An Adaptive Anxiety Intervention Recommender System Using DSW-UCB Contextual Multi-Armed Bandit with Relevance Filtering

मानसिक स्वास्थ्य के शांत और अक्सर अदृश्य परिदृश्य में, चिंता एक ऐसी स्थिति है जो स्थिर रहने से इनकार करती है। यह दिन के समय, मौसम, काम पर अचानक आए तनाव, या आत्म-चिंतन के एक शांत क्षण के साथ बदलती रहती है। क्योंकि ये भावनाएं इतनी परिवर्तनशील हैं, इसलिए इन्हें प्रबंधित करने के लिए डिज़ाइन किए गए उपकरण अक्सर इनके साथ तालमेल बिठाने में संघर्ष करते हैं। एक मुकाबला रणनीति (coping strategy) जो मंगलवार की सुबह किसी व्यक्ति को शांत कर सकती है, वह गुरुवार की शाम तक बेकार या यहाँ तक कि कष्टप्रद भी महसूस हो सकती है। वर्षों से, डिजिटल स्वास्थ्य अनुप्रयोगों ने व्यक्तिगत सुझाव देकर इसे हल करने की कोशिश की है, लेकिन इनमें से कई प्रणालियाँ एक मौलिक दोष पर निर्भर करती हैं: वे प्रत्येक पिछले संवाद को इस तरह देखती हैं जैसे कि वह अभी हो रहा हो। वे उपयोगकर्ता की महीनों पुरानी प्राथमिकताओं को उतनी ही तीव्रता के साथ याद रखते हैं जितनी कि पाँच मिनट पहले की उनकी भावनाओं को, जिससे एक ऐसी डिजिटल स्मृति बन जाती है जो वर्तमान क्षण के अनुकूल होने के लिए इतिहास के बोझ से बहुत भारी है।

यहीं पर, नाइजीरिया के उस्मानु दानफोडियो विश्वविद्यालय के शोधकर्ताओं द्वारा विकसित एक नया दृष्टिकोण एक अलग मार्ग प्रस्तुत करता है। टीम ने चिंता हस्तक्षेपों (anxiety interventions) की सिफारिश करने के लिए एक स्मार्ट सिस्टम बनाने का लक्ष्य रखा, जो यह समझता है कि मानवीय भावनाएं 'नॉन-स्टेशनरी' (non-stationary) होती हैं, जिसका अर्थ है कि वे समय के साथ बदलती हैं और किसी निश्चित पैटर्न का पालन नहीं करती हैं। उपयोगकर्ता के पूरे इतिहास से सीखने के बजाय, उनकी नई प्रणाली उस पर ध्यान केंद्रित करती है जो सबसे अधिक मायने रखता है: हालिया अतीत। दो विशिष्ट तकनीकों को जोड़कर—पुराने डेटा को जल्दी भूल जाना और अनुपयोगी फीडबैक को फ़िल्टर करना—उन्होंने एक ऐसा मॉडल बनाया जो उपयोगकर्ता की भावनात्मक स्थिति बदलने पर लगभग तुरंत बदलाव कर सकता है। इसका परिणाम एक ऐसा डिजिटल सहायक है जो न केवल याद रखता है, बल्कि वास्तव में अनुकूलित होता है, और यह सीखने में सक्षम है कि ठीक उसी क्षण सही श्वसन अभ्यास या माइंडफुलनेस गतिविधि कैसे प्रदान की जाए जब उसकी आवश्यकता हो।

शोधकर्ताओं ने एक महत्वपूर्ण सीमा को स्वीकार करते हुए शुरुआत की। अधिकांश वर्तमान अनुशंसा प्रणाली (recommendation systems) एक "पूर्ण-इतिहास" (full-history) के आधार पर कार्य करती हैं। कल्पना कीजिए कि एक छात्र परीक्षा के लिए अध्ययन करने के लिए अपनी पहली कक्षा से लेकर वर्तमान तक की हर एक किताब पढ़ रहा है, बिना कभी कोई किताब बंद किए। हालांकि इस छात्र के पास सूचनाओं का विशाल भंडार है, लेकिन वे पुराने तथ्यों से भ्रमित हो सकते हैं और आज होने वाली परीक्षा के लिए प्रासंगिक चीज़ों पर ध्यान केंद्रित करने में असमर्थ हो सकते हैं। इसी तरह, एक मानसिक स्वास्थ्य ऐप जो छह महीने पहले की उपयोगकर्ता की शांत अवस्था को वर्तमान पैनिक अटैक के समान महत्व देता है, वह खराब सुझाव देगा। सिस्टम प्रतिक्रिया देने में धीमा हो जाता है, और उन सुझावों के चक्र में फंस जाता है जो अब उपयोगकर्ता की वास्तविकता के अनुकूल नहीं हैं। शोधकर्ताओं का तर्क था कि चिंता हस्तक्षेपों के प्रभावी होने के लिए, सिस्टम को हालिया संवादों को प्राथमिकता देनी चाहिए और दूर के अतीत के शोर को त्याग देना चाहिए।

