Identifying antipsychotic treatment episodes using natural language processing and change-point detection
यह अध्ययन अनस्ट्रक्चर्ड इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स से अनुदैर्ध्य एंटीसाइकोटिक उपचार प्रकरणों (longitudinal antipsychotic treatment episodes) को पुनर्गठित करने के लिए नेचुरल लैंग्वेज प्रोसेसिंग और चेंज-पॉइंट डिटेक्शन को संयोजित करने वाले एक स्केलेबल फ्रेमवर्क को प्रस्तुत और मान्य करता है, जो नैदानिक वैधता प्रदर्शित करता है और उपचार की जटिलता एवं स्वास्थ्य देखभाल उपयोग के बीच महत्वपूर्ण संबंधों को प्रकट 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
मानसिक स्वास्थ्य देखभाल की दुनिया में, एक रोगी के उपचार की कहानी अक्सर हाशिए पर लिखी जाती है। दशकों से, डॉक्टर दवाओं के बारे में अपने निर्णय मुक्त-प्रवाह वाले नोट्स (free-flowing notes) में दर्ज करते रहे हैं, जिसमें यह बताया जाता है कि कोई दवा क्यों शुरू की गई, रोगी ने उस पर कैसी प्रतिक्रिया दी, या कब बदलाव किया गया। हालांकि ये वृत्तांत रोगी की यात्रा का वास्तविक इतिहास रखते हैं, लेकिन वे असंरचित पाठ (unstructured text) में बंद हैं, जो अस्पताल के डेटा का प्रबंधन करने वाले कंप्यूटरों के लिए अदृश्य हैं। यह उन शोधकर्ताओं के लिए एक अंध बिंदु (blind spot) पैदा करता है जो यह समझने की कोशिश कर रहे हैं कि उपचार समय के साथ कैसे काम करते हैं। वे आसानी से यह नहीं देख पाते कि कौन सी दवा, कितने समय के लिए ली जा रही है, और कब पैटर्न बदलता है। इस स्पष्टता के बिना, यह जानना कठिन है कि क्या वर्तमान प्रथाएं रोगियों की मदद कर रही हैं या क्या वे अनावश्यक अस्पताल भर्ती का कारण बन रही हैं। चुनौती इन हजारों हस्तलिखित नोट्स को पढ़ने और उन्हें एक स्पष्ट, कालानुक्रमिक टाइमलाइन (chronological timeline) में बदलने का तरीका खोजने की थी जिसे एक कंप्यूटर समझ सके और विश्लेषण कर सके।
किंग्स कॉलेज लंदन और साउथ लंदन एंड माल्डस्ले एनएचएस फाउंडेशन ट्रस्ट के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए एक नई विधि विकसित की है। उन्होंने एक प्रणाली बनाई जो दो शक्तिशाली उपकरणों को जोड़ती है: एक डिजिटल पाठक जो मानव भाषा को समझता है और एक गणितीय डिटेक्टर जो पहचान लेता है कि कब कोई पैटर्न बदलता है। डिजिटल पाठक, जिसे नेचुरल लैंग्वेज प्रोसेसिंग (natural language processing) के रूप में जाना जाता है, असंरचित नैदानिक नोट्स को स्कैन करता है ताकि एंटीसाइकोटिक दवाओं का हर उल्लेख मिल सके, जो सिज़ोफ्रेनिया और संबंधित स्थितियों के इलाज के लिए उपयोग की जाने वाली दवाएं हैं। यह दवा का नाम, खुराक और वह तारीख निकाल लेता है जब उसे लिखा गया था। हालांकि, केवल इन उल्लेखों को सूचीबद्ध करना पर्याप्त नहीं है, क्योंकि डॉक्टर अक्सर ऐसी दवा के बारे में लिखते हैं जिसे उन्होंने वर्षों पहले बंद कर दिया था या जो वे भविष्य के लिए विचार कर रहे हैं। एक मरीज द्वारा सक्रिय रूप से एक विशिष्ट दवा लेने की वास्तविक अवधि का पता लगाने के लिए, टीम ने 'चेंज-पॉइंट