Characteristics of out-of-hospital cardiac arrest calls unrecognised by machine learning versus medical dispatchers: a nationwide observational study

जब अस्पताल के बाहर किसी व्यक्ति का हृदय धड़कना बंद हो जाता है, तो हर एक सेकंड कीमती होता है। जीवित रहने की राह आपातकालीन सेवाओं को एक फोन कॉल से शुरू होती है, जहाँ एक डिस्पैचर को तुरंत यह पहचानना होता है कि कॉलर कार्डियक अरेस्ट (हृदय गति रुकने) का वर्णन कर रहा है। यह पहचान एम्बुलेंस भेजने और, महत्वपूर्ण रूप से, कॉलर को छाती दबाने (चेस्ट कंप्रेशन) के निर्देश देने की प्रक्रिया को सक्रिय करती है। हालाँकि, मानव डिस्पैचर पूर्ण नहीं होते; वे संकेतों को चूक सकते हैं, अक्सर इसलिए क्योंकि संकट में फंसा व्यक्ति अजीब, हांफने वाली सांसें ले रहा होता है जो खर्राटों जैसी सुनाई देती हैं या क्योंकि कॉलर स्पष्ट रूप से बोलने के लिए बहुत घबराया हुआ होता है। हाल के वर्षों में, इन कॉल्स को सुनने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम एक संभावित सुरक्षा जाल के रूप में उभरे हैं, जो भाषण के उन पैटर्न को पहचानने में सक्षम हैं जिन्हें मनुष्य अनदेखा कर सकते हैं। आपातकालीन सेवाओं के सामने सवाल केवल यह नहीं है कि क्या ये मशीनें काम करती हैं, बल्कि यह है कि वे कहाँ सफल होती हैं और वे मानव विशेषज्ञों की तुलना में कहाँ विफल होती हैं जो लाइन के दूसरी ओर बैठे होते हैं।

स्वीडन के शोधकर्ताओं ने इन कॉल्स को सुनकर इस सटीक गतिशीलता की जांच करने के लिए एक विशेष सेट पर ध्यान केंद्रित किया जहाँ मानव और मशीन के बीच असहमति थी। उन्होंने 2018 की नब्बे कॉल्स पर ध्यान केंद्रित किया जहाँ वास्तव में कार्डियक अरेस्ट हुआ था, लेकिन या तो मानव डिस्पैचर या कंप्यूटर एल्गोरिदम इसे पहचानने में विफल रहा। इन कॉल्स की ऑडियो रिकॉर्डिंग की सावधानीपूर्वक समीक्षा करके, टीम ने यह समझने की कोशिश की कि किन विशिष्ट परिस्थितियों के कारण ये गलतियाँ हुईं। उनका लक्ष्य यह घोषित करना नहीं था कि कौन एक विजेता है, बल्कि प्रत्येक की अनूठी कमियों (ब्लाइंड स्पॉट्स) का मानचित्र बनाना था, इस उम्मीद में कि वे एक साथ अधिक प्रभावी ढंग से काम करने का तरीका खोज सकें।

अध्ययन ने इन दो समूहों द्वारा आपात स्थिति को पहचानने के तरीके में एक स्पष्ट विभाजन दिखाया। इन नब्बे मामलों में से आधे से अधिक में, कंप्यूटर मॉडल ने कार्डियक अरेस्ट की सही पहचान की जबकि मानव डिस्पैचर इसे चूक गया। शेष मामलों में, मानव डिस्पैचर ने आपात स्थिति को पकड़ लिया जबकि कंप्यूटर मॉडल विफल रहा। यह विभाजन यादृच्छिक नहीं था; यह काफी हद तक स्थिति और शामिल लोगों पर निर्भर था। कंप्यूटर आपात स्थिति को पहचानने में काफी बेहतर था जब कॉलर अकेला था, जब कॉलर एक चिकित्सा पेशेवर के बजाय एक सामान्य व्यक्ति था, और जब कॉल एक निजी घर से आई थी। मशीन तब भी बेहतर प्रदर्शन करती थी जब कॉलर मरीज को व्यक्तिगत रूप से जानता था और जब कॉल शाम के समय हुई थी।

