Impact of AI-assisted chest radiography on clinical decision-making: A temporal analysis of CT referral rates and the proportion of positive CT in cardiology outpatient setting

अस्पताल के शांत, अक्सर अनदेखे कोनों में, एक नियमित चेस्ट एक्स-रे प्रतिदिन हजारों बार लिया जाता है। हृदय विशेषज्ञ से मिलने आए एक मरीज के लिए, यह छवि मुख्य रूप से हृदय का एक मानचित्र है, जो इसके आकार, संरचना और इसे पोषण देने वाली वाहिकाओं के स्वास्थ्य को दर्शाती है। डॉक्टर की आँखें हार्ट फेलियर या वाल्व की समस्याओं के संकेतों को खोजने के लिए प्रशिक्षित होती हैं। हालाँकि, फेफड़े हृदय के ठीक पीछे स्थित होते हैं, और वे ऐसी समस्याओं को छिपा सकते हैं जिनका हृदय से कोई लेना-देना नहीं है। एक छोटा सा धब्बा जो फेफड़ों के कैंसर का शुरुआती संकेत हो सकता है, या संक्रमण का एक पैच, आसानी से छूट सकता है जब डॉक्टर का ध्यान हृदय पर केंद्रित हो। यहीं पर आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) कहानी में प्रवेश करती है। ये कंप्यूटर प्रोग्राम मेडिकल छवियों को स्कैन करने और उन क्षेत्रों को उजागर करने के लिए डिज़ाइन किए गए हैं जिन्हें ध्यान देने की आवश्यकता हो सकती है, जो एक ऐसे दूसरे जोड़े की तरह काम करते हैं जो कभी थकता नहीं है। डॉक्टरों के लिए बड़ा सवाल यह नहीं है कि क्या कंप्यूटर इन छिपे हुए स्थानों को ढूंढ सकता है, बल्कि यह है कि क्या उन्हें देखना वास्तव में डॉक्टर के अगले निर्णय को बदल देता है। क्या कंप्यूटर डॉक्टर को अधिक गंभीर बीमारियों को पकड़ने में मदद करता है, या यह केवल अनावश्यक अलार्म की बाढ़ ला देता है?

दक्षिण कोरिया के योंगिन सेवरेंस अस्पताल के शोधकर्ताओं ने यह देखने के उद्देश्य से इस प्रश्न का उत्तर देने का प्रयास किया कि हृदय विशेषज्ञों ने चार साल की अवधि में एक विशिष्ट आर्टिफिशियल इंटेलिजेंस टूल का उपयोग कैसे किया। उन्होंने लगभग 9,300 वयस्क रोगियों का अध्ययन किया जो पहली बार कार्डियोलॉजी क्लिनिक आए थे और जिनका चेस्ट एक्स-रे लिया गया था। इस पूरे समय के दौरान, अस्पताल ने एक व्यावसायिक सॉफ्टवेयर सिस्टम का उपयोग किया जो प्रत्येक एक्स-रे का स्वचालित रूप से विश्लेषण करता था। वह सॉफ्टवेयर केवल हृदय की समस्याओं को ही नहीं देखता था; इसे फेफड़ों में समस्याओं, जैसे कि नोड्यूल्स, तरल पदार्थ का जमाव, या संक्रमण के संकेतों को पहचानने के लिए भी प्रोग्राम किया गया था। सिस्टम एक्स-रे इमेज के साथ एक रिपोर्ट संलग्न करता था, जिसमें संदिग्ध क्षेत्रों को हाइलाइट किया जाता था और यह बताने के लिए एक स्कोर दिया जाता था कि कुछ गलत होने की कितनी संभावना है। शोधकर्ता यह देखना चाहते थे कि क्या इस डिजिटल सहायक की उपस्थिति ने डॉक्टरों के व्यवहार को बदला। विशेष रूप से, उन्होंने इस बात को ट्रैक किया कि हृदय विशेषज्ञ कितनी बार एक अधिक विस्तृत स्कैन, जिसे चेस्ट कंप्यूटेड टोमोग्राफी या सीटी (CT) कहा जाता है, का आदेश देते थे और क्या उन सीटी स्कैन ने वास्तव में कुछ ऐसा पाया जिसकी उपचार की आवश्यकता थी।

अध्ययन ने रोगियों को उनके आगमन के समय के आधार पर दो समूहों में विभाजित किया: एक प्रारंभिक अवधि और एक बाद की अवधि। जैसे-जैसे समय बीता और डॉक्टरों ने आर्टिफिशियल इंटेलिजेंस टूल का उपयोग जारी रखा, शोधकर्ताओं ने व्यवहार में एक स्पष्ट बदलाव देखा। जिस दर से हृदय विशेषज्ञों ने सीटी स्कैन का आदेश दिया, उसमें उल्लेखनीय वृद्धि हुई। अध्ययन के पहले भाग में, लगभग 1.6 प्रतिशत रोगियों को सीटी स्कैन के लिए भेजा गया था। दूसरे भाग तक, वह संख्या दोगुनी से अधिक होकर 3.3 प्रतिशत हो गई थी। यह केवल एक यादृच्छिक उतार-चढ़ाव नहीं था; डेटा ने साल-दर-साल होने वाली निरंतर वृद्धि को दिखाया। अधिक महत्वपूर्ण बात यह है कि शोधकर्ताओं ने पाया कि यह वृद्धि बिना किसी कारण के अधिक परीक्षणों के आदेश देने के बारे में नहीं थी। उन सीटी स्कैन का अनुपात, जिन्होंने वास्तव में एक गंभीर, उपचार योग्य समस्या का खुलासा किया, वह भी बढ़ गया। शुरुआत में, लगभग 34 प्रतिशत संदर्भित सीटी स्कैन ने कुछ महत्वपूर्ण दिखाया, जैसे कि सक्रिय संक्रमण या संदिग्ध द्रव्यमान। अध्ययन के अंत तक, वह आंकड़ा बढ़कर लगभग 47 प्रतिशत हो गया था।

