AI টুলগুলো এখন পরীক্ষায়, ট্রান্সপ্লান্ট দল যেসব দাতা হৃদয় প্রত্যাখ্যান করে সেগুলো বাঁচানোর জন্য

হার্ট ট্রান্সপ্লান্ট দলগুলো দাতা হৃদয় নিয়ে আরও দ্রুত, আরও ভালো সিদ্ধান্ত নিতে চাপের মধ্যে

চিকিৎসাবিজ্ঞানের সবচেয়ে সময়-সংবেদনশীল সিদ্ধান্তগুলোর একটি, অর্থাৎ দাতা হৃদয় গ্রহণ করা হবে কি না, সেই বিষয়ে কৃত্রিম বুদ্ধিমত্তা একটি বাস্তবসম্মত টুল হিসেবে সামনে আসছে। International Society for Heart and Lung Transplantation-এর 46তম বার্ষিক সম্মেলনে উপস্থাপিত গবেষণা বলছে, AI সিস্টেমগুলো বর্তমানে প্রত্যাখ্যাত দাতা হৃদয়গুলোকে ট্রান্সপ্লান্ট প্রোগ্রামগুলো আরও ভালোভাবে ব্যবহার করতে সাহায্য করতে পারে, ফলে প্রতিস্থাপনের জন্য মাসের পর মাস অপেক্ষা করা রোগীদের কাছে পৌঁছানো সহজ হতে পারে।

সমস্যা শুধু ঘাটতি নয়। এটি কঠোর সময়চাপের মধ্যে matching এবং decision-making-এর সমস্যা। সূত্রপাঠের সারাংশ অনুযায়ী, যুক্তরাষ্ট্রে যে হৃদয়গুলো পাওয়া যায়, তার মধ্যে মাত্র প্রায় 30% থেকে 40% সত্যিই ট্রান্সপ্লান্টে ব্যবহার করা হয়। একই সময়ে, চাহিদা এতটাই বেশি যে রোগীদের মাসের পর মাস অপেক্ষা করতে হতে পারে, কখনও কখনও intensive care-এ life support-এ থেকেও।

এই ভারসাম্যহীনতাই decision-support টুলের জন্য সুযোগ তৈরি করে। যদি ফেলে দেওয়া হৃদয়গুলোর একটি উল্লেখযোগ্য অংশ অনিবার্য চিকিৎসাগত কারণে নয়, বরং অতিরিক্ত সতর্কতার কারণে প্রত্যাখ্যাত হয়ে থাকে, তাহলে উন্নত triage জীবন বাঁচাতে পারে, দাতা সরবরাহ না বদলিয়েই।

দাতা হৃদয় সিদ্ধান্ত এত কঠিন কেন

যখন একটি হৃদয় উপলব্ধ হয়, তখন ট্রান্সপ্লান্ট দলের কাছে দীর্ঘ পর্যালোচনার সুযোগ থাকে না। সূত্রপাঠ বলছে, একজন cardiologist বা surgeon-এর সাধারণত মাত্র 15 থেকে 30 মিনিট থাকে; এর মধ্যে দাতার চিকিৎসা ইতিহাস, imaging, এবং laboratory ফলাফলসহ বহু উপাদান বিবেচনা করে সিদ্ধান্ত নিতে হয়, অঙ্গটি নির্দিষ্ট রোগীর জন্য উপযুক্ত কি না।

এই সংক্ষিপ্ত সিদ্ধান্ত সময়ই AI-র পক্ষে প্রধান যুক্তি। এটিকে ক্লিনিক্যাল বিচার প্রতিস্থাপনের বিকল্প হিসেবে নয়, বরং এমন একটি উপায় হিসেবে দেখানো হয়েছে যা মধ্যরাতে বা ICU-স্তরের জরুরি অবস্থায় একা মানুষের পক্ষে সামলানো কঠিন বহু ইনপুটকে আরও ধারাবাহিকভাবে একত্র করতে পারে। NYU Grossman School of Medicine-এর Brian Wayda, যিনি কাজটি উপস্থাপন করেন, এগুলোকে চরম সময়সীমার মধ্যে নেওয়া জীবন-মৃত্যুর সিদ্ধান্ত হিসেবে বর্ণনা করেছেন।

