एआय क्लिनिकल निर्णय समर्थन वाढत आहे, परंतु पुरावा मागे आहे

एआय क्लिनिकल निर्णय समर्थनाची जलद वाढ

जगभरात, तंत्रज्ञान कंपन्या क्लिनिकल निर्णय समर्थन (CDS) साठी कृत्रिम बुद्धिमत्ता (AI)-सक्षम साधने विकसित करण्यासाठी स्पर्धा करीत आहेत, ज्याचे लक्ष्य 2033 पर्यंत US $15 अब्जपर्यंत पोहोचणारी जागतिक बाजारपेठ आहे. मोठ्या भाषा मॉडेल्स (LLMs) द्वारे समर्थित AI साधनांची नवीन पिढी विकासातून क्लिनिकल सेटिंग्जमध्ये वेगाने जात आहे. आरोग्य प्रणाली आणि तंत्रज्ञान कंपन्या या साधनांना क्लिनिकल वर्कफ्लोमध्ये समाकलित करीत आहेत, जलद पुरावा संश्लेषण आणि बेडसाइडवर अधिक प्रतिसादात्मक निर्णय घेण्याचे आश्वासन देत आहेत. परंतु CDS प्रणाली सरावात प्रवेश करत असताना, त्यांचे मूल्यांकन कसे केले जाते, त्यांच्या वापरास कोणता पुरावा समर्थन देतो आणि मोठ्या प्रमाणात त्यांचे प्रशासन कसे केले जाईल याबद्दल मूलभूत प्रश्न कायम आहेत.

आरोग्यसेवेतील AI चे आश्वासन बर्याच काळापासून गाजले आहे, परंतु नैसर्गिक भाषा प्रक्रिया आणि जनरेटिव्ह AI मधील अलीकडील प्रगतीमुळे अवलंबनाची गती वाढली आहे. पूर्वीच्या नियम-आधारित प्रणालींप्रमाणे, आधुनिक CDS साधने असंरचित क्लिनिकल नोट्स वाचू आणि व्याख्या करू शकतात, मोठ्या प्रमाणात वैद्यकीय साहित्याचे संश्लेषण करू शकतात आणि रिअल-टाइममध्ये वैयक्तिक शिफारसी निर्माण करू शकतात. या क्षमतेने चिकित्सक आणि प्रशासकांचे लक्ष वेधले आहे, ज्यांना सुधारित निदान अचूकता, कमी प्रशासकीय भार आणि अधिक कार्यक्षम काळजी वितरणाची क्षमता दिसते.

प्रमुख खेळाडू आणि भिन्न धोरणे

बाजारातील वाटा मिळविण्यासाठी स्पर्धा करणार्या यूएस नेत्यांमध्ये ChatGPT सारखी सामान्य ग्राहक AI साधने तसेच Abridge, Atropos Health आणि OpenEvidence यांच्यासह विशेष CDS प्रणाली आहेत. या विशेष CDS कंपन्यांचे क्षेत्र कसे विकसित होईल याबद्दल भिन्न मत आहेत.

पिट्सबर्ग-स्थित Abridge अॅम्बियंट AI तंत्रज्ञान विकसित करते जे चिकित्सक-रुग्ण संभाषण ऐकते आणि आरोग्य प्रणालींसाठी क्लिनिकल नोट्स आणि इतर वर्कफ्लो-समर्थन साधने स्वयंचलितपणे तयार करते. दस्तऐवजीकरण स्वयंचलित करून, Abridge चे उद्दिष्ट चिकित्सकांचा थकवा कमी करणे आणि रुग्णांच्या संवादासाठी वेळ मोकळा करणे आहे. कंपनीचा दृष्टीकोन विद्यमान इलेक्ट्रॉनिक हेल्थ रेकॉर्ड (EHR) प्रणालींमध्ये अखंडपणे समाकलित करण्यावर केंद्रित आहे, रिअल-टाइम ट्रान्सक्रिप्शन आणि नोट निर्मिती प्रदान करते जी चिकित्सकांद्वारे संपादित आणि मंजूर केली जाऊ शकते.

