Accuracy of AI-Generated Procedural Descriptions in Peripheral Nerve Surgery: Implications for Surgical Training
यह अध्ययन प्रदर्शित करता है कि जबकि एआई मॉडल (GPT-5.2 और GPT-5.5) पेरिफेरल नर्व सर्जरी के लिए सामान्य रूप से सटीक प्रक्रियात्मक विवरण उत्पन्न कर सकते हैं, उनकी विश्वसनीयता प्रॉम्प्टिंग रणनीतियों द्वारा महत्वपूर्ण रूप से बाधित होती है और वे निरंतर निर्णय-आधारित चरणों के साथ संघर्ष करते हैं, जो यह संकेत देता है कि उन्हें विशेषज्ञ मार्गदर्शन के प्रतिस्थापन के बजाय पूरक शैक्षिक उपकरणों के रूप में कार्य करना चाहिए।
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
सर्जरी एक ऐसा अनुशासन है जो चरणों के सटीक निष्पादन पर निर्मित है, जहाँ एक सफल परिणाम और एक जटिलता के बीच का अंतर अक्सर इस बात में निहित होता है कि एक सर्जन अपने हाथों को कैसे चलाता है और उस क्षण में क्या निर्णय लेता है। दशकों से, इन गतिविधियों में महारत हासिल करने के प्रशिक्षण के लिए विशेषज्ञों को देखने, पर्यवेक्षण के तहत अभ्यास करने और उन अलिखित नियमों को आत्मसात करने की एक धीमी, विचारशील प्रक्रिया पर भरोसा किया जाता रहा है जो एक सक्षम प्रक्रिया को एक विशेषज्ञ प्रक्रिया से अलग करते हैं। हाल ही में, इस परिदृश्य में एक नया उपकरण आया है: जटिल चिकित्सा प्रक्रियाओं का वर्णन करने में सक्षम कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस)। ये प्रणालियाँ, जिन्हें अक्सर लार्ज लैंग्वेज मॉडल्स कहा जाता है, बड़ी मात्रा में जानकारी पढ़ सकती हैं और स्पष्ट, व्यवस्थित निर्देश लिख सकती हैं। जैसे-जैसे मेडिकल स्कूल और अस्पताल छात्रों को अधिक कुशलता से सीखने में मदद करने के तरीके खोज रहे हैं, एक महत्वपूर्ण प्रश्न उभरा है: क्या एक कंप्यूटर प्रोग्राम सर्जरी के जटिल चरणों का सटीक वर्णन कर सकता है, या यह उन सूक्ष्म, मानवीय तत्वों को छोड़ देता है जो अंतर पैदा करते हैं?
ब्रिटिश कोलंबिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने परिधीय तंत्रिका सर्जरी (पेरिफेरल नर्व सर्जरी) के नाजुक क्षेत्र पर एक परिष्कृत आर्टिफिशियल इंटेलिजेंस मॉडल की क्षमताओं का परीक्षण करके इस प्रश्न का उत्तर देने का प्रयास किया। चिकित्सा की यह शाखा उन सूक्ष्म नसों की मरम्मत और उन्हें फिर से जोड़ने से संबंधित है जो हाथों और बाजुओं में गति और संवेदना को नियंत्रित करती हैं, एक ऐसा कार्य जिसके लिए अत्यधिक सटीकता की आवश्यकता होती है। शोधकर्ताओं ने पंद्रह अलग-अलग तंत्रिका प्रक्रियाओं को चुना, जिनमें कलाई में दबी हुई नस को मुक्त करना से लेकर एक मांसपेशी से दूसरी मांसपेशी में तंत्रिका को स्थानांतरित करना तक शामिल है। उन्होंने एक उच्च-गुणवत्ता वाली शैक्षिक वेबसाइट का उपयोग किया जिसमें विशेषज्ञ सर्जनों के वीडियो और ट्रांसक्रिप्ट शामिल थे, जिसे सही विवरण के लिए "गोल्ड स्टैंडर्ड" (मानक) के रूप में उपयोग किया गया। इसके बाद उन्होंने आर्टिफिशियल इंटेलिजेंस को प्रत्येक पंद्रह प्रक्रियाओं के लिए चरण-दर-चरण विवरण उत्पन्न करने के लिए कहा, और यह देखने के लिए कि क्या उनके उत्तर सुसंगत थे कि प्रत्येक सर्जरी के लिए एक ही अनुरोध को छह बार चलाया गया।
परिणामों ने दिखाया कि आर्टिफिशियल इंटेलिजेंस बुनियादी बातों में आश्चर्यजनक रूप से अच्छी थी लेकिन बारीकियों में संघर्ष करती थी। विशेषज्ञ मानक की तुलना में औसतन, एआई के विवरण लगभग 81 प्रतिशत सटीक थे। इसका मतलब है कि अधिकांश समय, कंप्यूटर ने सर्जरी के प्रमुख चरणों को सही ढंग से पहचाना, जैसे कि चीरा कहाँ लगाना है या तंत्रिका को कैसे हिलाना है। हालाँकि, सटीकता पूर्ण नहीं थी, और यह एक प्रयास से दूसरे प्रयास में काफी भिन्न होती थी। कुछ दौरों में, एआई लगभग 92 प्रतिशत चरणों को सही ढंग से बताती थी, जबकि अन्य में यह गिरकर केवल 69 प्रतिशत से नीचे आ जाती थी। इस असंगतता का अर्थ है कि एक ही प्रश्न दो बार पूछने वाले छात्र को एक ही सर्जरी के दो अलग-अलग संस्करण मिल सकते हैं, और उसे यह जानने का कोई तरीका नहीं होगा कि कौन सा अधिक पूर्ण है।
