Information, Classification, and Epistemic Adequacy in Medicine

आधुनिक चिकित्सा जगत में "सूचना" शब्द हर जगह मौजूद है। यह रोगी के चार्ट में दर्ज डेटा है, रक्त परीक्षण के परिणाम हैं, डॉक्टर द्वारा लिखे गए नोट्स हैं, और वे सांख्यिकी हैं जिनका उपयोग सार्वजनिक स्वास्थ्य नीति को आकार देने के लिए किया जाता है। हम इस सूचना को तथ्यों के एक सरल संचय के रूप में देखते हैं, जो तकनीक के बेहतर होने के साथ और अधिक विस्तृत और बड़ी होती जाती है। हालाँकि, सूचना की अवधारणा का एक गहरा इतिहास है। बीसवीं सदी के मध्य में, वैज्ञानिकों ने सूचना को मापने के कठोर तरीके विकसित किए, जिसमें इसे केवल ज्ञान के रूप में नहीं, बल्कि दुनिया का वर्णन करने के एक विशिष्ट गुण के रूप में देखा गया। उन्होंने महसूस किया कि कुछ भी संवाद करने या संग्रहीत करने के लिए, हमें एक विशाल, जटिल वास्तविकता को शब्दों या संख्याओं के एक छोटे, सीमित सेट में संकुचित (compress) करना ही होगा। यह संपीड़न आवश्यक है; हम पूरी ब्रह्मांड को अपनी जेबों में नहीं रख सकते। प्रश्न यह उठता है कि क्या यह आवश्यक संक्षिप्तता कभी कुछ महत्वपूर्ण को छीन लेती है? यदि हम एक जटिल मानवीय अनुभव को एक सरल चिकित्सा लेबल में सिकोड़ देते हैं, तो क्या हम उन विवरणों को खो देते हैं जो उस व्यक्ति की मदद करने के लिए निर्धारित होते हैं?

यह वह केंद्रीय पहेली है जिसे व्लादिमीर ज़ैचेनको एक नए शोध लेख में तलाश रहे हैं। यह शोध पत्र इस बात की जांच करता है कि क्या होता है जब एक रोगी के जीवन की खुली, अव्यवस्थित वास्तविकता को चिकित्सा वर्गीकरण प्रणालियों के कठोर बक्सों में जबरन डाला जाता है। ज़ैचेनको तर्क देते हैं कि हालांकि हम रोगी की स्थिति को प्रबंधनीय बनाने के लिए उसे सरल बनाने से बच नहीं सकते, लेकिन एक विशिष्ट प्रकार की विफलता तब होती है जब हम बहुत अधिक सरलीकरण करते हैं। उनका सुझाव है कि एक चिकित्सा विवरण तभी वास्तव में "पर्याप्त" (adequate) होता है जब वह उन विशिष्ट अंतरों को बनाए रखता है जिनकी एक डॉक्टर को सही निर्णय लेने के लिए आवश्यकता होती है, भले ही वह बाकी सब कुछ छोड़ दे। यह शोध मुख्य रूपв रूप से मनोरोग विज्ञान (psychiatry) पर केंद्रित है, जहाँ एक व्यक्ति के जटिल आंतरिक जीवन और एक नैदानिक लेबल के बीच की खाई अक्सर सबसे चौड़ी होती है, लेकिन यह तर्क चिकित्सा के सभी क्षेत्रों पर लागू होता है। मुख्य निष्कर्ष यह है कि एक डॉक्टर का "कोई नुकसान न पहुँचाने" (do no harm) का नैतिक कर्तव्य एक बौद्धिक कर्तव्य भी शामिल करता है: यह सुनिश्चित करना कि रोगी को निदान (diagnosis) में बदलने की प्रक्रिया में उन सुरागों को त्याग न दिया जाए जो उन्हें सुरक्षित रूप से उपचार करने के लिए आवश्यक हैं।