डिटेक्शन एल्गोरिदम' (change-point detection algorithm) का उपयोग किया। यह उपकरण दवाओं के उल्लेखों के प्रवाह को देखता है और उन सटीक क्षणों की पहचान करता है जहाँ पैटर्न बदलता है, जो संकेत देता है कि एक उपचार समाप्त हो गया है और दूसरा शुरू हो गया है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण 2007 और 2017 के बीच सिज़ोफ्रेनिया-स्पेक्ट्रम विकारों से निदान किए गए 12,530 रोगियों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड पर किया। उन्होंने कंप्यूटर की टाइमलाइन की तुलना 113 उपचार प्रकरणों (treatment episodes) से की जिन्हें मानव विशेषज्ञों द्वारा सावधानीपूर्वक चिह्नित किया गया था। सिस्टम ने उच्च सटीकता के साथ प्रदर्शन किया, जिसने अधिकांश मामलों में उपचार अवधियों के शुरू होने और समाप्त होने की तारीखों को सही ढंग से पहचाना। एक बार मान्य होने के बाद, टीम ने इस पद्धति को रोगियों के पूरे समूह पर लागू किया। उन्होंने 24,648 विशिष्ट उपचार प्रकरणों की खोज की, जिससे एक दशक में इन रोगियों के उपचार के विस्तृत मानचित्र का पता चला। विश्लेषण से पता चला कि जबकि कई रोगी लंबे समय तक एक ही दवा पर रहे, एक महत्वपूर्ण हिस्से ने जटिल पैटर्न का अनुभव किया। सभी उपचार प्रकरणों में से लगभग एक-तिहाई में, रोगियों को एक ही समय में एक से अधिक एंटीसाइकोटिक दवाएं दी गईं। इसमें दोनों प्रकार के ओवरलैप शामिल थे—एक छोटा ओवरलैप, जहाँ डॉक्टर एक दवा से दूसरी पर स्विच करते समय अस्थायी रूप से दो दवाएं देते हैं, और लंबे समय तक चलने वाले ओवरलैप जहाँ कई दवाओं का जानबूझकर एक साथ उपयोग किया जाता है।
अध्ययन ने यह भी उजागर किया कि ये उपचार पैटर्न रोगियों की अस्पताल देखभाल की आवश्यकता से कैसे संबंधित हैं। डेटा ने दिखाया कि जिन रोगियों को एक ही समय में कई एंटीसाइकोटिक दवाएं दी गईं, या जो 'क्लोज़ापिन' (clozapine) नामक एक विशिष्ट दवा शुरू करने से पहले कई अलग-अलग उपचार प्रयासों से गुजरे, उनके अस्पताल में भर्ती होने की संभावना अधिक थी और वे वहां अधिक समय तक रहे। इसके विपरीत, जिन रोगियों को उनकी दवा के लॉन्ग-एक्टिंग इंजेक्टेबल (long-acting injectable) संस्करण मिले, जो दैनिक गोली के बजाय एक इंजेक्शन के रूप में दिए जाते हैं, वे अस्पताल की सेवाओं का कम उपयोग करते थे। शोधकर्ताओं ने पाया कि विशिष्ट प्रकार का निदान और रोगी की पृष्ठभूमि भी भूमिका निभाती है, जिसमें कुछ समूहों में अस्पताल के उपयोग की उच्च दर देखी गई। अव्यवस्थित टेक्स्ट से इन दीर्घकालिक उपचार इतिहासों को स्वचालित रूप से पुनर्गठित करने की क्षमता देखभाल की गुणवत्ता की निगरानी करने का एक नया तरीका प्रदान करती है। यह स्वास्थ्य प्रणालियों को वास्तविक समय में यह देखने की अनुमति देता है कि प्रिस्क्राइबिंग आदतें दिशानिर्देशों से कब भटक रही हैं, और उन रोगियों की पहचान करने में मदद करता है जिन्हें अपने उपचार योजना में बदलाव से लाभ हो सकता है, और यह सब बिना किसी टीम द्वारा हर एक मेडिकल नोट को हाथ से पढ़े।
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।