Development and Validation of a Localized Large Language Model for Preoperative Anesthesia Planning: Protocol for a Retrospective Observational Study and Clinical Turing Test
यह शोध पत्र इस्तिशारी अस्पताल के 3,000 ऐतिहासिक एनेस्थीसिया रिकॉर्ड्स पर फाइन-ट्यून किए गए एक स्थानीयकृत लार्ज लैंग्वेज मॉडल को विकसित करने और मान्य करने के लिए एक प्रोटोकॉल की रूपरेखा प्रस्तुत करता है, जिसका उद्देश्य पूर्व-संचालन (प्रीऑपरेटिव) एनेस्थीसिया योजनाओं को उत्पन्न करना है, जिनका मूल्यांकन एक रेट्रोस्पेक्टिव "क्लिनिकल ट्यूरिंग टेस्ट" के माध्यम से सुरक्षा और सटीकता के लिए मानव विशेषज्ञ मानकों के विरुद्ध किया गया है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक मरीज के ऑपरेशन थिएटर में प्रवेश करने से पहले, एक एनेस्थिसियोलॉजिस्ट (निश्चेतना विशेषज्ञ) को एक जटिल मानसिक कार्य करना होता है: वे व्यक्ति का मेडिकल इतिहास, उनके वर्तमान महत्वपूर्ण संकेत (वाइटल साइन्स), और आगामी सर्जरी की विशिष्ट मांगों को लेते हैं, और फिर इन तथ्यों को मरीज को सुलाने और दर्द मुक्त रखने के लिए एक सुरक्षित योजना में पिरोते हैं। इस प्रक्रिया के लिए तीव्र सोच और गहरे ज्ञान की आवश्यकता होती है, लेकिन यह मानवीय त्रुटि के प्रति भी संवेदनशील है, विशेष रूप से तब जब डॉक्टर थके हुए हों या जब अलग-अलग डॉक्टर एक ही जानकारी की अलग-अलग तरह से व्याख्या करते हों। हाल के वर्षों में, कंप्यूटरों ने चिकित्सा कार्यों में मदद करना शुरू कर दिया है, मुख्य रूप से रक्तचाप में गिरावट जैसी चीजों की भविष्यवाणी करने या ड्रग पंपों को स्वचालित रूप से प्रबंधित करने के माध्यम से। हालांकि, एक नए प्रकार के कंप्यूटर प्रोग्राम, जिसे 'लार्ज लैंग्वेज मॉडल' के रूप में जाना जाता है, ने एक अलग क्षमता के साथ उभरकर दिखाया है। ये प्रोग्राम विशाल मात्रा में टेक्स्ट पढ़ सकते हैं और ऐसा नया टेक्स्ट लिख सकते हैं जो एक मानव विशेषज्ञ जैसा लगता है। हालांकि इन उपकरणों का उपयोग अध्ययन और परीक्षण के लिए किया जा रहा है, लेकिन अभी तक किसी ने यह सिद्ध नहीं किया है कि क्या वे किसी विशिष्ट अस्पताल के नियमों और आदतों का उपयोग करते हुए, बिना किसी खतरनाक गलती के, एक वास्तविक और अनुकूलित चिकित्सा योजना सुरक्षित रूप से लिख सकते हैं।
अम्मान, जॉर्डन के इस्तिशारी अस्पताल के एक शोधकर्ता ने इस विचार का परीक्षण करने का निर्णय लिया। वे यह देखना चाहते थे कि क्या वे एक कंप्यूटर को हजारों वास्तविक, पिछले मामलों को अपने स्वयं के अस्पताल में फीड करके एक वरिष्ठ एनेस्थिसियोलॉजिस्ट की तरह कार्य करना सिखा सकते हैं। उनका लक्ष्य एक "डिजिटल फेलो" बनाना था, जो एक विशेष कंप्यूटर प्रोग्राम हो, जो एक पूर्ण एनेस्थीसिया योजना का मसौदा ठीक वैसे ही तैयार कर सके जैसे एक इंसान करता है। इसके लिए, उन्होंने मरीजों के 3,000 ऐतिहासिक रिकॉर्ड एकत्र किए जिन्होंने सर्जरी करवाई थी। ये रिकॉर्ड डिजिटल फाइलें नहीं थे बल्कि भौतिक कागजी दस्तावेज थे जिनमें मरीज की ऊंचाई, वजन, हृदय का इतिहास, फेफड़ों की स्थिति और उन सटीक दवाओं और वायुमार्ग उपकरणों (एयरवे टूल्स) का विवरण था जिनका उपयोग मानव टीम ने ऑपरेशन के दौरान किया था। जूनियर डॉक्टरों और इंटर्न की एक टीम ने मैन्युअल रूप से हर एक कागजी रिकॉर्ड को पढ़ा और सभी जानकारी को एक सुरक्षित डिजिटल डेटाबेस में कॉपी किया। वे सभी नाम और पहचान संबंधी विवरणों को हटाने में बहुत सावधान रहे, जिससे केवल चिकित्सा तथ्य और परिणामी उपचार योजनाएं ही शेष रहीं।
