Safety, Accuracy, Empathy, Information Quality, and Readability of Large Language Models in Answering Caregiver Questions About Pediatric Burn First Aid and Inpatient Care: A Cross-Sectional Comparative Study
इस क्रॉस-सेक्शनल तुलनात्मक अध्ययन ने बाल चिकित्सा बर्न केयर (pediatric burn care) के संबंध में सुरक्षा, सटीकता, सहानुभूति, सूचना की गुणवत्ता और पठनीयता पर चार लार्ज लैंग्वेज मॉडल्स का मूल्यांकन किया, जिसमें यह पाया गया कि हालांकि उन्होंने आम तौर पर सुरक्षित और सटीक प्रतिक्रियाएं प्रदान कीं, लेकिन सहानुभूति, स्रोत पारदर्शिता और पठनीयता में महत्वपूर्ण भिन्नताएं मौजूद थीं जिन्हें प्रभावी देखभालकर्ता मार्गदर्शन के लिए सुधार की आवश्यकता 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
जब एक छोटे बच्चे को जलना (बर्न) होता है, तो पहले कुछ मिनट अत्यंत महत्वपूर्ण होते हैं। घबराहट के उस क्षण में माता-पिता या देखभाल करने वाले का व्यवहार यह निर्धारित कर सकता है कि चोट कितनी गहरी होगी, बच्चे को कितना दर्द होगा, और बाद में त्वचा कितनी अच्छी तरह ठीक होगी। मानक चिकित्सा सलाह स्पष्ट है: जलने की प्रक्रिया को रोकें, बहते नल के पानी से घाव को ठंडा करें, उसे ढीले ढंग से ढकें, और गंभीर चोटों के लिए पेशेवर मदद लें। फिर भी, उस तनावपूर्ण क्षण में, एक चिंतित परिवार का सदस्य तत्काल मार्गदर्शन के लिए डिजिटल सहायक की ओर मुड़ सकता है। ये कृत्रिम बुद्धिमत्ता (AI) उपकरण, जिन्हें लार्ज लैंग्वेज मॉडल्स कहा जाता है, स्वास्थ्य संबंधी जानकारी के सामान्य स्रोत बन गए हैं। वे चैट कर सकते हैं, जटिल विषयों को सरल शब्दों में समझा सकते हैं, और आश्वासन दे सकते हैं। लेकिन जब एक बच्चे का स्वास्थ्य दांव पर हो, तो एक मददगार सुझाव और एक खतरनाक गलती के बीच का अंतर जीवन बदलने वाला हो सकता है। प्रश्न केवल यह नहीं है कि क्या ये मशीनें सही उत्तर दे सकती हैं, बल्कि यह है कि क्या वे इसे सुरक्षित रूप से, सहानुभूति के सही स्तर के साथ, और ऐसी भाषा में कर सकती हैं जिसे एक तनावग्रस्त माता-पिता वास्तव में समझ सकें।
बीजिंग चिल्ड्रन्स हॉस्पिटल के शोधकर्ताओं की एक टीम ने ठीक यही परीक्षण करने के लिए एक अध्ययन किया। वे यह देखना चाहते थे कि चार लोकप्रिय आर्टिफिशियल इंटेलिजेंस चैटबॉट्स कैसा प्रदर्शन करते हैं, जब उनसे एक माता-पिता द्वारा बच्चे के जलने के उपचार के बारे में पूछे जाने वाले संभावित प्रश्न पूछे जाते हैं। अध्ययन ने देखभाल के दो मुख्य चरणों पर ध्यान केंद्रित किया: चोट लगने के तुरंत बाद आवश्यक प्राथमिक उपचार, और अस्पताल में रहने के दौरान आवश्यक निरंतर नर्सिंग देखभाल। शोधकर्ताओं ने मशीनों से विशिष्ट रोगियों का निदान करने या वास्तविक चोटों का इलाज करने के लिए नहीं कहा। इसके बजाय, उन्होंने छत्तीस प्रश्नों का एक सेट बनाया जो वास्तविक दुनिया की चिंताओं को दर्शाता था, जैसे कि जले हुए हिस्से को कैसे ठंडा किया जाए, यदि कपड़े त्वचा से चिपक जाएं तो क्या करें, दर्द को कैसे प्रबंधित करें, और आपातकालीन कक्ष में कब भागना चाहिए। उन्होंने इन समान प्रश्नों को चार अलग-अलग चैटबॉट्स में डाला: ChatGPT, Gemini, DeepSeek, और Doubao। प्रत्येक मशीन ने एक प्रतिक्रिया उत्पन्न की, जिसके परिणामस्वरूप मूल्यांकन के लिए कुल एक सौ चौहत्तर उत्तर प्राप्त हुए।