ট্রান্সপ্লান্ট চিকিৎসায় অসঙ্গতির বাস্তব ফল আছে। ভিন্ন দল একই দাতা প্রোফাইলকে ভিন্নভাবে মূল্যায়ন করতে পারে, এবং false negative-এর মূল্য অত্যন্ত বেশি: সম্ভাব্য ব্যবহারযোগ্য হৃদয়টি শুধু সেই রোগীর জন্য নয়, প্রায়ই পুরো ট্রান্সপ্লান্ট সিস্টেম থেকেই হারিয়ে যেতে পারে।

নতুন টুলগুলো ঝুঁকি মানক করতে চায়, চিকিৎসকদের সরিয়ে দিতে নয়

সম্মেলনের উপস্থাপনায় এই সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে সমর্থন করার জন্য বেশ কয়েকটি AI মডেল তুলে ধরা হয়। একটি বিশেষভাবে উল্লেখযোগ্য টুল হলো TOPHAT, অর্থাৎ Tool Predicting Heart Acceptance for Transplant। Wayda, Stanford Health Care-এর ISHLT President-Elect Kiran Khush-এর সঙ্গে এটি তৈরি করেছেন। ওয়েব-ভিত্তিক এই মডেল 20টি দাতা বৈশিষ্ট্য ব্যবহার করে ঐতিহাসিক ডেটার ভিত্তিতে কোনো ট্রান্সপ্লান্ট কেন্দ্র সেই দাতা হৃদয় গ্রহণ করবে কি না তা অনুমান করে।

এই কাঠামোটি উল্লেখযোগ্য। টুলটিকে সরাসরি হৃদয়টি নিরাপদ বা অনিরাপদ বলে ঘোষণা করার মতো বর্ণনা করা হয়নি। বরং এটি পূর্ববর্তী সিদ্ধান্তের ধরণ ব্যবহার করে গ্রহণের সম্ভাবনা অনুমান করে। বাস্তবে, এটি predictor এবং mirror দুটোই হতে পারে, দেখিয়ে দিতে পারে যে কোনো দলের instinct বৃহত্তর ঐতিহাসিক আচরণ থেকে কতটা আলাদা।

সূত্রপাঠ জোর দিয়ে বলছে, এই সিস্টেমগুলোর লক্ষ্য ঝুঁকি একত্র করা, চিকিৎসকদের প্রতিস্থাপন করা নয়। এই পার্থক্যটি গ্রহণযোগ্যতার জন্য গুরুত্বপূর্ণ হবে। হৃদয় প্রতিস্থাপনের মতো উচ্চ-ঝুঁকির ক্ষেত্রে সম্পূর্ণ স্বয়ংক্রিয় গ্রহণ সিদ্ধান্ত প্রবল ক্লিনিক্যাল ও নৈতিক প্রতিরোধের মুখে পড়বে। বিপরীতে, decision support অন্তর্ভুক্ত করা তুলনামূলকভাবে সহজ হতে পারে, কারণ দায়িত্ব ট্রান্সপ্লান্ট দলের কাছেই থাকে।

সুযোগ লুকিয়ে আছে সেই হৃদয়গুলোতে, যেগুলো অযথা হারিয়ে যেতে পারে

এই পরিস্থিতিতে AI-এর পক্ষে সবচেয়ে শক্তিশালী যুক্তি আসে সরবরাহ ও ব্যবহারের ফাঁক থেকে। যদি উপলব্ধ হৃদয়ের মাত্র 30% থেকে 40% ট্রান্সপ্লান্ট হয়, তাহলে নিশ্চিন্ত থাকার সুযোগ নেই। সূত্রপাঠ স্পষ্টভাবে বলছে, গবেষণা দেখায় সব দাতা হৃদয় ন্যায্য কারণেই ফেলে দেওয়া হয় না। এর মানে এই নয় যে প্রত্যাখ্যাত সব হৃদয়ই ব্যবহার করা উচিত ছিল, কিন্তু এটি বলে যে বর্তমান প্রত্যাখ্যানের একটি অংশ এড়ানো সম্ভব হতে পারে।

