Mapping social determinants of health in NIH research funding with large language models

हर दिन, एक व्यक्ति का स्वास्थ्य केवल उस दवा या डॉक्टरों से कहीं अधिक से आकार लेता है। यह उस हवा से प्रभावित होता है जिसमें वह सांस लेता है, उसके पड़ोस की सुरक्षा, भोजन खरीदने की उसकी क्षमता, और क्या वह गुणवत्तापूर्ण शिक्षा तक पहुंच सकता है, इस बात से भी प्रभावित होता है। वैज्ञानिक इन कारकों को स्वास्थ्य के सामाजिक निर्धारक (social determinants of health) कहते हैं। ये वे अदृश्य ताकतें हैं जो यह तय करती हैं कि क्यों कुछ समुदाय फलते-फूलते हैं जबकि अन्य संघर्ष करते हैं, और ये स्वास्थ्य परिणामों के अधिकांश कारणों के लिए जिम्मेदार होते हैं। इन गहरी जड़ों वाली समस्याओं को ठीक करने के लिए, सरकारों को यह जानने की आवश्यकता है कि उनके शोध धन का उपयोग कहाँ हो रहा है। संयुक्त राज्य अमेरिका में, नेशनल इंस्टिट्यूट ऑफ हेल्थ्स (National Institutes of Health) स्वास्थ्य अनुसंधान के दुनिया के सबसे बड़े सार्वजनिक वित्तपोषक के रूप में कार्य करता है, जो अरबों डॉलर विशिष्ट परियोजनाओं में निर्देशित करता है। यदि यह वित्तपोषण लगातार कुछ सामाजिक समस्याओं की अनदेखी करता है, तो उन समस्याओं को हल करने के लिए आवश्यक वैज्ञानिक साक्ष्य कभी बन ही नहीं पाते।

वर्षों से, इन सामाजिक मुद्दों पर सरकार कितना पैसा खर्च करती है, इसका पता लगाने की कोशिश करने वाले शोधकर्ताओं को एक कठिन बाधा का सामना करना पड़ा है। उन्हें हजारों अनुदान आवेदनों (grant applications) को पढ़ना पड़ता था, जो वैज्ञानिकों द्वारा लिखे गए लंबे और जटिल दस्तावेज़ होते हैं। प्रासंगिक परियोजनाओं को खोजने के लिए, वे पहले सरल कंप्यूटर खोजों पर निर्भर थे जो विशिष्ट कीवर्ड्स (keywords) की तलाश करते थे। यदि किसी अनुदान प्रस्ताव में बिल्कुल सही शब्दों का उपयोग किया गया था, तो उसे गिना जाता था। यदि उसने उसी समस्या का वर्णन अलग भाषा का उपयोग करके किया या विचार को एक व्यापक कहानी में पिरोया, तो कंप्यूटर उसे चूक जाता था। यह तरीका बहुत कठोर था, जैसे सुई के ढेर में केवल उन्हीं सुइयों को खोजने की कोशिश करना जो बिल्कुल एक ही रंग की हों। इसके परिणामस्वरूप, शोध धन वास्तव में कहाँ प्रवाहित हो रहा है, इसकी वास्तविक तस्वीर धुंधली बनी रही, और महत्वपूर्ण सामाजिक मुद्दों के लिए वित्तपोषण के अंतराल अनसुने रह गए।

शोधकर्ताओं की एक टीम ने हाल ही में एक अलग दृष्टिकोण अपनाने का निर्णय लिया, जिसके लिए 'लार्ज लैंग्वेज मॉडल्स' (large language models) के रूप में जानी जाने वाली कृत्रिम बुद्धिमत्ता की एक नई पीढ़ी का उपयोग किया गया। ये ऐसे मॉडल हैं जिन्हें टेक्स्ट की विशाल मात्रा पर प्रशिक्षित किया गया है जो मानव पाठक की तरह संदर्भ और बारीकियों को समझ सकते हैं। केवल कीवर्ड्स की तलाश करने के बजाय, ये मॉडल एक अनुदान प्रस्ताव को पढ़ सकते हैं और अंतर्निहित इरादे को समझ सकते हैं, भले ही लेखक ने मानक शब्दावली का उपयोग न किया हो। शोधकर्ताओं ने यह देखने के लिए इन मॉडल्स के ग्यारह अलग-अलग संस्करणों का परीक्षण किया कि कौन सा अनुदान आवेदनों में सामाजिक निर्धारकों के उल्लेख को सबसे अच्छी तरह पहचान सकता है। वे जानना चाहते थे कि क्या ये स्मार्ट मॉडल पुराने कीवर्ड तरीकों की तुलना में बेहतर काम कर सकते हैं, और क्या वे वैज्ञानिकों द्वारा सामाजिक समस्याओं के बारे में लिखने के वास्तविक, जटिल तरीके को संभाल सकते हैं।

