User Interfaces in Machine Learning-Based Decision Support for Emergency Department Triage – A Systematic Review
25 अध्ययनों का यह व्यवस्थित अवलोकन (सिस्टमैटिक रिव्यू) प्रकट करता है कि उपयोगकर्ता-केंद्रित डिज़ाइन के महत्वपूर्ण महत्व के बावजूद, आपातकालीन विभाग की ट्राइएजिंग के लिए मशीन लर्निंग-आधारित नैदानिक निर्णय सहायता प्रणालियों में अक्सर व्यापक इंटरफ़ेस सुविधाओं, उपयोगिता परीक्षण और अंतर-विषयक सहयोग की कमी होती है, जिससे उनके वास्तविक दुनिया में अपनाने और प्रभावशीलता में बाधा उत्पन्न होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक व्यस्त आपातकालीन कक्ष (इमरजेंसी रूम) में कदम रख रहे हैं। वहाँ शोर है, अफरा-तफरी है और हर कोई भाग-दौड़ कर रहा है। इस तूफान के बीचों-बीच एक 'ट्राइएज नर्स' खड़ी है, जो वह द्वारपाल है जो यह तय करती है कि किसे पहले देखा जाना चाहिए। उनका काम उस व्यक्ति को पहचानना है जो बिना कुछ कहे भी खतरे में हो सकता है। अब, कल्पना कीजिए कि आप उस नर्स को एक सुपर-स्मार्ट कंप्यूटर साथी दे रहे हैं। यह सिर्फ एक कैलकुलेटर नहीं है; यह एक आर्टिफिशियल इंटेलिजेंस (AI) है जिसने लाखों मेडिकल रिकॉर्ड्स पढ़े हैं और वह उन पैटर्न्स को पहचान सकता है जिन्हें इंसान शायद मिस कर दें। यही स्वास्थ्य सेवा में मशीन लर्निंग (ML) का वादा है: एक ऐसा उपकरण जो डॉक्टरों को तेज़ और सुरक्षित निर्णय लेने में मदद करता है।
लेकिन यहाँ एक पेंच है: अगर आप उससे बात करने का तरीका उलझा हुआ रखते हैं, तो एक सुपर-स्मार्ट दिमाग होना भी काफी नहीं है। इसे एक फॉर्मूला 1 कार की तरह समझें। आपके पास दुनिया का सबसे शक्तिशाली इंजन हो सकता है, लेकिन अगर स्टीयरिंग व्हील जेली से बना हो और डैशबोर्ड पर केवल शोर (स्टैटिक) दिख रहा हो, तो ड्राइवर उसका उपयोग नहीं कर पाएगा। मेडिकल जगत में, यह "स्टीयरिंग व्हील" यूजर इंटरफेस (User Interface) कहलाता है। यह वह स्क्रीन, रंग, बटन और अलर्ट हैं जो नर्स को AI की सलाह दिखाते हैं। यदि इंटरफेस कठिन या अव्यवस्थित है, तो नर्स निराश हो सकती है, कंप्यूटर को अनदेखा कर सकती है, या अत्यधिक बोझ महसूस करने के कारण गलती कर सकती है। यह शोध पत्र एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: क्या हम जो कंप्यूटर स्क्रीन आपातकालीन कक्षों के लिए बना रहे हैं, वे वास्तव में थकी हुई, तनावग्रस्त नर्सों की मदद के लिए डिज़ाइन की गई हैं, या वे केवल फैंसी डिस्प्ले हैं जो उनके रास्ते में बाधा बनते हैं?
