An Agentic OODA Framework for Transparent End to End Clinical Decision Support
यह शोध पत्र एक एजेंटिक ओओडीए (OODA) फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है जो मानक एलएलएम (LLM) की परिवर्तनशीलता और विश्वास संबंधी समस्याओं को दूर करने के लिए मानव-इन-द-लूप सत्यापन के साथ मल्टी-एजेंट सिस्टम का लाभ उठाता है, जो स्ट्रोक देखभाल में पारदर्शी, सुरक्षा-महत्वपूर्ण नैदानिक निर्णय सहायता के लिए काफी उच्च आउटपुट निरंतरता और विश्वसनीयता प्रदर्शित करता 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 ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर केवल निर्देशों की एक सूची का पालन नहीं करते, बल्कि वास्तव में किसी समस्या के बारे में "सोच" सकते हैं, अपने काम की जाँच कर सकते हैं, और अटक जाने पर मदद मांग सकते हैं। यह आर्टिफिशियल इंटेलिजेंस (AI) एजेंट्स का रोमांचक क्षितिज है। एक मानक कैलकुलेटर के विपरीत, जो हमेशा एक ही गणितीय समस्या के लिए समान उत्तर देता है, आधुनिक AI (विशेष रूप से लार्ज लैंग्वेज मॉडल्स, या LLMs) एक रचनात्मक लेखक की तरह है: यह एक शानदार कहानी सुना सकता है, लेकिन यदि आप इसे वही कहानी दो बार लिखने के लिए कहते हैं, तो यह इसे हर बार थोड़ा अलग तरीके से सुना सकता है। कक्षा में, यह मज़ेदार है; लेकिन एक अस्पताल में, जहाँ एक डॉक्टर को जीवन-मरण के निर्णय लेने होते हैं, इस तरह की अनिश्चितता एक बड़ी समस्या है। यह शोध पत्र ठीक इसी मुद्दे को संबोधित करता है: हम AI डॉक्टरों को विश्वसनीय, सुसंगत और भरोसेमंद कैसे बना सकते हैं ताकि वे बिना गलतियाँ किए वास्तविक मनुष्यों की मदद कर सकें?
थॉम्पसन रिवर्स यूनिवर्सिटी के शोधकर्ताओं ने एक रणनीति उधार लेकर इसे हल करने का निर्णय लिया, जिसे लड़ाकू पायलटों और सैन्य रणनीतिकारों द्वारा उपयोग किया जाने वाला OODA लूप कहा जाता है। OODA को चार चरणों के एक सुपर-फास्ट चक्र के रूप में सोचें: Observe (तथ्यों को देखना), Orient (उन तथ्यों का संदर्भ में क्या अर्थ है यह समझना), Decide (एक योजना चुनना), और Act (इसे करना)। आमतौर पर, एक AI इन चारों चरणों को एक ही बड़े कदम में करने की कोशिश करता है, और यहीं से वह "रचनात्मक लेखन" वाली विसंगति पैदा होती है। लेखकों ने पूछा: क्या होगा यदि हम AI के मस्तिष्क को विशेषज्ञ श्रमिकों की एक टीम में विभाजित कर दें, जिनमें से प्रत्येक OODA लूप के एक चरण को संभालता है, और आगे बढ़ने से पहले एक-दूसरे के काम की जाँच करता है?
