রোগীর পরিদর্শনের সময় নোট নেওয়ার জন্য বৃহৎ ভাষার মডেল এবং রোগ শনাক্ত করার জন্য অ্যালগরিদম সহ, কৃত্রিম বুদ্ধিমত্তা ইতিমধ্যেই একজন ডাক্তারের সহকারী হিসাবে তার মূল্য প্রমাণ করতে শুরু করেছে। কিন্তু স্ট্যানফোর্ড ইউনিভার্সিটি স্কুল অফ মেডিসিনের একটি নতুন গবেষণায় কৃত্রিম বুদ্ধিমত্তার সম্ভাব্যতা দেখায় একটি সুবিধাদাতা হিসেবে – ডাক্তার এবং নার্সদের আরও দক্ষ, কার্যকর রোগীর যত্নের জন্য সংযোগ করতে সাহায্য করে।
এই অধ্যয়ন,প্রকাশিত আমেরিকান মেডিকেল অ্যাসোসিয়েশন ইন্টারনাল মেডিসিনের জার্নালস্ট্যানফোর্ড হাসপাতাল দ্বারা ব্যবহৃত একটি কৃত্রিম বুদ্ধিমত্তা-ভিত্তিক মডেল বর্ণনা করে যা ভবিষ্যদ্বাণী করতে কখন রোগীর অবস্থা খারাপ হবে এবং রোগীর ডাক্তার ও নার্সদের পতাকা লাগিয়ে দেবে।
রন লি, এমডি, মেডিসিনের ক্লিনিক্যাল অ্যাসোসিয়েট প্রফেসর এবং মেডিকেল ইনফরমেটিক্সের পরিচালক ডিজিটাল স্বাস্থ্য অধ্যয়নের সিনিয়র লেখক বলেছেন যে সতর্কতা ব্যবস্থা চিকিত্সকদের আরও দক্ষতার সাথে এবং কার্যকরভাবে সংযোগ করতে এবং রোগীদের অবনতি এবং নিবিড় পরিচর্যা ইউনিটে প্রবেশ করা থেকে প্রতিরোধ করতে হস্তক্ষেপ করতে সহায়তা করতে পারে।
লি মূল্যায়নে তথ্যবিদ্যায় পোস্টডক্টরাল পণ্ডিত, প্রধান লেখক রবার্ট গ্যালো, এমডি, অ্যালগরিদম ব্যবহার করার জন্য তাদের দলের দৃষ্টিভঙ্গি এবং এটি একটি ক্রমাগত ব্যস্ত হাসপাতালের পরিবেশে কীভাবে ক্লিনিশিয়ান সংযোগকে সহজতর করতে পারে তা নিয়ে আলোচনা করার জন্য সহযোগিতা করেছেন। লিসা শিহ, এমডি, পিএইচডি, মেডিসিনের ক্লিনিকাল প্রফেসর মার্গারেট স্মিথ, প্রাথমিক যত্ন এবং; জনসংখ্যার স্বাস্থ্য; জেরি ওয়েস্টফাল, নার্সিং ইনফরমেটিক্সের ম্যানেজার, এআই সিস্টেমের গবেষণা ও বাস্তবায়নে নেতৃত্ব দিয়েছেন।
একটি অবনতি মডেল কি এবং কৃত্রিম বুদ্ধিমত্তা এটির সাথে কীভাবে ফিট করে?