एक बार जब डेटा का यह विशाल संग्रह तैयार हो गया, तो शोधकर्ता ने इसका उपयोग एक शक्तिशाली कंप्यूटर मॉडल को प्रशिक्षित करने के लिए किया। उन्होंने मॉडल को यह सीखने का निर्देश दिया कि उनका विशिष्ट अस्पताल एनेस्थीसिया को कैसे संभालता है। कंप्यूटर को बताया गया कि उसे उसी अस्पताल के एक वरिष्ठ सलाहकार की तरह व्यवहार करना है और किसी भी मरीज के लिए उपलब्ध डेटा के आधार पर एक नई योजना लिखनी है। योजना में चार मुख्य क्षेत्रों को कवर करना था: सर्जरी से पहले मरीज को कैसे तैयार किया जाए, उन्हें कैसे सुलाया जाए और श्वसन प्रक्रिया को कैसे प्रबंधित किया जाए, प्रक्रिया के दौरान उन्हें कैसे स्थिर रखा जाए, और सर्जरी के बाद उन्हें कैसे जगाया जाए और उनके दर्द को कैसे प्रबंधित किया जाए। शोधकर्ता ने कंप्यूटर को केवल अनुमान लगाने के लिए नहीं छोड़ा; उन्होंने इस प्रणाली को उनके अपने संस्थान के वास्तविक, सफल निर्णयों पर बनाया, इस उम्मीद के साथ कि यह कंप्यूटर को काल्पनिक तथ्य बनाने या ऐसे उपचार सुझाने से रोकेगा जो उनके अस्पताल में मौजूद नहीं हैं।
यह देखने के लिए कि कंप्यूटर का काम कितना अच्छा है, शोधकर्ता ने एक 'ब्लाइंड टेस्ट' आयोजित किया, जो एक ऐसी चुनौती के समान है जहाँ एक व्यक्ति यह अनुमान लगाने की कोशिश करता है कि दो लेखकों में से कौन मानव है और कौन मशीन। उन्होंने मरीजों के मामलों का एक सेट लिया और उन्हें वरिष्ठ एनेस्थिसियोलॉजिस्ट के एक समूह को दिखाया। प्रत्येक मामले के लिए, विशेषज्ञों को दो अलग-अलग योजनाएं दी गईं: एक वह मूल योजना जो वर्षों पहले एक मानव डॉक्टर द्वारा लिखी गई थी, और दूसरी वह नई योजना जो कंप्यूटर द्वारा लिखी गई थी। विशेषज्ञ नहीं जानते थे कि कौन सा किसका है। उनसे योजनाओं को सुरक्षा के आधार पर, किसी भी खतरनाक त्रुटि की जांच करने के लिए, और पूर्णता के आधार पर, यानी यह सुनिश्चित करने के लिए, कि सभी आवश्यक चरण शामिल हैं, जज करने के लिए कहा गया था। अंत में, उन्हें यह अनुमान लगाना था कि कौन सी योजना कंप्यूटर द्वारा लिखी गई थी।
यह अध्ययन वर्तमान में एक 'प्रोटोकॉल' है, जिसका अर्थ है कि यह एक विस्तृत योजना है कि शोध कैसे किया जाएगा, न कि अंतिम परिणामों की रिपोर्ट। शोधकर्ता का प्रस्ताव है कि यदि उनके कंप्यूटर मॉडल को इन 3,000 वास्तविक स्थानीय मामलों पर प्रशिक्षित किया जाता है, तो यह मानव विशेषज्ञों द्वारा लिखी गई योजनाओं के समान ही सुरक्षित और सटीक योजनाएं तैयार करेगा। उनका मानना है कि यह दृष्टिकोण कंप्यूटर द्वारा जानकारी गढ़ने के जोखिम को कम करेगा, जिसे "हैलुसिनेशन" (भ्रम) की समस्या के रूप में जाना जाता है, क्योंकि कंप्यूटर उनके अपने अस्पताल के व्यवहार की वास्तविकता पर आधारित है। यदि परीक्षण से पता चलता है कि विशेषज्ञ मानव और कंप्यूटर की योजनाओं के बीच अंतर नहीं कर सकते हैं, तो यह सुझाव देता है कि यह तकनीक एक दिन डॉक्टरों की मदद कर सकती है, जिससे वे नियमित योजनाओं को लिखने के भारी मानसिक कार्य को संभालने के बजाय, अधिक ध्यान मरीज पर केंद्रित कर सकेंगे। इस परियोजना का उद्देश्य हजारों पुराने कागजी रिकॉर्ड को पढ़ने के कठिन कार्य को डेटा प्रविष्टि करने वाले जूनियर डॉक्टरों के लिए एक सीखने के अनुभव में बदलना भी है, जिससे वे डेटाबेस बनाते समय अपने गुरुओं के निर्णयों का अध्ययन कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।