Optimizing AI Onboarding in Radiology: Impact of Training Case Number Using Multiple Sclerosis Lesions on 3D FLAIR, a pilot study
तेरह रेडियोलॉजी चिकित्सकों से संबंधित यह पायलट अध्ययन दर्शाता है कि 3D FLAIR MRI पर तीन प्रतिनिधि मल्टीपल स्क्लेरोसिस प्रशिक्षण मामलों के साथ ऑनबोर्डिंग करने से उपयोगकर्ता के आत्मविश्वास और स्वायत्तता में उल्लेखनीय वृद्धि होती है और सहायता की आवश्यकता कम होती है, जो कम मामलों के साथ प्रशिक्षण की तुलना में दक्षता और प्रभावशीलता का एक बेहतर संतुलन प्रदान 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
उन शांत, मंद रोशनी वाले कमरों में जहाँ रेडियोलॉजिस्ट मस्तिष्क के स्कैन की जांच करते हैं, एक नए प्रकार का साथी दिखाई देने लगा है। दशकों से, ये विशेषज्ञ मानव मस्तिष्क की जटिल संरचना के भीतर बीमारी के सूक्ष्म और बारीक संकेतों को पहचानने के लिए अपनी प्रशिक्षित आँखों पर निर्भर रहे हैं। अब, आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) सहायता करने का प्रस्ताव दे रही है, एक ऐसी दूसरी जोड़ी आँखों के रूप में जो तेजी से चिंता के क्षेत्रों को उजागर कर सकती है, जैसे कि मल्टीपल स्केलेरोसिसिस के कारण होने वाले घाव (lesions)। फिर भी, एक उच्च-जोखिम वाले चिकित्सा कार्यप्रवाह में एक शक्तिशाली नए उपकरण को पेश करना केवल एक स्विच चालू करने जितना सरल नहीं है। चुनौती न केवल तकनीक में है, बल्कि इस बात में भी है कि मनुष्य इसके साथ तालमेल बिठाना और इस पर भरोसा करना कैसे सीखते हैं। यदि किसी डॉक्टर को सॉफ्टवेयर से ठीक से परिचित नहीं कराया जाता है, तो वे इसके सहायक सुझावों को अनदेखा कर सकते हैं या, इसके विपरीत, इस पर बहुत अधिक अंधाधुंध भरोसा कर सकते हैं, जिससे संभावित रूप से गलतियाँ छूट सकती हैं। अस्पतालों और प्रशिक्षण कार्यक्रमों के लिए मुख्य प्रश्न यह है कि इन चिकित्सकों को इस उपकरण का प्रभावी ढंग से उपयोग करना कैसे सिखाया जाए। क्या एक संक्षिप्त अवलोकन पर्याप्त है, या क्या डॉक्टर को वास्तव में यह समझने के लिए कि सिस्टम विभिन्न स्थितियों में कैसे व्यवहार करता है, विविध उदाहरण देखने की आवश्यकता है?
ज़्यूरिच यूनिवर्सिटी हॉस्पिटल में किए गए एक हालिया पायलट अध्ययन ने इसी प्रश्न का उत्तर देने का प्रयास किया। शोधकर्ता यह जानना चाहते थे कि प्रशिक्षण के दौरान डॉक्टर को दिखाए गए अभ्यास मामलों की संख्या, प्रशिक्षण में बिताए गए कुल समय से अधिक महत्वपूर्ण थी या नहीं। उन्होंने एक विशिष्ट सॉफ्टवेयर टूल पर ध्यान केंद्रित किया जिसे 3D FLAIR MRI नामक मस्तिष्क स्कैन के प्रकार पर मल्टीपल स्केलेरोसिसिस से जुड़े घावों का पता लगाने के लिए डिज़ाइन किया गया था। उत्तर खोजने के लिए, उन्होंने तेरह रेडियोलॉजी चिकित्सकों को एकत्र किया, जिनमें करियर की शुरुआत करने वाले से लेकर अनुभवी वरिष्ठ डॉक्टर तक शामिल थे। इन स्वयंसेवकों को यादृच्छिक रूप से तीन समूहों में विभाजित किया गया। प्रत्येक समूह को सॉफ्टवेयर कैसे काम करता है, इस पर दस मिनट का ट्यूटोरियल दिया गया, लेकिन वे इस बात में भिन्न थे कि सीखते समय उन्होंने कितने रोगी मामलों की समीक्षा की। एक समूह ने एक ही मामले के साथ अभ्यास किया, दूसरे ने दो के साथ, और तीसरे ने तीन के साथ। इन मामलों को बीमारी के पूरे स्पेक्ट्रम (गंभीर से लेकर हल्के स्तर तक) का प्रतिनिधित्व करने के लिए सावधानीपूर्वक चुना गया था, यह सुनिश्चित करते हुए कि डॉक्टर उन विविधताओं को देख सकें जिनका सॉफ्टवेयर सामना कर सकता है।
