AI-enhanced case-based learning for clinical reasoning in pathophysiology: A sequential cohort study

चिकित्सा को अक्सर अलग-अलग तथ्यों के संग्रह के रूप में पढ़ाया जाता है: शरीर पानी को कैसे संभालता है, यह कम ऑक्सीजन के प्रति कैसी प्रतिक्रिया देता है, या रक्त का थक्का कैसे जमता है। एक छात्र के लिए सीखने की कोशिश करते समय, ये विषय ऐसे बिखरे हुए पहेली के टुकड़ों की तरह लग सकते हैं जो कभी पूरी तरह से फिट नहीं होते। एक डॉक्टर को प्रशिक्षित करने की असली चुनौती केवल इन टुकड़ों को याद रखना नहीं है, बल्कि उन्हें एक बीमार रोगी की एक एकल, गतिशील तस्वीर में बुनना सीखना है। बुनियादी विज्ञान को अस्पताल के कमरे की अव्यवस्थपूर्ण वास्तविकता से जोड़ने की इस प्रक्रिया को 'क्लिनिकल रीजनिंग' (नैदानिक तर्क) कहा जाता है। यह एक व्यक्ति को भ्रमित करने वाले लक्षणों के साथ देखने और यह समझने की क्षमता है कि उनके शरीर के भीतर क्या हो रहा है। पारंपरिक रूप से, शिक्षकों ने इस कौशल का अभ्यास करने के लिए रोगियों के लिखित वृत्तांतों, जिन्हें 'केस' (मामले) कहा जाता है, का उपयोग किया है। हालाँकि, ये कहानियाँ स्थिर होती हैं; वे बदलती नहीं हैं, और जब कोई छात्र अटक जाता है तो वे तत्काल सहायता भी नहीं प्रदान करती हैं। जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) दैनिक जीवन में अधिक सामान्य होती जा रही है, चीन के शोधकर्ताओं की एक टीम ने एक सरल लेकिन गहन प्रश्न पूछा: क्या एक स्मार्ट कंप्यूटर सिस्टम छात्रों को डॉक्टरों की तरह सोचने में पारंपरिक कक्षा की तुलना में बेहतर मदद कर सकता है?

नैन्चांग विश्वविद्यालय के शोधकर्ताओं ने पैथोफिजियोलॉजी (रोग शरीर क्रिया विज्ञान) नामक एक कठिन विषय को पढ़ाने के एक नए तरीके का परीक्षण करने का निर्णय लिया, जो इस बात का अध्ययन है कि बीमारियाँ शरीर के सामान्य कार्यों को कैसे बदल देती हैं। उन्होंने चिकित्सा छात्रों के दो समूहों के साथ काम किया जो एक अभिनव प्रशिक्षण कार्यक्रम का हिस्सा थे। एक समूह, जो वर्ष 2022 का था, ने मानक पद्धति का उपयोग करके सीखा: उन्होंने स्थिर रोगी कहानियों को पढ़ा और अपने शिक्षकों के साथ उन पर चर्चा की। दूसरा समूह, जो 2023 का था, ने आर्टिफिशियल इंटेलिजेंस द्वारा संचालित एक नई प्रणाली का उपयोग किया। इस प्रणाली ने केवल छात्रों को उत्तर ही नहीं दिए; बल्कि यह एक व्यक्तिगत ट्यूटर की तरह कार्य करती थी जो छात्र की आवश्यकता के आधार पर अपना दृष्टिकोण बदल लेती थी। लक्ष्य यह देखना था कि क्या यह बुद्धिमान सहायता तथ्यों को याद रखने और वास्तव में जटिल चिकित्सा समस्याओं को हल करने के बीच के अंतर को पाट सकती है।

इस नई प्रणाली को तीन स्पष्ट चरणों पर बनाया गया था, जिसे एक छात्र को शुरुआती स्तर से उन्नत विचारक बनाने के लिए डिज़ाइन किया गया था। सबसे पहले, छात्रों ने सुव्यवस्थित मामलों (केस) पर काम किया जहाँ उन्हें बीमारी का कारण बनने वाली घटनाओं की बुनियादी श्रृंखला को मैप करना था, जैसे कि यह पता लगाना कि इंसुलिन की कमी कैसे खतरनाक रक्त शर्करा परिवर्तनों की ओर ले जाती है। कंप्यूटर ने उन्हें इन आधारों में महारत हासिल करने में मदद करने के लिए व्यक्तिगत संसाधन प्रदान किए। इसके बाद, छात्रों का सामना अधिक कठिन मामलों से हुआ जहाँ जानकारी भ्रमित करने वाली या विरोधाभासी थी, जैसे कि एक रोगी जो सदमे (शॉक) में प्रतीत होता था लेकिन जिसके रक्त के निशान सामान्य थे। यहाँ, आर्टिफिशियल इंटेलिजेंस एक चर्चा भागीदार के रूप में कार्य करता था, जो भ्रमित करने वाले हिस्सों की ओर इशारा करता था और छात्रों को गहराई से सोचने के लिए प्रेरित करने हेतु प्रश्न पूछता था। अंत में, छात्रों को जटिल, खुले-अंत वाले स्थितियों के लिए अपनी स्वयं की उपचार योजनाएँ तैयार करनी थीं। कंप्यूटर उनके विचारों का मूल्यांकन करता था, यह जाँचता था कि क्या उनका तर्क सही था, क्या उन्होंने अच्छे साक्ष्य का उपयोग किया था, और क्या उन्होंने नैतिक मुद्दों पर विचार किया था, जिससे उन्हें सुधार के लिए तत्काल फीडबैक मिलता था।