दांव पर क्या लगा है, इसे समझने के लिए, एक को यह देखना चाहिए कि चिकित्सा प्रणालियाँ वास्तव में कैसे काम करती हैं। एक मनुष्य एक जटिल प्रणाली है जिसमें संभावित अवस्थाओं की लगभग अनंत संख्या है। एक रोगी एक निश्चित तरह महसूस कर सकता है, उसका एक विशिष्ट इतिहास हो सकता है, तनाव के प्रति एक अनूठा व्यवहार हो सकता है, और वह एक विशेष सामाजिक परिवेश में रह सकता है। प्रत्येक विवरण महत्वपूर्ण हो सकता है। फिर भी, अस्पताल और क्लीनिक अनंत विवरणों पर काम नहीं कर सकते। वे वर्गीकरण प्रणालियों पर निर्भर करते हैं, जैसे कि 'इंटरनेशनल क्लासिफिकेशन ऑफ डिजीज', जो श्रेणियों की एक सीमित सूची प्रदान करती हैं। जब एक डॉक्टर किसी रोगी का निदान करता है, तो वे एक अनुवाद कर रहे होते हैं। वे रोगी की खुली, निरंतर बहती वास्तविकता को उपलब्ध लेबल के एक सीमित सेट पर मैप करते हैं। यह प्रक्रिया कोई गलती नहीं है; यह एक संरचनात्मक आवश्यकता है। जिस तरह एक मानचित्र को सड़क दिखाने के लिए हर एक पेड़ और पत्थर को छोड़ना पड़ता है, उसी तरह एक चिकित्सा निदान को स्थिति दिखाने के लिए कई विवरणों को छोड़ना पड़ता है।

ज़ैचेनको समझाते हैं कि यह कमी (reduction) हमेशा तटस्थ नहीं होती। वर्गीकरण की दौड़ में, डॉक्टर और प्रणालियाँ उन अंतरों को छोड़ सकते हैं जो उस समय महत्वहीन लगते हैं लेकिन बाद में महत्वपूर्ण हो जाते हैं। उदाहरण के लिए, दो रोगियों को एक ही निदान मिल सकता है क्योंकि वे एक ही मानदंडों में फिट बैठते हैं। हालाँकि, वे विवरण जिन्हें उस लेबल से बाहर रखा गया था, वे ही वे चीजें हो सकती हैं जो यह तय करती हैं कि एक रोगी को एक विशिष्ट दवा की आवश्यकता होगी जबकि दूसरे को एक अलग प्रकार के उपचार की। यदि वर्गीकरण प्रणाली उन्हें समान मानती है क्योंकि उसने उन बारीकियों को त्याग दिया है, तो परिणामी देखभाल अप्रभावी या खतरनाक भी हो सकती है। शोध पत्र का सुझाव है कि चिकित्सा विवरण का लक्ष्य हर संभव तथ्य को पकड़ना नहीं होना चाहिए, और न ही इसका लक्ष्य विवरण को यथासंभव छोटा बनाना होना चाहिए। इसके बजाय, लक्ष्य उस सबसे छोटे विवरण को खोजना होना चाहिए जो उस विशिष्ट नैदानिक कार्य के लिए आवश्यक सभी अंतरों को बनाए रखता है।

