PhenoAgent: agentic LLM framework for phenotyping electronic health records via structured query decomposition and self-correction
PhenoAgent एक गोपनीयता-संरक्षित, एजेंटिक LLM फ्रेमवर्क है जो संरचित क्वेरी अपघटन (structured query decomposition), आत्म-सुधार (self-correction), और बहु-मॉडल सर्वसम्मति (multi-model consensus) का उपयोग करता है ताकि मुक्त-पाठ इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से नैदानिक फेनोटाइप्स (clinical phenotypes) को सटीक रूप से निकाला जा सके, जो पारंपरिक बेसलाइनों से काफी बेहतर प्रदर्शन करता है और जापानी अस्पताल डेटासेट पर चिकित्सक-स्तर के प्रदर्शन के बराबर 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
एक अस्पताल की कल्पना एक विशाल पुस्तकालय के रूप में करें जहाँ प्रत्येक रोगी की कहानी एक अद्वितीय, अव्यवस्थित डायरी (इलेक्ट्रॉनिक हेल्थ रिकॉर्ड) में लिखी गई है। इनमें से अधिकांश कहानियाँ व्यवस्थित चेकलिस्ट के बजाय मुक्त-प्रवाह वाले अनुच्छेदों में लिखी गई हैं। यदि कोई डॉक्टर यह पता लगाना चाहता है कि किन रोगियों को एक विशिष्ट, जटिल स्थिति थी—जैसे कि "एक दिल का दौरा जिसके लिए एक विशिष्ट लाइफ-सपोर्ट मशीन की आवश्यकता थी"—तो वे केवल "हार्ट अटैक" और "मशीन" शब्दों को खोजकर काम नहीं चला सकते। उन्हें उन हजारों अव्यवस्थित डायरियों को पढ़ना होगा ताकि वे उन लोगों को ढूंढ सकें जहाँ ये दोनों चीजें एक साथ हुईं, या जिन्हें अलग-अलग तरीकों से वर्णित किया गया हो या लंबे वाक्यों के बीच में छिपा दिया गया हो।
PhenoAgent एक नया, स्मार्ट टूल है जिसे एक अत्यंत कुशल, गोपनीयता-केंद्रित लाइब्रेरियन के रूप में डिज़ाइन किया गया है जो इन अव्यवस्थित डायरियों को पढ़ सकता है और बिना अस्पताल की इमारत छोड़े बिल्कुल सही रोगियों को ढूंढ सकता है।
यह कैसे काम करता है, यहाँ सरल चरणों में दिया गया है:
1. "रेसिपी का विवरण" (स्ट्रक्चर्ड क्वेरी डिकम्पोजिशन)
कल्पना कीजिए कि आप एक शेफ से "स्पाइसी बीफ स्टिर-फ्राई विद टोफू" बनाने के लिए कहते हैं। केवल ऑर्डर चिल्लाने के बजाय, PhenoAgent पहले उस ऑर्डर को एक सख्त खरीदारी सूची (शॉपिंग लिस्ट) में तोड़ देता है:
- होना चाहिए: बीफ
- होना चाहिए: टोफू
- होना चाहिए: स्पाइसी सॉस
- नहीं होना चाहिए: चिकन
पेपर में इसे स्ट्रक्चर्ड क्वेरी डिकम्पोजिशन कहा गया है। सिस्टम एक जटिल चिकित्सा प्रश्न को लेता है और उसे पढ़ने से पहले ही एक स्पष्ट, संरचित चेकलिस्ट (JSON स्कीमा) में बदल देता है। यह कंप्यूटर को अव्यवस्थित भाषा से भ्रमित होने से रोकता है।
2. "स्व-सुधार लूप" (सेल्फ-करेक्शन)
कभी-कभी, स्मार्ट कंप्यूटर भी भ्रमित हो जाते हैं और अपने उत्तर गलत प्रारूप में लिखते हैं (जैसे चेकलिस्ट के बजाय पैराग्राफ लिखना)। PhenoAgent में तर्क का एक अंतर्निर्मित "स्पेल-चेकर" होता है।
- यह रोगी की डायरी को पढ़ने और चेकलिस्ट भरने के लिए तीन अलग-अलग AI "विशेषज्ञों" को कहता है।
- यदि कोई विशेषज्ञ गलती करता है या अपना उत्तर गलत प्रारूप में लिखता है, तो सिस्टम कहता है, "रुको, यह सही नहीं लग रहा है। फिर से कोशिश करो।"
- विशेषज्ञ तब तक दोबारा प्रयास करता है (दो और बार तक) जब तक कि उसका उत्तर चेकलिस्ट में पूरी तरह से फिट न हो जाए। यही सेल्फ-करेक्शन लूप है।
3. "सर्वसम्मत जूरी" (यूनिमस एन्सेम्बल वोटिंग)
यह सबसे महत्वपूर्ण सुरक्षा नियम है। PhenoAgent केवल एक AI से नहीं पूछता; यह तीन अलग-अलग AI मॉडल (GPT-OSS-20B, DeepSeek-32B, और Llama-3.1-Swallow-70B) से पूछता है।
- इन तीन AI को एक जूरी के रूप में समझें।
- यह तय करने के लिए कि एक रोगी मानदंडों से मेल खाता है या नहीं, तीनों जूरी सदस्यों को "हाँ" वोट देना होगा।
- यदि एक भी जूरी सदस्य "नहीं" कहता है या "मुझे यकीन नहीं है" कहता है, तो उस रोगी को नहीं चुना जाता है।
- यह सिस्टम को बहुत सावधान बनाता है। यह कुछ रोगियों को छोड़ सकता है (कम संवेदनशीलता), लेकिन यह गलत व्यक्ति को चुनने की बहुत कम संभावना रखता है (उच्च सटीकता)। चिकित्सा डेटा के साथ काम करते समय "सावधानी बरतना बेहतर है बजाय इसके कि गलत चयन हो।"
यह विशेष क्यों है?
