Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
लंगइम्पैक्ट (LungIMPACT) अध्ययन के इस स्वास्थ्य आर्थिक विश्लेषण में यह निष्कर्ष निकाला गया है कि इंग्लैंड में फेफड़ों के कैंसर के लिए चेस्ट एक्स-रे को प्राथमिकता देने हेतु एआई (AI) का उपयोग करना, केवल एआई-सहायता प्राप्त व्याख्या या वर्तमान पद्धति की तुलना में लागत प्रभावी नहीं है, क्योंकि यह निदान के समय को कम किए बिना लागत बढ़ाता 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
कल्पना कीजिए कि मानव शरीर एक हलचल भरे शहर की तरह है, और उस शहर के भीतर, एक शांत, चुपके से काम करने वाला शरारती तत्व अपनी दुकान जमाने की कोशिश कर रहा है: फेफड़ों का कैंसर। यह शरारती तत्व बहुत चालाक है क्योंकि शुरुआती दिनों में, यह बहुत शोर नहीं मचाता है। यह ध्यान खींचने के लिए चिल्लाता नहीं है; यह बस फुसफुसाता है, शायद थोड़ी सी खांसी या थोड़ी सी थकान पैदा करता है जिसे लोग अक्सर अनदेखा कर देते हैं। क्योंकि यह इतना शांत होता है, इसलिए इसे अक्सर तब पकड़ा जाता है जब यह बड़ा और मजबूत हो जाता है, जिससे इसे हराना बहुत कठिन हो जाता है।
इस शरारती तत्व को जल्दी पकड़ने के लिए, डॉक्टर एक विशेष "एक्स-रे कैमरे" का उपयोग करते हैं जिसे चेस्ट एक्स-रे (CXR) कहा जाता है। यह शहर के क्षितिज (स्काईलाइन) की एक त्वरित तस्वीर लेने जैसा है ताकि यह देखा जा सके कि क्या कोई गहरे बादल बन रहे हैं। इंग्लैंड में हर साल, जनरल प्रैक्टिशनर्स (GPs) रेडियोलॉजी विभाग को ऐसे लाखों स्नैपशॉट भेजते हैं। लेकिन समस्या यह है कि रेडियोलॉजी विभाग एक विशाल, ओवरफ्लो होने वाले मेलरूम की तरह है। हर दिन हजारों तस्वीरें आती हैं, और जो डॉक्टर उन्हें पढ़ते हैं (रेडियोलॉजिस्ट), उन्हें उन तस्वीरों को एक-एक करके छाँटना पड़ता है। यदि ढेर के बीच में कोई खतरनाक बादल छिपा हुआ है, तो डॉक्टरों द्वारा हानिरहित तस्वीरों को पहले देखने के दौरान उसे मिस किया जा सकता है या उसमें देरी हो सकती है।
हाल ही में, वैज्ञानिकों ने एक डिजिटल सहायक का आविष्कार किया है: आर्टिफिशियल इंटेलिजेंस (AI)। इस AI को एक सुपर-फास्ट रोबोट सहायक के रूप में सोचें जो हर फोटो को पलक झपकते ही स्कैन कर सकता है। इसका काम "गहरे बादलों" (संदिग्ध धब्बों) को पहचानना और चिल्लाना है, "हे! इसे पहले देखो!" इसे "प्रायोरिटाइजेशन" (प्राथमिकता देना) कहा जाता है। वह बड़ा सवाल जिसका हर कोई उत्तर जानना चाहता था, वह यह था: यदि हम इस रोबोट सहायक को चिल्लाने और तस्वीरों को लाइन के आगे लाने की अनुमति देते हैं, तो क्या यह वास्तव में स्वास्थ्य सेवा को भारी खर्च किए बिना इस शरारती तत्व को तेजी से पकड़ने में मदद करेगा? यह लंगइम्पैक्ट (LungIMPACT) अध्ययन की कहानी है, जिसने यह पता लगाने की कोशिश की कि क्या यह हाई-टेक सॉर्टिंग हैट वास्तव में अपनी कीमत के लायक था।
महान छँटाई प्रयोग (The Great Sorting Experiment)
