A Knowledge Graph-Based Intelligent Guidance System for Competency-Oriented Anesthesiology Residency Training: Design and Evaluation

ऑपरेटिंग रूम के उच्च-जोखिम वाले वातावरण में, एनेस्थेटिस्ट (रोगनिरोधी) सूचनाओं के एक जटिल जाल का प्रबंधन करते हैं, जो सर्जरी से पहले रोगी के मूल्यांकन के क्षण से लेकर उनके रिकवरी तक फैला होता है। यह क्षेत्र सैकड़ों दवाओं, जटिल प्रक्रियाओं और आपातकालीन प्रोटोकॉल में महारत हासिल करने की मांग करता है, और साथ ही इसमें त्रुटि के लिए शून्य-सहनशीलता की नीति भी होती है। प्रशिक्षण ले रहे डॉक्टरों, जिन्हें रेजिडेंट कहा जाता है, के लिए इस विशाल प्रणाली को सीखना अक्सर एक खंडित अनुभव होता है। वे बिखरी हुई पाठ्यपुस्तकों से ज्ञान को जोड़ सकते हैं या व्यस्त वरिष्ठ चिकित्सकों से रुक-रुक कर होने वाली एक-पर-एक शिक्षा पर निर्भर हो सकते हैं, जिससे महत्वपूर्ण आपात स्थितियों को संभालने के उनके ज्ञान में अंतराल रह जाता है। हालांकि आर्टिफिशियल इंटेलिजेंस ने सिखाने के नए तरीके पेश करना शुरू कर दिया है, लेकिन कई मौजूदा उपकरण क्लाउड-आधारित प्रणालियों पर निर्भर हैं जो इंटरनेट के माध्यम से संवेदनशील रोगी डेटा भेजते हैं, जिससे गोपनीयता संबंधी गंभीर चिंताएं पैदा होती हैं जो सुरक्षित अस्पताल नेटवर्क में उनके उपयोग को रोकती हैं।

निंग्ज़िया मेडिकल यूनिवर्सिटी और उसके संबद्ध अस्पताल, चीन के शोधकर्ताओं की एक टीम ने विशेष रूप से इन समस्याओं को हल करने के लिए डिज़ाइन किए गए एक नए प्रकार के डिजिटल शिक्षण सहायक का विकास किया है। उन्होंने एक ऐसा सिस्टम बनाया है जो पूरी तरह से अस्पताल के अपने कंप्यूटरों के भीतर रहता है, जिससे सारा डेटा निजी और सुरक्षित रहता है। केवल प्रश्न पूछने के बजाय, यह टूल रेजिडेंट्स को एक चरण-दरतीय सीखने की प्रक्रिया के माध्यम से मार्गदर्शन करता है जो उस तरीके की नकल करता है जिससे एक वरिष्ठ डॉक्टर किसी जटिल समस्या के बारे में सोचता है। चिकित्सा तथ्यों के एक संरचित मानचित्र को उन्नत भाषा तकनीक के साथ जोड़कर, यह प्रणाली वास्तविक रोगी को कभी जोखिम में डाले बिना उच्च-जोखिम वाले परिदृश्यों का अभ्यास करने का एक तरीका प्रदान करती है।

इस नए सिस्टम का मूल एक विशिष्ट 'नॉलेज ग्राफ' (ज्ञान ग्राफ) है, जिसे शोधकर्ताओं ने एनेस्थीसिया के बारे में हजारों तथ्यों को एक तार्किक संरचना में व्यवस्थित करके बनाया है। एक विशाल पुस्तकालय की कल्पना करें जहाँ प्रत्येक पुस्तक, दवा और प्रक्रिया अदृश्य धागों द्वारा एक-दूसरे से जुड़ी होती है जो यह दिखाती है कि वे वास्तव में एक-दूसरे से कैसे संबंधित हैं। शोधकर्ताओं ने सर्जिकल रोगी की पूरी यात्रा का मानचित्र तैयार किया, प्री-ऑपरेटिव मूल्यांकन से लेकर पोस्ट-ऑपरेटिव दर्द प्रबंधन तक, और इस मानचित्र को 805 विशिष्ट चिकित्सा संस्थाओं और उनके बीच 6,500 से अधिक संबंधों से भरा। यह संरचना कंप्यूटर को न केवल अलग-थलग तथ्यों को, बल्कि नैदानिक निर्णय लेने के तार्किक प्रवाह को समझने की अनुमति देती है। सामान्य चिकित्सा उपकरणों के विपरीत जो बीमारियों पर ध्यान केंद्रित करते हैं, यह मानचित्र एनेस्थिसियोलॉजी के वर्कफ़्लो के इर्द-गिर्द बनाया गया है, जो यह दर्शाता है कि डॉक्टर वास्तव में ऑपरेटिंग रूम में कैसे काम करते हैं।