बोस्टन-स्थित OpenEvidence थेट चिकित्सकांना AI साधनाचे विपणन करते जे कंपनीच्या दाव्यानुसार यूएस चिकित्सकांमध्ये "सर्वाधिक वापरले जाणारे वैद्यकीय AI" आहे. हे प्लॅटफॉर्म प्रकाशित साहित्यातून सर्वोत्तम उपलब्ध पुरावे डिस्टिल करण्यावर केंद्रित आहे, चिकित्सकांना क्लिनिकल प्रश्नांची संक्षिप्त, पुरावा-आधारित उत्तरे प्रदान करते. OpenEvidence चे CEO आणि संस्थापक, Daniel Nadler, असे भविष्य पाहतात जिथे AI पुरावा संश्लेषणाच्या "मानक काळजी" भागांपैकी बरेचसे स्वयंचलित करते, ज्यामुळे चिकित्सकांना जटिल प्रकरणे आणि रुग्ण संवादावर लक्ष केंद्रित करता येते.

स्टॅनफोर्ड विद्यापीठातून बाहेर पडलेली Atropos Health, अशा परिस्थितीत चिकित्सकांना नवीन प्रश्न विचारण्यास सक्षम करण्यासाठी डिझाइन केलेली CDS प्रणालीला प्रोत्साहन देते जिथे पारंपारिक, औपचारिकपणे प्रकाशित पुराव्यांमध्ये अंतर असू शकते. रुग्णांच्या नोंदींमधील वास्तविक-जगातील डेटाचा फायदा घेऊन, Atropos चे उद्दिष्ट आहे की उड्डाणावर पुरावे निर्माण करणे, विद्यमान अभ्यासांद्वारे कव्हर न केलेल्या क्लिनिकल अनिश्चितता दूर करणे. हा दृष्टीकोन पुरावा-आधारित औषधापासून पुरावा-निर्माण करणार्या औषधाकडे बदल दर्शवितो, जिथे AI जवळ-रिअल-टाइममध्ये डेटावरून कृती करण्यायोग्य अंतर्दृष्टी तयार करू शकते.

डेटा फाउंडेशन: इलेक्ट्रॉनिक हेल्थ रेकॉर्ड आणि अॅम्बियंट स्क्राइब्स

CDS प्रणालींना शक्ती देणारा डेटा वाढत्या प्रमाणात थेट रुग्णांच्या नोंदींमधून येतो. गेल्या दशकात, इलेक्ट्रॉनिक हेल्थ रेकॉर्ड (EHR) जे रोगाचे संकेत ट्रॅक करण्यासाठी आणि चिकित्सकांना अलर्ट जारी करण्यासाठी रुग्णांच्या डेटाची स्वयंचलितपणे स्कॅन करतात, जगभरातील अनेक आरोग्य प्रणालींमध्ये सर्वव्यापी झाले आहेत. तथापि, सुमारे तीन वर्षांपूर्वी, चिकित्सक-रुग्ण सल्लामसलत क्लिनिकल रेकॉर्डमध्ये स्वयंचलितपणे लिप्यंतरित करणार्या 'अॅम्बियंट स्क्राइब्स'चा मोठ्या प्रमाणात अवलंब होईपर्यंत, AI-समर्थित CDS प्राइम टाइमसाठी सज्ज वाटत नव्हते.

अॅम्बियंट स्क्राइब्सनी क्लिनिकल डेटा कॅप्चर करण्याच्या पद्धतीत क्रांती घडवून आणली आहे. संभाषणांमधून स्वयंचलितपणे संरचित नोट्स तयार करून, त्यांनी चिकित्सकांवरील दस्तऐवजीकरणाचा भार कमी केला आहे आणि EHR डेटाची पूर्णता आणि अचूकता सुधारली आहे. हा समृद्ध, रिअल-टाइम डेटा प्रवाह AI अल्गोरिदमला शिकण्यासाठी आणि अंतर्दृष्टी निर्माण करण्यासाठी इंधन प्रदान करतो. Nadler नोंदवतात की, उद्दिष्ट "मानक काळजी" पुरावा संश्लेषणाचे बरेचसे भाग स्वयंचलित करणे आहे, ज्यामुळे नवीनतम वैद्यकीय ज्ञान काळजीच्या ठिकाणी प्रवेशयोग्य बनते.

