সেপসিসের ঝুঁকিতে থাকা হাসপাতালের রোগীদের সম্পর্কে চিকিত্সকদের সিদ্ধান্ত গ্রহণে সহায়তা করার জন্য প্রস্তাবিত কৃত্রিম বুদ্ধিমত্তার সরঞ্জামটির একটি অস্বাভাবিক বৈশিষ্ট্য রয়েছে: এটির নিশ্চিততার অভাব ব্যাখ্যা করে এবং এটির ভবিষ্যদ্বাণী কার্যক্ষমতা উন্নত করার জন্য কী জনসংখ্যা, গুরুত্বপূর্ণ লক্ষণ এবং পরীক্ষাগার পরীক্ষার ফলাফল প্রয়োজন তা পরামর্শ দেয়।
সেপসিস ল্যাব নামক সিস্টেমটি ডাক্তার এবং নার্সদের প্রতিক্রিয়ার ভিত্তিতে তৈরি করা হয়েছিল যারা জরুরী এবং নিবিড় পরিচর্যা ইউনিটে রোগীদের চিকিত্সা করেন, যেখানে সেপসিস (সংক্রমণের জন্য শরীরের অপ্রতিরোধ্য প্রতিক্রিয়া) সবচেয়ে সাধারণ। তারা বিদ্যমান কৃত্রিম বুদ্ধিমত্তা-সহায়ক সরঞ্জামগুলির প্রতি অসন্তোষ প্রকাশ করে যা শুধুমাত্র ইলেকট্রনিক স্বাস্থ্য রেকর্ড ব্যবহার করে এবং রোগীর ঝুঁকি পূর্বাভাস স্কোর তৈরি করতে ক্লিনিশিয়ান ইনপুট নয়।
ওহাইও স্টেট ইউনিভার্সিটির বিজ্ঞানীদের দ্বারা পরিকল্পিত একটি সেপসিস ল্যাব চার ঘণ্টার মধ্যে রোগীর সেপসিস ঝুঁকির পূর্বাভাস দিতে পারে — কিন্তু ঘড়ির কাঁটা টিকলে, সিস্টেমটি অনুপস্থিত রোগীর তথ্য শনাক্ত করে, এর গুরুত্ব পরিমাপ করে এবং চিকিত্সকরা দৃশ্যমান চিত্রের তথ্য প্রদান করে এমন নির্দিষ্টতার স্তর প্রদান করে। চূড়ান্ত ঝুঁকি পূর্বাভাস প্রভাবিত. সর্বজনীনভাবে উপলব্ধ এবং মালিকানাধীন রোগীর ডেটার সংমিশ্রণ ব্যবহার করে পরীক্ষাগুলি দেখিয়েছে যে প্রস্তাবিত ডেটার 8% যোগ করার ফলে সিস্টেমের সেপসিস পূর্বাভাস নির্ভুলতা 11% উন্নত হয়েছে।
ওহাইও স্টেটের কম্পিউটার সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিং এবং বায়োমেডিকাল ইনফরম্যাটিক্সের সহযোগী অধ্যাপক এবং অনেক বিরক্তিকর মিথ্যা অ্যালার্ম বলেন, “বিদ্যমান মডেলটি চিকিত্সকদের কথা না শুনে আইসিইউতে প্রতিদ্বন্দ্বিতাকারী কৃত্রিম বুদ্ধিমত্তার আরও ঐতিহ্যগত দৃষ্টান্তের প্রতিনিধিত্ব করে।” জরুরী রুমে।
“ধারণাটি হল যে আমাদের ‘মানব লুপে কৃত্রিম বুদ্ধিমত্তা’ ধারণাটি গ্রহণ করে সিদ্ধান্ত গ্রহণের প্রতিটি মধ্যবর্তী ধাপে কৃত্রিম বুদ্ধিমত্তাকে জড়িত করতে হবে, আমরা এতে অংশগ্রহণের জন্য ডাক্তার নিয়োগ করছি প্রোগ্রাম আঁকুন এটি একটি মানব-কেন্দ্রিক সিস্টেম বিকাশের জন্য কম্পিউটার বিজ্ঞানী এবং চিকিত্সকদের মধ্যে একটি সত্যিকারের সহযোগিতা যা ডাক্তারদের ড্রাইভারের আসনে রাখে।