अध्ययन ने 2023 के वित्तीय वर्ष के दो हजार से अधिक अनुदान आवेदनों के "सार्वजनिक स्वास्थ्य प्रासंगिकता" (Public Health Relevance) अनुभागों पर ध्यान केंद्रित किया। शोधकर्ताओं ने पहले एक मॉडल को सामाजिक निर्धारकों की पांच विशिष्ट श्रेणियों को पहचानने के लिए प्रशिक्षित किया: आर्थिक स्थिरता, शिक्षा तक पहुंच, स्वास्थ्य देखभाल तक पहुंच, पड़ोस की स्थितियां, और सामाजिक सामुदायिक संदर्भ। उन्होंने यह काम मानव विशेषज्ञों से टेक्स्ट के एक हिस्से को सावधानीपूर्वक लेबल करवाकर किया, जिससे मॉडल के सीखने के लिए सही उत्तरों का एक सेट तैयार हुआ। फिर उन्होंने शेष टेक्स्ट में इन श्रेणियों को खोजने में मॉडल्स की दक्षता देखने के लिए उनका परीक्षण किया। यह चुनौती महत्वपूर्ण थी क्योंकि अधिकांश अनुदानों में इन सामाजिक कारकों का उल्लेख नहीं होता है, और जब वे होते हैं, तो उल्लेख अक्सर दुर्लभ होते हैं और टेक्स्ट के भीतर गहराई में दबे होते हैं।

परिणामों ने एक आश्चर्यजनक सच्चाई का खुलासा किया कि ये कृत्रिम बुद्धिमत्ता सिस्टम कैसे काम करते हैं। शोधकर्ताओं ने पाया कि छोटे मॉडल्स जो विशेष रूप से डाउनस्ट्रीम कार्य पर फाइन-ट्यून किए गए थे, उन विशाल सामान्य-उद्देश्य वाले मॉडल्स से बेहतर प्रदर्शन करते हैं। विशेष रूप से, ModernBERT-base ने अध्ययन के लक्ष्य वर्गीकरण कार्य पर सीधे प्रशिक्षित होने पर उच्चतम प्रदर्शन हासिल किया। इसने बड़े मॉडल्स की तुलना में टेक्स्ट में सामाजिक कारकों की अधिक बार सही पहचान की, जो हजारों गुना बड़े थे और उत्तरों का अनुमान लगाने के लिए अपने सामान्य ज्ञान पर निर्भर थे। छोटे मॉडल्स अधिक स्थिर और सुसंगत भी थे, जबकि बड़े मॉडल्स कभी-कभी कार्य के विशिष्ट नियमों को सीखने में संघर्ष करते थे।

हालाँकि, अध्ययन ने इन उपकरणों का उपयोग करने के बारे में एक महत्वपूर्ण सबक भी उजागर किया। शोधकर्ताओं ने पाया कि केवल मॉडल को प्रशिक्षित करना पर्याप्त नहीं था; उन्हें मॉडल द्वारा अंतिम निर्णय लेने के तरीके को भी समायोजित करना था। चूंकि सामाजिक कारक टेक्स्ट में बहुत कम बार दिखाई देते थे, इसलिए मॉडल उन्हें अनदेखा करने लगा, यह मानकर कि वे वहां नहीं हैं। प्रत्येक विशिष्ट श्रेणी के लिए मॉडल की संवेदनशीलता को बदलकर, शोधकर्ता बड़ी मात्रा में छूटी हुई जानकारी को पुनः प्राप्त करने में सक्षम रहे। इस समायोजन ने एक ऐसे सिस्टम को, जो मुश्किल से काम कर रहा था, उच्च प्रदर्शन करने वाले सिस्टम में बदल दिया। इस चरण के बिना, सबसे उन्नत मॉडल्स भी उस डेटा को पकड़ने में विफल रहते जिसे खोजने के लिए उन्हें बनाया गया था।

जब शोधकर्ताओं ने विभिन्न प्रकार के सामाजिक कारकों को करीब से देखा, तो उन्होंने पाया कि मॉडल्स श्रेणियों के आधार पर अलग-अलग व्यवहार करते हैं। आर्थिक स्थिरता या पड़ोस की स्थितियों जैसे स्पष्ट, अच्छी तरह से परिभाषित विषयों के लिए, छोटे, विशिष्ट मॉडल्स उत्कृष्ट थे। वे उच्च सटीकता के साथ इन कारकों को पहचान सकते थे। लेकिन अधिक अस्पष्ट और जटिल विषयों, जैसे कि सामाजिक और सामुदायिक संदर्भ के लिए, बड़े, सामान्य मॉडल्स ने लाभ दिखाया। ये विषय अक्सर सूक्ष्म तरीकों से वर्णित होते हैं जिनमें मानवीय संबंधों और समाज की व्यापक समझ की आवश्यकता होती है, जो कि विशाल मॉडल्स की एक शक्ति है। यह सुझाव देता है कि जहाँ छोटे मॉडल्स आम तौर पर बेहतर और अधिक कुशल होते हैं, वहीं सबसे बड़े मॉडल्स के पास अभी भी सबसे अमूर्त सामाजिक अवधारणाओं को समझने की एक अनूठी क्षमता होती है।