आज के अधिकांश AI उपकरण "क्लाउड" (तकनीकी कंपनियों के स्वामित्व वाले बड़े सर्वर) में रहते हैं। अस्पताल गोपनीयता कानूनों के कारण रोगी का डेटा वहां नहीं भेज सकते।
- "लोकल" लाभ: PhenoAgent को अस्पताल के भीतर एक ही कंप्यूटर पर पूरी तरह से चलने के लिए डिज़ाइन किया गया है। यह "ओपन-वेट" मॉडल (जैसे मुफ्त, ओपन-सोर्स सॉफ्टवेयर) का उपयोग करता है ताकि अस्पताल सारा डेटा अपनी दीवारों के भीतर ही रखे। कोई भी डेटा इमारत से बाहर नहीं जाता है।
- "गैर-अंग्रेजी" लाभ: इसका परीक्षण विशेष रूप से जापानी अस्पताल रिकॉर्ड पर किया गया था, जो कंप्यूटर के लिए notoriously कठिन होते हैं क्योंकि वे विभिन्न लेखन प्रणालियों और संक्षिप्त रूपों (Abbreviations) का मिश्रण करते हैं।
परिणाम: यह कितना अच्छा रहा?
शोधकर्ताओं ने दो अलग-अलग जापानी अस्पतालों के वास्तविक रोगी रिकॉर्ड पर Pheno-Agent का परीक्षण किया।
- गोल्ड स्टैंडर्ड: उन्होंने AI के काम की तुलना दो मानव डॉक्टरों के साथ की। एक रोगी को तभी "मैच" माना गया जब दोनों डॉक्टरों ने सहमति जताई कि वह मानदंडों में फिट बैठता है।
- स्कोर: PhenoAgent ने दो डॉक्टरों की आपसी सहमति के लगभग बराबर प्रदर्शन किया। इसने लगभग 71.6 का "मैक्रो-F1" स्कोर प्राप्त किया, जो मानव सहमति स्कोर 71.4 के बहुत करीब है।
- पुराने तरीकों को पछाड़ना: इसने पुराने तरीकों (जैसे साधारण कीवर्ड सर्चिंग या मानक डेटाबेस सर्च) को बहुत बड़े अंतर से पीछे छोड़ दिया—सटीकता में 24 से 43 अंक का सुधार किया।
कमी (सीमाएं)
पेपर नोट करता है कि चूंकि PhenoAgent "यूनिमस जूरी" नियम का उपयोग करता है, इसलिए यह बहुत सख्त है।
- यदि किसी रोगी की स्थिति नोट्स में अस्पष्ट या अप्रत्यक्ष रूप से वर्णित है, तो AI "नहीं" कह सकता है क्योंकि तीनों जूरी सदस्य पूरी तरह सहमत नहीं हो सके।
- यह एक ट्रेड-ऑफ है: सिस्टम सटीकता (यह सुनिश्चित करने के लिए कि गलत लोगों को न चुना जाए) को हर एक संभावित मैच को खोजने से ऊपर प्राथमिकता देता है। यह नैदानिक अनुसंधान (Clinical Research) के लिए बहुत अच्छा है जहाँ आपको रोगियों की एक बहुत ही साफ सूची की आवश्यकता होती है, लेकिन यह कुछ दुर्लभ मामलों को मिस कर सकता है।
सारांश
PhenoAgent एक गोपनीयता-सुरक्षित, स्थानीय रूप से चलने वाला AI लाइब्रेरियन है जो जटिल चिकित्सा प्रश्नों को चेकलिस्ट में तोड़ता है, अपने काम की दोबारा जांच करता है, और किसी रोगी को चुनने से पहले तीन अलग-अलग AI विशेषज्ञों की सहमति की आवश्यकता रखता है। इसने साबित किया कि यह अव्यवस्थित जापानी अस्पताल रिकॉर्ड में मानव डॉक्टरों के लगभग बराबर ही सही रोगियों को ढूंढ सकता है, और वह भी बिना संवेदनशील डेटा को इंटरनेट पर भेजे।
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।