इंग्लैंड में, इस विचार का परीक्षण करने के लिए लंगइम्पैक्ट (LungIMPACT) नामक एक विशाल प्रयोग शुरू किया गया था। शोधकर्ताओं ने लगभग 87,000 रोगियों के डेटा को एकत्र किया जिनके चेस्ट एक्स-रे उनके GP के पास जाने के बाद लिए गए थे। उन्होंने यह देखने के लिए कि क्या होता है, इन रोगियों को दो समूहों में विभाजित किया।
पहले समूह में, AI को अपना "चिल्लाने" का काम करने के लिए चालू किया गया था। इसने एक्स-रे को स्कैन किया और संदिग्ध दिखने वाले एक्स-रे को चिह्नित किया, डॉक्टरों को बताया, "इन्हें प्राथमिकता दें! इन्हें तुरंत पढ़ें!" दूसरे समूह में, AI का उपयोग छवियों को पढ़ने में सहायता के लिए भी किया गया था, लेकिन इसे चुप रहने के लिए कहा गया था। इसने चिल्लाकर या तस्वीरों को आगे नहीं बढ़ाया; डॉक्टर एक्स-रे को उनके आने के क्रम में पढ़ते थे, AI की मदद दूसरे मत (सेकंड ओपिनियन) के रूपas लेते हुए।
लक्ष्य सरल था: देखें कि क्या "चिल्लाने वाले" समूह को निदान (डायग्नोसिस) जल्दी मिला। यदि AI एक्स-रे लेने से लेकर फेफड़ों के कैंसर का पता लगाने तक के समय को कम कर सकता है, तो यह मरीजों के लिए एक बड़ी जीत होगी। लेकिन एक पेच था। शोधकर्ताओं को पैसों का हिसाब भी रखना था। उन्होंने खर्च किए गए हर पैसे को देखा: एक्स-रे, सीटी स्कैन, अतिरिक्त परीक्षणों की लागत, और यहाँ तक कि AI सॉफ्टवेयर को किराए पर लेने का शुल्क और इसे अस्पताल के कंप्यूटर सिस्टम में जोड़ने की लागत भी।
चौंकाने वाला परिणाम: रोबोट ने दिन नहीं बनाया (The Surprising Result: The Robot Didn't Save the Day)
संख्याओं का विश्लेषण करने के बाद, अध्ययन में एक ऐसा परिणाम मिला जो आपको आश्चर्यचकित कर सकता है। "चिल्लाने वाले" AI ने निदान में महत्वपूर्ण रूप से तेजी नहीं लाई।
यहाँ विवरण दिया गया कि क्या हुआ:
- समय: निदान प्राप्त करने में लगा समय दोनों समूहों में लगभग समान था। जिस समूह में AI ने तस्वीरों को प्राथमिकता देने के लिए चिल्लाया था, उसमें निदान तक का औसत समय लगभग 75 दिन था। जिस समूह में AI ने केवल बिना चिल्लाए पढ़ने में मदद की थी, उसमें यह लगभग 77 दिन था। यह मामूली अंतर यह कहने के लिए पर्याप्त नहीं था कि चिल्लाने वाले AI ने वास्तव में कोई वास्तविक अंतर पैदा किया।
- पैसा: क्योंकि AI सॉफ्टवेयर का लाइसेंस लेने के लिए पैसा लगता है और इसे अस्पताल के कंप्यूटरों में स्थापित करने के लिए भी पैसा लगता है, इसलिए "चिल्लाने वाले" समूह ने स्वास्थ्य सेवा को वास्तव में अधिक खर्च कराया। अध्ययन ने गणना की कि प्राथमिकता देने वाले फीचर का उपयोग करने से प्रति रोगी लगभग £1 का अतिरिक्त खर्च आया।
जब शोधकर्ताओं ने पूरे इंग्लैंड के लिए बड़े चित्र को देखा, तो गणित और भी स्पष्ट हो गया। यदि इंग्लैंड का प्रत्येक GP (जो सालाना लगभग 2.2 मिलियन एक्स-रे का ऑर्डर देता है) एक्स-रे को प्राथमिकता देने के लिए AI का उपयोग करता है, तो यह उस मामूली, लगभग न के बराबर समय की बचत के लिए NHS पर सालाना £2.2 मिलियन का अतिरिक्त खर्च करेगा। यदि वे इसकी तुलना पुराने तरीके (बिना AI के) से करते हैं, तो लागत सालाना £16 मिलियन से £35 मिलियन के बीच बढ़ जाएगी।
यह क्यों काम नहीं किया?