অ্যালগরিদম হল a ভবিষ্যদ্বাণীমূলক মডেল ডেটা এক্সট্র্যাক্ট করুন, যেমন গুরুত্বপূর্ণ লক্ষণতথ্য থেকে আসে ইলেকট্রনিক স্বাস্থ্য রেকর্ড এবং ল্যাবের ফলাফল – হাসপাতালের রোগীর স্বাস্থ্যের অবনতি ঘটতে চলেছে কিনা তা কাছাকাছি বাস্তব সময়ে ভবিষ্যদ্বাণী করা।
ডাক্তাররা প্রতিটি রোগীর জন্য এই সমস্ত ডেটা পয়েন্টগুলি সর্বদা নিরীক্ষণ করতে পারে না, তাই মডেলটি পটভূমিতে চলে, প্রায় প্রতি 15 মিনিটে এই মানগুলি দেখে।তারপর এটি ব্যবহার করে এআই রোগীর খারাপ হওয়ার সম্ভাবনার জন্য একটি ঝুঁকির স্কোর গণনা করা হয় এবং রোগীর অবস্থা খারাপ হওয়ার সম্ভাবনা থাকলে মডেলটি কেয়ার টিমকে একটি সতর্কতা পাঠায়।
একটি হাসপাতালে এই মডেল চালানোর সুবিধা কি?
আমি যে বড় প্রশ্নের উত্তর দিতে চাই তা হল, “উচ্চ-ঝুঁকিপূর্ণ পরিস্থিতিতে আরও স্থিতিস্থাপক স্বাস্থ্য ব্যবস্থা তৈরি করতে আমরা কীভাবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে পারি?” এটি করার অনেক উপায় আছে, কিন্তু একটি স্থিতিস্থাপক সিস্টেমের মূল বৈশিষ্ট্য হল শক্তিশালী যোগাযোগ চ্যানেল৷ . এই মডেলটি কৃত্রিম বুদ্ধিমত্তা দ্বারা চালিত, কিন্তু কর্ম, হস্তক্ষেপ, এটি মূলত একটি কথোপকথন যা অন্যথায় ঘটত না।
শিফট পরিবর্তনের সময় নার্স এবং চিকিত্সকদের কথোপকথন এবং হ্যান্ডঅফ হয়, কিন্তু ব্যস্ত সময়সূচী এবং হাসপাতালের অন্যান্য গতিশীলতার কারণে এই যোগাযোগের চ্যানেলগুলিকে মানসম্মত করা কঠিন হয়ে পড়ে।
অ্যালগরিদম প্রমিতকরণে সাহায্য করতে পারে এবং অতিরিক্ত যত্নের প্রয়োজন হতে পারে এমন রোগীদের প্রতি চিকিত্সকদের দৃষ্টি আকর্ষণ করতে পারে।একবার নার্স সতর্কতা গ্রহণ এবং ডাক্তার একই সময়ে, এটি একটি কথোপকথন শুরু করে যে রোগীদের নিশ্চিত করার জন্য কী প্রয়োজন যে তারা এমন বিন্দুতে প্রত্যাখ্যান করবেন না যেখানে তাদের একটি নিবিড় পরিচর্যা ইউনিটে স্থানান্তরিত করতে হবে।
আমাকে বলুন কিভাবে আপনার দল মডেলটি বাস্তবায়ন এবং মূল্যায়ন করেছে
আমরা এই মডেলটিকে আমাদের ওয়ার্কফ্লোতে একীভূত করেছি যা আমরা তৈরি করিনি, কিন্তু কিছু সমন্বয় করেছি। প্রাথমিকভাবে, রোগীর অবস্থা খারাপ হলে এটি একটি সতর্কতা শোনাবে, কিন্তু আমরা দেখেছি এটি খুব সহায়ক ছিল না। আমরা আইসিইউ স্থানান্তর এবং পতনশীল স্বাস্থ্যের অন্যান্য সূচকগুলির পূর্বাভাস দেওয়ার জন্য মডেলটিকে সামঞ্জস্য করেছি।
আমরা নিশ্চিত করতে চাই যে পরিচর্যা দল নিয়োজিত আছে এবং রোগীর যত্নে সামঞ্জস্য করার বিষয়ে চিকিত্সকদের সাথে কথোপকথনের জন্য ক্ষমতাবান বোধ করে।