इसे हल करने के लिए, टीम ने एक "स्लाइडिंग विंडो" (sliding window) स्मृति वाला सिस्टम डिज़ाइन किया। उपयोगकर्ता के जीवन के पूरे इतिहास को देखने के बजाय, सिस्टम केवल पिछले सौ संवादों पर ध्यान देता है। जैसे ही एक नया संवाद होता है, सबसे पुराना संवाद दृष्टि से बाहर हो जाता है, यह सुनिश्चित करते हुए कि सिस्टम हमेशा नवीनतम डेटा से सीख रहा है। हालाँकि, केवल पिछले सौ क्षणों को देखना पर्याप्त नहीं है; उनमें से कुछ क्षण भ्रमित करने वाले या अनुपयोगी हो सकते हैं। शायद उपयोगकर्ता ने एक सुझाव पर क्लिक किया लेकिन तुरंत ऐप बंद कर दिया, या शायद उन्होंने एक ऐसी रेटिंग दी जो उनकी वास्तविक भावनाओं से मेल नहीं खाती थी। इसे संभालने के लिए, शोधकर्ताओं ने एक "प्रासंगिकता फ़िल्टर" (relevance filter) जोड़ा। यह तंत्र एक गुणवत्ता नियंत्रण निरीक्षक की तरह कार्य करता है, जो उपयोगकर्ता की सहभागिता के आधार पर प्रत्येक संवाद को एक स्कोर देता है। यदि सत्र छोटा और अरुचिकर था, तो सिस्टम इसे अपने सीखने की प्रक्रिया में बहुत कम महत्व देता है। यदि उपयोगकर्ता ने सुझाव के साथ समय बिताया और उससे लाभ उठाया, तो वह संवाद बहुत अधिक मायने रखता है। यह आकस्मिक क्लिक या व्याकुलता के क्षणों द्वारा सिस्टम को गुमराह होने से रोकता है।

टीम ने अपने नए सिस्टम का परीक्षण किया, जिसे उन्होंने "डिस्काउंटेड स्लाइडिंग-विंडो अपर कॉन्फिडेंस बाउंड" (Discounted Sliding-Window Upper Confidence Bound) मॉडल कहा, एक नियंत्रित सिमुलेशन में। उन्होंने एक डिजिटल वातावरण बनाया जहाँ एक आभासी उपयोगकर्ता के चिंता स्तर और संदर्भ में अचानक बदलाव आते हैं, जो मानवीय भावनाओं की वास्तविक दुनिया की अनिश्चितता की नकल करता है। उन्होंने अपने नए सिस्टम को कई पुराने मॉडलों के विरुद्ध खड़ा किया, जिसमें पारंपरिक पूर्ण-इतिहास दृष्टिकोण और अन्य संस्करण शामिल थे जो या तो केवल स्लाइडिंग विंडो या केवल डिस्काउंट फैक्टर का उपयोग करते थे। परिणाम स्पष्ट और महत्वपूर्ण थे। एक परिदृश्य में जहाँ उपयोगकर्ता की ज़रूरतें अचानक बदल गईं, पारंपरिक सिस्टम को यह समझने में कि नया सर्वश्रेष्ठ हस्तक्षेप क्या है, 600 से अधिक कदम लगे। इसके विपरीत, नए सिस्टम ने, जिसमें प्रासंगिकता फ़िल्टर लगा था, केवल 235 कदमों में सुधार किया, और दोगुना से भी अधिक तेज़ी से वापस पटरी पर आ गया।

