জনস হপকিন্স দল নার্সদের অন্তর্দৃষ্টি প্রাথমিক সতর্কবার্তায় রূপ দিতে AI ব্যবহার করছে

যে ক্লিনিক্যাল সংকেতটি প্রায়ই মাপা হয় না

হাসপাতালের নার্সরা পুরো শিফট জুড়ে ওষুধ দেওয়া, জীবনীচিহ্ন পরীক্ষা, নথিভুক্তি, পরিবারের সঙ্গে কথা বলা, এবং কোনো রোগী স্থিতিশীল দেখাচ্ছেন কি না তা নিয়ে অসংখ্য ছোট ছোট বিচার করতে করতে সময় কাটান। এমন পরিবেশে দক্ষতার সবচেয়ে গুরুত্বপূর্ণ রূপগুলোর একটি নথিভুক্ত করাও সবচেয়ে কঠিন হতে পারে: মানক মাপকাঠি স্পষ্টভাবে দেখানোর আগেই কিছু একটা ঠিক নেই এমন অনুভূতি।

জনস হপকিন্স স্কুল অব নার্সিংয়ের সহযোগী অধ্যাপক কেলি গ্লিসন এই নির্দিষ্ট সমস্যার ওপরই তাঁর গবেষণা গড়ে তুলেছেন। তাঁর মতে, নার্সদের মানুষকেও মনিটরের মতোই পড়তে শেখানো হয়। তারা চেহারা, সজাগতা, আচরণ, বা সামগ্রিক উপস্থাপনার এমন পরিবর্তন লক্ষ্য করেন যা প্রচলিত হাসপাতালের প্রাথমিক সতর্কতা ব্যবস্থায় সঙ্গে সঙ্গে অ্যালার্ম বাজায় না। কিন্তু সেই উদ্বেগ জানানোর কোনো বস্তুনিষ্ঠ উপায় না থাকলে, একটি অনুমান কেবল অনুমানই থেকে যেতে পারে, এমনকি পরে তা সঠিক প্রমাণিত হলেও।

এর ফল হলো তীব্র চিকিৎসা সেবায় বারবার ফিরে আসা এক কঠিন পরিস্থিতি। একজন নার্স কোনো রোগীকে নিয়ে হালকা উদ্বিগ্ন বোধ করেন, কিন্তু রক্তচাপ, হৃদস্পন্দন, এবং অন্যান্য মানক সূচক স্বাভাবিক দেখায়। আরও স্পষ্ট প্রমাণ ছাড়া একজন চিকিৎসককে রাউন্ডস থেকে টেনে আনা কঠিন হতে পারে, আর ব্যস্ত কর্মপ্রবাহে অন্তর্দৃষ্টিকে কাঠামোবদ্ধভাবে যাচাই করার মতো সময়ও কম থাকে। কখনও পরের শিফটে দেখা যায় রোগীর অবস্থা অবনতি হয়েছে এবং তাকে নিবিড় পরিচর্যায় স্থানান্তর করতে হয়েছে।

মেশিন লার্নিং ব্যবস্থায় নার্সিং বিচার যুক্ত করা

গ্লিসনের পদ্ধতি বিদ্যমান হাসপাতাল অ্যালার্ট প্রতিস্থাপন করা নয়, বরং সেগুলোকে সমৃদ্ধ করা। হাসপাতালগুলো ইতিমধ্যেই এমন প্রাথমিক সতর্কতা ব্যবস্থা ব্যবহার করে যা একাধিক শিফট জুড়ে রোগীর তথ্য প্রক্রিয়াকরণ করে ঝুঁকির স্কোর তৈরি করে। কোনো স্কোর নির্ধারিত সীমা ছাড়িয়ে গেলে, পরিচর্যা দলকে সতর্কবার্তা যায়। ক্রমশ এই ব্যবস্থাগুলো মেশিন লার্নিং ব্যবহার করছে কোন রোগীরা অবনতির ঝুঁকিতে থাকতে পারেন তা আরও ভালোভাবে পূর্বাভাস দিতে।

এই ব্যবস্থাগুলো একটি কার্যকর সুরক্ষা-জাল হিসেবে কাজ করে। তারা সময়ের সঙ্গে রোগীকে অনুসরণ করে, শিফট বদলালেও ধারাবাহিকতা বজায় রাখে, এবং ব্যস্ত ওয়ার্ডে চিকিৎসকদের প্যাটার্ন মিস করা থেকে বাঁচায়। তবে সেগুলো এখনও মূলত নথিভুক্ত ডেটা ইনপুট, বিশেষ করে জীবনীচিহ্ন ও অন্যান্য পরিমাপযোগ্য উপাদানের ওপর গড়ে ওঠে। সমস্যাটি হলো, বিছানাপাশে থাকা নার্সরা প্রায়ই এমন প্যাটার্ন আগে ধরতে পারেন যা সংখ্যায় রূপ নেয়ার আগেই উদ্বেগজনক হয়ে ওঠে।