प्रशिक्षण सत्र के बाद, चिकित्सकों ने एक स्वतंत्र परीक्षण चरण में भाग लिया। बिना किसी और निर्देश के, उन्हें सॉफ्टवेयर का उपयोग करके तीन नए, मानकीकृत रोगी मामलों की समीक्षा करने के लिए कहा गया। इस दौरान, शोधकर्ताओं ने सावधानीपूर्वक रिकॉर्ड किया कि प्रशिक्षण में कितना समय लगा, सीखने के दौरान डॉक्टरों ने कितने प्रश्न पूछे, और स्वतंत्र रूप से काम करते समय उन्हें कितने प्रश्नों की आवश्यकता पड़ी। उन्होंने डॉक्टरों से एक से पांच के पैमाने पर उपकरण का उपयोग करने में अपने आत्मविश्वास को रेट करने के लिए भी कहा। परिणामों ने एक स्पष्ट पैटर्न का खुलासा किया। जिस समूह ने केवल एक मामले के साथ प्रशिक्षण लिया था, उन्होंने ऑनबोर्डिंग को सबसे तेज़ी से पूरा किया, जिसमें केवल बारह मिनट से थोड़ा अधिक समय लगा। हालाँकि, जब उन्होंने स्वतंत्र रूप से काम करने की कोशिश की, तो उन्हें सबसे अधिक संघर्ष करना पड़ा, उन्होंने प्रति मामला औसतन पांच से अधिक प्रश्न पूछे और सबसे कम आत्मविश्वास दर्ज किया। दो मामलों के साथ प्रशिक्षण लेने वाले समूह को सीखने में थोड़ा अधिक समय लगा, लेकिन उनके परिणाम भी असंगत रहे, जहाँ कुछ डॉक्टरों को काफी मदद की आवश्यकता थी और अन्य को कम।
तीन मामलों के साथ प्रशिक्षण लेने वाले समूह ने एक अलग कहानी सुनाई। हालांकि उनका प्रारंभिक प्रशिक्षण सत्र सबसे लंबा था, जो छब्बीस मिनट और अड़तीस सेकंड रहा, लेकिन स्वतंत्र रूप से काम करते समय उनका प्रदर्शन सबसे अच्छा रहा। उन्होंने अपने स्वतंत्र समीक्षा के दौरान सबसे कम प्रश्न पूछे, औसतन प्रति मामला साड़ھے तीन प्रश्न, और उन्होंने उच्चतम आत्मविश्वास स्तर की सूचना दी। शोधकर्ताओं ने पाया कि इस समूह द्वारा निवेश किए गए अतिरिक्त चौदह मिनट के प्रशिक्षण समय ने डॉक्टरों को अधिक आत्मनिर्भर और बाद में सहायता पर कम निर्भर बनाकर प्रतिफल दिया। दिलचस्प बात यह है कि अध्ययन ने दिखाया कि एक डॉक्टर के पूर्व अनुभव के वर्षों ने यह भविष्यवाणी नहीं की कि वे नए उपकरण के साथ कितनी अच्छी तरह अनुकूलित होते हैं। यहाँ तक कि सबसे अनुभवी चिकित्सकों को भी अपने जूनियर सहयोगियों की तरह ही आत्मविश्वास महसूस करने और कुशलता से काम करने के लिए कई मामलों के संरचित एक्सपोजर की आवश्यकता थी।
निष्कर्ष बताते हैं कि चिकित्सा में आर्टिफिशियल इंटेलिजेंस उपकरणों को वास्तव में उपयोगी बनाने के लिए, उन्हें उपयोगकर्ताओं से कैसे परिचित कराया जाता है, यह बहुत मायने रखता है। डॉक्टर को केवल एक बार यह दिखाना पर्याप्त नहीं है कि सॉफ्टवेयर कैसे काम करता है; उन्हें सिस्टम के व्यवहार का एक ठोस मानसिक मॉडल बनाने के लिए उदाहरणों का एक छोटा, विविध सेट देखने की आवश्यकता है। अध्ययन संकेत देता है कि गति पर केंद्रित एक जल्दबाजी भरे सत्र की तुलना में, विविधता पर केंद्रित थोड़ा लंबा प्रशिक्षण सत्र एक अधिक सक्षम और आत्मविश्वासी उपयोगकर्ता बनाता है। हालांकि यह एक छोटे पैमाने का सिमुलेशन था और हर अस्पताल में इस उपकरण के काम करने का अंतिम प्रमाण नहीं है, लेकिन परिणाम एक व्यावहारिक समाधान की ओर इशारा करते हैं: डॉक्टरों को कुछ अलग परिदृश्यों को दिखाने के लिए शुरू में थोड़ा अधिक समय निवेश करने से भविष्य में आर्टिफिशियल इंटेलिजेंस का अधिक सुचारू, सुरक्षित और प्रभावी उपयोग हो सकता है।
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।