बदला, डॉक्टर ने क्या बदला, और कौन सी त्रुटियां निकल गईं।

परिणामों से पता चला कि कंप्यूटर भाषा को सरल बनाने में बहुत अच्छा था। कंप्यूटर-सहायता प्राप्त समूह के लिए लिखे गए दस्तावेजों में मानक दस्तावेजों की तुलना में अधिक सामान्य शब्दों और कम तकनीकी शब्दों का उपयोग किया गया था। हालांकि, जब शोधकर्ताओं ने कुछ दिनों बाद यह जांचा कि परिवार वास्तव में निर्देशों को कितनी अच्छी तरह समझ पाए थे, तो दोनों समूहों के बीच कोई अंतर नहीं था। चाहे दस्तावेज़ एक टेम्पलेट द्वारा लिखा गया हो या कंप्यूटर द्वारा, परिवारों ने फॉलो-अप योजना और चेतावनी के संकेतों को समान सटीकता के साथ याद रखा। वास्तव में, दोनों समूहों में, लगभग आधे परिवारों ने फॉलो-अप योजना के विवरण को गलत समझा, जो यह सुझाव देता है कि समस्या केवल शब्दों के लेखन में नहीं है, बल्कि इस बात में है कि डिस्चार्ज के व्यस्त क्षण के दौरान जानकारी को कैसे संप्रेषित किया जाता है।

अध्ययन का सबसे खुलासा करने वाला हिस्सा वह था जो डॉक्टर द्वारा कंप्यूटर के ड्राफ्ट की समीक्षा करने के दौरान पर्दे के पीछे हुआ। शोधकर्ताओं ने पाया कि कंप्यूटर गलतियाँ करता था, लेकिन डॉक्टर सक्रिय और सावधान संपादक थे। जिस समूह में कंप्यूटर ने ड्राफ्ट लिखा था, वहां डॉक्टरों ने लगभग हर एक मामले में टेक्स्ट को बदला। उन्होंने वह जानकारी हटा दी जो कंप्यूटर ने मेडिकल रिकॉर्ड में न होने के बावजूद खुद से बनाई थी, और उन्होंने उन त्रुटियों को भी सुधारा जहाँ कंप्यूटर ने चिकित्सा संक्षिप्त नाम (एब्रिविएशन) को गलत समझा था। उदाहरण के लिए, कंप्यूटर कभी-कभी एक छोटे मेडिकल कोड को गलत पूर्ण शब्द में विस्तारित कर देता था, जिससे मूत्र संबंधी लक्षणों का वर्णन एक पूरी तरह से अलग चिकित्सा स्थिति में बदल जाता था। डॉक्टरों ने इन विशिष्ट त्रुटियों के केवल एक छोटे से हिस्से को सुधारा: उन्होंने 22 गलत संक्षिप्त विस्तारों में से केवल 6 को ठीक किया, जिसका अर्थ है कि 16 गलतियाँ परिवारों को दिए गए अंतिम दस्तावेजों में रह गईं। यह बताता है कि मनगढ़ंत तथ्य पहचानना आसान है क्योंकि वे अजीब लगते हैं, लेकिन चिकित्सा शब्दों में सूक्ष्म त्रुटियां सामान्य लग सकती हैं और सावधानीपूर्वक समीक्षा से भी बच निकल सकती हैं।

महत्वपूर्ण रूप से, अध्ययन में पाया गया कि डॉक्टरों को दिए गए अंतिम दस्तावेजों में कोई भी त्रुटि इतनी गंभीर नहीं थी कि उससे नुकसान हो सके। कंप्यूटर ने कोई खतरनाक चिकित्सा सलाह नहीं दी, और डॉक्टरों ने सबसे महत्वपूर्ण मुद्दों को पकड़ लिया। हालांकि, शोधकर्ताओं ने यह भी पाया कि कंप्यूटर ने मानक टेम्पलेट की तुलना में अलग प्रकार की जानकारी खो दी थी। मानक टेम्पलेट में कुछ क्षेत्र, जैसे कि पिछली एलर्जी, एक अनुमानित तरीके से विफल हो जाते थे। दूसरी ओर, कंप्यूटर कभी-कभी यह विवरण भूल जाता था कि चिकित्सा राय किसने दी थी या उन नकारात्मक निष्कर्षों को छोड़ देता था जो नोट्स में दर्ज थे। ये नुकसान अंतिम टेक्स्ट में हमेशा स्पष्ट नहीं थे, जिसका अर्थ है कि एक डॉक्टर को तब तक पता नहीं चल सकता था कि कुछ गायब है जब तक कि वह अंतिम कागज की सीधे मूल नोट्स के साथ तुलना न करे।

अध्ययन निष्कर्ष निकालता है कि हालांकि ये कंप्यूटर उपकरण चिकित्सा दस्तावेजों को पढ़ने में आसान बनाने में मदद कर सकते हैं, लेकिन वे उन्हें स्वचालित रूप से सुरक्षित या अधिक सटीक नहीं बनाते हैं। मानव डॉक्टर अनिवार्य बना हुआ है, लेकिन उनकी भूमिका बदल गई है—अब वे टेक्स्ट लिखने के बजाय उसकी सावधानीपूर्वक जांच करने वाले बन गए हैं। शोधकर्ता तर्क देते हैं कि हम केवल इसलिए यह मानकर नहीं चल सकते कि डॉक्टर ने हर गलती को पकड़ लिया है क्योंकि उन्होंने कागज पर हस्ताक्षर किए हैं। इन उपकरणों की निगरानी कितनी अच्छी तरह की जा रही है, इसे मापने के लिए हमें केवल अंतिम परिणाम ही नहीं, बल्कि उनके बीच के चरणों को भी देखना होगा: कंप्यूटर ने क्या लिखा, डॉक्टर ने क्या देखा, और डॉक्टर ने क्या ठीक करने या छोड़ने का निर्णय लिया। जब तक हम इन चरणों को माप नहीं सकते, हम सुनिश्चित नहीं हो सकते कि मानवीय समीक्षा का सुरक्षा जाल सब कुछ पकड़ पा रहा है या नहीं। यह कार्य सुझाव देता है कि चिकित्सा दस्तावेजीकरण का भविष्य न केवल बेहतर कंप्यूटरों पर, बल्कि डॉक्टरों के लिए उन कार्यों को देखने और सुधारने के बेहतर तरीकों पर भी निर्भर करेगा जो कंप्यूटर द्वारा उत्पन्न किए जाते हैं।