Performance of Large Language Models as Assistive Tools for Clinical Pharmacists in the Stomatological Hospital: A Multi-dimensional Comparative Study

दंत चिकित्सा अस्पतालों की विशिष्ट दुनिया में, क्लिनिकल फार्मासिस्ट दवा सुरक्षा के संरक्षक के रूप में कार्य करते हैं। उनका काम यह सुनिश्चित करना है कि मौखिक रोगों के लिए निर्धारित प्रत्येक दवा सही विकल्प हो, सही खुराक हो, और रोगी के विशिष्ट स्वास्थ्य इतिहास के लिए सुरक्षित हो। इस कार्य में नुस्खों (प्रिस्क्रिप्शन) की समीक्षा करना, खतरनाक दवा अंतःक्रियाओं (ड्रग इंटरैक्शन) की जाँच करना, और किडनी या लिवर जैसी जटिल स्थितियों वाले रोगियों के लिए उपचार को समायोजित करना शामिल है। हालाँकि, यह भूमिका तेजी से कठिन होती जा रही है। चिकित्सा सूचनाओं का आयतन प्रतिदिन बढ़ रहा है, दिशानिर्देश लगातार बदलते रहते हैं, और फार्मासिस्ट अक्सर भारी कार्यभार का सामना करते हैं जिससे गहन शोध के लिए बहुत कम समय बचता है। उन्हें मौखिक और प्रणालीगत स्वास्थ्य दोनों के लिए कई दवाएं लेने वाले रोगियों का प्रबंधन करते हुए, त्वरित और सटीक निर्णय लेने होते हैं।

इस दबाव को प्रबंधित करने में मदद करने के लिए, कई अस्पताल आर्टिफिशियल इंटेलिजेंस, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs) की ओर देख रहे हैं। ये कंप्यूटर प्रोग्राम हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है जो मानवीय भाषा को समझ सकते हैं और उत्पन्न कर सकते हैं। इन्हें जानकारी प्राप्त करने, जटिल परिदृश्यों का विश्लेषण करने और उन प्रश्नों के उत्तर देने के लिए डिज़ाइन किया गया है जिनमें आमतौर पर वर्षों के पेशेवर अध्ययन की आवश्यकता होती है। चिकित्सा जगत के सामने प्रश्न यह है कि क्या ये डिजिटल उपकरण वास्तव में मानव विशेषज्ञों के विश्वसनीय सहायक के रूप में कार्य कर सकते हैं, या वे केवल परिष्कृत चैटबॉट्स हैं जो आत्मविश्वास के साथ गलत सलाह दे सकते हैं। चीन के शोधकर्ताओं के एक नए अध्ययन ने सीधे तौर पर इसका परीक्षण करने के लिए एक अध्ययन किया, जो सामान्य प्रश्नों से आगे बढ़कर यह देखने के लिए था कि ये मॉडल एक दंत चिकित्सा अस्पताल के विशिष्ट, उच्च-दांव वाले वातावरण में कैसा प्रदर्शन करते हैं।

शोधकर्ताओं ने उस समय उपलब्ध तीन सबसे उन्नत लार्ज लैंग्वेज मॉडल्स का चयन किया: ChatGPT-5.5 Instant, Gemini-3.5 Flash-Lite, और DeepSeek-V3। इनका निष्पक्ष परीक्षण करने के लिए, टीम ने तीस वास्तविक प्रश्नों का एक सेट बनाया जिनका सामना क्लिनिकल फार्मासिस्ट वास्तव में हर दिन करते हैं। ये प्रश्न छह महत्वपूर्ण क्षेत्रों को कवर करते थे: दवा की कितनी मात्रा देनी है, दवाएं आपस में कैसे क्रिया करती हैं, किन रोगियों को कुछ दवाएं कभी नहीं लेनी चाहिए, कौन सी दवाएं एक ही IV बैग में नहीं मिलाई जा सकतीं, दवा कैसे दी जानी चाहिए, और विफल किडनी या लिवर वाले रोगियों के लिए खुराक को कैसे समायोजित किया जाना चाहिए। प्रश्न सरल तथ्यों से लेकर गहरे चिकित्सा तर्क की आवश्यकता वाले जटिल परिदृश्यों तक विस्तृत थे।

फिर पांच वरिष्ठ क्लिनिकल फार्मासिस्टों ने प्रत्येक मॉडल द्वारा दिए गए उत्तरों की समीक्षा की। वे यह नहीं जानते थे कि किस मॉडल ने कौन सा उत्तर दिया है, जिससे उनका निर्णय निष्पक्ष बना रहा। उन्होंने प्रतिक्रियाओं को इस आधार पर स्कोर किया कि वे एक वास्तविक दुनिया के फार्मेसी परिवेश के लिए कितनी सटीक, पूर्ण और उपयोगी थीं। परिणामों ने प्रदर्शन में एक स्पष्ट पदानुक्रम दिखाया। ChatGPT-5.5 Instant ने उच्चतम गुणवत्ता वाले उत्तर दिए, जिससे इसे "अच्छा" से "उत्कृष्ट" श्रेणी में रखने वाला औसत स्कोर प्राप्त हुआ। DeepSeek-V3 दूसरे स्थान पर रहा, जबकि Gemini-3.5 Flash-Lite तीनों में सबसे कम स्कोर वाला रहा। ये अंतर सांख्यिकीय रूप से महत्वपूर्ण थे, जिसका अर्थ है कि प्रदर्शन का अंतर वास्तविक था और संयोग मात्र नहीं था।