द ग्रेट इंटरफेस हंट (इंटरफेस की खोज)
इस शोध पत्र के लेखक, जर्मनी के शोधकर्ताओं की एक टीम ने जासूस खेलने का निर्णय लिया। वे यह देखना चाहते थे कि वास्तविक दुनिया में इन AI ट्राइएज टूल्स के "स्टीयरिंग व्हील" वास्तव में कैसे दिखते हैं। उन्होंने केवल यह नहीं देखा कि AI ने बीमारी की कितनी अच्छी भविष्यवाणी की (जिसका अध्ययन बहुत किया गया है); बल्कि उन्होंने यह देखा कि AI इंसानों को अपने उत्तर कैसे दिखाता है। उन्होंने 2015 से प्रकाशित पांच विशाल वैज्ञानिक डेटाबेस को खंगाला। 2,678 अध्ययनों को छानने के बाद—जैसे घास के ढेर में सुई ढूँढना—उन्हें 25 ऐसे अध्ययन मिले जो बिल्कुल सटीक मेल खाते थे। ये वे अध्ययन थे जो विशेष रूप से उन AI टूल्स के बारे में थे जिन्हें नर्सों को आपातकालीन स्थिति में यह तय करने में मदद करने के लिए डिज़ाइन किया गया था कि किसे पहले सहायता की आवश्यकता है।
जो उन्हें मिला: स्क्रीन्स का एक मिला-जुला रूप
टीम ने पाया कि जबकि AI के दिमाग स्मार्ट हो रहे हैं, लेकिन जो स्क्रीन्स वे हमें दिखाते हैं, वे अभी भी थोड़े अस्त-व्यस्त हैं।
- "ब्लैक बॉक्स" की समस्या: उनके द्वारा देखे गए 80% सिस्टम में, कंप्यूटर बस एक नंबर या एक साधारण "हाँ/नहीं" वाला उत्तर देता था। उदाहरण के लिए, यह कह सकता है, "इस मरीज में सेप्सिस का 85% जोखिम है।" लेकिन इसने नर्स को यह नहीं बताया कि इसके बारे में क्या करना है। यह एक मौसम ऐप की तरह था जो आपको बताता है कि बारिश की 90% संभावना है, लेकिन यह नहीं कहता कि, "तो, छाता साथ ले लो!" लेखकों ने पाया कि इन 80% "सब-प्रॉब्लम" मामलों में (जहाँ AI किसी विशिष्ट बीमारी की तलाश करता है), टूल ने बिना किसी मार्गदर्शन के केवल एक रिस्क स्कोर दिखाया।
- विजुअल्स बनाम शोर: शोधकर्ताओं ने गौर किया कि लगभग कोई भी ध्वनि (साउंड) का उपयोग नहीं कर रहा है। एक शोर वाले इमरजेंसी रूम में, एक तेज़ अलार्म केवल अराजकता को बढ़ा सकता है, इसलिए अधिकांश सिस्टम वही करते हैं जो आप देख सकते हैं। लगभग दो-तिहाई टूल्स ने चित्रों या रंगों (जैसे खतरे के लिए लाल बैकग्राउंड) का उपयोग किया, लेकिन बहुत कम ने ऑडियो अलर्ट का उपयोग किया।
- सरल बनाम जटिल: टीम ने स्क्रीन्स को तीन प्रकारों में वर्गीकृत किया:
- सरल (Simple): केवल टेक्स्ट या केवल एक रंग। (8 सिस्टम)
- मध्यवर्ती (Intermediate): टेक्स्ट और चित्रों का मिश्रण। (13 सिस्टम)
- जटिल (Complex): टेक्स्ट, चित्र और नंबर मिलकर काम कर रहे हैं। (4 सिस्टम)
दिलचस्प बात यह है कि "कमर्शियल" टूल्स (जो कंपनियाँ बेचती हैं) में लैब में शोधकर्ताओं द्वारा बनाए गए टूल्स की तुलना में अधिक फैंसी और जटिल स्क्रीन्स थीं। हालांकि, वे फैंसी कमर्शियल टूल्स अक्सर अभी तक अस्पताल के मुख्य कंप्यूटर सिस्टम से जुड़े नहीं थे, जिसका अर्थ है कि नर्सों को उपयोग करने के लिए एक अलग वेबसाइट पर लॉग इन करना पड़ सकता है। जब आप जल्दी में हों, तो यह बहुत अधिक क्लिक करने जैसा है।
अधूरी कड़ियाँ: टेस्टिंग और ट्रेनिंग
यहाँ कहानी थोड़ी दुखद हो जाती है। लेखकों ने पाया कि इनमें से बहुत कम टूल्स को बनाने से पहले वास्तव में वास्तविक नर्सों के साथ टेस्ट किया गया था।
- क्या उन्होंने उपयोगकर्ताओं से पूछा? बहुत कम अध्ययनों ने यह उल्लेख किया कि क्या नर्सों से पूछा गया, "क्या यह स्क्रीन उपयोग करने में आसान है?" या "क्या यह आपके कार्यप्रवाह (workflow) में फिट बैठता है?"
