ChatGPT versus veterinary students for clinical data extraction: a mixed-methods study

पशु चिकित्सा (वेटरनरी मेडिसिन) की दुनिया में, जानवरों की देखभाल करने वाले दैनिक कार्य से सूचनाओं का एक विशाल महासागर उत्पन्न होता है। हर बार जब किसी कुत्ते की जांच की जाती है, तो एक पशु चिकित्सक उसके लक्षणों, रक्त परीक्षण के परिणामों और अल्ट्रासाउंड स्कैन के निष्कर्षों के बारे में नोट्स लिखता है। ये रिकॉर्ड डिजिटल प्रणालियों में संग्रहीत होते हैं, लेकिन इनके भीतर की जानकारी अक्सर मुक्त रूप से बहते हुए पाठ (टेक्स्ट) के रूप में लिखी होती है, ठीक वैसे ही जैसे कोई कहानी या डायरी का प्रविष्टि। हालांकि यह कथा शैली डॉक्टरों के लिखने के लिए स्वाभाविक है, लेकिन यह कंप्यूटर के लिए पढ़ने या शोधकर्ताओं के लिए विश्लेषण करने के लिए कठिन है। इन कहानियों को वैज्ञानिक अध्ययनों के लिए उपयोगी डेटा में बदलने के लिए—जैसे कि बीमारी के पैटर्न को ट्रैक करना या यह समझना कि उपचार कैसे काम करते हैं—किसी को पहले प्रत्येक नोट को पढ़ना होगा और विशिष्ट तथ्यों, जैसे कि तापमान रीडिंग या निदान, को बाहर निकालना होगा और उन्हें एक व्यवस्थित तालिका में रखना होगा। डेटा निष्कर्षण (डेटा एक्सट्रैक्शन) के रूप में जानी जाने वाली यह प्रक्रिया आधुनिक विज्ञान के लिए आवश्यक है, लेकिन जब इसे हाथ से किया जाता है, तो यह धीमी, उबाऊ और मानवीय त्रुटियों के प्रति संवेदनशील होती है।

आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) इस बाधा के समाधान के रूप में उभरा है। विशेष रूप से, लार्ज लैंग्वेज मॉडल्स (बड़े भाषा मॉडल) कंप्यूटर प्रोग्राम हैं जिन्हें भारी मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है जो मानव भाषा को समझ और उत्पन्न कर सकते हैं। ये उपकरण मेडिकल रिकॉर्ड को पढ़ने और आवश्यक तथ्यों को सेकंडों में बाहर निकालने का वादा करते हैं, जिससे संभावित रूप से विशेषज्ञों को अधिक जटिल कार्यों पर ध्यान केंद्रित करने के लिए मुक्त किया जा सकता है। हालांकि, एक महत्वपूर्ण प्रश्न बना हुआ है: क्या ये डिजिटल उपकरण वास्तव में उस काम को उतना ही अच्छा कर सकते हैं जितना कि एक प्रशिक्षित मानव, या क्या वे ऐसी गलतियाँ करते हैं जो शोध को बर्बाद कर सकती हैं? इसके अलावा, जो लोग अंततः इन उपकरणों का उपयोग करेंगे, जैसे कि भविष्य के पशु चिकित्सक, वे इस काम को एक मशीन को सौंपने के बारे में कैसा महसूस करते हैं? इन प्रश्नों का उत्तर देने के लिए, टेक्सास ए एंड एम यूनिवर्सिटी के शोधकर्ताओं ने मानव छात्रों और एक आर्टिफिशियल इंटेलिजेंस सिस्टम के बीच एक सीधा तुलनात्मक अध्ययन किया, जिसमें न केवल काम की गति और सटीकता को मापा गया, बल्कि शामिल छात्रों के विचारों और भावनाओं को भी दर्ज किया गया।

अध्ययन में दस द्वितीय वर्ष के पशु चिकित्सा छात्रों पर ध्यान केंद्रित किया गया, जो आर्टिफिशियल इंटेलिजेंस के एक पाठ्यक्रम में नामांकित थे। शोधकर्ताओं ने इन छात्रों को तीन कुत्तों के मेडिकल रिकॉर्ड से जानकारी निकालने के लिए कहा, जिनमें पैन्क्रियाटाइटिस (अग्नाशय की दर्दनाक सूजन) का संदेह था। छात्रों ने इस कार्य को दो बार किया। सबसे पहले, उन्होंने मैन्युअल रूप से रिकॉर्ड पढ़े और साठ-तीन अलग-अलग डेटा बिंदुओं के साथ एक स्प्रेडशीट भरी, जिसमें जानवर की उम्र और वजन से लेकर विशिष्ट लैब मान और अल्ट्रासाउंड विवरण तक शामिल थे। एक महीने के ब्रेक के बाद ताकि यह सुनिश्चित हो सके कि वे केवल उत्तरों को याद नहीं कर रहे हैं, उन्हीं छात्रों ने बिल्कुल वही कार्य फिर से किया, लेकिन इस बार उन्होंने एक चैटबॉट, जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है, की मदद ली। उन्हें मेडिकल रिकॉर्ड को चैटबॉट में पेस्ट करने और डेटा निकालने के लिए कहने का निर्देश दिया गया था, और प्रत्येक विधि में लगने वाला समय भी दर्ज किया गया था।