शोधकर्ता सुझाव देते हैं कि समस्या AI की नहीं थी, बल्कि वहां की थी जहाँ यह मदद करने की कोशिश कर रहा था। एक राजमार्ग की कल्पना करें जहाँ ट्रैफिक जाम है। यदि आपके पास एक हेलीकॉप्टर है जो सबसे धीमी कारों की पहचान कर सकता है और उन्हें तेज़ लेन में जाने के लिए कह सकता है, तो यह बहुत अच्छा है। लेकिन यदि पूरा राजमार्ग इसलिए जाम है क्योंकि वहां पर्याप्त लेन या यातायात प्रबंधित करने के लिए पर्याप्त पुलिस नहीं है, तो एक कार को आगे ले जाने से ट्रैफिक जाम नहीं सुलझेगा।
फेफड़ों के कैंसर के निदान के मामले में, "ट्रैफिक जाम" एक्स-रे के बाद होता है। भले ही AI डरावने एक्स-रे को लाइन में सबसे आगे ले आए, फिर भी मरीज को सीटी स्कैन के लिए इंतजार करना पड़ता है, फिर परिणामों को देखने के लिए एक विशेषज्ञ का इंतजार करना पड़ता है, फिर उपचार तय करने के लिए एक टीम की बैठक का इंतजार करना पड़ता है। अध्ययन में पाया गया कि AI उन बाधाओं (bottlenecks) को ठीक नहीं कर सका जो एक्स-रे पढ़े जाने के बाद होती हैं। सिस्टम पहले से ही इतना व्यस्त था कि एक्स-रे को लाइन में आगे करने से पूरी प्रक्रिया तेज नहीं हुई।
निष्कर्ष (The Bottom Line)
अध्ययन निष्कर्ष निकालता है कि, कम से कम अभी के लिए, चेस्ट एक्स-रे को तुरंत प्राथमिकता देने के लिए AI का उपयोग करना स्वास्थ्य सेवा के लिए धन का अच्छा उपयोग नहीं है। यह जितना बचाता है उससे अधिक खर्च करता है, और वास्तव में मरीजों का निदान तेजी से नहीं करता है।
लेखक इस बारे में बहुत स्पष्ट हैं: वे यह नहीं कह रहे हैं कि AI हमेशा के लिए बेकार है। वे कह रहे हैं कि इस विशिष्ट तरीके से इसका उपयोग करना—एक्स-रे को आगे बढ़ाने के लिए चिल्लाना—लागत को उचित ठहराने के लिए पर्याप्त नहीं है। इस विशिष्ट उपकरण पर लाखों खर्च करने के बजाय, अध्ययन सुझाव देता है कि स्वास्थ्य सेवा को प्रक्रिया के अन्य हिस्सों को ठीक करके बेहतर परिणाम मिल सकते हैं, जैसे कि अधिक स्टाफ रखना या यह सुनिश्चित करना कि एक बार मरीजों को चिह्नित किए जाने के बाद संभालने के लिए पर्याप्त सीटी स्कैनर और डॉक्टर उपलब्ध हों।
संक्षेप में, रोबोट सहायक ने "पहले मुझे देखो!" चिल्लाकर हीरो बनने की कोशिश की, लेकिन बाकी टीम सुनने के लिए बहुत व्यस्त थी। जब तक पूरी टीम एक साथ तेजी से नहीं चल सकती, तब तक केवल लाइन के आगे चिल्लाना समस्या को हल नहीं करेगा।
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।