तथापि, EHR डेटावरील अवलंबन डेटा गुणवत्ता, पूर्वाग्रह आणि इंटरऑपरेबिलिटीबद्दल चिंता वाढवते. EHRs कुख्यातपणे खंडित आहेत, संस्थांमध्ये भिन्न स्वरूप आणि कोडिंग पद्धती आहेत. अशा डेटावर प्रशिक्षित AI मॉडेल्सना पूर्वाग्रह वारसा मिळू शकतो ज्यामुळे काळजीमध्ये विषमता येऊ शकते. शिवाय, AI साधनांचे क्लिनिकल वर्कफ्लोमध्ये एकत्रीकरणासाठी सिस्टममध्ये अखंड डेटा एक्सचेंज आवश्यक आहे, जे तांत्रिक आणि नियामक आव्हान आहे.

पुरावा अंतर: मूल्यांकन आणि प्रशासन आव्हाने

CDS प्रणाली सरावात जात असताना, एक गंभीर प्रश्न उद्भवतो: पुरावा गती ठेवू शकतो का? पारंपारिक क्लिनिकल चाचण्या मंद आणि महाग आहेत, बर्याचदा निकाल तयार करण्यासाठी वर्षे लागतात. याउलट, AI साधने वारंवार अद्ययावत केली जातात आणि नवीन डेटा उपलब्ध होताच त्यांच्या शिफारसी बदलू शकतात. हे नावीन्यपूर्ण गती आणि पुरावा निर्मितीच्या गतीमध्ये विसंगती निर्माण करते.

यूएस फूड अँड ड्रग अॅडमिनिस्ट्रेशन (FDA) सारख्या नियामक संस्थांनी AI-आधारित वैद्यकीय उपकरणांसाठी फ्रेमवर्क स्थापित करण्यास सुरुवात केली आहे, परंतु अनेक CDS साधने प्रीमार्केट पुनरावलोकनाच्या अधीन नाहीत. FDA ने क्लिनिकल डिसिजन सपोर्ट सॉफ्टवेअरवर मार्गदर्शन जारी केले आहे, परंतु नियमन केलेल्या आणि अनियमित साधनांमधील सीमा अस्पष्ट आहे. काही साधने "कमी जोखीम" मानली जातात आणि प्रीमार्केट सूचनेपासून मुक्त आहेत, तर इतरांना अधिक कठोर पुनरावलोकन आवश्यक आहे. या नियामक अनिश्चिततेमुळे स्पष्ट मार्गदर्शक तत्त्वे आणि पोस्ट-मार्केट पाळत ठेवण्याच्या यंत्रणेची मागणी झाली आहे.

शिवाय, अनेक AI CDS साधनांचा पुरावा आधार पातळ आहे. अलीकडील पद्धतशीर पुनरावलोकनात असे आढळले की काही AI-आधारित CDS प्रणालींचे संभाव्य क्लिनिकल चाचण्यांमध्ये मूल्यांकन केले गेले आहे आणि बहुतेक अभ्यासांमध्ये लहान नमुना आकार, नियंत्रण गटांचा अभाव आणि कमी पाठपुरावा कालावधी यासारखे पद्धतशीर दोष आहेत. मजबूत पुराव्यांच्या अभावामुळे चिकित्सक आणि आरोग्य प्रणालींना या साधनांचा अवलंब करण्याबाबत माहितीपूर्ण निर्णय घेणे कठीण होते.

प्रशासन ही आणखी एक मोठी चिंता आहे. AI शिफारसीमुळे चुकीचे निदान किंवा प्रतिकूल परिणाम झाल्यास जबाबदार कोण? AI साधने सुरक्षित आणि प्रभावी राहतील याची खात्री करण्यासाठी त्यांचे निरीक्षण आणि अद्यतन कसे केले जावे? AI साधने अधिक स्वायत्त होत असताना आणि गंभीर काळजी मार्गांमध्ये समाकलित होत असताना हे प्रश्न विशेषतः महत्वाचे आहेत.