इस ज्ञान को सीखने के लिए उपयोगी बनाने के लिए, सिस्टम 'प्रोग्रेसिव डायलॉग' (प्रगतिशील संवाद) नामक पद्धति का उपयोग करता है। जब एक रेजिडेंट किसी विशिष्ट आपात स्थिति, जैसे कि स्थानीय एनेस्थेटिक की विषाक्तता (toxicity) को कैसे संभालना है, के बारे में पूछता है, तो सिस्टम केवल निर्देशों की एक लंबी सूची नहीं देता है। इसके बजाय, यह समाधान को पांच क्रमिक चरणों में तोड़ देता है। यह पहला कदम प्रस्तुत करता है, रेजिडेंट से पुष्टि करने के लिए कहता है कि वे इसे समझ गए हैं, और फिर अगली पुष्टि प्राप्त करने के बाद ही अगले चरण पर बढ़ता है। यह दृष्टिकोण शिक्षार्थी को सामग्री के साथ सक्रिय रूप से जुड़ने के लिए मजबूर करता है, जिससे प्रक्रिया के प्रत्येक चरण की जांच और सत्यापन करने की मानसिक आदत विकसित होती है। सिस्टम उपयोगकर्ता के प्रश्नों और इतिहास को भी ट्रैक करता है, जिससे इसकी मार्गदर्शन क्षमता शिक्षार्थी की गति के अनुकूल बनती है और यह सुनिश्चित होता है कि फीडबैक हमेशा आधिकारिक चिकित्सा दिशानिर्देशों से जुड़ा हो।

इस कार्य में एक प्रमुख नवाचार यह है कि सिस्टम प्रश्न का उत्तर देने के लिए सही जानकारी कैसे खोजता है। शोधकर्ताओं ने एक 'डुअल-इंजन रिट्रीवल सिस्टम' बनाया है जो दो-तरफा खोज की तरह कार्य करता है। इसका एक हिस्सा संरचित नॉलेज ग्राफ के माध्यम से सटीक, दिशानिर्देश-आधारित तथ्य खोजने के लिए देखता है, जैसे कि सटीक दवा की खुराक या निषेध (contraindications)। दूसरा भाग विस्तृत स्पष्टीकरण और संदर्भ खोजने के लिए असंरचित टेक्स्ट दस्तावेजों को खोजता है। सिस्टम इन दोनों स्रोतों को जोड़ता है, और सटीकता सुनिश्चित करने के लिए संरचित तथ्यों को अधिक महत्व देता है। वरिष्ठ एनेस्थेटिस्ट द्वारा बनाए गए और ग्रेड किए गए 300 प्रश्नों के विरुद्ध इस दृष्टिकोण का परीक्षण करने में, सिस्टम ने 98.5 प्रतिशत की दिशानिर्देश अनुपालन दर हासिल की। इसका अर्थ है कि इसके द्वारा दिया गया लगभग हर उत्तर आधिकारिक चिकित्सा मानकों के साथ पूरी तरह सुसंगत था, जो मानक भाषा मॉडल की तुलना में एक महत्वपूर्ण सुधार है जो अक्सर गलत जानकारी देते हैं या तथ्य गढ़ लेते हैं।

