এআই ভাষা মডেল অসংগঠিত ইএইচআর নোটকে কম্পিউটেবল রোগী-যাত্রায় রূপান্তর করছে

কেন সবচেয়ে সমৃদ্ধ ক্লিনিকাল বিবরণ কখনো গবেষণায় পৌঁছায় না

ইলেকট্রনিক হেলথ রেকর্ডে তাদের কোডেড ফিল্ড যতটা ধারণ করতে পারে তার চেয়ে অনেক বেশি তথ্য থাকে। সদ্য প্রকাশিত একটি নেচার মেডিসিন প্রবন্ধের লেখকরা যেমন উল্লেখ করেছেন, ইএইচআর ডেটার সিংহভাগই অসংগঠিত টেক্সটে অবস্থান করে — স্বাস্থ্যসেবা প্রদানকারী ও তাদের রোগীদের মধ্যে সাক্ষাতের সময় লিপিবদ্ধ বর্ণনা। সেই সাক্ষাতগুলো উপসর্গের বর্ণনা, পার্শ্বপ্রতিক্রিয়া, চিকিৎসার যুক্তি, চিকিৎসা মেনে চলার চ্যালেঞ্জ, পারিবারিক ইতিহাস এবং অন্যান্য সূক্ষ্ম বিষয় ধারণ করে, যা হয় একেবারেই কোড করা হয় না, নয়তো রোগনির্ণয় ও প্রক্রিয়া কোডের মতো সংগঠিত ফিল্ডে কেবল আংশিকভাবে প্রতিফলিত হয়।

ফলাফল হলো বাস্তব-বিশ্বের প্রমাণে একটি স্থায়ী অন্ধspot। রুটিন চিকিৎসাসেবা থেকে শেখার চেষ্টা করা বেশিরভাগ গবেষণা এখনও সংগঠিত ডেটা ফিল্ডের উপর নির্ভর করে, কেবল কারণ রেকর্ডের সেই অংশগুলোই বড় পরিসরে কম্পিউটেশনালভাবে কোয়েরি করা সম্ভব। নতুন এই কাজটি সেই ব্যবধান পূরণের লক্ষ্যে একটি পদ্ধতি প্রস্তাব করে।

একটি পাইপলাইন যা ক্লিনিকাল টেক্সটকে কম্পিউটেবল করে তোলে

গবেষকরা একটি অভিনব পদ্ধতি উপস্থাপন করেন যা বড়, পূর্ব-প্রশিক্ষিত ভাষা মডেল ব্যবহার করে অসংগঠিত ইএইচআর টেক্সট থেকে নির্ভুলভাবে কম্পিউটেবল ক্লিনিকাল ডেটা আহরণ করে। গুরুত্বপূর্ণভাবে, আহরণকে একটি দীর্ঘতর পাইপলাইনের প্রাথমিক পর্যায় হিসেবে বিবেচনা করা হয়, স্বয়ংসম্পূর্ণ লক্ষ্য হিসেবে নয়, যার উদ্দেশ্য সম্পূর্ণ রোগীর ইতিহাসকে শুরু থেকে শেষ পর্যন্ত মেশিন-পাঠযোগ্য করে তোলা।

কাঁচা নোট থেকে সমন্বিত নলেজ গ্রাফ পর্যন্ত

মুক্ত টেক্সট থেকে ক্লিনিকাল সত্তা বের করার পর, সেগুলোকে সংগঠিত ইএইচআর ডেটার সঙ্গে সমন্বিত করা হয়, চিকিৎসা অন্টোলজি দিয়ে এমবেড করা হয় এবং একটি নলেজ গ্রাফে সংগঠিত করা হয়। এই স্থাপত্য গুরুত্বপূর্ণ, কারণ এটি ভেরিয়েবলগুলোর মধ্যকার সম্পর্ক সংরক্ষণ করে, তাদের বিচ্ছিন্ন ফিল্ডে সমতল করে না।

• অসংগঠিত নোট টেক্সট থেকে বড় পূর্ব-প্রশিক্ষিত ভাষা মডেল ব্যবহার করে ক্লিনিকাল সত্তা উত্তোলন করা হয়।
• উত্তোলিত সত্তাগুলো একই রোগীর ইতিমধ্যে সংরক্ষিত সংগঠিত রেকর্ডের সঙ্গে একীভূত করা হয়।
• চিকিৎসা অন্টোলজি সেই সেমান্টিক কাঠামো সরবরাহ করে যা উত্তোলিত পরিভাষাগুলোকে তুলনাযোগ্য ও সামঞ্জস্যপূর্ণ রাখে।
• নলেজ গ্রাফ ভেরিয়েবলগুলোকে সংযুক্ত করে যাতে তাদের মধ্যকার যেকোনো সম্পর্ক অনুসন্ধান করা যায়।