জনস হপকিন্সের কাজ সেই ফাঁকটি পূরণ করতে বিছানাপাশের পর্যবেক্ষণগুলোকে পরিমাপযোগ্য করে AI-সমর্থিত সতর্কতা ব্যবস্থায় যুক্ত করার উপায় খুঁজছে। ধারণাটি কোনো রহস্যময় অন্তর্দৃষ্টি সরাসরি সফটওয়্যারে অনুবাদ করা নয়। এটি হলো অভিজ্ঞ নার্সরা বারবার যে সূক্ষ্ম ক্লিনিক্যাল পর্যবেক্ষণ করেন, সেগুলোকে কাঠামোবদ্ধভাবে ধরা, যা মানক সূচক এখনো নির্দিষ্ট সীমা অতিক্রম না করলেও অবনতির সঙ্গে সম্পর্কিত হতে পারে।

রোগী নিরাপত্তার জন্য কেন এটি গুরুত্বপূর্ণ

মূল্যপ্রস্তাবটি সহজ: কোনো রোগীর অবনতি যদি দুই ঘণ্টা আগে শনাক্ত করা যায়, তাহলে ফলাফল নাটকীয়ভাবে উন্নত হতে পারে। গ্লিসন এমন উদাহরণ বর্ণনা করেন যেখানে অবনতি আগে চিহ্নিত করতে পারলে একটি জীবন রক্ষা করা বা জীবনমান উল্লেখযোগ্যভাবে বজায় রাখা সম্ভব হতো। নার্সদের জন্য সেই মুহূর্তগুলো দীর্ঘদিন মনে থেকে যায়, কারণ উদ্বেগটি বাস্তব ছিল, কিন্তু তখন তা যথেষ্ট কার্যকর ছিল না যাতে দ্রুত পদক্ষেপ নেওয়া যায়।

এই কারণেই এই কাজ কেবল কর্মপ্রবাহ অপ্টিমাইজেশনের বাইরে যায়। এটি আধুনিক ক্লিনিক্যাল ব্যবস্থার এক সুপরিচিত অন্ধস্থানকে মোকাবিলা করে: চিকিৎসা কেবল যা গোনা যায় সেটাই মাপে, কিন্তু গুরুত্বপূর্ণ সবকিছু প্রথম দেখাতেই সহজে গোনা যায় না। নার্সরাই প্রায়ই সবচেয়ে ধারাবাহিক বিছানাপাশের সংস্পর্শে থাকা চিকিৎসক, তাই তাদের কাছে এমন সংকেতের প্রবেশাধিকার থাকে যা সমৃদ্ধ হলেও মানক করা কঠিন।

যদি AI টুলগুলো সেই পর্যবেক্ষণগুলোকে অর্থবহ ঝুঁকি-সূচকে রূপ দিতে সাহায্য করে, তবে হাসপাতালগুলো আরও আগে এবং আরও সূক্ষ্ম এক সতর্কতার স্তর পেতে পারে। তার মানে এই নয় যে যন্ত্র নার্সের ওপর কর্তৃত্ব করবে। বরং সফটওয়্যারটি যত্নকে কেবল রুটিন ইনপুটের একটি সেটে নামিয়ে না এনে, সামনের সারির দক্ষতার কথা আরও ভালোভাবে শুনতে শিখবে।

অপারেশনাল চ্যালেঞ্জ

এই ধারণাকে ব্যবহারযোগ্য বাস্তবে রূপ দেওয়া সহজ নয়। হাসপাতালগুলো ইতিমধ্যেই অ্যালার্ট ফ্যাটিগ, নথিভুক্তির বোঝা, এবং কর্মপ্রবাহের চাপ নিয়ে লড়াই করছে। নার্সদের কাছে আরও ইনপুট চাওয়া যেকোনো নতুন ব্যবস্থাকেই প্রমাণ করতে হবে যে অতিরিক্ত পরিশ্রম বাস্তব ক্লিনিক্যাল মূল্য দেয়। এমন একটি মডেল, যা শুধু আরেকটি চেকবক্স বা শব্দভরা সতর্কবার্তার স্রোত যোগ করে, বিছানাপাশের পরীক্ষায় দ্রুত ব্যর্থ হবে।