यह विचार कंप्यूटर विज्ञान की एक अवधारणा से लिया गया है जिसे 'मिनिमम डिस्क्रिप्शन लेंथ' (minimum description length) कहा जाता है, जो यह पूछता है कि किसी वस्तु को पुनर्गठित करने की क्षमता खोए बिना उसे कितनी संक्षिप्तता से वर्णित किया जा सकता है। ज़ैचेनको इसे चिकित्सा के लिए अनुकूलित करते हैं, यह प्रस्तावित करते हुए कि एक निदान केवल तभी "ज्ञानमीमांसीय रूप से पर्याप्त" (epistemically adequate) है यदि वह उन अंतरों को संरक्षित करता है जो डॉक्टर के लिए सही कार्य करने के लिए आवश्यक हैं। यदि एक विवरण बहुत अधिक संकुचित है, तो यह गलत होने के कारण नहीं, बल्कि गलत तरीके से अपूर्ण होने के कारण त्रुटि का स्रोत बन जाता है। शोध पत्र तर्क देता है कि हम अक्सर लेबल को ही वास्तविकता समझ लेते हैं। एक बार जब किसी रोगी को एक श्रेणी में वर्गीकृत कर दिया जाता है, तो वह श्रेणी व्यक्ति की समृद्ध, अधिक जटिल तस्वीर के विकल्प के रूप में कार्य करने लगती है। यह विशेष रूप से तब खतरनाक होता है जब चिकित्सा सूचना क्लिनिक से अन्य सेटिंग्स, जैसे कानूनी अदालतों या प्रशासनिक कार्यालयों में जाती है। उन स्थानों पर, निर्णय लेने वाले लोग पूरी तरह से संकुचित लेबल पर निर्भर करते हैं, इस बात से अनभिज्ञ कि प्रारंभिक निदान के दौरान कौन से महत्वपूर्ण विवरण हटा दिए गए थे।

मनोरोग विज्ञान इस तर्क के लिए एक संवेदनशील परीक्षण मामला (test case) के रूप में कार्य करता है क्योंकि मानसिक स्वास्थ्य में सूचना का एक ऐसा क्षेत्र शामिल है जिसे पकड़ना अविश्वसनीय रूप से कठिन है। एक व्यक्ति का व्यवहार, विचार, भावनाएं और इतिहास इस तरह से आपस में मिलते हैं जो अलग-अलग चरों (variables) में सटीक रूप से फिट नहीं होते। जब एक मनोचिकित्सक एक निदान निर्धारित करता है, तो वह अनुभव के एक विशाल, विषम क्षेत्र को एक एकल शब्द में संकुचित कर रहा होता है। शोध पत्र नोट करता है कि यह स्वाभाविक रूप से गलत नहीं है; एक सीमित शब्दावली ही संवाद करने और उपचार करने का एकमात्र तरीका है। खतरा तब उत्पन्न होता है जब प्रणाली यह मान लेती है कि लेबल में वह सब कुछ है जो महत्वपूर्ण है। ज़ैचेनको बताते हैं कि एक ही निदान वाले दो व्यक्तियों की उपचार, रोग का निदान (prognosis), या जोखिम मूल्यांकन के लिए बहुत अलग ज़रूरतें हो सकती हैं। यदि वर्गीकरण प्रणाली उन विशेषताओं को त्याग देती है जो उनकी आवश्यकताओं को अलग करती हैं, तो परिणामी उपचार योजना विफल हो सकती है। मुद्दा यह नहीं है कि प्रणाली अपूर्ण है, बल्कि यह है कि हम भूल जाते हैं कि वास्तविकता के कौन से हिस्से पीछे छूट गए थे।

शोध यह भी रेखांकित करता है कि आधुनिक चिकित्सा का बढ़ता विशेषज्ञता (specialization) इस समस्या में कैसे योगदान देता है। विभिन्न डॉक्टर और उपकरण रोगी की स्थिति के विशिष्ट हिस्सों पर ध्यान केंद्रित करते हैं, जिनमें से प्रत्येक पहेली के अपने हिस्से को अनुकूलित करता है। एक विशेषज्ञ अपने विशिष्ट क्षेत्र के लिए एक अत्यधिक सटीक माप प्रदान कर सकता है, लेकिन वह सटीकता इस बात की गारंटी नहीं देती कि सूचना समग्र उपचार योजना के लिए उपयोगी बनी रहेगी। एक विशेषज्ञ का आउटपुट दूसरे के लिए इनपुट बनता है, और उस हस्तांतरण (handoff) में, महत्वपूर्ण अंतर खो सकते हैं। शोध पत्र सुझाव देता है कि यह विशेषज्ञता का एक संरचनात्मक जोखिम है: एक स्थानीय दृष्टिकोण जितना अधिक सटीक होता जाता है, उतना ही वह रोगी के जीवन के व्यापक संदर्भ से अलग होता जाता है। परिणाम सटीक लेकिन खंडित विवरणों का संग्रह है, जो मिलकर भी शायद मुख्य बिंदु को समझने में विफल हो सकते हैं।