परिणामों ने गति में एक नाटकीय अंतर दिखाया। अकेले काम करते समय, छात्रों को एक एकल मामले के लिए निष्कर्षण पूरा करने में औसतन साढ़े आठ मिनट लगे। चैटबॉट का उपयोग करते समय, इस प्रक्रिया में प्रति मामला केवल पंद्रह सेकंड लगे। इसका अर्थ है कि आर्टिफिशियल इंटेलिजेंस मानव छात्रों की तुलना में चौंतीस गुना तेज़ था। गति के इस विशाल अंतर के बावजूद, काम की सटीकता दोनों विधियों के लिए उल्लेखनीय रूप से उच्च बनी रही। छात्रों ने नब्बे प्रतिशत से अधिक की सटीकता दर प्राप्त की, और आर्टिफिशियल इंटेलिजेंस ने भी इस प्रदर्शन का मिलान किया, जिसकी सटीकता नब्बे प्रतिशत से अधिक थी। यह निष्कर्ष बताता है कि मशीन की गति गुणवत्ता की कीमत पर नहीं आई; उपकरण सूचना को प्रशिक्षित छात्रों की तरह ही विश्वसनीय रूप से संसाधित करने में सक्षम था।

हालाँकि, मनुष्यों और मशीनों द्वारा की जाने वाली गलतियों की प्रकृति काफी अलग थी। छात्र थकान और दोहराव से संबंधित त्रुटियां करते थे, जैसे कि किसी संख्या को गलत टाइप करना या डेटा की पंक्ति को गलत संरेखित करना। उन्हें मेडिकल नोट्स में अस्पष्ट विवरणों के साथ भी संघर्ष करना पड़ा, जहाँ वे कभी-कभी ऐसी जानकारी का अनुमान लगा लेते थे जो स्पष्ट रूप से नहीं बताई गई थी। उदाहरण के लिए, यदि किसी रिकॉर्ड में तरल पदार्थ की थोड़ी मात्रा का उल्लेख था लेकिन स्पष्ट रूप से "असामान्य" नहीं कहा गया था, तो एक छात्र गंभीरता का अनुमान लगा सकता था, जबकि आर्टिफिशियल इंटेलिजेंस अधिक रूढ़िवादी रहने की प्रवृत्ति रखता था, जो सख्ती से लिखे गए शब्दों तक ही सीमित रहा। दिलचस्प बात यह है कि आर्टिफिशियल इंटेलिजेंस ने एक अलग प्रकार की गलती की: यह कभी-कभी सख्त स्वरूपण (फॉर्मेटिंग) निर्देशों का पालन करने में विफल रहा, जैसे कि एक सरल कोड के अनुरोध के बदले एक पूरा वाक्य वापस करना। जबकि उपकरण ने चिकित्सा सामग्री को समझा, लेकिन इसने कभी-कभी कार्य के विशिष्ट नियमों को मिस कर दिया, जो एक प्रकार की गलती थी जो मानव छात्रों के साथ नहीं हुई थी।

संख्याओं से परे, शोधकर्ता यह समझना चाहते थे कि छात्र इस तकनीक के बारे में कैसा महसूस करते हैं। सर्वेक्षणों और साक्षात्कारों के माध्यम से, छात्रों ने आर्टिफिशियल इंटेलिजेंस के प्रति स्पष्ट प्राथमिकता व्यक्त की। उन्होंने मैन्युअल प्रक्रिया को मानसिक रूप से थका देने वाला और दोहराव वाला बताया, और उल्लेख किया कि टूल ने उन्हें लंबे, अव्यवस्थित वृत्तांतों को छानने के संज्ञानात्मक बोझ से बचने में मदद की। छात्रों को लगा कि आर्टिफिशियल इंटेलिजेंस काम के उबाऊ, दोहराव वाले हिस्सों को संभाल सकता है, जिससे उन्हें नैदानिक तर्क के अधिक जटिल पहलुओं पर ध्यान केंद्रित करने की अनुमति मिलती है। फिर भी, यह विश्वास अंधा नहीं था। छात्रों ने जोर देकर कहा कि उन्हें मशीन द्वारा किए गए काम की जांच करने की आवश्यकता होगी। उन्होंने पहचान लिया कि हालांकि उपकरण कुशल था, लेकिन डेटा और उस पर आधारित चिकित्सा निर्णयों के लिए अंतिम जिम्मेदारी अभी भी मानव पशु चिकित्सक की ही रहेगी।

अध्यध्ययन यह निष्कर्ष निकालता है कि आर्टिफिशियल इंटेलिजेंस पशु चिकित्सा रिकॉर्ड से डेटा निकालने के लिए एक शक्तिशाली और कुशल साथी है, जो उच्च सटीकता बनाए रखते हुए उस गति से काम करने में सक्षम है जिसे मनुष्य मैच नहीं कर सकते। यह तकनीक दोहराव वाले कार्यों के बोझ को कम करने में उत्कृष्ट है, लेकिन यह मानवीय निरीक्षण की आवश्यकता को प्रतिस्थापित नहीं करती है। अध्ययन के छात्रों ने अपने भविष्य के करियर में इन उपकरणों को एकीकृत करने के मूल्य को देखा, बशर्ते कि उनका उपयोग मानव निर्णय के स्थान पर सहायता के रूप में किया जाए। जैसे-जैसे पशु चिकित्सा आगे बढ़ रही है, मानव विशेषज्ञता और आर्टिफिशियल स्पीड का संयोजन चिकित्सा डेटा की बढ़ती मात्रा को संभालने के लिए एक आशाजनक मार्ग प्रदान करता है, यह सुनिश्चित करता है कि रिकॉर्ड में मौजूद कहानियों को ऐसे ज्ञान में बदला जा सके जो हर जगह जानवरों की मदद कर सके।