जब शोधकर्ताओं ने बारीकी से देखा कि एआई क्या छोड़ देती है, तो उन्हें एक स्पष्ट पैटर्न मिला। सबसे आम त्रुटियाँ बड़े, स्पष्ट चरणों में नहीं थीं, बल्कि उन छोटे, निर्णय-आधारित निर्णयों में थीं जो अनुभवी सर्जन लेते हैं। ये वे क्षण होते हैं जहाँ एक सर्जन एक्सपोज़र सुधारने के लिए एक विशिष्ट पैंतरेबाज़ी जोड़ने का विकल्प चुन सकता है, या सामने मौजूद ऊतकों (टिश्यू) को देखकर एक विशेष तकनीक का उपयोग करने का निर्णय ले सकता है। एआई सर्जरी के मुख्य ढांचे का वर्णन करने में तो सक्षम थी, लेकिन अक्सर इन वैकल्पिक, विशेषज्ञ-स्तरीय विवरणों को छोड़ देती थी। अधिक चिंताजनक वे मामले थे जहाँ एआई महत्वपूर्ण सुरक्षा चरणों का उल्लेख करने में विफल रही, जैसे कि किसी विशिष्ट रक्त वाहिका या तंत्रिका की पहचान करना जिसे चोट को रोकने के लिए सुरक्षित रखना आवश्यक है। हालांकि ये सुरक्षा चरण निर्णय लेने वाले कार्यों की तुलना में कम बार छूटे, लेकिन शोधकर्ताओं ने नोट किया कि इनमें से एक को भी चूकने के गंभीर परिणाम हो सकते हैं।
अध्ययन ने यह भी परीक्षण किया कि प्रश्न पूछने का तरीका उत्तर को कैसे प्रभावित करता है। जब शोधकर्ताओं ने एक सरल, अनौपचारिक प्रॉम्प्ट का उपयोग किया—जैसे कि "मुझे मुझे यह सर्जरी कैसे करनी है, बताओ"—तो एआई की प्रतिक्रिया की सटीकता गिरकर लगभग 40 प्रतिशत रह गई। इन मामलों में, एआई ने प्रक्रिया के पूरे प्रमुख चरणों को ही छोड़ दिया, न कि केवल सूक्ष्म विवरणों को। हालाँकि, जब शोधकर्ताओं ने एक सावधानीपूर्वक तैयार किया गया, संरचित प्रॉम्प्ट उपयोग किया जिसमें लैंडमार्क्स और उपकरणों जैसे विशिष्ट विवरणों के बारे में पूछा गया था, तो सटीकता बढ़कर 80 प्रतिशत से ऊपर हो गई। इससे पता चलता है कि एआई का आउटपुट कितना उपयोगी होगा, यह काफी हद तक इस बात पर निर्भर करता है कि उपयोगकर्ता इसके साथ कैसे इंटरैक्ट करता है। एक अच्छी तरह से डिज़ाइन किया गया प्रश्न कंप्यूटर को बहुत अधिक उपयोगी और सटीक उत्तर प्रदान करने के लिए निर्देशित कर सकता है, जबकि एक अस्पष्ट प्रश्न एक खराब उत्तर की ओर ले जाता है।
शोधकर्ताओं ने यह भी जाँच की कि क्या एआई मॉडल के नए संस्करण बेहतर प्रदर्शन करते हैं। उन्होंने पाया कि नया मॉडल पुराने मॉडल जितना ही सटीक था, लेकिन इसके उत्तरों में और भी अधिक परिवर्तनशीलता थी। यह इंगित करता है कि केवल सॉफ्टवेयर के नए संस्करण का इंतजार करने से विवरणों के छूटने या असंगत उत्तरों की समस्या हल नहीं होगी। मुख्य सीमा इन प्रणालियों द्वारा टेक्स्ट उत्पन्न करने के तरीके में निहित है: वे तथ्यों को याद करने और जानकारी को व्यवस्थित करने में उत्कृष्ट हैं, लेकिन वे उस सशर्त तर्क (कंडीशनल रीजनिंग) और व्यक्तिगत अनुभव की नकल करने में संघर्ष करती हैं जो एक सर्जन के विकल्पों का मार्गदर्शन करते हैं।
अंततः, अध्ययन यह निष्कर्ष निकालता है कि ये आर्टिफिशियल इंटेलिजेंस उपकरण छात्रों को सर्जरी का सामान्य अवलोकन देने के लिए सहायक हो सकते हैं, जो ओरिएंटेशन के लिए एक शुरुआती बिंदु के रूप में कार्य करते हैं। हालाँकि, उन्हें विशेषज्ञ मार्गदर्शन के विकल्प के रूप में उपयोग नहीं किया जाना चाहिए, विशेष रूप से सुरक्षा-महत्वपूर्ण चरणों या उन सूक्ष्म निर्णयों के लिए जो विशेषज्ञ अभ्यास को परिभाषित करते हैं। यह तकनीक एक शक्तिशाली सहायक है जो जानकारी को जल्दी से सारांशित कर सकती है, लेकिन यह अभी तक उस परामर्श और अवलोकन की जगह नहीं ले सकती जो सर्जरी सीखने के लिए आवश्यक है। फिलहाल, इन उपकरणों का उपयोग सावधानी के साथ करने का सबसे अच्छा तरीका है, हमेशा विश्वसनीय मानव विशेषज्ञों के विरुद्ध जानकारी को सत्यापित करना और यह समझना है कि कंप्यूटर उन विवरणों को छोड़ सकता है जो सबसे अधिक मायने रखते हैं।
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।