Acceptability and implementation feasibility of a mobile application powered by generative artificial intelligence for mental health screening and referral in Uganda

तकनीकी सारांश: युगांडा में मानसिक स्वास्थ्य के लिए एक जनरेटिव एआई मोबाइल एप्लिकेशन की स्वीकार्यता और कार्यान्वयन व्यवहार्यता

समस्या विवरण

युगांडा एक गंभीर मानसिक स्वास्थ्य संकट का सामना कर रहा है, जहाँ अवसाद और चिंता विकारों से प्रभावित लोगों की अनुमानित संख्या 14 मिलियन है। यह बोझ विशेषज्ञों की भारी कमी (लगभग प्रति दस लाख लोगों पर एक मनोचिकित्सक), सीमित वित्त पोषण (राष्ट्रीय स्वास्थ्य बजट का 1%), और व्यापक कलंक (stigma) के कारण और भी बढ़ गया है। जबकि डिजिटल स्वास्थ्य उपकरण और एआई-संचालित हस्तक्षेप वैश्विक स्तर पर आशाजनक दिख रहे हैं, कम आय वाले अफ्रीकी परिवेशों में उनकी स्वीकार्यता और कार्यान्वयन व्यवहार्यता के संबंध में साक्ष्य का अभाव है। मौजूदा एआई मानसिक स्वास्थ्य उपकरण मुख्य रूप से उच्च-आय वाले, अंग्रेजी बोलने वाले पश्चिमी आबादी के लिए विकसित किए गए हैं, जिससे सांस्कृतिक उपयुक्तता, एल्गोरिदम पूर्वाग्रह और स्थानीय भाषाओं में प्रदर्शन के बारे में चिंताएं पैदा होती हैं। इसके अलावा, अविश्वसनीय इंटरनेट, उच्च डेटा लागत और सीमित स्मार्टफोन स्वामित्व जैसे बुनियादी ढाँचे संबंधी अवरोध समान पहुंच के लिए खतरा पैदा करते हैं।

कार्यप्रणाली

इस अध्ययन में जनवरी से मई 2026 के बीच कंपाला, युगांडा में एक मिश्रित-पद्धति प्रूफ-ऑफ-कॉन्सेप्ट डिजाइन का उपयोग किया गया।

• प्रतिभागी: 50 प्रतिभागियों का एक पर्पसिव सैंपल (purposive sample) लिया गया, जिसमें 25 सामान्य जनता के सदस्य और 25 स्वास्थ्य कार्यकर्ता (जिनमें मनोचिकित्सक, मनोरोग नैदानिक अधिकारी, नर्स और मेडिकल ऑफिसर शामिल थे) शामिल थे।
• हस्तक्षेप (Intervention): अध्ययन ने मानसिक स्वास्थ्य स्क्रीनिंग, आत्म-देखभाल और रेफरल के लिए डिज़ाइन किए गए एक जनरेटिव एआई-संचालित मोबाइल एप्लिकेशन का मूल्यांकन किया।
  • तकनीकी वास्तुकला (Technical Architecture): ऐप एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करता है जो मान्य स्क्रीनिंग टूल्स: पेशेंट हेल्थ क्वेश्चनर (PHQ-4, PHQ-9) और जनरलाइज्ड एंग्जायटी डिसऑर्डर स्केल (GAD-7) के साथ एकीकृत है।
  • एआई तंत्र (AI Mechanism): पारंपरिक नियम-आधारित चैटबॉट्स के विपरीत, यह प्रणाली एक दस्तावेज़-आधारित ज्ञान प्रणाली का उपयोग करती है। यह पूर्व-निर्धारित प्रोटोकॉल जानकारी (PHQ/GAD दिशानिर्देश) को पुनर्प्राप्त और व्याख्यायित करती है ताकि गतिशील, संदर्भ-संवेदनशील और प्राकृतिक भाषा प्रतिक्रियाएं उत्पन्न की जा सकें। जबकि सिस्टम को स्वयं टेक्स्ट उत्पन्न करने के लिए इंटरनेट पर निर्भर रहने के बजाय क्यूरेटेड फाइलों के एक सेट के आधार पर प्रतिक्रियाएं बनाने के लिए डिज़ाइन किया गया है, फिर भी डेटा ट्रांसमिशन और इंटरैक्शन के लिए एप्लिकेशन को इंटरनेट कनेक्टिविटी की आवश्यकता होती है, जो कि एक प्रमुख कार्यान्वयन बाधा के रूप में स्पष्ट रूप से पहचाना गया है।
  • सुरक्षा विशेषताएं: एप्लिकेशन में गंभीर लक्षणों के लिए स्वचालित रेफरल लॉजिक शामिल है, जिसमें आत्महत्या के विचारों के मामलों में नजदीकी स्वास्थ्य सुविधाओं के लिए एक स्वचालित डायलिंग फंक्शन भी शामिल है। यह स्पष्ट रूप से एक नैदानिक या प्रिस्क्रिप्शन टूल नहीं है।
  • सुरक्षा (Security): डेटा को TLS 1.2+ के माध्यम से सुरक्षित किया गया है और रेस्ट (at rest) पर AES-256 एन्क्रिप्शन का उपयोग किया गया है। उपयोगकर्ता की पहचान को न्यूनतम रखा गया है, जिसमें मोबाइल नंबरों का उपयोग अद्वितीय पहचानकर्ता के रूप में और वैकल्पिक नाम पंजीकरण के साथ किया गया है।
• डेटा संग्रह: अध्ययन में प्री-पोस्ट कार्यान्वयन मूल्यांकन का उपयोग किया गया।
  • मात्रात्मक (Quantitative): बेसलाइन और एंडलाइन सर्वेक्षणों ने धारणाओं, स्वीकार्यता और उपयोग पैटर्न को मापा।
  • गुणात्मक (Qualitative): उपयोगकर्ता अनुभवों और बाधाओं का पता लगाने के लिए की-इन्फॉर्मेंट इंटरव्यू (KIIs) और खुले फीडबैक का उपयोग किया गया।
• विश्लेषणात्मक ढांचे (Analytical Frameworks):
  • स्वीकार्यता: इसे टेक्नोलॉजी एक्सेप्टेंस मॉडल (TAM) का उपयोग करके, उपयोगी बोध (Perceived Usefulness - PU) और उपयोग में आसानी के बोध (Perceived Ease of Use - PEOU) पर ध्यान केंद्रित करते हुए मूल्यांकित किया गया।
  • व्यवहार्यता: इसे बोवेन के व्यवहार्यता ढांचे का उपयोग करके पांच डोमेन में आंका गया: मांग, कार्यान्वयन, व्यावहारिकता, एकीकरण और विस्तार।