कुल सफलता के मामले में प्रदर्शन का अंतर और भी चौंकाने वाला था। सिमुलेशन के दौरान, नए सिस्टम ने पारंपरिक पूर्ण-इतिहास मॉडल की तुलना में 20.9% अधिक सकारात्मक परिणाम प्राप्त किए। इसने "रिग्रेट" (regret)—जो कि एक माप है कि कितनी बार सिस्टम ने एक उप-इष्टतम विकल्प चुना—को 61.1% तक कम कर दिया। इसका अर्थ है कि सिस्टम न केवल अनुकूलित होने में तेज़ था, बल्कि उसने लगातार बेहतर निर्णय भी लिए। शोधकर्ताओं ने पाया कि मेमोरी विंडो का आकार भी मायने रखता है। उन्होंने 50 से 500 संवादों की रेंज वाली विंडो का परीक्षण किया और पाया कि 100 संवादों की विंडो सबसे अच्छा संतुलन प्रदान करती है। यह स्थिर सीखने के लिए पर्याप्त बड़ी थी लेकिन तेजी से प्रतिक्रिया करने के लिए पर्याप्त छोटी भी थी। जब उन्होंने इस विशिष्ट विंडो आकार को अपने प्रासंगिकता फ़िल्टर के साथ जोड़ा, तो सिस्टम ने अपने परीक्षणों में उच्चतम संभव पुरस्कार और न्यूनतम रिग्रेट प्राप्त किया।

अध्ययन ने यह भी खुलासा किया कि सिस्टम खराब डेटा को कैसे संभालता है, यह अत्यंत महत्वपूर्ण है। जब शोधकर्ताओं ने सिस्टम के उस संस्करण का परीक्षण किया जिसने किसी भी निम्न-गुणवत्ता वाले संवाद को आक्रामक रूप से त्याग दिया, तो परिणाम अस्थिर हो गए। सिस्टम अच्छे और बुरे सुझावों के बीच झूलने लगा। हालाँकि, उस संस्करण ने जिसने "सॉफ्ट" (soft) फ़िल्टर का उपयोग किया—अर्थात निम्न-गुणवत्ता वाले संवादों को पूरी तरह अनदेखा करने के बजाय उन्हें बहुत कम भार दिया—एक स्थिर, विश्वसनीय प्रदर्शन बनाए रखा। यह सुझाव देता है कि शोर भरे या भ्रमित करने वाले फीडबैक का भी कुछ मूल्य होता है, बशर्ते उन्हें सीखने की प्रक्रिया पर हावी न होने दिया जाए। सिस्टम ने शोर को अनदेखा करते हुए भी संकेत (signal) को न खोने की मजबूती सीखी।

हालाँकि ये परिणाम उत्साहजनक हैं, शोधकर्ता सावधानीपूर्वक नोट करते हैं कि ये एक सिम्युलेटेड वातावरण में प्राप्त किए गए थे। इस अध्ययन में वास्तविक मानव प्रतिभागी या नैदानिक परीक्षण शामिल नहीं थे; यह कंप्यूटर मॉडल के भीतर एल्गोरिदम के तर्क और अनुकूलन क्षमता का एक कठोर परीक्षण था। लेखक इस बात पर जोर देते हैं कि अगला कदम इस ढांचे को वास्तविक उपयोगकर्ताओं के साथ नैतिक पर्यवेक्षण के तहत परीक्षण करना है, जिसमें हृदय गति या नींद के पैटर्न जैसे वास्तविक शारीरिक संकेतों को शामिल किया जाए ताकि संदर्भ को और भी समृद्ध बनाया जा सके। वे इस प्रणाली को और अधिक पारदर्शी बनाने की दिशा में भी काम करने की योजना बना रहे हैं, जिससे उपयोगकर्ता समझ सकें कि एक विशिष्ट सुझाव क्यों दिया गया था और यदि आवश्यक हो तो उन्हें इसे ओवरराइड करने का नियंत्रण भी मिले।

इस कार्य की मुख्य उपलब्धि यह प्रदर्शन है कि एक अनुशंसा प्रणाली अराजक वातावरण में तेज़ और सटीक दोनों हो सकती है। अतीत को छोड़ देने और वर्तमान को सावधानीपूर्वक तौलने के माध्यम से, नया मॉडल उस ऐतिहासिक पूर्वाग्रह के जाल से बचता है जो कई डिजिटल स्वास्थ्य उपकरणों को प्रभावित करता है। यह एक ऐसे भविष्य का ब्लूप्रिंट पेश करता है जहाँ मानसिक स्वास्थ्य सहायता सलाह का एक स्थिर पुस्तकालय नहीं, बल्कि एक गतिशील संवाद है जो उपयोगकर्ता के साथ विकसित होता है। एक ऐसी दुनिया में जहाँ चिंता अक्सर अपनी अनिश्चितता से परिभाषित होती है, एक ऐसा सिस्टम जो उस अनिश्चितता के साथ चल सकता है, डिजिटल देखभाल को वास्तव में व्यक्तिगत और प्रभावी बनाने की दिशा में एक महत्वपूर्ण कदम है।