इसके विपरीत, मानव डिस्पैचरों द्वारा आपात स्थिति को पहचाने जाने की संभावना अधिक थी जब कॉलर अकेला नहीं था और जब कॉल के समय कोई पहले से ही छाती दबाने (सी पी आर) का कार्य कर रहा था। शोधकर्ताओं ने पाया कि जब कॉलर अकेला था, तो कंप्यूटर के सफल होने की संभावना मानव की तुलना में कहीं अधिक थी। यह सुझाव देता है कि घर के वातावरण में एक अकेली आवाज की शांत, केंद्रित प्रकृति कंप्यूटर को काम करने के लिए आवश्यक स्पष्ट ऑडियो सिग्नल प्रदान करती है। इसके विपरीत, मानव डिस्पैचर शायद उस अराजक संदर्भ पर अधिक भरोसा करते थे जहाँ अन्य लोग मौजूद थे या जहाँ सी पी आर पहले से ही चल रहा था, शायद पृष्ठभूमि के शोर या कई आवाजों की तात्कालिकता पर, जिसने कंप्यूटर के सुनने वाले सॉफ्टवेयर को भ्रमित कर दिया।

अध्ययन ने यह भी रेखांकित किया कि कॉलर की पृष्ठभूमि ने परिणाम को कैसे प्रभावित किया। कंप्यूटर तब बहुत अधिक सफल रहा जब कॉलर एक आम नागरिक (ले पर्सन) था, लेकिन जब कॉलर एक स्वास्थ्य देखभाल पेशेवर था तो वह संघर्ष करता दिखा। यह सुझाव देता है कि चिकित्सा पेशेवर स्थिति का वर्णन करने के लिए अलग शब्दों या लहजे का उपयोग कर सकते हैं जिसकी कंप्यूटर के प्रशिक्षण में अपेक्षा नहीं की गई थी, जबकि आम लोग पतन (कोलेप्स) और सांस लेने के अधिक मानक विवरणों का उपयोग करते हैं जिन्हें मशीन आसानी से पहचान लेती है। इसी तरह, कंप्यूटर के सफल होने की संभावना अधिक थी जब कॉलर मरीज को जानता था, संभवतः इसलिए क्योंकि परिचित कॉलर इस बारे में अधिक विशिष्ट विवरण दे सकते थे कि व्यक्ति की स्थिति में कैसे बदलाव आया, जिससे सॉफ्टवेयर के अनुसरण के लिए स्पष्ट भाषाई सुराग मिल सके।

इन अंतरों के बावजूद, शोधकर्ताओं ने इस बात पर जोर दिया कि दोनों में से कोई भी अपने आप में पूर्ण नहीं है। कंप्यूटर उन कॉल्स को मिस कर गया जहाँ दृश्य शोर भरा या अराजक था, जबकि मनुष्यों ने उन कॉल्स को मिस किया जहाँ संकेत सूक्ष्म थे या कॉलर अलग-थलग था। लेखक सुझाव देते हैं कि सबसे आशाजनक मार्ग कंप्यूटर को बदलने के बजाय, इसे एक सहायक उपकरण के रूप में उपयोग करना है। इस परिदृश्य में, मशीन एक 'दूसरे जोड़ी कान' के रूप में कार्य करेगी, जो मानव डिस्पैचर को तब सचेत करेगी जब वह कार्डियक अरेस्ट का पता लगाती है, विशेष रूप से उन स्थितियों में जहाँ मानव विचलित हो सकता है या जहाँ कॉलर अकेला है और मशीन अपना सर्वश्रेष्ठ प्रदर्शन करती है।

निष्कर्षों के साथ एक चेतावनी भी जुड़ी है। अध्ययन ने कॉल्स के एक अपेक्षाकृत छोटे समूह को देखा जहाँ दोनों पक्षों के बीच असहमति थी, और शोधकर्ताओं ने नोट किया कि सीमित संख्या के कारण कुछ सांख्यिकीय पैटर्न पूरी तरह से सटीक नहीं थे। उन्होंने यह भी बताया कि जैसे-जैसे तकनीक विकसित होगी या कॉल्स के प्रकार बदलेंगे, कंप्यूटर का प्रदर्शन बदल सकता है। हालांकि, मुख्य अवलोकन मजबूत बना हुआ है: मनुष्य और मशीनएं अलग-अलग प्रकार की गलतियां करती हैं। इन विशिष्ट अंतरों को समझकर, आपातकालीन सेवाएं ऐसी प्रणालियाँ डिजाइन कर सकती हैं जहाँ कंप्यूटर शांत, अलग-थलग कॉल्स को उच्च संवेदनशीलता के साथ संभालता है, जबकि मानव डिस्पैचर जटिल, शोर वाले दृश्यों का प्रबंधन करता है, जिससे एक ऐसी साझेदारी बनती है जो अकेले उनमें से किसी एक द्वारा प्राप्त किए जाने वाले जीवन से अधिक जीवन बचा सकती है।