- क्या उन्होंने स्टाफ को प्रशिक्षित किया? लगभग किसी ने भी नर्सों को नया टूल कैसे उपयोग करना है, यह सिखाने के बारे में बात नहीं की। यह एक नया वीडियो गेम कंसोल खरीदने और उसे बिना किसी मैनुअल या ट्यूटोरियल के खिलाड़ी की ओर फेंकने जैसा है। आप अंदाजा लगा सकते हैं कि कैसे खेलना है, लेकिन आप निराश भी हो सकते हैं।
- इसे किसने बनाया? अधिकांश टीमें डॉक्टरों और कंप्यूटर वैज्ञानिकों की बनी थीं। लेकिन उनमें से लगभग किसी के पास भी "ह्यूमन-कंप्यूटर इंटरेक्शन" का विशेषज्ञ नहीं था—वे विशेषज्ञ जो ऐसी चीजें डिजाइन करना जानते हैं जो इंसानों के लिए स्वाभाविक महसूस हों।
निष्कर्ष: हमारे पास इंजन है, लेकिन हमें एक बेहतर डैशबोर्ड की आवश्यकता है
शोध पत्र निष्कर्ष निकालता है कि जबकि हमारे पास अद्भुत AI है जो यह भविष्यवाणी कर सकता है कि कौन बीमार है, हमने यह सुनिश्चित करने के लिए पर्याप्त काम नहीं किया है कि नर्स वास्तव में उस जानकारी का उपयोग कर सकें। लेखक तर्क देते हैं कि आपातकालीन कक्ष जैसे उच्च-दबाव वाले स्थान में, एक खराब इंटरफेस केवल लोगों को परेशान नहीं करता; यह तनाव पैदा कर सकता है, लोगों को थका सकता है, और गलत निर्णय लेने का कारण भी बन सकता है।
वे सुझाव देते हैं कि इसे ठीक करने के लिए, हमें केवल AI बनाना बंद करना होगा और अनुभव (experience) को डिजाइन करना शुरू करना होगा। इसका अर्थ है:
- उपयोगकर्ताओं को सुनना: डिजाइन प्रक्रिया में नर्सों को शामिल करना।
- स्क्रीन्स का परीक्षण करना: यह सुनिश्चित करना कि इंटरफेस लाइव होने से पहले पढ़ने और उपयोग करने में आसान हो।
- स्पष्ट होना: न केवल जोखिम दिखाना, बल्कि यह भी बताना कि क्या करना है, और इस बारे में ईमानदार होना कि कंप्यूटर कितना निश्चित है।
लेखक यह नहीं कह रहे हैं कि AI एक विफलता है। वे कह रहे हैं कि आपातकालीन कक्षों में जीवन बचाने के लिए AI के पूर्ण उपयोग के लिए, हमें स्क्रीन के साथ उतनी ही सावधानी बरतनी होगी जितनी हम दवा के साथ बरतते हैं। हमें एक स्मार्ट कंप्यूटर और एक थकी हुई नर्स के बीच के अंतर को पाटना होगा, यह सुनिश्चित करना होगा कि जब AI बोले, तो नर्स उसे स्पष्ट रूप से सुन सके और तुरंत उस पर कार्रवाई कर सके। जब तक हम ऐसा नहीं करते, इन जीवन रक्षक उपकरणों की पूरी क्षमता एक भ्रमित करने वाले दरवाजे के पीछे बंद रहेगी।
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।