अंततः, शोध पत्र इस तकनीकी मुद्दे को एक मौलिक नैतिक सिद्धांत से जोड़ता है: "कोई नुकसान न पहुँचाने" का दायित्व। पारंपरिक रूप से, इस नियम को शारीरिक चोट या खराब चिकित्सा प्रक्रियाओं के विरुद्ध चेतावनी के रूप में समझा जाता है। ज़ैचेनको तर्क देते हैं कि इसे ज्ञान के निर्माण पर भी लागू किया जाना चाहिए। एक डॉक्टर कुछ गलत बोलकर नहीं, बल्कि एक ऐसा विवरण प्रस्तुत करके नुकसान पहुँचा सकता है जो औपचारिक रूप से सही है फिर भी रोगी की भविष्य की देखभाल के लिए प्रासंगिक अंतर को छोड़ देता है। यदि एक निदान ऐसे विवरण को छोड़ देता है जो उपचार को बदल देता है, तो वह नुकसान वास्तविक है, भले ही निदान नियमों के अनुसार तकनीकी रूप से सटीक क्यों न हो। इसलिए, नैतिक जिम्मेदारी विस्तारित होती है—उस चीज़ तक जो अनकही रह गई है। डॉक्टरों और प्रणालियों को सावधान रहना चाहिए कि वे उन अंतरों को न त्याग दें जो भविष्य में नुकसान पहुँचाने के लिए पूर्वानुमानित हो सकते हैं, भले ही वे अंतर तात्कालिक वर्गीकरण कार्य के लिए मामूली या अप्रासंगिक प्रतीत हों।

शोध पत्र का निष्कर्ष है कि 'एपिस्टेमिक एडिक्वेसी' (epistemic adequacy)—यानी किसी विशिष्ट उद्देश्य के लिए एक अच्छा विवरण होने का गुण—डॉक्टरों के लिए एक वैकल्पिक सुधार नहीं है। यह सुरक्षित अभ्यास के लिए एक आवश्यक शर्त है। एक वर्गीकरण उतना ही अच्छा है जितना कि वह कार्य जो वह करता है। यदि लक्ष्य एक रोगी का उपचार करना है, तो विवरण को उन अंतरों को बनाए रखना चाहिए जो उपचार को संभव बनाते हैं। यदि लक्ष्य जोखिम का आकलन करना है, तो इसे उन अंतरों को बनाए रखना चाहिए जो जोखिम मूल्यांकन को संभव बनाते हैं। शोध पत्र किसी नए तरीके का प्रस्ताव नहीं देता है जिससे सूचना को मापा जा सके या डॉक्टरों के लिए उपयोग करने हेतु कोई नया गणितीय सूत्र नहीं देता है। इसके बजाय, यह उन समझौतों (trade-offs) के बारे में सोचने का एक तरीका प्रदान करता है जो हर बार तब होते हैं जब एक रोगी का निदान किया जाता है। यह हमसे यह पहचानने के लिए कहता है कि हर बार जब हम एक जटिल मानव जीवन को एक चिकित्सा कोड में बदलते हैं, तो हम यह चुनने का निर्णय ले रहे होते हैं कि क्या रखना है और क्या खोना है। चुनौती यह सुनिश्चित करने की है कि हम कभी भी वह न खोएं जो सबसे महत्वपूर्ण है।