গবেষণাটি 24 আগস্ট প্রকাশিত হয়েছিল KDD ’24: জ্ঞান আবিষ্কার এবং ডেটা অনুসন্ধানের উপর 30 তম ACM SIGKDD সম্মেলনের কার্যক্রম এবং বুধবার (২৮ আগস্ট) স্পেনের বার্সেলোনায় SIGKDD 2024 সম্মেলনে মৌখিক প্রতিবেদন দেবেন।
সেপসিস একটি জীবন-হুমকিপূর্ণ চিকিৎসা জরুরী যা দ্রুত অঙ্গ ব্যর্থতার দিকে নিয়ে যেতে পারে, তবে এটি নির্ণয় করা সহজ নয় কারণ জ্বর, নিম্ন রক্তচাপ, দ্রুত হৃদস্পন্দন এবং শ্বাসকষ্টের সমস্যা সহ এর লক্ষণগুলি অন্যান্য অনেক অবস্থার মতো দেখতে পারে। এই কাজটি ঝাং এবং সহকর্মীদের দ্বারা পূর্বে বিকশিত মেশিন লার্নিং মডেলের উপর ভিত্তি করে তৈরি করা হয়েছে যা সন্দেহভাজন সেপসিস রোগীদের অ্যান্টিবায়োটিক দেওয়ার সর্বোত্তম সময় অনুমান করে।
সেপসিসল্যাবকে দ্রুত ঝুঁকির পূর্বাভাস দেওয়ার জন্য ডিজাইন করা হয়েছে, কিন্তু সিস্টেমে নতুন রোগীর ডেটা যোগ করায় প্রতি ঘণ্টায় নতুন ভবিষ্যদ্বাণী তৈরি হয়।
“যখন একজন রোগী প্রথম আসে, তখন অনেক অনুপস্থিত মান থাকে, বিশেষ করে ল্যাবরেটরি পরীক্ষার জন্য,” প্রথম লেখক ইয়িন চ্যাংচ্যাং বলেছেন, অধ্যাপক ঝাং এর মেডিকেল কৃত্রিম বুদ্ধিমত্তা ল্যাবরেটরিতে কম্পিউটার সায়েন্স এবং ইঞ্জিনিয়ারিংয়ের ডক্টরেট ছাত্র।
বেশিরভাগ AI মডেলগুলিতে, অনুপস্থিত ডেটা পয়েন্টগুলিকে একটি নির্দিষ্ট মান দ্বারা গণনা করা হয়, যাকে বলা হয় ইন্টারপোলেশন “কিন্তু ইম্প্যুটেশন মডেলগুলি অনিশ্চয়তার বিষয় হতে পারে যা ডাউনস্ট্রিম ভবিষ্যদ্বাণীমূলক মডেলগুলিতে প্রচার করতে পারে৷
“যদি অভিযোজন মডেলটি একটি অনুপস্থিত মানকে সঠিকভাবে গণনা করতে না পারে, এবং এটি একটি অত্যন্ত গুরুত্বপূর্ণ মান, তাহলে পরিবর্তনশীলটি পর্যবেক্ষণ করা উচিত। আমাদের সক্রিয় সেন্সিং অ্যালগরিদমটি এই ধরনের অনুপস্থিত মানগুলি খুঁজে বের করার জন্য ডিজাইন করা হয়েছে এবং চিকিত্সকদের বলতে হবে যে তাদের পর্যবেক্ষণ করতে হবে অতিরিক্ত কী ভেরিয়েবল-ভেরিয়েবল একটি ভবিষ্যদ্বাণীমূলক মডেলকে আরও সঠিক করে তুলতে পারে।
সময়ের সাথে সাথে সিস্টেম থেকে অনিশ্চয়তা অপসারণের জন্য সমানভাবে গুরুত্বপূর্ণ চিকিত্সকদের কার্যকরী সুপারিশ প্রদান করা। এর মধ্যে রয়েছে ডায়াগনস্টিক প্রক্রিয়ার মূল্যের উপর ভিত্তি করে র্যাঙ্কিং ল্যাবরেটরি পরীক্ষা এবং নির্দিষ্ট ক্লিনিকাল চিকিত্সার ভিত্তিতে রোগীর সেপসিসের ঝুঁকি কীভাবে পরিবর্তিত হয় তার অনুমান।