पुढील मार्ग: नावीन्य आणि पुरावा संतुलित करणे

या आव्हानांनंतरही, AI CDS चे संभाव्य फायदे दुर्लक्ष करण्यासारखे नाहीत. AI मध्ये मोठ्या प्रमाणात डेटा संश्लेषित करण्याची, मानवांना चुकू शकणारे नमुने ओळखण्याची आणि संसाधन-मर्यादित सेटिंग्जमध्ये निर्णय समर्थन प्रदान करण्याची क्षमता आहे. हे फायदे साकार करण्यासाठी, भागधारकांनी मजबूत मूल्यांकन फ्रेमवर्क, पारदर्शक अहवाल मानके आणि अनुकूली नियामक मार्ग विकसित करण्यासाठी एकत्र काम केले पाहिजे.

एक आशादायक दृष्टीकोन म्हणजे पारंपारिक चाचण्यांना पूरक म्हणून "लिव्हिंग" पद्धतशीर पुनरावलोकने आणि वास्तविक-जगातील पुराव्यांचा वापर. वास्तविक-जगातील सेटिंग्जमध्ये AI साधनांचे सतत निरीक्षण करून, संशोधक कार्यप्रदर्शन, सुरक्षितता आणि अनपेक्षित परिणामांवर पुरावे तयार करू शकतात. या दृष्टिकोनासाठी विकासक, चिकित्सक, संशोधक आणि नियामक यांच्यातील सहकार्य तसेच डेटा पायाभूत सुविधा आणि विश्लेषणातील गुंतवणूक आवश्यक आहे.

आणखी एक महत्त्वाचा पैलू म्हणजे चिकित्सकांचा सहभाग. AI CDS स्वीकारण्यासाठी आणि प्रभावी होण्यासाठी, चिकित्सकांनी साधनांवर विश्वास ठेवला पाहिजे आणि त्यांच्या मर्यादा समजून घेतल्या पाहिजेत. यासाठी शिक्षण आणि प्रशिक्षण तसेच AI शिफारसी कशा तयार केल्या जातात आणि त्यांना कोणता पुरावा समर्थन देतो याबद्दल पारदर्शक संवाद आवश्यक आहे.

शेवटी, मानके आणि नियमांच्या आंतरराष्ट्रीय सुसंवादाची आवश्यकता आहे. AI CDS साधने जागतिक उत्पादने आहेत आणि देशांमधील नियामक आवश्यकतांमधील फरक नावीन्य आणि प्रवेशास अडथळा आणू शकतात. आंतरराष्ट्रीय वैद्यकीय उपकरण नियामक मंच (IMDRF) सारखे सहयोगी प्रयत्न AI-आधारित वैद्यकीय उपकरणांसाठी सामान्य तत्त्वांकडे कार्यरत आहेत, परंतु अधिक करणे आवश्यक आहे.

निष्कर्ष

एआय-सक्षम क्लिनिकल निर्णय समर्थन वेगाने वाढत आहे, मोठ्या भाषा मॉडेल्समधील प्रगती आणि इलेक्ट्रॉनिक आरोग्य डेटाच्या प्रसारामुळे. बाजारपेठ भरभराटीला येत आहे आणि Abridge, OpenEvidence आणि Atropos Health सारख्या कंपन्या नाविन्यपूर्ण दृष्टिकोनांसह आघाडीवर आहेत. तथापि, या साधनांचा पुरावा आधार अद्याप विकसित होत आहे आणि मूल्यांकन, प्रशासन आणि नियमनात महत्त्वपूर्ण आव्हाने कायम आहेत.

AI आरोग्यसेवेचे रूपांतर करत असताना, कठोर मूल्यांकन आणि विचारपूर्वक देखरेखीसह गती ठेवणे आवश्यक आहे. AI CDS साधने सुरक्षित, प्रभावी आणि न्याय्य आहेत याची खात्री करूनच आपण रुग्णांची काळजी आणि परिणाम सुधारण्याची त्यांची क्षमता पूर्णपणे साकार करू शकतो.

हा लेख नेचर मेडिसिनच्या अहवालावर आधारित आहे. मूळ लेख वाचा.