MedAgent-RAG: an agentic retrieval-augmented system for adaptive clinical history-taking, with a network analysis of medical interviews

एक चिकित्सा परामर्श के शांत और उच्च-दांव वाले वातावरण में, सबसे पहला और महत्वपूर्ण कार्य अक्सर निदान स्वयं नहीं होता, बल्कि कहानी को इकट्ठा करना होता है। एक डॉक्टर को रोगी की शिकायत सुननी चाहिए, और फिर छिपे हुए विवरणों को उजागर करने के लिए प्रश्नों का एक विशिष्ट क्रम पूछना चाहिए जो एक बीमारी को दूसरी से अलग करते हैं। यह प्रक्रिया, जिसे क्लिनिकल हिस्ट्री (नैदानिक इतिहास) लेना कहा जाता है, एक मुक्त-प्रवाह वाली बातचीत के बजाय एक संरचित जांच है। इसके लिए चिकित्सक को दर्जनों बदलते पहलुओं पर नज़र रखने की आवश्यकता होती है: लक्षण का समय, उसकी गंभीरता, रोगी का पिछला मेडिकल रिकॉर्ड और उनकी दैनिक आदतें। यदि डॉक्टर एक भी विवरण चूक जाता है, जैसे कि रोगी की हालिया यात्रा या दर्द का एक विशिष्ट प्रकार, तो पूरा निदान गलत हो सकता है। दशकों से, शोधकर्ताओं ने कंप्यूटर को यह काम सिखाने की कोशिश की है, इस उम्मीद में कि वे एक ऐसा आर्टिफिशियल इंटेलिजेंस बना सकें जो टेलीमेडिसिन में एक अथक सहायक के रूप में कार्य कर सके। हालाँकि, शुरुआती प्रयास अक्सर लड़खड़ा गए, या तो एक ही प्रश्न बार-बार पूछते रहे या विषय से भटक गए क्योंकि उन्होंने बातचीत को एक सरल भाषा के खेल के रूप में माना, न कि एक तार्किक जांच के रूप में।

एक नया अध्ययन इस समस्या को हल करने के लिए डिज़ाइन किए गए एक सिस्टम पेश करता है जो चिकित्सा साक्षात्कार को एक स्क्रिप्ट के बजाय एक गतिशील मानचित्र (डायनामिक मैप) के रूप में देखता है। शोधकर्ताओं ने एक आर्टिफिशियल इंटेलिजेंस एजेंट बनाया है जो इस बात का स्पष्ट, आंतरिक रिकॉर्ड बनाए रखता है कि वह हर क्षण क्या जानता है, और अपने ज्ञान की उस विशिष्ट स्थिति के आधार पर अपना अगला प्रश्न तय करता है। यह समझने के लिए कि यह सिस्टम कितनी अच्छी तरह काम करता है, और यह वास्तविक मानव डॉक्टरों की तुलना में कैसा है, टीम ने सैकड़ों रिकॉर्ड किए गए चिकित्सा साक्षात्कारों का विश्लेषण किया। उन्होंने लक्षणों और बीमारियों के बीच के संबंधों को मैप किया, और उन्होंने उन रास्तों को भी रेखांकित किया जिनसे होकर डॉक्टर एक विषय से दूसरे विषय पर जाते हैं। परिणाम यह है कि यह सिस्टम बेहतर प्रश्न पूछता है और पिछले तरीकों की तुलना में अधिक सटीक सारांश तैयार करता है, लेकिन अध्ययन एक आश्चर्यजनक सत्य भी प्रकट करता है: सबसे सामान्य लक्षण अक्सर निदान को सीमित करने में सबसे कम सहायक होते हैं, और जिस तरह से डॉक्टर अपने प्रश्नों को व्यवस्थित करते हैं, वह एक अनुमानित, दो-चरणीय लय का अनुसरण करता है जिसे अब मशीनें नकल करना सीख सकती हैं।