ট্রান্সপ্লান্টের অপেক্ষমাণ রোগীদের জন্য এই পার্থক্যটি কোনো একাডেমিক বিষয় নয়। প্রতিটি এড়ানো সম্ভব discard বাঁচার বা সুস্থ হওয়ার একটি হারানো সুযোগ হতে পারে। তাই এখানে AI-এর মূল্য ভবিষ্যতমুখী automation-এর চেয়ে কম, আর ধারাবাহিকতার মান বাড়ানোর দিকে বেশি, বিশেষ করে যখন দলগুলোকে বড় এবং বৈচিত্র্যময় দাতা প্রোফাইলের মধ্যে দ্রুত সিদ্ধান্ত নিতে হয়।

এটি প্রতিষ্ঠানভেদে পার্থক্যও কমাতে পারে। কিছু কেন্দ্র marginal বা জটিল দাতা নিতে অন্যদের চেয়ে বেশি আগ্রাসী। একটি শক্তিশালী prediction model ঝুঁকি নিয়ে আলোচনার জন্য সাধারণ কাঠামো দিতে পারে, সিদ্ধান্ত গ্রহণকে আরও data-driven করতে পারে এমন কেন্দ্রগুলোর মধ্যে, যারা এখন স্থানীয় অভ্যাস, অভিজ্ঞতা, এবং প্রাতিষ্ঠানিক সংস্কৃতির উপর নির্ভর করে।

সফলতা কেমন হবে?

সফলতার সবচেয়ে পরিষ্কার মাপকাঠি হবে সহজ: আরও বেশি দাতা হৃদয় নিরাপদভাবে ব্যবহার করা। সূত্রপাঠে বলা হয়নি AI ইতিমধ্যেই সমস্যা সমাধান করেছে, এবং এটি এমন কোনো নির্দিষ্ট ফলাফলের তথ্যও দেয় না যা system-wide বাস্তবায়ন প্রমাণ করে। তবে এটি দেখায় যে চিকিৎসক এবং গবেষকেরা এমন একটি bottleneck ঘিরে টুল বানাচ্ছেন, যার ট্রান্সপ্লান্টের প্রবেশাধিকারের উপর অসাধারণ প্রভাব রয়েছে।

যদি এই টুলগুলো দলকে এমন হৃদয় শনাক্ত করতে সাহায্য করে যা গ্রহণযোগ্য কিন্তু বর্তমানে উপেক্ষিত, তাহলে অঙ্গ-উৎপাদন, সংরক্ষণ, বা অস্ত্রোপচারে কোনো নতুন breakthrough ছাড়াই বড় প্রভাব পড়তে পারে। সেই অর্থে, কাজটি মনে করিয়ে দেয় যে চিকিৎসাবিজ্ঞানের কিছু বড় অগ্রগতি শুধু নতুন therapy থেকে নয়, বরং বিদ্যমান সম্পদের বিষয়ে আরও ভালো সিদ্ধান্ত থেকেও আসতে পারে।

ট্রান্সপ্লান্ট সম্মেলন থেকে বিস্তৃত বার্তাটি হলো, স্বাস্থ্যসেবায় AI-এর সবচেয়ে বিশ্বাসযোগ্য ভূমিকা সম্ভবত সংকীর্ণ এবং অপারেশনাল হতে পারে। দাতা হৃদয়ের ক্ষেত্রে, এর মানে হলো কঠিন সিদ্ধান্ত দ্রুত, আরও ধারাবাহিকভাবে, এবং ঐতিহাসিক ডেটায় লুকিয়ে থাকা pattern-গুলোর আরও ভালো বোঝাপড়ার সঙ্গে নিতে মানুষকে সহায়তা করা। দাতা সংকটের পরিমাণ এবং সিদ্ধান্তের সংকীর্ণ সময়সীমা বিবেচনায়, এটি খুবই বাস্তবসম্মত এক লক্ষ্য।

এই নিবন্ধটি Medical Xpress-এর প্রতিবেদনের ভিত্তিতে। মূল নিবন্ধ পড়ুন.