दिलचस्प बात यह है कि प्रश्नों की कठिनाई ने रैंकिंग को नहीं बदला। चाहे प्रश्न सरल हो या जटिल, ChatGPT ने लगातार दूसरों से बेहतर प्रदर्शन किया। अध्ययन में इस बात का कोई प्रमाण नहीं मिला कि प्रश्न कठिन होने पर मॉडल खराब होते गए; उन्होंने चुनौती के बावजूद अपनी सापेक्ष स्थिति बनाए रखी। यह सुझाव देता है कि मॉडलों का प्रदर्शन उनके तर्क करने और ज्ञान तक पहुँचने की अंतर्निहित क्षमता से प्रेरित है, न कि केवल सरल तथ्यों को याद करने की उनकी क्षमता से। हालाँकि, अध्ययन ने सभी तीन मॉडलों में एक सामान्य महत्वपूर्ण सीमा को भी रेखांकित किया: उनकी पठनीयता। उनके द्वारा उत्पन्न उत्तर एक ऐसी शैली में लिखे गए थे जो औसत व्यक्ति के लिए समझना बहुत कठिन था, जिसमें अक्सर पालन करने के लिए कॉलेज स्तर की शिक्षा की आवश्यकता होती थी। क्लिनिकल उपयोग के लिए यह एक महत्वपूर्ण बिंदु है, क्योंकि फार्मासिस्टों को इन अवधारणाओं को रोगियों को समझाना पड़ता है, और मॉडल वर्तमान में सटीकता खोए बिना अपनी भाषा को सरल बनाने में संघर्ष करते हैं।

सूचना के स्रोतों के संबंध में एक अन्य महत्वपूर्ण निष्कर्ष निकला। अध्ययन ने मॉडलों द्वारा प्रदान किए गए सूचना स्रोतों की गुणवत्ता का मूल्यांकन किया और पाया कि तीनों के बीच विश्वसनीयता स्कोर में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं था। हालाँकि, लेखकों ने इस बात पर जोर दिया कि दंत चिकित्सा और संबंधित चिकित्सा क्षेत्रों के व्यापक साहित्य में लगातार यह रिपोर्ट किया जाता है कि लार्ज लैंग्वेज मॉडल्स अक्सर काल्पनिक संदर्भ उत्पन्न करते हैं, जिसमें आविष्कार की गई पुस्तकों के शीर्षक, जर्नल के नाम और लेखक शामिल हैं। हालांकि इस विशिष्ट अध्ययन ने स्रोत की गुणवत्ता का आकलन किया, लेकिन व्यापक क्षेत्र में 'हैलुसिनेटेड' (भ्रामक) उद्धरणों की व्यापक समस्या का अर्थ है कि वर्तमान में इनमें से कोई भी मॉडल बिना सत्यापन के सत्य के स्वतंत्र स्रोत के रूप में सुरक्षित नहीं है। वे आधिकारिक ड्रग डेटाबेस या लाइसेंस प्राप्त फार्मासिस्ट के निर्णय का स्थान नहीं ले सकते।

शोधकर्ताओं ने निष्कर्ष निकाला कि ये आर्टिफिशियल इंटेलिजेंस उपकरण दंत चिकित्सा अस्पतालों में क्लिनिकल फार्मासिस्टों के सहायकों के रूप में बहुत आशाजनक हैं। वे पेशेवर सहायता के लिए स्वीकार्य स्तर की गुणवत्ता के साथ विविध प्रकार के दवा सूचना कार्यों को संभाल सकते हैं। हालाँकि, उन्हें स्वतंत्र निर्णय लेने वालों के बजाय मानव निर्णय लेने में सहायता करने वाले उपकरणों के रूप में देखा जाना चाहिए। जानकारी को सत्यापित करने, नवीनतम दिशानिर्देशों की जाँच करने और रोगी सुरक्षा सुनिश्चित करने के लिए मानव फार्मासिस्ट अनिवार्य बना हुआ है। जैसे-जैसे ये मॉडल विकसित होते रहेंगे, वे और भी सक्षम हो सकते हैं, लेकिन फिलहाल, वे उन विशेषज्ञों के लिए एक शक्तिशाली 'दूसरी जोड़ी आँखों' के रूप में सबसे अच्छे हैं जो मरीजों को सुरक्षित रखते हैं।