যেহেতু গ্রাফটি পৃথক রোগীর স্তরে এবং জনসংখ্যার পরিসরেও সংগঠিত, একজন গবেষক একই অন্তর্নিহিত উপস্থাপনা ব্যবহার করে একজন ব্যক্তির যাত্রা অনুসরণ করতে পারেন বা সম্পূর্ণ কোহর্ট জুড়ে নিদর্শন পরীক্ষা করতে পারেন।

চিকিৎসক পর্যালোচনা নির্ভুলতার দাবিকে সমর্থন করে

নির্ভুলতাকে বিশ্বাসের উপর ছেড়ে দেওয়া হয়নি। দলটি তাদের আউটপুট চিকিৎসক- adjudication-এর কাছে উপস্থাপন করেছে, যা একটি ব্লাইন্ডেড বিশেষজ্ঞ রেফারেন্স স্ট্যান্ডার্ডের বিপরীতে উচ্চ নির্ভুলতা নিশ্চিত করেছে। বিশেষজ্ঞ চিকিৎসক পর্যালোচকরাও উচ্চ আন্তঃ-পর্যালোচক সম্মতি প্রদর্শন করেছেন, যা একটি গুরুত্বপূর্ণ সংকেত যে সেই স্ট্যান্ডার্ডের বিপরীতে উত্তোলিত ডেটা কতটা ধারাবাহিকভাবে বিচার করা যায়।

লেখকরা বিস্তৃতির বিষয়েও সমানভাবে স্পষ্ট। ফ্রেমওয়ার্কটিকে রোগ-নিরপেক্ষ হিসেবে বর্ণনা করা হয়েছে, এবং এটি একটি একক বিশেষত্ব বা ইঙ্গিতের জন্য তৈরি না হয়ে সমস্ত ক্লিনিকাল অবস্থার জন্য বড় রোগী ডেটাসেটে স্কেল করার জন্য ডিজাইন করা হয়েছে।

গবেষকরা নিয়ন্ত্রণে থাকাকালীন বড় পরিসরে কোয়েরি

নলেজ গ্রাফকে ব্যবহারযোগ্য করতে, গবেষকরা একটি এজেন্টিক-বান্ধব প্রোগ্রাম্যাটিক ইন্টারফেস তৈরি করেছেন যা বড় পরিসরের গ্রাফ ডেটা নেভিগেট করে। ইন্টারফেসটির উদ্দেশ্য বিশ্লেষণকে দ্রুত, সহজ এবং সাশ্রয়ী করা, তা কাজটি মুক্ত-প্রান্ত অনুসন্ধান হোক বা আনুষ্ঠানিক অনুমান পরীক্ষা।

সেই মানব-নির্দেশিত কোয়েরি পরিবেশকে শ্রম-নিবিড় কাজ ত্বরান্বিত করার উপায় হিসেবে চিত্রিত করা হয়েছে, বৈজ্ঞানিক বিচার প্রতিস্থাপনের জন্য নয়। গবেষণা নকশা, বিশ্লেষণাত্মক সিদ্ধান্ত এবং ব্যাখ্যা গবেষকের নিয়ন্ত্রণেই থাকে। বাস্তবে, শ্রম বিভাজন স্পষ্ট: অটোমেশন ডেটার পুনরুদ্ধার ও সংযোজন পরিচালনা করে, আর গবেষকরা কোন প্রশ্ন করা হবে এবং উত্তরগুলোর অর্থ কী তা নিয়ে কর্তৃত্ব ধরে রাখেন।

জিএলপি-১ রিসেপ্টর অ্যাগোনিস্ট দিয়ে উপযোগিতা প্রদর্শন

ফ্রেমওয়ার্কটির ক্লিনিকাল মূল্য আছে তা দেখাতে, লেখকরা গ্লুকাগন-সদৃশ পেপটাইড-১ রিসেপ্টর অ্যাগোনিস্ট (জিএলপি-১ আরএ) থেরাপি শুরু করা ব্যক্তিদের মধ্যে চিকিৎসা প্রতিক্রিয়ার একটি বড় পরিসরের অনুদৈর্ঘ্য বিশ্লেষণ পরিচালনা করেছেন। তাদের পদ্ধতি ব্যবহার করে, তারা উচ্চ আত্মবিশ্বাসের সঙ্গে এই ওষুধগুলো শুরু করা বিপুল সংখ্যক রোগী শনাক্ত করেছেন, রোগী-স্তরের গতিপথ পুনর্গঠন করেছেন এবং চিকিৎসা শুরুর পর ওজন ও হিমোগ্লোবিন এ১সি (এইচবিএ১সি)-তে অনুদৈর্ঘ্য পরিবর্তন মডেল করেছেন।