জনস হপকিন্সের প্রচেষ্টার এই উপস্থাপনাই তাই গুরুত্বপূর্ণ। লক্ষ্য হলো বিদ্যমান AI-ভিত্তিক প্রাথমিক সতর্কতা ব্যবস্থাকে সমৃদ্ধ করা, আলাদা ও বিচ্ছিন্ন কোনো টুলের স্তর বসানো নয়। বাস্তবে, এই পদ্ধতির সেরা সংস্করণ নার্সদের দক্ষতার সঙ্গে উদ্বেগ প্রকাশ করতে, সেই উদ্বেগকে বৃহত্তর রোগী ডেটার সঙ্গে যুক্ত করতে, এবং যেখানে বিছানাপাশের অনুভূতি ও সিস্টেম-স্তরের প্যাটার্ন একসঙ্গে মিলে যায় সেই ঘটনাগুলোকে উপরে তুলতে সাহায্য করবে।

প্রদত্ত প্রতিবেদনে কোনো চূড়ান্ত পণ্য বা প্রয়োগের ফলাফল উল্লেখ নেই, তাই এটি আপাতত ক্লিনিক্যাল গ্রহণের গল্প নয়, বরং উন্নয়নের গল্প। কিন্তু স্বাস্থ্য AI-এর জন্য এটি একটি গুরুতর নকশাগত প্রশ্ন উত্থাপন করে: সামনের সারির কর্মীদের পর্যবেক্ষণমূলক বুদ্ধিমত্তাকে কি সফটওয়্যার ধরতে পারে, সেটিকে এতটা সরল না করে যে তার মূল্যই হারিয়ে যায়?

হাসপাতালে AI-এর আরও বাস্তবসম্মত দৃষ্টি

এই গবেষণার দিকটির সবচেয়ে শক্তিশালী দিক হলো, এটি AI-কে মানবিক যত্নের বিকল্প নয়, বরং সহায়ক অবকাঠামো হিসেবে দেখে। জনপরিসরে স্বাস্থ্য AI-কে প্রায়ই অটোমেশন বা প্রতিস্থাপনের প্রেক্ষিতে উপস্থাপন করা হয়। এই প্রকল্প আরও মাটির কাছাকাছি একটি পথ দেখায়। এটি এই ধারণা থেকে শুরু করে যে নার্সদের কাছে ইতিমধ্যেই গুরুত্বপূর্ণ পূর্বাভাসমূলক অন্তর্দৃষ্টি রয়েছে, এবং জিজ্ঞাসা করে ডিজিটাল ব্যবস্থা কীভাবে সেই অন্তর্দৃষ্টিকে আরও দ্রুত ও ধারাবাহিকভাবে প্রকাশযোগ্য করতে পারে।

এটি ক্লিনিক্যাল AI-এর জন্য আরও বিশ্বাসযোগ্য পথ, বিশেষ করে উচ্চচাপের পরিবেশে, যেখানে একটি টুল কতটা বাস্তব যত্নকে প্রতিফলিত করে তার ওপর আস্থা নির্ভর করে। নার্সদের এমন সফটওয়্যার দরকার নেই যা তাদের দেখাটাকে উপেক্ষা করতে বলে। তাদের এমন ব্যবস্থা দরকার যা পরিমাপযোগ্য অস্থিরতা স্পষ্ট হয়ে ওঠার আগে উদ্বেগ বাড়িয়ে তোলার ক্ষমতাকে শক্তিশালী করে।

এই কাজ সফল হলে, এর অবদান প্রযুক্তিগত যেমন হবে, তেমনি সাংস্কৃতিকও। এটি আনুষ্ঠানিকভাবে স্বীকৃতি দেবে যে সামনের সারির বিচার হাসপাতালের বিশ্লেষণাত্মক যন্ত্রের বাইরে পড়ে থাকা নরম তথ্য নয়। এটি সংকেতেরই অংশ। আর যেখানে মিনিটের মূল্য আছে, সেখানে সেই সংকেতকে আগের পদক্ষেপে রূপান্তর করা শয্যাপাশে AI-এর সবচেয়ে মূল্যবান ব্যবহারগুলোর একটি হতে পারে।

মূল বিষয়

• জনস হপকিন্সের গবেষকেরা নার্সদের বিছানাপাশের পর্যবেক্ষণকে AI প্রাথমিক সতর্কতা ব্যবস্থায় অন্তর্ভুক্ত করার উপায় খুঁজছেন।
• লক্ষ্য হলো জীবনীচিহ্নের সীমা অতিক্রম করার আগেই রোগীর অবনতি শনাক্ত করা।
• বিদ্যমান হাসপাতাল সতর্কতা টুলগুলো ইতিমধ্যেই মেশিন লার্নিং ব্যবহার করে, কিন্তু সেগুলো মূলত নথিভুক্ত বস্তুনিষ্ঠ ডেটার ওপর নির্ভরশীল।
• এই কাজ AI-কে নার্সিং দক্ষতার বিকল্প নয়, বরং সেটিকে বাড়ানোর একটি উপায় হিসেবে দেখছে।

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