डिजिटल डॉक्टरों की टीम
यह शोध पत्र एक नया सिस्टम पेश करता है जिसे एजेंटिक OODA फ्रेमवर्क (Agentic OODA Framework) कहा जाता है। एक बड़े AI के बजाय जो एक साथ सब कुछ करने की कोशिश करता है, एक अस्पताल की टीम की कल्पना करें जहाँ हर किसी के पास एक विशिष्ट कार्य है।
सबसे पहले, Observe टीम (डेटा इनपुट) रोगी के नवीनतम मेडिकल रिकॉर्ड लेती है, जैसे कि एक नर्स चार्ट निकालती है। वे अव्यवस्थपूर्ण डेटा को साफ करती हैं, यह सुनिश्चित करते हुए कि नंबर सही प्रारूप में हों और अप्रासंगिक नोट्स हटा दिए जाएं।
इसके बाद, Orient टीम काम पर लगती है। यहीं पर "संदर्भ" का जादू होता है। एक स्मार्ट कंप्यूटर मॉडल (जिसे Catobuf कहा जाता है) रोगी को देखता है और स्ट्रोक होने के जोखिम की भविष्यवाणी करता है। लेकिन यहाँ दिलचस्प बात यह है: यह टीम केवल अनुमान नहीं लगाती; यह पिछले मामलों के एक विशाल डेटाबेस से पाँच सबसे समान रोगियों को खोजती है। यह एक जासूस की तरह है जो कहता है, "यह रोगी पिछले साल के रोगी X, Y और Z जैसा दिखता है। आइए देखें कि उनके साथ क्या हुआ था।" सिस्टम फिर इन सभी तकनीकी नंबरों को सरल अंग्रेजी में अनुवादित करता है ताकि एक मानव डॉक्टर उन्हें समझ सके।
फिर आता है Decide टीम, जो सबसे जटिल हिस्सा है। यहीं पर AI एजेंट्स विशेषज्ञों की एक गोलमेज चर्चा की तरह कार्य करते हैं।
- The Analyst (विश्लेषक) रोगी की स्थिति का सारांश प्रस्तुत करता है।
- The Decision Maker (निर्णय निर्माता) उपचार योजना लिखने का प्रयास करता है। लेकिन यह अपनी मर्जी से चीजें नहीं बना सकता! इसे पहले से मिले "समान रोगियों" के विरुद्ध अपने काम की जाँच करनी होगी।
- The Scoring System (स्कोरिंग सिस्टम) एक सख्त संपादक की तरह कार्य करता है। यह Decision Maker द्वारा लिखे गए प्रत्येक वाक्य की जाँच करता है। यदि AI कहता है, "इस रोगी को दवा A की आवश्यकता है," तो स्कोरिंग सिस्टम डेटाबेस की जाँच करता है कि क्या समान रोगियों को वास्तव में दवा A दी गई थी। यदि AI का दावा साक्ष्य से मेल नहीं खाता है, तो सिस्टम "रीसेट" बटन दबा देता है और AI को फिर से प्रयास करने के लिए कहता है। वे उत्तर एकदम सही होने तक पाँच बार तक आगे-पीछे लूप कर सकते हैं।
- The Human Loop (ह्यूमन लूप) अंतिम सुरक्षा जाल है। योजना अंतिम होने से पहले, एक वास्तविक मानव डॉक्टर इसे पढ़ता है। वे कह सकते हैं "सहमत" (Agree), "असहमत" (Disagree), या "मेरा एक प्रश्न है" (I have a question)। यदि डॉक्टर "असहमत" कहता है या किसी विशेष "ओवरराइड" शब्द का उपयोग करता है, तो AI को सुनना होगा और तुरंत अपना निर्णय बदलना होगा। मानव हमेशा बॉस होता है।
अंत में, Act टीम स्वीकृत योजना को लेता है और इसे डॉक्टर और रोगी के लिए एक सुंदर, आसानी से पढ़ने योग्य रिपोर्ट के रूप में तैयार करती है, जिसमें इस बात का इतिहास भी शामिल होता है कि निर्णय कैसे लिया गया और डॉक्टर ने क्या बदलाव किए।
परिणाम: निरंतरता ही सर्वोपरि है