इस शोध के केंद्र में स्थित सिस्टम, जिसे MedAgent-RAG कहा जाता है, एक कुशल जासूस की तरह काम करता है जो कभी कोई सुराग नहीं भूलता। केवल रोगी द्वारा कही गई अगली बात के आधार पर अगला वाक्य उत्पन्न करने के बजाय, यह सिस्टम एक विस्तृत मानसिक स्थिति (मेंटल स्टेट) बनाए रखता है। यह रोगी द्वारा पुष्ट किए गए प्रत्येक लक्षण, प्रत्येक संभावित निदान, पहले पूछे गए प्रत्येक प्रश्न और किसी भी तत्काल चेतावनी संकेतों का ट्रैक रखता है। एक भी प्रश्न पूछने से पहले, यह निर्णय लेने के लिए कि कौन सी जानकारी गायब है और कौन सा प्रश्न सबसे अधिक मूल्य प्रदान करेगा, इस आंतरिक स्थिति की जांच करता है। यदि सिस्टम को कोई 'रेड फ्लैग' (चेतावनी संकेत) मिलता है, जैसे कि रोगी खून की उल्टी कर रहा है, तो यह तुरंत अपनी रणनीति बदलकर उस तत्काल खोज को प्राथमिकता देने के लिए बदल जाता है। एक बार साक्षात्कार पूरा हो जाने के बाद, सिस्टम केवल उत्तर का अनुमान नहीं लगाता; यह विशिष्ट चिकित्सा दिशानिर्देशों को प्राप्त करता है और उन्हें एकत्र किए गए साक्ष्यों के साथ जोड़कर एक अंतिम मूल्यांकन प्रस्तुत करता है। यह दृष्टिकोण सिस्टम को रोगी के उत्तरों के अनुसार वास्तविक समय में अनुकूलित होने की अनुमति देता है, जिससे वे दोहराव वाले चक्रों से बचा जा जाता है जो सरल चैटबॉट्स को फंसा लेते हैं।

यह परीक्षण करने के लिए कि क्या यह दृष्टिकोण वास्तव में प्रभावी था, शोधकर्ताओं ने अपने सिस्टम को एक मानक आर्टिफिशियल इंटेलिजेंस मॉडल के विरुद्ध खड़ा किया, जिसने बिना कोई फॉलो-अप प्रश्न पूछे, बातचीत के एक एकल सारांश के आधार पर रोगी का निदान करने का प्रयास किया। परिणाम स्पष्ट थे। नए सिस्टम ने, जिसने संवाद के माध्यम से बातचीत की, काफी अधिक सटीक और बेहतर संरचित मूल्यांकन प्रस्तुत किए। इस मामले में कि कंप्यूटर का अंतिम सारांश मानव डॉक्टर के निष्कर्ष से कितना मेल खाता है, नए सिस्टम ने अपने स्कोर को 0.68 से बढ़ाकर 0.84 कर दिया। हालाँकि, यह सुधार एक समझौते के साथ आया: इंटरैक्टिव सिस्टम को एक साक्षात्कार पूरा करने में औसतन 15.8 टर्न लगे, जबकि सिंगल-शॉट मॉडल ने केवल एक टर्न में उत्तर दिया। अतिरिक्त समय विश्वसनीय निर्णय लेने के लिए सटीक साक्ष्य एकत्र करने में खर्च किया गया था, जो यह सुझाव देता है कि चिकित्सा में, एक लंबी बातचीत अक्सर अधिक सुरक्षित परिणाम देती है।

शोधकर्ताओं ने केवल सिस्टम बनाने तक ही खुद को सीमित नहीं रखा; उन्होंने वास्तविक डॉक्टरों के सोचने के अंतर्निहित ढांचे को समझने के लिए 231 वास्तविक चिकित्सा साक्षात्कारों के डेटा का उपयोग किया। उन्होंने साक्षात्कारों को एक नेटवर्क के रूप में माना, जिसमें लक्षणों और उन बीमारियों के बीच रेखाएं खींची गईं जिन्हें वे दर्शा सकते हैं। उन्होंने पाया कि चिकित्सा ज्ञान एक एकल, सुव्यवस्थित पदानुक्रम (हायरार्की) नहीं है जहाँ आप सामान्य से विशिष्ट की ओर बढ़ते हैं। इसके बजाय, ज्ञान अलग-अलग विभागों या मॉड्यूल में विभाजित है। लक्षणों और बीमारियों का एक समूह गले की समस्याओं से संबंधित है, दूसरा पुरानी फेफड़ों की समस्याओं से, और एक अन्य वायरल संक्रमणों से। ये विभाग अलग-अलग हैं, जिसका अर्थ है कि गले में खराश वाले रोगी की दुनिया, छाती में दर्द वाले रोगी की दुनिया से भिन्न है। अध्ययन ने दिखाया कि सबसे आम लक्षण, जैसे कि खांसी या सांस फूलना, इन विभिन्न दुनियाओं के बीच सेतु का काम करते हैं। चूंकि वे कई प्रकार के मामलों में दिखाई देते हैं, इसलिए वे निदान को सीमित करने में बहुत अधिक मदद नहीं करते हैं। इसके विपरीत, दुर्लभ निष्कर्ष, जैसे कि खून की उल्टी या बिना कारण वजन घटना, बहुत अधिक जानकारी रखते हैं और सही बीमारी का पता लगाने के लिए बहुत अधिक उपयोगी होते हैं।

