Artificial Intelligence-assisted and SPARK Image-Based Case Database Strengthen Clinical Competency Development in Radiology Interns

आधुनिक अस्पताल में, रेडियोलॉजी विभाग एक मूक पर्यवेक्षक की तरह कार्य करता है, जो बिना किसी चीर-फाड़ के मानव शरीर के भीतर झांकता है। डॉक्टर बीमारियों का निदान करने, उपचारों को निर्देशित करने और जीवन बचाने के लिए इन छवियों पर भरोसा करते हैं। हालाँकि, इन चित्रों को पढ़ना सीखना छात्रों के लिए एक कठिन चढ़ाई है। इसके लिए न केवल यह याद रखने की आवश्यकता है कि एक स्वस्थ अंग कैसा दिखता है, बल्कि बीमारी के उन सूक्ष्म, अक्सर दुर्लभ संकेतों को पहचानने की भी आवश्यकता है जो स्कैन के स्थिर ग्रे और सफेद रंगों के भीतर छिपे होते हैं। पारंपरिक रूप से, यह सीखना एक इंटर्नशिप के दौरान होता है, जहाँ छात्र एक शिक्षक की देखरेख में शरीर के विभिन्न अंगों, जैसे कि मस्तिष्क, छाती या हड्डियों के माध्यम से रोटेशन करते हैं। चुनौती हमेशा यह रही है कि एक छात्र का अनुभव पूरी तरह से उन रोगियों पर निर्भर करता है जो उस सप्ताह अस्पताल के दरवाजे से अंदर आते हैं। यदि छात्र भाग्यशाली है, तो वह एक विशिष्ट दुर्लभ ट्यूमर के दर्जनों मामले देख सकता है; यदि वह भाग्यशाली नहीं है, तो वह एक भी मामला नहीं देख पाएगा, जिससे उनके ज्ञान में ऐसे अंतराल रह जाएंगे जो बाद में उनके करियर में महत्वपूर्ण हो सकते हैं।

इस असमानता को दूर करने के लिए, हांग्जो फर्स्ट पीपल्स हॉस्पिटल के शोधकर्ताओं की एक टीम ने इन भविष्य के डॉक्टरों को सिखाने के एक नए तरीके का परीक्षण किया। वे देखना चाहते थे कि क्या वे वास्तविक दुनिया के रोगी मामलों की यादृच्छिकता (randomness) से उत्पन्न होने वाली कमियों को भरने के लिए तकनीक का उपयोग कर सकते हैं। उन्होंने 60,000 से अधिक वास्तविक चिकित्सा छवियों वाला एक डिजिटल पुस्तकालय बनाया, जिसे शरीर प्रणाली और रोग के प्रकार के अनुसार व्यवस्थित किया गया था। यह लाइब्रेरी, जिसे SPARK डेटाबेस कहा जाता है, को केवल एक फोटो एल्बम से कहीं अधिक बनाने के लिए डिज़ाइन किया गया था। इसमें वीडियो सबक, इंटरैक्टिव प्रश्न और एक ऐसी प्रणाली शामिल थी जहाँ छात्र अपनी स्वयं की नैदानिक रिपोर्ट लिख सकते थे। महत्वपूर्ण रूप से, शोधकर्ताओं ने इसमें एक आर्टिफिशियल इंटेलिजेंस (AI) सहायक को भी जोड़ा। यह डिजिटल सहायक लर्निंग इंटरफेस पर मौजूद था, जो प्रश्नों के उत्तर देने के लिए तैयार था, एक ऐसे ट्यूटर के रूप में जो हमेशा जागृत और उपलब्ध था, भले ही एक मानव शिक्षक अन्य रोगियों के साथ व्यस्त हो।

इस अध्ययन में मेडिकल इमेजिंग में स्नातक करने वाले 96 छात्र शामिल थे जो अपना 18-सप्ताह का क्लिनिकल रोटेशन पूरा कर रहे थे। शोधकर्ताओं ने इस नए तरीके की तुलना पुराने तरीके से करने के लिए इन छात्रों को दो समूहों में विभाजित किया। पहला समूह, जिसे कंट्रोल ग्रुप (नियंत्रण समूह) कहा जाता है, पारंपरिक मार्ग का अनुसरण करता था। वे रेडियोलॉजी के चार मुख्य खंडों—परिसंचरण और श्वसन प्रणाली, तंत्रिका प्रणाली, पाचन और मूत्र प्रणाली, तथा सिर, गर्दन और मस्कुलोस्केलेटल सिस्टम—के माध्यम से रोटेशन करते थे। उन्होंने अस्पताल के कंप्यूटर सिस्टम पर मामलों की समीक्षा करके, व्याख्यान (lectures) में भाग लेकर और अपने शिक्षकों के साथ मामलों पर चर्चा करके सीखा, जैसा कि दशकों से छात्र करते आ रहे हैं। दूसरा समूह, जिसे प्रायोगिक समूह (experimental group) कहा जाता है, ने वही सब किया जो पहले समूह ने किया था, लेकिन उन्होंने अपने मोबाइल फोन पर SPARK डेटाबेस का भी उपयोग किया। उन्होंने निर्देशात्मक वीडियो देखे, अभ्यास प्रश्न हल किए और डिजिटल उपकरणों का उपयोग करके अपनी रिपोर्ट लिखी। जब वे अटक जाते या उनके मन में कोई प्रश्न आता, तो वे आर्टिफिशियल इंटेलिजेंस सहायक के आइकन पर टैप कर सकते थे और तत्काल स्पष्टीकरण प्राप्त कर सकते थे।