इन उत्तरों का न्याय करने के लिए, शोधकर्ताओं ने पांच विशेषज्ञों का एक पैनल गठित किया, जिनमें बाल चिकित्सा बर्न (पीडियाट्रिक बर्न), सर्जरी और नर्सिंग के विशेषज्ञ शामिल थे। इन विशेषज्ञों के पास दशकों का अनुभव था और उन्हें विशिष्ट चीजों को देखने के लिए प्रशिक्षित किया गया था। उन्होंने जांचा कि क्या सलाह सुरक्षित थी, जिसका अर्थ था कि इसने हानिकारक घरेलू उपचारों की सिफारिश नहीं की या आवश्यक चिकित्सा देखभाल में देरी नहीं की। उन्होंने स्थापित चिकित्सा दिशानिर्देशों के साथ तुलना करके सटीकता को मापा। उन्होंने यह भी देखा कि प्रतिक्रियाएं कितनी सहानुभूतिपूर्ण थीं, यह देखते हुए कि क्या भाषा ने माता-पिता के डर को स्वीकार किया और बिना किसी दोषारोपण के समर्थन प्रदान किया। अंत में, उन्होंने पाठ की पठनीयता का विश्लेषण किया, यह सुनिश्चित करते हुए कि जानकारी भ्रमित करने वाली चिकित्सा शब्दावली में दबी न रह जाए। विशेषज्ञों ने स्वतंत्र रूप से कार्य किया और उन्हें यह नहीं पता था कि किस चैटबॉट ने कौन सा उत्तर लिखा था, जिससे उनके निर्णय निष्पक्ष और निष्पक्ष रहे।
परिणामों ने दिखाया कि ये आर्टिफिशियल इंटेलिजेंस उपकरण आम तौर पर काफी सक्षम हैं, लेकिन वे पूर्ण नहीं हैं। अधिकांश समय, चैटबॉट्स ने सुरक्षित और सटीक जानकारी प्रदान की। उदाहरण के लिए, ChatGPT ने छत्तीस में से तैंतीस मामलों में सुरक्षित सलाह दी, जबकि अन्य मॉडलों ने छत्तीस में से उनतीस से इकतीस सुरक्षित प्रतिक्रियाएं दीं। हालांकि, अध्ययन में पाया गया कि कोई भी मॉडल त्रुटिहीन नहीं था। कई उदाहरणों में, उत्तरों में इस बात की महत्वपूर्ण चेतावनी की कमी थी कि कब तत्काल चिकित्सा सहायता लेनी चाहिए, या वे इस बात पर पर्याप्त जोर देने में विफल रहे कि कुछ घरेलू उपचार, जैसे कि बर्फ का उपयोग करना, वास्तव में चोट को बदतर बना सकता है। हालांकि चारों मॉडलों के बीच तथ्यात्मक सटीकता में अंतर सांख्यिकीय रूप से बहुत कम था, लेकिन उनके संचार करने के तरीके में अंतर बहुत अधिक स्पष्ट था। एक मॉडल, Doubao, को सहानुभूति के लिए कम अंक मिले, जिसका अर्थ था कि इसकी प्रतिक्रियाएं अन्य मॉडलों की तुलना में संकटग्रस्त माता-पिता के लिए कम सहायक महसूस हुईं।
अध्ययन ने इन मशीनों के बोलने के तरीके में एक महत्वपूर्ण बाधा पर भी प्रकाश डाला। शोधकर्ताओं ने पाठ के पठन स्तर को मापा, जो यह देखने जैसा है कि किसी छात्र को सामग्री समझने के लिए किस कक्षा के स्तर की आवश्यकता है। उन्होंने पाया कि कुछ मॉडलों के उत्तर ऐसे स्तर पर लिखे गए थे जो कई वयस्कों के लिए तेजी से पढ़ना कठिन होगा, विशेष रूप से जब वे पहले से ही तनाव में हों। जिन मॉडलों ने पठनीयता के मामले में सर्वश्रेष्ठ प्रदर्शन किया, उन्होंने सरल और प्रत्यक्ष पाठ तैयार किया, जो रोगी शिक्षा सामग्री के लिए अनुशंसित स्तर के करीब था। इसके विपरीत, अन्य मॉडलों ने अधिक जटिल वाक्य संरचनाओं और शब्दावली का उपयोग किया जो संकट के समय देखभाल करने वाले को भ्रमित कर सकती है। शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि ये उपकरण सूचना के विश्वसनीय स्रोत बनते जा रहे हैं, वे अभी भी मानवीय पक्ष के साथ संघर्ष कर रहे हैं। वे तथ्य प्रदान कर सकते हैं, लेकिन कभी-कभी वे स्पष्टता और भावनात्मक समर्थन के मामले में चूक जाते हैं।
अंततः, अध्ययन सुझाव देता है कि ये डिजिटल सहायक उपयोगी उपकरण हैं, लेकिन उन्हें पेशेवर चिकित्सा निर्णय का स्थान नहीं लेना चाहिए। सर्वश्रेष्ठ प्रदर्शन उन मॉडलों से आया जिन्होंने तथ्यात्मक शुद्धता को स्पष्ट, सरल भाषा और ऐसे लहजे के साथ जोड़ा जो उपयोगकर्ता की चिंता का सम्मान करता था। शोधकर्ताओं ने नोट किया कि बाल चिकित्सा देखभाल में इन उपकरणों को वास्तव में सहायक होने के लिए, उन्हें संक्षिप्त, कार्रवाई-उन्मुख मार्गदर्शन को प्राथमिकता देने के लिए डिज़ाइन किया जाना चाहिए। उन्हें स्पष्ट रूप से यह बताने में सक्षम होना चाहिए कि स्थिति आपातकालीन कब है और बिना तकनीकी शब्दों में छिपे अपनी सलाह के पीछे के साक्ष्य को समझाना चाहिए। जब तक ये सिस्टम लगातार दबाव में सुरक्षित, सटीक और समझने में आसान जानकारी देने में सक्षम नहीं होते, तब तक माता-पिता और देखभाल करने वालों को इन्हें जानकारी के लिए एक शुरुआती बिंदु के रूप में मानना चाहिए, न कि बच्चे के स्वास्थ्य पर अंतिम शब्द के रूप में।
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।