নতুন এআই টুল ক্লিনিকাল ট্রায়ালের দক্ষতা এবং খরচে বৈপ্লবিক পরিবর্তন আনতে পারে

ম্যাসাচুসেটস জেনারেল হসপিটাল-ব্রিগ্যামের গবেষকদের একটি নতুন গবেষণা অনুসারে, জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা (জেন এআই) রোগীদের ক্লিনিকাল ট্রায়ালের যোগ্যতার জন্য দ্রুত এবং সঠিকভাবে স্ক্রীন করতে পারে। এই প্রযুক্তি নতুন চিকিৎসার মূল্যায়নকে ত্বরান্বিত করতে পারে এবং খরচ কমাতে পারে, শেষ পর্যন্ত রোগীদের সফল চিকিৎসা পেতে সাহায্য করে।

গবেষকরা RAG-সমর্থিত ক্লিনিকাল ট্রায়াল ইনক্লুশন অ্যান্ড এক্সক্লুশন রিভিউ ইনফ্রাস্ট্রাকচার (RECTIFIER) নামে একটি জেনারেল এআই প্রক্রিয়ার নির্ভুলতা এবং খরচ মূল্যায়ন করেছেন, যা তাদের মেডিকেল রেকর্ডের ভিত্তিতে হার্ট ফেইলিওর ট্রায়াল অন্তর্ভুক্তির মানদণ্ড পূরণ করে এমন রোগীদের সনাক্ত করে। রোগীর নোটগুলির পর্যালোচনার প্রয়োজনের মানদণ্ডের জন্য, তারা দেখেছে যে RECTIFIER রোগ-প্রশিক্ষিত গবেষণা সমন্বয়কারীদের তুলনায় রোগীদের আরও সঠিকভাবে স্ক্রীন করেছে যারা সাধারণত স্ক্রীনিং পরিচালনা করে — এবং বর্তমান খরচের একটি ভগ্নাংশে।ফলাফল প্রকাশিত হয় মেডিসিন নিউ ইংল্যান্ড জার্নাল.

আমরা দেখতে পাই যে বৃহৎ ভাষার মডেলগুলির ক্লিনিকাল ট্রায়াল স্ক্রীনিংকে মৌলিকভাবে উন্নত করার সম্ভাবনা রয়েছে। এখন, কার্যকারিতা, নিরাপত্তা এবং ন্যায্যতা উন্নত করার সময় বাস্তব-বিশ্বের ট্রায়াল ওয়ার্কফ্লোতে এই ক্ষমতাকে কীভাবে একীভূত করা যায় তা নির্ধারণে কঠোর পরিশ্রম শুরু হয়। “

স্যামুয়েল (স্যান্ডি) অ্যারনসন, ALM, MA, ম্যাসাচুসেটস জেনারেল হাসপাতালের ব্রিগহাম সেন্টার ফর পার্সোনালাইজড মেডিসিন-এ আইটি এবং এআই সলিউশনের সহ-সিনিয়র লেখক এবং নির্বাহী পরিচালক অধ্যয়ন করছেন

স্যামুয়েল (স্যান্ডি) অ্যারনসন ক্লিনিক্যাল ট্রান্সফরমেশন অ্যাক্সিলারেটরের আইটি এবং এআই সলিউশনের সিনিয়র ডিরেক্টর।

ক্লিনিকাল ট্রায়ালগুলি এমন লোকদের নিয়োগ করে যারা নির্দিষ্ট মানদণ্ড পূরণ করে, যেমন বয়স, রোগ নির্ণয়, প্রধান স্বাস্থ্য সূচক এবং বর্তমান বা অতীতের ওষুধ। এই মানগুলি গবেষকদের নিশ্চিত করতে সাহায্য করে যে তারা যে অংশগ্রহণকারীদের নিয়োগ করে তারা চিকিৎসা থেকে উপকৃত হবে বলে আশা করা জনসংখ্যার প্রতিনিধি। অন্তর্ভুক্তির মানদণ্ড গবেষকদের এমন রোগীদের অন্তর্ভুক্ত এড়াতে সহায়তা করে যাদের সম্পর্কহীন স্বাস্থ্য সমস্যা রয়েছে বা ওষুধ সেবন করছেন যা ফলাফলে হস্তক্ষেপ করতে পারে।

ম্যাসাচুসেটস জেনারেল হাসপাতালের ব্রিঘাম ক্লিনিকাল ইনফরমেটিক্স ফেলো এবং ব্রিঘাম অ্যান্ড উইমেনস-এর কার্ডিওভাসকুলার মেডিসিন ফেলো সহ-প্রধান লেখক ওজান উনলু, এমডি বলেছেন, “স্ক্রিনিং অংশগ্রহণকারীদের ক্লিনিকাল ট্রায়ালের সবচেয়ে সময়সাপেক্ষ, শ্রমসাধ্য এবং ত্রুটি-প্রবণ দিক।” হাসপাতালের কাজগুলোর মধ্যে একটি।