शोधकर्ताओं ने यह परीक्षण करने के लिए इस प्रणाली का परीक्षण किया कि क्या यह वास्तव में केवल एक मानक AI (जैसे कि वे जिनसे आप ऑनलाइन चैट करते हैं) से एक ही काम करने के लिए पूछने की तुलना में अधिक विश्वसनीय है। उन्होंने 30 अलग-अलग रोगी मामलों को लिया और प्रत्येक के लिए पाँच बार एक ही परिदृश्य को अपने नए "एजेंटिक OODA" सिस्टम के माध्यम से चलाया। उन्होंने अन्य कई प्रसिद्ध AI मॉडलों (जैसे GPT, Claude और Gemini) के साथ भी यही किया।
परिणाम स्पष्ट थे। जब मानक AI मॉडलों से एक ही प्रश्न पाँच बार पूछा गया, तो उन्होंने पाँच थोड़े अलग उत्तर दिए। कभी-कभी अंतर बहुत बड़े थे; कुछ मॉडलों के उत्तरों के बीच "वर्स्ट-केस" समानता वास्तव में नकारात्मक थी, जिसका अर्थ था कि उत्तर अर्थ में पूरी तरह से विपरीत थे।
हालाँकि, एजेंटिक OODA फ्रेमवर्क अविश्वसनीय रूप से स्थिर था। जब उन्होंने एक ही रोगी मामले को पाँच बार चलाया, तो उत्तर हर बार लगभग एक जैसे थे। सिस्टम ने 0.9536 का औसत कोसाइन सिमिलरिटी (mean cosine similarity) प्राप्त किया (एक ऐसा स्कोर जहाँ 1.0 एक पूर्ण मिलान है)। इसके विपरीत, सर्वश्रेष्ठ मानक AI मॉडल केवल लगभग 0.8972 तक ही पहुँच सका। शोधकर्ताओं ने पाया कि AI को समस्या को तोड़ने, वास्तविक डेटा के विरुद्ध अपने काम की जाँच करने और मानव अनुमोदन प्राप्त करने के लिए मजबूर करके, वे AI को "भ्रमित" (hallucinating) होने या बेतरतीब ढंग से मन बदलने से रोक सकते हैं।
यह क्यों महत्वपूर्ण है
यह शोध पत्र सुझाव देता है कि जबकि AI शक्तिशाली है, अस्पतालों में सुरक्षित होने के लिए इसे एक संरचना की आवश्यकता है। आप केवल एक रचनात्मक AI को मेडिकल रिपोर्ट लिखने के लिए नहीं छोड़ सकते; इसे एक ऐसे ढांचे की आवश्यकता है जो इसे सुसंगत, पता लगाने योग्य और जवाबदेह बनाने के लिए मजबूर करे। OODA लूप का उपयोग करके, शोधकर्ताओं ने दिखाया है कि यह संभव है कि एक ऐसा AI सिस्टम बनाया जाए जो न केवल स्मार्ट हो, बल्कि इतना विश्वसनीय भी हो कि डॉक्टर उस पर भरोसा कर सकें। यह सिस्टम डॉक्टर की जगह नहीं लेता है; बल्कि, यह एक अथक, अत्यधिक व्यवस्थित सहायक के रूप में कार्य करता है जो डेटा विश्लेषण का भारी काम करता है, अपने गणित की जाँच करता है, और डॉक्टर के अंतिम 'थम्स-अप' का इंतजार करता है।
यह अध्ययन एक 'प्रूफ-ऑफ-कॉन्सेप्ट' था, जिसका अर्थ है कि इसे सिम्युलेटेड डेटा के साथ एक नियंत्रित लैब वातावरण में परीक्षण किया गया था, अभी तक किसी व्यस्त वास्तविक अस्पताल में नहीं। शोधकर्ता स्वीकार करते हैं कि एक वास्तविक अस्पताल में, AI के सुझाव को पढ़ने और सोचने में डॉक्टर को लगने वाला समय पूरी प्रक्रिया को धीमा कर देगा। लेकिन मुख्य निष्कर्ष कायम है: एक संरचित, मल्टी-एजेंट टीम जो अपने काम की जाँच करती है, एक एकल AI की तुलना में जो एक साथ सब कुछ करने की कोशिश करता है, काफी अधिक सुसंगत और भरोसेमंद है। यह दृष्टिकोण ऐसे AI की ओर एक आशाजनक मार्ग प्रदान करता है जिस पर डॉक्टर वास्तव में भरोसा कर सकते 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।