इस कार्य के निहितार्थ इस बात के लिए महत्वपूर्ण हैं कि विज्ञान को कैसे वित्तपोषित और समझा जाता है। शोधकर्ताओं ने प्रदर्शित किया कि एक ऐसा सिस्टम बनाना संभव है जो दशकों के अनुदान डेटा को स्कैन कर सके कि वास्तव में किन सामाजिक समस्याओं का अध्ययन किया जा रहा है और किनकी अनदेखी की जा रही है। उन्होंने दिखाया कि यह अपेक्षाकृत छोटे, कुशल मॉडलों के साथ किया जा सकता है जिन्हें महंगे, विशाल हार्डवेयर या गुप्त, मालिकाना सॉफ्टवेयर की आवश्यकता नहीं है। यह सार्वजनिक स्वास्थ्य अधिकारियों और शोधकर्ताओं के लिए वास्तविक समय में वित्तपोषण रुझानों को ट्रैक करना संभव बनाता है, जिससे यह सुनिश्चित होता है कि पैसा उन क्षेत्रों की ओर निर्देशित किया जाए जहाँ इसकी सबसे अधिक आवश्यकता है। इन उपकरणों का उपयोग करके, एजेंसियां अंततः अपने अनुसंधान निवेशों के पूर्ण परिदृश्य को देख सकती हैं, उन रिक्तियों की पहचान कर सकती हैं जहाँ सामाजिक निर्धारक कम वित्तपोषित हैं और भविष्य के निर्णयों को मार्गदर्शन दे सकती हैं ताकि एक अधिक न्यायसंगत स्वास्थ्य प्रणाली बनाई जा सके।

अध्ययन ने वर्तमान अनुसंधान परिदृश्य में एक निरंतर अंतराल को भी उजागर किया। सर्वोत्तम उपलब्ध उपकरणों के साथ भी, विश्लेषण ने दिखाया कि कुछ क्षेत्र, विशेष रूप से शिक्षा तक पहुंच और गुणवत्ता, अनुदानों में काफी कम प्रतिनिधित्व रखते हैं जिन्हें वित्त पोषण प्राप्त होता है। यह केवल एक डेटा त्रुटि नहीं है; यह इस बात का प्रतिबिंब है कि वैज्ञानिक समुदाय ने अपना ध्यान कहाँ केंद्रित किया है। जब किसी सामाजिक कारक को अनुसंधान प्रस्तावों में लगातार अनदेखा किया जाता है, तो उस समस्या को हल करने के लिए आवश्यक साक्ष्य आधार पतला बना रहता है। इन रुझानों को सटीक रूप से मैप करने की क्षमता का अर्थ है कि नीति निर्माता अब इन अंतरालों को स्पष्ट रूप से देख सकते हैं और वित्त पोषण के पोर्टफोलियो को संतुलित करने के लिए सूचित विकल्प चुन सकते हैं, यह सुनिश्चित करते हुए कि स्वास्थ्य असमानताओं के चालकों को भी उसी कठोरता के साथ संबोधित किया जाए जैसा कि उनके द्वारा उत्पन्न बीमारियों को किया जाता है।

अंततः, यह शोध वैज्ञानिक खोज की मशीनरी को देखने के लिए एक नया लेंस प्रदान करता है। यह केवल शब्दों की गिनती से आगे बढ़कर प्रस्तावित अनुसंधान के वास्तविक इरादे को समझने की दिशा में बढ़ता है। विशिष्ट मॉडल्स की सटीकता और बड़े मॉडल्स की व्यापक समझ को मिलाकर, और यह देखते हुए कि ये सिस्टम निर्णय कैसे लेते हैं, वैज्ञानिकों ने पारदर्शिता के लिए एक शक्तिशाली उपकरण बनाया है। यह उपकरण केवल अनुदानों को नहीं गिनता; यह राष्ट्र के स्वास्थ्य अनुसंधान की प्राथमिकताओं को प्रकट करता है, जो एक ऐसे भविष्य के लिए स्पष्ट मार्ग प्रदान करता है जहाँ वित्त पोषण के निर्णय हमारे स्वास्थ्य को आकार देने वाली सामाजिक शक्तियों की पूर्ण और सटीक समझ से संचालित होते हैं।