इस खोज ने एक सामान्य धारणा को चुनौती दी जो चिकित्सा प्रशिक्षण में प्रचलित है: कि एक डॉक्टर को अन्य विषयों पर जाने से पहले हमेशा मुख्य शिकायत का पूरी तरह से वर्णन करना चाहिए। नेटवर्क विश्लेषण ने दिखाया कि एक सामान्य लक्षण जैसे कि खांसी का लक्षण बताने में समय बिताना अक्सर इस बारे में बहुत कम नई जानकारी देता है कि वास्तव में रोगी को क्या है। शोधकर्ताओं ने पाया कि सबसे भेदभावपूर्ण (डिस्क्रिमिनेटिंग) प्रश्न अक्सर साक्षात्कार के अंत में आते हैं, जब डॉक्टर सामाजिक इतिहास, पारिवारिक पृष्ठभूमि, या विशिष्ट जोखिमों की जांच कर रहा होता है। इसके अलावा, अध्ययन से पता चला कि डॉक्टर स्वाभाविक रूप से अपने प्रश्नों को दो अलग-अलग चरणों में विभाजित करते हैं। पहला चरण तात्कालिक बीमारी और पिछले चिकित्सा इतिहास पर केंद्रित है, जबकि दूसरा चरण सामाजिक आदतों, पारिवारिक इतिहास और पर्यावरणीय जोखिमों को कवर करता है। इन विषयों के बीच प्रश्नों का प्रवाह एक सरल, अनुमानित पैटर्न का पालन करता है जिसे एक बुनियादी गणितीय मॉडल द्वारा वर्णित किया जा सकता है, जिसका अर्थ है कि एक बार जब डॉक्टर को वर्तमान विषय का पता चल जाता है, तो वे अगले विषय की उच्च सटीकता के साथ भविष्यवाणी कर सकते हैं।

चिकित्सा आर्टिफिशियल इंटेलिजेंस के डिजाइन के लिए इन निष्कर्षों के निहितार्थ प्रत्यक्ष और व्यावहारिक हैं। शोधकर्ताओं ने अपने सिस्टम के आंतरिक नियमों की तुलना वास्तविक साक्षात्कारों में पाए गए पैटर्न से की। उन्होंने पाया कि सिस्टम का यह निर्णय लेने का तरीका कि साक्षात्कार कब "पूर्ण" है, इस बात के लिए अच्छी तरह से कैलिब्रेटेड था कि डॉक्टर वास्तव में अपना समय कैसे बिताते हैं। हालाँकि, जिस क्रम में सिस्टम ने प्रश्न पूछे, वह ऐसा नहीं था। सिस्टम को लक्षणों के बारे में पहले और सामाजिक इतिहास के बारे में अंत में पूछने के लिए प्रोग्राम किया गया था, जो कि अध्ययन में मौजूद डॉक्टरों के व्यवहार के ठीक विपरीत था। डेटा में मौजूद डॉक्टरों ने बुनियादी जानकारी से शुरुआत की और बहुत पहले ही सामाजिक इतिहास की ओर बढ़ गए। सिस्टम को वास्तविक मानव साक्षात्कारों में देखे गए प्राकृतिक क्रम के अनुसार समायोजित करके, शोधकर्ता कृत्रिम एजेंट को वास्तविक डॉक्टर की तरह व्यवहार करने योग्य बना सकते थे, बिना इसकी मूल तकनीक को बदले।

अध्ययन यह निष्कर्ष निकालता है कि चिकित्सा आर्टिफिशियल इंटेलिजेंस का भविष्य स्वयं बातचीत की संरचना को समझने में निहित है। लक्षणों और बीमारियों के बीच के संबंधों को मैप करके, और डॉक्टर किस तरह से एक विषय से दूसरे विषय पर जाते हैं, उसकी लय को देखकर, शोधकर्ता ऐसे सिस्टम बना सकते हैं जो सही समय पर सही प्रश्न पूछें। पेपर में वर्णित सिस्टम यह सिद्ध करता है कि एक ऐसा एजेंट जो ज्ञान की एक स्पष्ट स्थिति बनाए रखता है और उस स्थिति के आधार पर अपने प्रश्नों को अनुकूलित करता है, वह केवल भाषाई प्रवाह पर निर्भर मॉडलों से बेहतर प्रदर्शन कर सकता है। हालांकि इस सिस्टम को आदर्श परिदृश्य में एक मानव की तुलना में निष्कर्ष तक पहुँचने में अधिक समय लगता है, लेकिन अतिरिक्त समय उस विशिष्ट, उच्च-मूल्य वाली जानकारी को एकत्र करने में खर्च किया जाता है जो एक सही निदान की ओर ले जाती है। शोध सुझाव देता है कि अगली पीढ़ी के चिकित्सा सहायक न केवल बेहतर ढंग से बात करने में, बल्कि बेहतर ढंग से सोचने में भी सक्षम होंगे, जो बातचीत के हर कदम को निर्देशित करने के लिए चिकित्सा ज्ञान के छिपे हुए मानचित्र का उपयोग करेंगे।