तुलना के परिणाम स्पष्ट थे। जिन छात्रों ने AI-सहायता प्राप्त डेटाबेस का उपयोग किया, उन्होंने पारंपरिक शिक्षण पर निर्भर रहने वालों की तुलना में अधिक प्रभावी ढंग से सीखा। जब शोधकर्ताओं ने उनके रोटेशन के बीच में ही छात्रों का परीक्षण किया, तो नए सिस्टम का उपयोग करने वाले समूह ने तंत्रिका प्रणाली और सिर एवं गर्दन की छवियों को पढ़ने की अपनी क्षमता पर काफी उच्च अंक प्राप्त किए। 18 सप्ताह के अंत तक, यह बढ़त और बढ़ गई। प्रायोगिक समूह के छात्रों ने अध्ययन किए गए चार शरीर प्रणालियों में से तीन में कंट्रोल ग्रुप की तुलना में बहुत अधिक अंक प्राप्त किए। एकमात्र क्षेत्र जहाँ दोनों समूहों का प्रदर्शन समान था, वह परिसंचसन और श्वसन प्रणाली थी, जो यह सुझाव देता है कि कुछ सामान्य स्थितियों के लिए पारंपरिक तरीका पहले से ही काफी प्रभावी था, या शायद नए सिस्टम को उन विशिष्ट विषयों के लिए अभी तक पूरी तरह से अनुकूलित नहीं किया गया था।

टेस्ट स्कोर के अलावा, शोधकर्ताओं ने यह भी देखा कि छात्र अपने सीखने के बारे में कैसा महसूस करते हैं। उन्होंने इंटर्न से एक पैमाने पर शिक्षण विधियों के प्रति अपनी संतुष्टि को रेट करने के लिए कहा। SPARK डेटाबेस का उपयोग करने वाले छात्रों ने मुख्य तथ्यों को समझने और याद रखने की अपनी क्षमता, छवियों को पढ़ने में अपने आत्मविश्वास और चिकित्सा क्षेत्र में अपनी रुचि में बहुत अधिक सुधार की सूचना दी। उन्हें लगा कि वे अधिक स्वतंत्र रूप से सीख रहे हैं और नैदानिक निर्णय लेने में बेहतर हो रहे हैं। गलतियों के संबंध में एक विशिष्ट निष्कर्ष सामने आया। जब छात्रों ने अपनी अंतिम परीक्षाओं में त्रुटियाँ कीं, तो AI सिस्टम का उपयोग करने वाले समूह द्वारा दूसरी बार वही गलती दोहराने की संभावना बहुत कम थी। कंट्रोल ग्रुप में त्रुटियों को दोहराने की दर प्रायोगिक समूह की तुलना में दोगुनी से अधिक थी। यह सुझाव देता है कि सही उत्तर की तुरंत समीक्षा करने और उसके पीछे के तर्क को समझने की क्षमता, जो डेटाबेस और AI द्वारा संचालित थी, ने छात्रों को उनकी सोच को आदत बनने से पहले सुधारने में मदद की।

शोधकर्ताओं ने नोट किया कि पारंपरिक सीखने के तरीके अक्सर छात्रों में 'ब्लाइंड स्पॉट्स' (अंध बिंदु) छोड़ देते हैं। क्योंकि रोगी के मामले यादृच्छिक रूप से आते हैं, एक छात्र एक विशिष्ट प्रकार के दुर्लभ ट्यूमर को देखे बिना ही कई सप्ताह बिता सकता है, या वह इसे केवल एक बार देख सकता है और विवरण भूल सकता है। डिजिटल लाइब्रेरी ने यह सुनिश्चित करके इस समस्या को हल किया कि प्रत्येक छात्र ने हर उस बीमारी के लिए कम से कम 20 क्लासिक मामलों को देखा, जिसे उन्हें सीखने की आवश्यकता थी, चाहे उस दिन अस्पताल में कुछ भी देखने को मिले। आर्टिफिशियल इंटेलिजेंस घटक ने एक अन्य सामान्य बाधा को भी दूर किया: प्रश्न पूछने में झिझक। छात्र अक्सर एक व्यस्त शिक्षक को बुनियादी प्रश्न पूछकर परेशान करने में संकोच महसूस करते हैं, या उन्हें यह एहसास होने में देरी हो सकती है कि वे भ्रमित हैं। AI सहायक ने उस बाधा को हटा दिया, जिससे स्पष्टीकरण प्राप्त करने के लिए एक निजी और त्वरित तरीका मिल सका।

हालांकि अध्ययन ने मजबूत सकारात्मक परिणाम दिखाए, लेकिन लेखकों ने इसकी सीमाओं को भी सावधानीपूर्वक नोट किया। शामिल छात्रों की संख्या अपेक्षाकृत कम थी, और तुलना अलग-अलग समय अवधियों के छात्रों के बीच की गई थी, न कि एक ही समय में साथ-साथ सीखने वाले दो समूहों के बीच। इन सीमाओं के बावजूद, निष्कर्ष बताते हैं कि एक विशाल, व्यवस्थित लाइब्रेरी को एक बुद्धिमान, सदैव उपलब्ध ट्यूटर के साथ जोड़ने से मेडिकल छात्रों के कौशल में उल्लेखनीय वृद्धि हो सकती है। यह उन्हें अपने खंडित समय का अधिक प्रभावी ढंग से उपयोग करने की अनुमति देता है, जिससे अध्ययन के हर क्षण को सीखने के एक संरचित अवसर में बदल दिया जाता है। यह कार्य एक ऐसे भविष्य की ओर संकेत करता है जहाँ चिकित्सा शिक्षा रोगी के मामलों के संबंध में 'किस्मत के खेल' पर कम और यह सुनिश्चित करने पर अधिक केंद्रित है कि प्रत्येक छात्र के पास वह सब कुछ उपलब्ध हो जिसे जानने की उन्हें आवश्यकता है।