পরীক্ষাগুলি দেখায় যে ল্যাবরেটরি পরীক্ষা, অত্যাবশ্যক লক্ষণ এবং অন্যান্য উচ্চ-মূল্যের ভেরিয়েবলগুলিতে 8% নতুন ডেটা যোগ করা মডেলে প্রচারিত অনিশ্চয়তাকে 70% দ্বারা হ্রাস করে, যার ফলে সেপসিস ঝুঁকির নির্ভুলতায় 11% উন্নতি হয়।
“অ্যালগরিদম সবচেয়ে গুরুত্বপূর্ণ ভেরিয়েবল নির্বাচন করতে পারে, এবং চিকিত্সকের ক্রিয়া অনিশ্চয়তা হ্রাস করে,” বলেছেন ঝাং, যিনি ওহিও স্টেট ইউনিভার্সিটির ইনস্টিটিউট ফর ট্রান্সলেশনাল ডেটা অ্যানালিটিকসের মূল ফ্যাকাল্টি সদস্য। “এই মৌলিক গাণিতিক কাজটি গবেষণার মেরুদণ্ড, সবচেয়ে গুরুত্বপূর্ণ প্রযুক্তিগত উদ্ভাবন।”
ঝাং বিশ্বাস করেন মানব-কেন্দ্রিক কৃত্রিম বুদ্ধিমত্তা ওষুধের ভবিষ্যতের অংশ-কিন্তু শুধুমাত্র যদি AI এমনভাবে ইন্টারঅ্যাক্ট করে যা চিকিত্সকদের সিস্টেমের উপর আস্থা রাখতে দেয়।
“এটি একটি কৃত্রিম বুদ্ধিমত্তা সিস্টেম তৈরির বিষয়ে নয় যা বিশ্বকে জয় করতে পারে,” তিনি বলেছিলেন। “মেডিসিন অনুমান পরীক্ষা এবং প্রতি মুহূর্তে সিদ্ধান্ত নেওয়ার চারপাশে কেন্দ্রীভূত হয়, শুধু ‘হ্যাঁ’ বা ‘না’ নয়। আমরা একজন ব্যক্তিকে মিথস্ক্রিয়া কেন্দ্রে কল্পনা করি এবং সেই ব্যক্তিকে অতিমানব বোধ করতে সাহায্য করার জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করি।
এই গবেষণাটি ন্যাশনাল সায়েন্স ফাউন্ডেশন, ন্যাশনাল ইনস্টিটিউট অফ হেলথ এবং ওহিও প্রেসিডেন্সিয়াল এক্সিলেন্স ইন রিসার্চ অ্যাক্সিলারেটরের অনুদান দ্বারা সমর্থিত ছিল। ঝাং চিকিত্সকদের সাথে এই কাজটি চালিয়ে যাওয়ার জন্য ন্যাশনাল ইনস্টিটিউট অফ হেলথ থেকে অতিরিক্ত তহবিল পেয়েছেন।
অন্যান্য সহ-লেখকদের মধ্যে রয়েছে ওহিও স্টেট ইউনিভার্সিটি ওয়েক্সনার মেডিকেল সেন্টারের জেফরি ক্যাটেরিনো, উত্তর-পূর্ব বিশ্ববিদ্যালয়ের বিংশেং ইয়াও এবং ডাকুও ওয়াং এবং আইবিএম গবেষণার পিন-ইউ চেন।
উৎস:
জার্নাল রেফারেন্স:
ইয়িন, সি., ইত্যাদি (2024)। সেপসিসল্যাব: অনিশ্চয়তা পরিমাণ নির্ধারণ এবং সক্রিয় সংবেদনের মাধ্যমে প্রাথমিক সেপসিসের পূর্বাভাস। KDD ’24: জ্ঞান আবিষ্কার এবং ডেটা অনুসন্ধানের উপর 30 তম ACM SIGKDD সম্মেলনের কার্যক্রম. doi.org/10.1145/3637528.3671586.