शोधकर्ताओं ने अस्पताल के परिवेश में इस तकनीक को चलाने की व्यावहारिक चुनौती का भी समाधान किया। कई शक्तिशाली आर्टिफिशियल इंटेलिजेंस टूल्स को विशाल, महंगे सर्वर या इंटरनेट के निरंतर कनेक्शन की आवश्यकता होती है, जो सुरक्षित चिकित्सा वातावरणों में अक्सर असंभव होता है। इस नए सिस्टम को हल्का और पूरी तरह से स्थानीय (local) होने के लिए डिज़ाइन किया गया था। सॉफ्टवेयर को कंप्रेस करके, टीम ने इसे केवल 6 गीगाबाइट मेमोरी वाले ग्राफिक्स कार्ड वाले एक मानक अस्पताल वर्कस्टेशन पर चलाने के लिए सक्षम बनाया। यह सिस्टम पूरी तरह से ऑफलाइन काम करता है, जिसका अर्थ है कि कोई भी डेटा इमारत से बाहर नहीं जाता है। परीक्षणों में, इसने 15 सेकंड से कम समय में एक पूर्ण, निर्देशित प्रतिक्रिया उत्पन्न की, जो एक ऐसी गति है जो एक रेजिडेंट के लिए अध्ययन सत्र या शिफ्ट की तैयारी के दौरान उपयोग करने के लिए पर्याप्त तेज़ है।

सिस्टम के मूल्यांकन से पता चला कि जबकि बिना इन विशिष्ट गाइडों के एक मानक भाषा मॉडल लंबे, अधिक पूर्ण दिखने वाले उत्तर उत्पन्न कर सकता था, लेकिन इसमें अक्सर गलत या unverifiable जानकारी शामिल होती थी। इसके विपरीत, विशेष प्रणाली ने सुरक्षा और सटीकता को प्राथमिकता दी, यह सुनिश्चित करते हुए कि इसकी हर सलाह एक उद्धृत स्रोत द्वारा समर्थित हो। शोधकर्ताओं ने नोट किया कि यह सिस्टम महत्वपूर्ण घटनाओं के प्रबंधन को सिखाने में विशेष रूप से प्रभावी था, एक ऐसा कौशल जिसे वास्तविक जीवन में अभ्यास करना कठिन है क्योंकि ऐसी आपात स्थितियाँ दुर्लभ होती हैं। इन परिदृश्यों को एक सुरक्षित, इंटरैक्टिव वातावरण में सिम्युलेट करके, यह टूल रेजिडेंट्स को वास्तविक संकट का सामना करने से पहले आवश्यक प्रक्रियात्मक स्मृति और नैदानिक तर्क की आदतें बनाने में मदद करता है।

हालांकि परिणाम उत्साहजनक हैं, लेखक सावधानीपूर्वक यह उल्लेख करते हैं कि यह एक नए शिक्षण उपकरण का तकनीकी प्रदर्शन है, न कि यह अंतिम प्रमाण है कि यह दीर्घकालिक चिकित्सा परिणामों में सुधार करता है। वर्तमान ज्ञान आधार सार्वजनिक पाठ्यपुस्तकों और दिशानिर्देशों पर निर्भर है, और टीम भविष्य में विशिष्ट अस्पताल मामलों और बाल चिकित्सा या कार्डिएक एनेस्थीसिया जैसे उप-विशेषताओं को शामिल करने के लिए इसे विस्तारित करने की योजना बना रही है। वे एक नियंत्रित शैक्षिक अध्ययन की तैयारी भी कर रहे हैं ताकि यह देखा जा सके कि क्या इस सिस्टम का उपयोग करने से रेजिडेंट्स वास्तव में समय के साथ बेहतर डॉक्टर बन पाते हैं। फिलहाल, यह कार्य एक प्रमाण के रूप में खड़ा है कि स्वास्थ्य सेवा की दुनिया के सख्त गोपनीयता नियमों का सम्मान करते हुए चिकित्सा प्रशिक्षण के लिए एक परिष्कृत, सुरक्षित और अत्यधिक सटीक शिक्षण साथी बनाना संभव है।