यह निष्कर्ष बताता है कि जैसे-जैसे डॉक्टरों ने आर्टिफिशियल इंटेलिजेंस टूल के साथ अधिक अनुभव प्राप्त किया, वे यह जानने में बेहतर होते गए कि इसके अलर्ट पर कब भरोसा करना है। शुरू में, कंप्यूटर ऐसा लग सकता था कि वह बहुत सी चीजों को फ्लैग कर रहा है, लेकिन समय के साथ, डॉक्टर मामूली, हानिरहित निष्कर्षों और उन निष्कर्षों के बीच अंतर करना सीख गए जिन्हें वास्तव में आगे की जांच की आवश्यकता थी। अध्ययन में यह भी नोट किया गया कि कई मामलों में, डॉक्टरों ने मानव रेडियोलॉजिस्ट द्वारा आधिकारिक रिपोर्ट लिखे जाने से पहले ही सीटी स्कैन का आदेश दे दिया था। यह उस गति को उजागर करता है जिस गति से आर्टिफिशियल इंटेलिजेंस टूल ने जानकारी प्रदान की, जिससे हृदय विशेषज्ञ को मरीज के क्लिनिक में रहते हुए ही तुरंत निर्णय लेने में मदद मिली। शोधकर्ताओं ने देखा कि यह टूल उन रोगियों में अप्रत्याशित फेफड़ों की समस्याओं को खोजने में विशेष रूप से प्रभावी था जो हृदय संबंधी समस्याओं के लिए आए थे, जो डॉक्टरों का एक ऐसा समूह है जो अन्यथा फेफड़ों को करीब से नहीं देख रहे होंगे।

अध्ययन के लेखक सावधानी से यह नोट करते हैं कि वे पूर्ण निश्चितता के साथ यह नहीं कह सकते कि केवल आर्टिफिशियल इंटेलिजेंस ने ही इन परिवर्तनों को प्रेरित किया। यह संभव है कि अन्य कारकों, जैसे कि डॉक्टरों के वर्षों के दौरान अधिक अनुभवी होने या स्वयं सॉफ्टवेयर में बदलावों ने भूमिका निभाई हो। अध्ययन अवधि के दौरान सॉफ्टवेयर को अपडेट किया गया था, जो फेफड़ों की समस्याओं की एक विस्तृत श्रृंखला का पता लगाने में बेहतर हुआ, जिसने परिणामों में योगदान दिया होगा। हालांकि, डेटा दृढ़ता से सुझाव देता है कि दैनिक कार्यप्रवाह में इस तकनीक के एकीकरण ने डॉक्टरों को उन रोगियों की पहचान करने में मदद की जिन्हें आगे की देखभाल की आवश्यकता थी। अध्ययन में इस बात का प्रमाण नहीं मिला कि उपकरण ने अनावश्यक परीक्षणों की बाढ़ ला दी जो हानिरहित निकले; इसके बजाय, आदेश दिए गए परीक्षण तेजी से सही होने की संभावना रखते थे।

अंततः, यह शोध एक धीमी लेकिन निरंतर अनुकूलन की तस्वीर पेश करता है। यह दिखाता है कि जब चिकित्सा क्षेत्र में आर्टिफिशियल इंटेलिजेंस पेश किया जाता है, तो मानव डॉक्टरों को इसके साथ प्रभावी ढंग से काम करना सीखने में समय लगता है। इस उपकरण ने डॉक्टर के निर्णय का स्थान नहीं लिया; बल्कि, इसने उनके निर्णय को और तेज करने में मदद की, जिससे विशेषज्ञों को अपना ध्यान उन रोगियों पर केंद्रित करने में मदद मिली जिन्हें इसकी सबसे अधिक आवश्यकता थी। अध्ययन निष्कर्ष निकालता है कि निरंतर उपयोग के साथ, आर्टिफिशियल इंटेलिजेंस नैदानिक निर्णय लेने में एक मूल्यवान साथी बन सकता है, जिससे यह सुनिश्चित करने में मदद मिलती है कि अप्रत्याशित स्वास्थ्य समस्याओं को जल्दी पकड़ा जा सके, यहाँ तक कि उन रोगियों में भी जो पूरी तरह से किसी अन्य कारण से वहाँ आए हैं। कहानी यहाँ मशीन के वर्चस्व की नहीं है, बल्कि एक टीम की है जो रोगी की देखभाल में सुधार करने के लिए मिलकर काम करना सीख रही है।