Building a clinical and academic health research network using data science and artificial intelligence

चिकित्सा विज्ञान की दुनिया में, जटिल स्वास्थ्य समस्याओं को हल करना शायद ही कभी अलगाव में होता है। जब शोधकर्ता, डॉक्टर और संस्थान एकजुट होते हैं, तो वे एक अनुसंधान नेटवर्क बनाते हैं—ज्ञान, संसाधनों और रोगियों को साझा करने का एक संरचित तरीका ताकि उन मुद्दों से निपटा जा सके जो किसी अकेले व्यक्ति के लिए अकेले संभालना बहुत बड़ा है। ये गठबंधन वैज्ञानिक खोजों को वास्तविक दुनिया के उपचारों और नीतियों में बदलने के लिए महत्वपूर्ण हैं। हालाँकि, इन नेटवर्कों का निर्माण पारंपरिक रूप से एक धीमी, मैनुअल प्रक्रिया रही है। वैज्ञानिक अक्सर यह खोजने के लिए व्यक्तिगत संपर्कों, सर्वेक्षणों या संस्थागत रिकॉर्ड पर निर्भर रहते हैं कि कौन क्या काम कर रहा है। यह दृष्टिकोण श्रम-साध्य है, मानवीय त्रुटियों के प्रति संवेदनशील है, और जैसे-जैसे नए विशेषज्ञ उभरते हैं और पुराने दल समाप्त होते हैं, यह जल्दी से पुराना हो जाता है। यह एक विशाल, बदलते परिदृश्य को पैदल चलकर हर इंच नापने की कोशिश करने जैसा है; यह काम करता है, लेकिन यह थका देने वाला है और आप सबसे महत्वपूर्ण रास्तों को भी छोड़ सकते हैं।

हल विश्वविद्यालय (University of Hull) के शोधकर्ताओं की एक टीम ने इन कनेक्शनों को बनाने का एक अलग तरीका प्रस्तावित किया है, जो कंप्यूटर की गति और पैटर्न-पहचानने की शक्ति का उपयोग करता है। उन्होंने पूछा कि क्या डेटा विज्ञान और आर्टिफिशियल इंटेलिजेंस (AI) स्वचालित रूप से सही लोगों को एक अनुसंधान नेटवर्क में शामिल होने के लिए ढूंढ सकते हैं, विशेष रूप से उन लोगों के लिए जो उत्तरी इंग्लैंड में शराब, लत और मानसिक स्वास्थ्य का अध्ययन कर रहे हैं। फोन कॉल या स्प्रेडशीट पर निर्भर रहने के बजाय, उन्होंने एक ऐसा सिस्टम बनाया जो लाखों वैज्ञानिक लेखों को स्कैन करके लेखकों को खोजता है, उनकी पहचान की जांच करता है, और यह मानचित्रण करता है कि कौन पहले से ही मिलकर काम कर रहा है। लक्ष्य यह देखना था कि क्या एक मशीन नेटवर्किंग का भारी काम कर सकती है, जिससे एक स्पष्ट, अद्यतित चित्र बन सके जो स्केलेबल (विस्तार योग्य) और व्यवस्थित हो।

शोधकर्ताओं ने अपना ध्यान इंग्लैंड के उत्तरी भाग पर केंद्रित किया, जो पदार्थ के उपयोग और मानसिक कल्याण से संबंधित महत्वपूर्ण सार्वजनिक स्वास्थ्य चुनौतियों का सामना कर रहा है। वे इस क्षेत्र के उन शिक्षाविदों और क्लीनिशियन की पहचान करना चाहते थे जो 2020 और 2025 के बीच इन विषयों पर सक्रिय रूप से प्रकाशित कर रहे थे। इसे करने के लिए, वे पबमेड (PubMed) की ओर मुड़े, जो चिकित्सा साहित्य का एक विशाल, मुफ्त डेटाबेस है। उन्होंने शराब, लत और मानसिक स्वास्थ्य पर काम प्रकाशित करने वाले बीस-छह विशिष्ट जर्नल्स का चयन किया। एक कंप्यूटर प्रोग्राम का उपयोग करके, उन्होंने पिछले पांच वर्षों में इन जर्नल्स में प्रकाशित प्रत्येक लेख को खोजा। सॉफ्टवेयर ने फिर लेखकों के नाम और उनके विश्वविद्यालयों या अस्पतालों को निकाला।

इस तरह के काम में एक बड़ा अवरोध यह है कि कई शोधकर्ताओं के नाम समान होते हैं। इसे हल करने के लिए, टीम ने ORCID नामक एक डिजिटल टूल का उपयोग किया, जो वैज्ञानिकों के लिए एक अद्वितीय आईडी कार्ड की तरह कार्य करता है। कंप्यूटर ने लेखों में पाए गए नामों और संबद्धताओं को इन अद्वितीय आईडी के साथ मिलाने का प्रयास किया ताकि यह सुनिश्चित हो सके कि एक विश्वविद्यालय के "जॉन स्मिथ" को दूसरे विश्वविद्यालय के "जॉन स्मिथ" के साथ भ्रमित न किया जाए। एक बार लेखकों की पहचान हो जाने और उनकी पहचान की पुष्टि हो जाने के बाद, टीम ने उनके संबंधों का एक डिजिटल मानचित्र बनाया। इस मानचित्र में, प्रत्येक शोधकर्ता एक बिंदु है, और एक रेखा दो बिंदुओं को तब जोड़ती है जब उन्होंने मिलकर एक पेपर लिखा हो। यह दृश्य संरचना प्रकट करती है कि कौन किसके साथ सहयोग कर रहा है और विभिन्न समूह कितने घनिष्ठ रूप से जुड़े हुए हैं।

