জরুরী বিভাগে চ্যাটজিপিটির ডায়াগনস্টিক কর্মক্ষমতা মূল্যায়ন করা হয়েছে
কৃত্রিম বুদ্ধিমত্তা (এআই) আরও ভাল রোগ নির্ণয় এবং সিদ্ধান্তের জন্য স্বাস্থ্যসেবাতে ক্রমবর্ধমানভাবে ব্যবহৃত হচ্ছে। ওয়েস্ট ভার্জিনিয়া ইউনিভার্সিটি (ডব্লিউভিইউ) এর একটি নতুন সমীক্ষায় পরীক্ষা করা হয়েছে যে চ্যাটজিপিটি জরুরি কক্ষে কেমন পারফর্ম করে। গ্যাংকিং "মাইকেল" হু-এর নেতৃত্বে ডব্লিউভিইউ বিজ্ঞানীরা, ডাক্তারদের নোট ব্যবহার করে রোগীদের রোগ নির্ণয় করার জন্য চ্যাটজিপিটির ক্ষমতা মূল্যায়ন করেছেন। সায়েন্টিফিক রিপোর্টস-এ প্রকাশিত সমীক্ষাটি জরুরি ডায়াগনস্টিক্সে এআই-এর সম্ভাবনা এবং সীমাবদ্ধতা উভয়ই তুলে ধরে।
অধ্যয়নটির লক্ষ্য ছিল বিভিন্ন চ্যাটজিপিটি সংস্করণ কীভাবে বাস্তব-বিশ্বের ক্লিনিকাল ডেটা পরিচালনা করে তা দেখা। গবেষকরা 30টি জরুরি অবস্থার কেস থেকে পরিচয় গোপন করা নোট ব্যবহার করেছেন। তারা জিপিটি-3.5, জিপিটি-4, জিপিটি-4ও এবং ও1 সিরিজকে তিনটি রোগ নির্ণয়ের পরামর্শ দিতে বলেছে। মডেলগুলির নির্ভুলতা প্রকৃত রোগীর ফলাফলের সাথে তুলনা করা হয়েছিল।
এআই ক্লাসিক উপসর্গগুলির সাথে ভাল পারফর্ম করেছে তবে অস্বাভাবিক ক্ষেত্রে সংগ্রাম করেছে। চ্যাটজিপিটি সাধারণত রোগের লক্ষণযুক্ত রোগীদের জন্য সঠিকভাবে রোগ নির্ণয়ের পরামর্শ দিয়েছে। যাইহোক, এটি জটিল ক্ষেত্রে ব্যর্থ হয়েছে, যেমন জ্বর ছাড়া নিউমোনিয়া। এটি এআই-এর অসুবিধা দেখায় যখন এটি তার স্বাভাবিক প্রশিক্ষণ প্যাটার্নের বাইরের ডেটার মুখোমুখি হয়।
বর্তমান এআই মডেলগুলি মূলত অসংগঠিত পাঠ্য ব্যবহার করে, যেমন ডাক্তারদের নোট। ছবি এবং ল্যাব ফলাফলের মতো অন্যান্য ক্লিনিকাল ডেটাতে তাদের অ্যাক্সেস নেই। হু পরামর্শ দেন যে আরও ডেটা স্ট্রিম যুক্ত করলে এআই-এর ডায়াগনস্টিক নির্ভুলতা উন্নত হতে পারে। এটি এআইকে আরও ব্যাপক ক্লিনিকাল সমর্থন সরঞ্জাম করে তুলবে।
নতুন চ্যাটজিপিটি মডেলগুলি নির্ভুলতার সামান্য উন্নতি দেখিয়েছে। শীর্ষ রোগ নির্ণয়ের সুপারিশ 15 থেকে 20 শতাংশ উন্নত হয়েছে। যাইহোক, ধারাবাহিকভাবে উচ্চ নির্ভুলতা এখনও একটি চ্যালেঞ্জ। এটি এআই ডায়াগনস্টিক সরঞ্জাম ব্যবহার করার সময় মানুষের তদারকির প্রয়োজনীয়তা তুলে ধরে।
অধ্যয়নটি জোর দেয় যে ডাক্তারদের অবশ্যই এআই-সহায়ক রোগ নির্ণয়ের তত্ত্বাবধান করতে হবে। এআই আউটপুট ব্যাখ্যা করতে এবং সঠিক রোগীর যত্ন নিশ্চিত করতে চিকিত্সকের দক্ষতা অত্যন্ত গুরুত্বপূর্ণ। এটি একটি "হাইব্রিড ইন্টেলিজেন্স" সিস্টেম তৈরি করে। এআই ডেটা বিশ্লেষণকে গতি দেয়, যখন চিকিত্সকরা রায় প্রদান করেন।
হু চান এআই সিস্টেমগুলি আরও স্বচ্ছ এবং ব্যাখ্যাযোগ্য হোক। স্বাস্থ্যসেবা প্রদানকারীদের সাথে আস্থা তৈরি করতে এআই-এর যুক্তি প্রকাশ করা উচিত। এই "ব্যাখ্যাযোগ্য এআই" ক্লিনিকাল ওয়ার্কফ্লোতে একীকরণ উন্নত করতে পারে। শেষ পর্যন্ত, এটি রোগীর ফলাফলের উন্নতি করবে।
হু-এর দল মাল্টি-এজেন্ট এআই সিমুলেশনও অন্বেষণ করছে। এর মধ্যে প্যানেল আলোচনায় এআই এজেন্টদের বিশেষজ্ঞদের ভূমিকায় অভিনয় করা জড়িত। লক্ষ্য হল সহযোগী ডায়াগনস্টিক প্রক্রিয়াগুলির অনুকরণ করা। এই কথোপকথনমূলক মডেল আরও সঠিক মূল্যায়ন করতে পারে।
গবেষকরা সতর্ক করেছেন যে চ্যাটজিপিটি একটি প্রত্যয়িত চিকিৎসা ডিভাইস নয়। এটি একটি স্বতন্ত্র ডায়াগনস্টিক সমাধান হিসাবে ব্যবহার করা উচিত নয়। এআই মডেলগুলিকে অবশ্যই সুরক্ষিত, অনুগত সিস্টেমে কাজ করতে হবে, বিশেষ করে যখন विस्तारित ডেটা প্রকার ব্যবহার করা হয়। নিয়মকানুন এবং রোগীর গোপনীয়তার সাথে সম্মতি অপরিহার্য।
ভবিষ্যতের দিকে তাকিয়ে, হু চান গবেষণা এআই-এর যুক্তির ব্যাখ্যা করার ক্ষমতার উপর দৃষ্টি নিবদ্ধ করুক। উন্নত ব্যাখ্যাযোগ্যতা ট্রায়াজ এবং চিকিত্সা সিদ্ধান্তে সাহায্য করতে পারে। এটি দক্ষতা এবং রোগীর নিরাপত্তা উভয়ই উন্নত করতে পারে।