मुख्य परिणाम

अध्ययन ने उच्च स्वीकार्यता और व्यवहार्यता प्रदर्शित की, हालांकि महत्वपूर्ण ढांचागत बाधाएं बनी हुई हैं।

1. स्वीकार्यता (TAM निष्कर्ष):

• उपयोगी बोध (Perceived Usefulness): कार्यान्वयन के बाद, 95.6% सामान्य जनता के प्रतिभागियों ने जानकारी को अपनी जरूरतों के लिए प्रासंगिक पाया, और 90.9% ने कहा कि वे इस एप्लिकेशन की सिफारिश करेंगे। स्वास्थ्य कर्मियों (HCWs) ने इस टूल को एक मूल्यवान निर्णय-सहायता तंत्र के रूप में देखा जो कार्यभार को कम करता है और गैर-विशेषज्ञों के लिए नैदानिक सटीकता में सुधार करता है।
• उपयोग में आसानी का बोध (Perceived Ease of Use): 90.9% सहमत थे कि फीचर्स का उपयोग करना आसान है, और 77.3% तीसरे पक्ष की सहायता के बिना ऐप का उपयोग कर सकते थे। हालांकि, तकनीकी गड़बड़ियों (दोहराव वाले प्रश्न) और भाषा संबंधी बाधाओं (केवल अंग्रेजी इंटरफेस) को घर्षण बिंदुओं (friction points) के रूप में नोट किया गया।

2. व्यवहार्यता (बोवेन फ्रेमवर्क निष्कर्ष):

• मांग (Demand): पर्याप्त अंतर्निहित मांग थी; 100% बेसलाइन प्रतिभागियों ने ऐप का उपयोग करने की इच्छा व्यक्त की। कार्यान्वयन के बाद, एक महीने के भीतर 56.7% सामान्य जनता ने स्क्रीनिंग या आत्म-देखभाल के लिए ऐप का उपयोग किया।
• कार्यान्वयन (Implementation): पहचाने गए प्राथमिक अवरोध इंटरनेट निर्भरता, उच्च मोबाइल डेटा लागत, और बहुभाषी कार्यक्षमता का अभाव थे। 40% एंडलाइन प्रतिभागियों ने डेटा लागत को एक प्रमुख बाधा बताया।
• व्यावहारिकता (Practicality): ऐप को नैदानिक और सामुदायिक सेटिंग्स के लिए व्यावहारिक माना गया, जिसमें 45.45% उपयोगकर्ताओं ने 5-10 मिनट में एक स्क्रीनिंग सत्र पूरा किया।
• एकीकरण (Integration): 96% प्रतिभागियों ने बेसलाइन पर ऐप को स्वास्थ्य सुविधाओं से जोड़ा जाना पसंद किया। एंडलाइन में, 36.4% उपयोगकर्ताओं ने ऐप द्वारा अनुशंसित रेफरल पर फॉलो-अप किया था।
• विस्तार (Expansion): 100% प्रतिभागी दूसरों को ऐप की सिफारिश करने के इच्छुक थे। हालांकि, 76% बेसलाइन प्रतिभागियों ने संकेत दिया कि व्यापक पहुंच के लिए द्विभाषी कार्यक्षमता (अंग्रेजी + स्थानीय भाषाएं) आवश्यक है।