গবেষণা দল, ম্যাসাচুসেটস জেনারেল হাসপাতালের ব্রিগহাম ক্লিনিকাল ট্রান্সফরমেশন এক্সিলারেটরের অংশ, হার্ট ফেইলিওর (COPILOT-HF) ট্রায়ালের সর্বোত্তম চিকিত্সা বাস্তবায়নের জন্য সহযোগিতামূলক উদ্যোগের জন্য যোগ্য রোগীদের সনাক্ত করতে একটি কৃত্রিম বুদ্ধিমত্তা প্রক্রিয়ার ক্ষমতা পরীক্ষা করেছে, যা নিয়োগ করছে। হার্ট ফেইলিওর রোগীদের লক্ষণযুক্ত রোগী এবং ইলেকট্রনিক হেলথ রেকর্ড (EHR) ডেটার উপর ভিত্তি করে সম্ভাব্য অংশগ্রহণকারীদের সনাক্ত করুন। গবেষকরা ক্লিনিকাল ট্রায়াল যোগ্যতা মূল্যায়ন করার জন্য 13টি প্রম্পট ডিজাইন করেছেন। তারা রোগীদের একটি ছোট গোষ্ঠীর মেডিকেল রেকর্ড ব্যবহার করে এই প্রম্পটগুলি পরীক্ষা করে এবং অভিযোজিত করে, তারপরে 1,894 রোগীর ডেটা সেটে প্রয়োগ করে, প্রতি রোগীর গড় 120 রেকর্ড। তারপরে তারা এই প্রক্রিয়াটির স্ক্রীনিং কর্মক্ষমতাকে গবেষকদের সাথে তুলনা করে।

এআই প্রক্রিয়াটি 97.9% থেকে 100% নির্ভুল, বিশেষজ্ঞ চিকিত্সকদের “গোল্ড স্ট্যান্ডার্ড” মূল্যায়নের ভিত্তিতে রোগীরা পরীক্ষার মানদণ্ড পূরণ করে কিনা। তুলনামূলকভাবে, গবেষকরা 91.7% থেকে 100% পর্যন্ত নির্ভুলতার সাথে AI এর তুলনায় সামান্য কম নির্ভুলতার সাথে একই মেডিকেল রেকর্ডগুলিকে মূল্যায়ন করেছেন।

গবেষকরা অনুমান করেন যে AI মডেলের প্রতি রোগীর স্ক্রীন করতে প্রায় $0.11 খরচ হবে। লেখকরা ব্যাখ্যা করেছেন যে এটি প্রথাগত স্ক্রীনিং পদ্ধতির চেয়ে কম দামের অর্ডার।

সহ-সিনিয়র লেখক আলেকজান্ডার ব্লাড, এমডি, ব্রিগহাম অ্যান্ড উইমেন হাসপাতালের একজন কার্ডিওলজিস্ট এবং ক্লিনিক্যাল ট্রান্সলেশনাল অ্যাক্সিলারেটরের সহযোগী পরিচালক উল্লেখ করেছেন যে ক্লিনিকাল ট্রায়ালগুলিতে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা চিকিত্সা কার্যকর কিনা তা নির্ধারণ করতে সময়কে দ্রুত করতে পারে। “যদি আমরা ক্লিনিকাল ট্রায়ালগুলিকে ত্বরান্বিত করতে পারি এবং নিরাপত্তার ত্যাগ না করে তাদের সস্তা এবং ন্যায্য করে তুলতে পারি, তাহলে আমরা রোগীদের হাতে দ্রুত ওষুধ পেতে পারি এবং নিশ্চিত করতে পারি যে তারা ব্যাপকভাবে মানুষকে সাহায্য করে,” বুলার্ড বলেন।

গবেষকরা উল্লেখ করেছেন যে যখন কৃত্রিম বুদ্ধিমত্তা প্রতিদিনের কর্মপ্রবাহে একত্রিত হয়, তখন এমন ঝুঁকি থাকতে পারে যা পর্যবেক্ষণ করা প্রয়োজন। এটি মেডিকেল রেকর্ডে পক্ষপাতিত্ব এবং মিস সূক্ষ্মতা প্রবর্তন করতে পারে। উপরন্তু, স্বাস্থ্যসেবা ব্যবস্থায় ডেটা সংগ্রহের পদ্ধতিতে পরিবর্তনগুলি এআই কার্যক্ষমতাকে উল্লেখযোগ্যভাবে প্রভাবিত করতে পারে।

এই কারণে, লেখকরা উপসংহারে পৌঁছেছেন, রোগীদের স্ক্রীন করার জন্য এআই ব্যবহার করে যে কোনও গবেষণা পরীক্ষা করা দরকার। বেশিরভাগ ট্রায়ালে ক্লিনিশিয়ানদের ডবল-চেকিং অংশগ্রহণকারীদের থাকে যারা গবেষকরা ট্রায়ালের জন্য যোগ্য বলে মনে করেন এবং গবেষকরা চূড়ান্ত চেকের জন্য এআই স্ক্রীনিং চালিয়ে যাওয়ার পরামর্শ দেন।

“আমাদের লক্ষ্য হল প্রদর্শন করা যে এই পদ্ধতিটি অন্যান্য রোগের ক্ষেত্রে কাজ করে এবং ক্ষেত্রে ব্যবহার করে, পাশাপাশি ম্যাসাচুসেটসের ব্রিঘাম জেনারেল হাসপাতালের বাইরেও প্রসারিত হয়,” ব্র্যাড যোগ করেছেন।