इस स्वचालित खोज के परिणाम उत्साहजनक थे। सिस्टम ने उत्तरी इंग्लैंड के इक्कीस संस्थानों में 420 अद्वितीय शोधकर्ताओं की पहचान की। जब टीम ने देखा कि ये शोधकर्ता कहाँ आधारित हैं, तो उन्होंने पाया कि यॉर्कशायर और हम्बर क्षेत्र सबसे सक्रिय था, जिसने कुल 181 प्रकाशन किए। उत्तर-पश्चिम (North West) 162 प्रकाशनों के साथ दूसरे स्थान पर रहा, और उत्तर-पूर्व (North East) में 55 प्रकाशन थे। व्यक्तिगत विश्वविद्यालयों में, शेफ़ील्ड विश्वविद्यालय (University of Sheffield) 94 प्रकाशनों के साथ सबसे आगे रहा, उसके बाद यॉर्क विश्वविद्यालय (University of York) 57 और लिवरपूल विश्वविद्यालय (University of Liverpool) 52 के साथ। डेटा ने एक स्पष्ट रुझान दिखाया: जबकि पिछले कुछ वर्षों में इन विषयों पर लेखों की कुल संख्या में मामूली गिरावट देखी गई है, उत्तर में विशेषज्ञता का संकेंद्रण महत्वपूर्ण बना हुआ है।

जब शोधकर्ताओं ने इन वैज्ञानिकों के बीच के संबंधों की जांच की, तो उन्हें एक मध्यम रूप से जुड़ा हुआ नेटवर्क मिला। औसतन, प्रत्येक शोधकर्ता ने लगभग सात अन्य लोगों के साथ सहयोग किया था। मानचित्र ने दिखाया कि जबकि अधिकांश सहयोग एक ही विश्वविद्यालय के भीतर होता है, वहीं विभिन्न संस्थानों के बीच भी काफी काम हो रहा है। शेफ़ील्ड विश्वविद्यालय यॉर्कशायर और हम्बर क्षेत्र में एक केंद्रीय केंद्र के रूप में उभरा, जो कई कनेक्शनों के लिए एक मुख्य बिंदु के रूप में कार्य करता है। हालाँकि, नेटवर्क एक पूर्ण जाल नहीं था; विश्लेषण ने सुझाव दिया कि इन शोधकर्ताओं के बीच सभी संभावित सहयोगों में से केवल लगभग चार प्रतिशत वास्तव में मौजूद हैं, जो यह दर्शाता है कि नई साझेदारियां बनाने के लिए अभी भी बहुत गुंजाइश है।

अध्ययन सुझाव देता है कि अनुसंधान नेटवर्क बनाने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करना एक व्यवहार्य और शक्तिशाली विकल्प है। लेखक तर्क देते हैं कि मैनुअल दृष्टिकोण अक्सर बड़े पैमाने की परियोजनाओं के लिए उपयोगी होने के लिए बहुत धीमे और असंगत होते हैं, जबकि उनका स्वचालित तरीका तेजी से संभावित सहयोगियों की एक व्यापक सूची तैयार कर सकता है। यह दृष्टिकोण अनुसंधान परिदृश्य को वास्तव में वैसा देखने का एक तरीका प्रदान करता है जैसा वह है, न कि इस आधार पर कि कौन किसे जानता है। हालाँकि, शोधकर्ता सावधानी बरतते हुए कहते हैं कि उनकी विधि पूर्ण नहीं है। क्योंकि सिस्टम प्रकाशित लेखों पर निर्भर है, इसलिए यह उन शुरुआती करियर वाले शोधकर्ताओं को छोड़ सकता है जिन्होंने अभी तक प्रकाशित नहीं किया है या उन क्लीनिशियन को जो चयनित जर्नल्स के लिए नहीं लिखते हैं। इसके अतिरिक्त, कंप्यूटर हर एक लेखक के लिए एक अद्वितीय आईडी नहीं ढूंढ सका, इसलिए कुछ नामों का उपयोग उनके रूप में किया गया जैसा वे दिखाई दिए, जिसमें त्रुटि की एक छोटी संभावना रहती है।

इन सीमाओं के बावजूद, यह कार्य इस बात का प्रमाण है कि अनुसंधान समुदायों को कैसे बनाया और समझा जा सकता है। वैज्ञानिक साहित्य के विशाल, अराजक समुद्र को एक संरचित मानचित्र में बदलकर, यह विधि फंडिंग एजेंसियों और नीति निर्माताओं को यह पहचानने के लिए एक उपकरण प्रदान करती है कि विशेषज्ञता कहाँ है और कहाँ अंतराल हो सकते हैं। अध्ययन निष्कर्ष निकालता है कि यह स्वचालित, डेटा-संचालित दृष्टिकोण नेटवर्किंग के पुराने तरीकों से एक बड़ा कदम है। यह व्यवस्थित रूप से उन लोगों की पहचान करने का एक तरीका प्रदान करता है जो पहले से ही काम कर रहे हैं, जिससे उन्हें उत्तरी इंग्लैंड और उससे परे की जटिल स्वास्थ्य चुनौतियों को हल करने के लिए एक साथ लाना आसान हो जाता है। इस कार्य का भविष्य और भी अधिक शोधकर्ताओं को पकड़ने के लिए उपकरणों को परिष्कृत करने और सॉफ्टवेयर को दूसरों के लिए उपलब्ध कराने में है, ताकि इन महत्वपूर्ण कनेक्शनों को बनाना वैज्ञानिक प्रक्रिया का एक मानक हिस्सा बन सके।