এই অনুশীলনটি চিত্রিত করে পাইপলাইনটি কোন ধরনের প্রশ্নের উত্তর দেওয়ার জন্য তৈরি। জিএলপি-১ আরএ ব্যবহার ক্লিনিকাল ডকুমেন্টেশনের একটি দীর্ঘ ধারা তৈরি করে — যোগ্যতা নিয়ে আলোচনা, টাইট্রেশন সিদ্ধান্ত, সহনশীলতার সমস্যা, চিকিৎসা মেনে চলার সমস্যা এবং ফলো-আপ পরিমাপ — যার অনেকটাই গল্পধর্মী নোটে থাকে, পরিচ্ছন্ন কোডেড ফিল্ডে নয়। প্রতিটি রোগীর প্রকৃতপক্ষে কী ঘটেছে তা পুনর্গঠন করা, এবং তারপর সেই ব্যক্তিগত গল্পগুলোকে জনসংখ্যা-স্তরের সংকেতে সমষ্টিগত করা, ঠিক সেই কাজ যা অসংগঠিত টেক্সট ঐতিহ্যগতভাবে কঠিন করে তুলেছে।

এই কাজের পেছনে কারা আছেন

প্রবন্ধটি একটি বহু-বিষয়ক লেখক গোষ্ঠীর产物: এডওয়ার্ড কিম, রিচার্ড ফোটি, অ্যাভনেশ এস. ঠাকুর, জে এস. স্কাইলার, লুসি এফ. রবিনসন, জেমস ডি. পার্ক, মনিকা ক্রাফট, চার্লস বি. কেয়ার্নস এবং ভিকি সেফার্ট-মার্গোলিস। এটি ১০ সেপ্টেম্বর ২০২৬-এ নেচার মেডিসিন-এ একটি ওপেন অ্যাক্সেস প্রবন্ধ হিসেবে অনলাইনে প্রকাশিত হয়।

প্রাথমিক অ্যাক্সেস এবং যা এখনো সাময়িক

নেচার মেডিসিন পিয়ার-রিভিউড, গৃহীত গবেষণায় দ্রুততর অ্যাক্সেস প্রদানের জন্য চূড়ান্ত সংস্করণের আগেই প্রবন্ধটি শেয়ার করেছে। প্রবন্ধটি উদ্ধৃতযোগ্য এবং একটি স্থায়ী ডিওআই বহন করে। তবুও পাঠকদের লক্ষ্য করা উচিত যে এই সংস্করণটি আরও সম্পাদনার অধীন এবং চূড়ান্ত ভার্সন অফ রেকর্ড দ্বারা স্বয়ংক্রিয়ভাবে প্রতিস্থাপিত হবে, সমস্ত আইনি দাবিত্যাগ প্রযোজ্য।

এমনকি গৃহীত রূপেও, অবদানটিকে একটি একক গবেষণার পাশাপাশি পরিকাঠামো হিসেবেও বোঝা ভালো। লেখকরা যুক্তি দেন যে ভাষা-মডেল আহরণ, অন্টোলজি এমবেডিং এবং নলেজ-গ্রাফ সংগঠনের তাদের সমন্বয় ক্লিনিকাল গবেষণায় একটি কাঠামোগত সমস্যার সমাধান করে — ক্লিনিকাল বিবরণ প্রকৃতপক্ষে কোথায় থাকে এবং বিশ্লেষণ কোথায় পৌঁছাতে পারে তার মধ্যে অমিল। সাক্ষাতের বর্ণনাকে কম্পিউটেবল সত্তায় রূপান্তর করে যা সংগঠিত ফিল্ডের পাশে অবস্থান করে, এবং প্রোগ্রাম্যাটিক ইন্টারফেসের মাধ্যমে ফলাফল প্রকাশ করে, ফ্রেমওয়ার্কটির লক্ষ্য একটি ক্লিনিকে লেখা কাঁচা নোট এবং একটি পরীক্ষাযোগ্য গবেষণা প্রশ্নের মধ্যকার দূরত্ব কমানো।

এই প্রতিশ্রুতি সমস্ত ক্লিনিকাল অবস্থা, নোট শৈলী এবং স্বাস্থ্য ব্যবস্থা জুড়ে টিকে থাকবে কিনা, তা এমন একটি প্রশ্ন যা বর্ণিত রোগ-নিরপেক্ষ নকশা সমাধান করার বদলে আমন্ত্রণ জানানোর জন্য তৈরি। লেখকরা যা প্রদান করেন তা একটি পুনরুৎপাদনযোগ্য পথ: ব্লাইন্ডেড বিশেষজ্ঞ পর্যালোচনার বিপরীতে আহরণ যাচাই করুন, উত্তোলিত ধারণাগুলোকে চিকিৎসা অন্টোলজিতে নোঙর করুন, সবকিছু একটি গ্রাফে সংযুক্ত করুন, এবং গবেষকদের বিজ্ঞানের নিয়ন্ত্রণ ছাড় না দিয়েই তা কোয়েরি করতে দিন।

এই প্রবন্ধটি নেচার মেডিসিন-এর প্রতিবেদনের উপর ভিত্তি করে। মূল প্রবন্ধ পড়ুন।