যখন আমরা প্রায় 10,000 রোগীর উপর চলমান এই সরঞ্জামটির মূল্যায়ন করেছি, তখন আমরা ক্লিনিকাল ফলাফলগুলিতে উল্লেখযোগ্য উন্নতি দেখেছি – একটি 10.4% ক্রমবর্ধমান ঘটনা হ্রাস, যাকে আমরা ICU, দ্রুত প্রতিক্রিয়া দলের ইভেন্ট বা কোডগুলিতে স্থানান্তর হিসাবে সংজ্ঞায়িত করি। 963 রোগীর “অবিচ্ছিন্ন রিগ্রেশন উইন্ডো” এর মধ্যে ঝুঁকিপূর্ণ স্কোর ছিল, যার মানে মূলত তারা উচ্চ ঝুঁকিতে থাকার দ্বারপ্রান্তে ছিল। এই রোগীদের ক্লিনিকাল ট্র্যাজেক্টোরি স্বাস্থ্যসেবা দলের কাছে সহজে স্পষ্ট নাও হতে পারে।
রোগীদের এই গ্রুপের জন্য, মডেলটি ডাক্তার এবং নার্সদেরকে কোন রোগীদের অতিরিক্ত যত্নের প্রয়োজন তা সনাক্ত করতে সহযোগিতা করতে উৎসাহিত করতে বিশেষভাবে সহায়ক।
নার্স এবং চিকিত্সকরা এই নতুন মডেলের সংহতকরণে কীভাবে প্রতিক্রিয়া জানিয়েছেন?
মডেল নিখুঁত থেকে অনেক দূরে. সামগ্রিক প্রতিক্রিয়া ইতিবাচক হয়েছে, তবে সতর্কতা অবসাদ নিয়ে উদ্বেগ রয়েছে, কারণ সমস্ত সতর্কতা সত্য পতনকে চিহ্নিত করে না। যখন মডেলটি বাস্তবায়নের আগে রোগীর ডেটার বিরুদ্ধে যাচাই করা হয়েছিল, তখন আমরা গণনা করেছি যে মডেল দ্বারা পতাকাঙ্কিত প্রায় 20% রোগী শেষ পর্যন্ত 6 থেকে 18 ঘন্টার মধ্যে একটি ক্রমবর্ধমান ঘটনা অনুভব করেছেন।
এই মুহুর্তে, যদিও এটি সম্পূর্ণরূপে সঠিক মডেল নয়, এটি একটি কথোপকথনের জন্য যথেষ্ট সঠিক। এটি দেখায় যে অ্যালগরিদম কার্যকর হওয়ার জন্য নিখুঁত হতে হবে না।
এটা বলার পরে, আমরা সঠিকতা উন্নত করতে চাই; এটাই আমরা এখন করছি।
অধিক তথ্য:
রবার্ট জে. গ্যালো এট আল., ক্লিনিকাল এক্সাসারবেশন সনাক্তকরণে কৃত্রিম বুদ্ধিমত্তার হস্তক্ষেপের কার্যকারিতা, আমেরিকান মেডিকেল অ্যাসোসিয়েশন ইন্টারনাল মেডিসিনের জার্নাল (2024)। DOI: 10.1001/jamainternmed.2024.0084
দ্বারা প্রদান করা হয়
স্ট্যানফোর্ড ইউনিভার্সিটি মেডিকেল সেন্টার
উদ্ধৃতি: কিভাবে কৃত্রিম বুদ্ধিমত্তা রোগীর যত্নে অগ্রসর হতে ডাক্তার এবং নার্সের সহযোগিতাকে উন্নত করতে পারে (2024, এপ্রিল 16), 16 এপ্রিল, 2024 এ সংগৃহীত, https://medicalxpress.com/news/2024-04-ai-physician- nurse-collaboration- থেকে boost.html
এই নথিটি কপিরাইট দ্বারা সুরক্ষিত। ব্যক্তিগত অধ্যয়ন বা গবেষণার উদ্দেশ্যে ন্যায্য লেনদেনের স্বার্থ ছাড়া লিখিত অনুমতি ছাড়া কোনো অংশ পুনরুত্পাদন করা যাবে না। বিষয়বস্তু শুধুমাত্র রেফারেন্স জন্য.