जब शोधकर्ताओं ने दोनों समूहों की तुलना की, तो परिणाम स्पष्ट थे। जिन छात्रों ने आर्टिफिशियल इंटेलिजेंस प्रणाली का उपयोग किया था, उन्होंने पारंपरिक पद्धति का उपयोग करने वालों की तुलना में अपनी अंतिम परीक्षाओं में उच्च अंक प्राप्त किए। नए समूह का औसत स्कोर 88.59 था, जबकि पारंपरिक समूह का स्कोर 83.14 था। परीक्षण अंकों के अलावा, छात्रों ने रिपोर्ट किया कि उन्हें यह समझने में अधिक आत्मविश्वास महसूस हुआ कि बीमारियाँ कैसे काम करती हैं और उस ज्ञान को वास्तविक रोगियों पर कैसे लागू किया जाए। लगभग 85 प्रतिशत छात्रों ने कहा कि वे नई शिक्षण पद्धति से संतुष्ट थे, और लगभग सभी ने कहा कि वे अपने साथियों को इसकी सिफारिश करेंगे। उन्हें लगा कि इस प्रणाली ने उन्हें शरीर के विभिन्न हिस्सों के बीच संबंध जोड़ने में मदद की और उनके स्वयं के सीखने की क्षमता में सुधार किया।

हालाँकि, इस अध्ययन ने एक महत्वपूर्ण चेतावनी भी उजागर की। हालाँकि छात्रों ने तकनीक को मददगार पाया, लेकिन लगभग 44 प्रतिशत ने स्वीकार किया कि वे कभी-कभी इस पर बहुत अधिक निर्भर हो जाते थे। उन्हें डर था कि यदि वे हर उत्तर के लिए कंप्यूटर पर बहुत अधिक निर्भर रहे, तो वे अपने आप में गहराई से सोचना बंद कर सकते हैं। कुछ छात्रों ने उल्लेख किया कि जब वे किसी पूरी तरह से नई या खुले-अंत वाली समस्या का सामना करते हैं, तो कंप्यूटर के सुझाव बहुत कठोर या बहुत मानक लग सकते हैं, जो संभावित रूप से उन्हें रचनात्मक समाधान निकालने से रोक सकते हैं। शोधकर्ताओं ने पाया कि हालांकि तकनीक ने सीखने को अधिक कुशल बनाया, लेकिन इसके लिए सावधानीपूर्वक प्रबंधन की आवश्यकता थी ताकि यह सुनिश्चित हो सके कि छात्र निष्क्रिय न हो जाएं। सबसे सफल दृष्टिकोण वह था जहाँ कंप्यूटर सूचना और फीडबैक के भारी काम को संभालता था, लेकिन मानव शिक्षक कठिन चर्चाओं का मार्गदर्शन करने और छात्रों की आलोचनात्मक सोच को तेज रखने के लिए प्रभारी बना रहता था।

यह अध्ययन बताता है कि आर्टिफिशियल इंटेलिजेंस चिकित्सा शिक्षा में एक शक्तिशाली उपकरण हो सकता है, लेकिन यह मानवीय निर्णय की आवश्यकता को बदलने वाला कोई जादुई समाधान नहीं है। सर्वोत्तम परिणाम तब मिले जब तकनीक का उपयोग एक संरचित शिक्षण योजना के समर्थन के लिए किया गया, जिससे छात्रों को सरल तथ्यों से जटिल तर्क की ओर बिना अभिभूत हुए बढ़ने में मदद मिली। शोधकर्ताओं ने निष्कर्ष निकाला कि इस प्रकार की प्रणाली के लंबे समय तक सफल होने के लिए, छात्रों को इन उपकरणों का बुद्धिमानी से उपयोग करना सिखाया जाना चाहिए, यह जानते हुए कि कब कंप्यूटर के सुझाव को स्वीकार करना है और कब अपने स्वयं के विश्लेषण पर भरोसा करना है। इस संतुलन को खोजकर, मेडिकल स्कूल तकनीक का उपयोग ऐसे डॉक्टर बनाने के लिए कर सकते हैं जो न केवल जानकार हों, बल्कि अनिश्चितता के बीच गहरे और स्वतंत्र विचार रखने में भी सक्षम हों।