मुख्य योगदान

• संदर्भगत सत्यापन (Contextual Validation): यह युगादन संदर्भ में विशेष रूप से जनरेटिव एआई-संचालित मानसिक स्वास्थ्य उपकरण का मूल्यांकन करने वाला पहला अध्ययन है, जो प्रमाण प्रदान करता है कि ऐसी तकनीकें कम-संसाधन वाले परिवेशों में स्वीकार्य और व्यवहार्य हो सकती हैं।
• जनरेटिव एआई अनुप्रयोग: यह अध्ययन कठोर निर्णय-वृक्ष (decision-tree) चैटबॉट्स से आगे बढ़कर, प्राकृतिक भाषा संवाद की लचीलेपन के साथ संरचित, प्रोटोकॉल-आधारित मानसिक स्वास्थ्य स्क्रीनिंग (PHQ/GAD) प्रदान करने में LLMs की उपयोगिता को प्रदर्शित करता है।
• टास्क-शेयरिंग सहायता: निष्कर्ष बताते हैं कि यह टूल गैर-विशेषज्ञ प्रदाताओं और आम जनता को प्रारंभिक स्क्रीनिंग और आत्म-देखभाल करने के लिए सशक्त बनाकर टास्क-शेयरिंग का समर्थन करने में प्रभावी हो सकता है, जिससे दुर्लभ विशेषज्ञ संसाधनों पर बोझ कम हो सकता है।
• कार्यान्वयन अंतर्दृष्टि: यह शोध उप-सहारा अफ्रीका में विस्तार के लिए विशिष्ट, कार्रवाई योग्य बाधाओं की पहचान करता है, जैसे कि ऑफलाइन क्षमताओं, जीरो-रेटेड डेटा एक्सेस और स्थानीय भाषाओं में स्थानीयकरण की आवश्यकता।

महत्व और दावे

यह पेपर दावा करता है कि एक जनरेटिव एआई-संचालित मोबाइल एप्लिकेशन युगांडा में मानसिक स्वास्थ्य स्क्रीनिंग, आत्म-देखभाल और रेफरल के लिए एक व्यवहार्य और अत्यधिक स्वीकार्य समाधान है। लेखक दावा करते हैं कि एप्लिकेशन निम्नलिखित के लिए आशाजनक है:

• कलंक (Stigma) को कम करना: गुमनामी और गोपनीयता प्रदान करके, यह टूल उन व्यक्तियों के बीच प्रकटीकरण को प्रोत्साहित करता है जो आमने-सामने की देखभाल खोजने में संकोच करते हैं।
• पहुंच में सुधार: यह यात्रा की लागत, प्रतीक्षा समय और विशेषज्ञ की कमी जैसे संरचनात्मक अवरोधों को संबोधित करता है।
• गैर-विशेषज्ञ देखभाल को मजबूत करना: यह स्वास्थ्य कर्मियों के लिए एक क्षमता-निर्माण संसाधन के रूप में कार्य करता है, जो संरचित मार्गदर्शन प्रदान करता है और संज्ञानात्मक भार को कम करता है।

हालांकि, लेखक स्केलेबिलिटी (scalability) के संबंध में एक मध्यम रुख बनाए रखते हैं। वे निष्कर्ष निकालते हैं कि हालांकि प्रूफ-ऑफ-कॉन्सेप्ट सफल है, सफल विस्तार इंटरनेट कनेक्टिविटी, डेटा लागत, भाषा सुलभता और स्मार्टफोन स्वामित्व से संबंधित संरचनात्मक बाधाओं को दूर करने पर निर्भर है। पेपर स्पष्ट रूप से कहता है कि व्यापक राष्ट्रीय रोलआउट से पहले टूल की दीर्घकालिक प्रभावशीलता, लागत-प्रभावशीलता और नियमित स्वास्थ्य प्रणालियों में एकीकरण का मूल्यांकन करने के लिए बड़े अध्ययन की आवश्यकता है।