एआय इंटेक साधनाचा उद्देश पहिल्या मनोविकारविषयक मुलाखती कमी धास्तीदायक करणे आहे

पहिल्या भेटीपूर्वीचा एक AI बफर

दक्षिण कोरियातील एका संशोधन पथकाचे म्हणणे आहे की त्यांनी मानसिक आरोग्य सेवेतल्या सर्वात कठीण क्षणांपैकी एक, म्हणजे पहिली मनोविकारविषयक मुलाखत, यासाठी मदत करणारी संवादात्मक AI प्रणाली विकसित केली आहे. Korea Advanced Institute of Science and Technology मधील संशोधक आणि Gangnam Severance Hospital मधील नैदानिक सहकार्यांनी या प्रकल्पाचे नेतृत्व केले असून, रुग्णांनी डॉक्टरांसमोर बसण्यापूर्वी AI प्रणालीशी बोलावे यासाठी तो तयार करण्यात आला आहे.

कल्पना सोपी आहे. सुरुवातीच्या मनोविकारविषयक सल्लामसलतींमध्ये अनेकदा रुग्णांना कमी वेळेत आणि दडपणाखाली आपली अस्वस्थता, लक्षणांचा इतिहास, आणि वैयक्तिक संदर्भ समजावून सांगायला सांगितले जाते. हे रुग्णांसाठी अस्वस्थ करणारे असू शकते आणि चिकित्सकांसाठीही अवघड, कारण त्यांना निदान आणि उपचारांसाठी सर्वाधिक संबंधित तपशील पटकन ओळखावे लागतात. नवीन प्रणालीचा उद्देश हा ताण कमी करणे हा आहे, म्हणजे रुग्णांना आधीच काय सांगायचे आहे ते मांडता यावे आणि त्याच वेळी वैद्यकीयदृष्ट्या उपयुक्त माहितीही गोळा होईल.

प्रणाली कशी काम करते

संशोधकांच्या मते, हे साधन एका मोठ्या भाषा मॉडेलवर आधारित आहे जे प्रत्यक्ष वेळेत मुलाखतीचा प्रवाह जुळवून घेऊ शकते. ठरावीक प्रश्नावलीचे अनुसरण करण्याऐवजी, ते रुग्णाच्या उत्तरांची विशेषीकृत मनोविकारविषयक ज्ञानाशी तुलना करते आणि त्या तुलनेच्या आधारे पुढचे प्रश्न तयार करते. उद्दिष्ट हे आहे की संवाद कडक फॉर्मसारखा न वाटता, मार्गदर्शित नैदानिक संभाषणासारखा वाटावा.

संघाचे म्हणणे आहे की या प्रणालीत समुपदेशन प्रॅक्टिसमधून घेतलेल्या तंत्रांचाही समावेश आहे. त्यामध्ये सहानुभूती व्यक्त करणे, रुग्णाचे शब्द अधिक सुव्यवस्थित पद्धतीने पुन्हा मांडणे, आणि संदिग्ध विधानांचे स्पष्टीकरण करणे यांचा समावेश आहे. हे महत्त्वाचे आहे, कारण मनोविकारविषयक इंटेक हा केवळ तथ्ये गोळा करण्याचा विषय नाही. रुग्णाला भावनिकदृष्ट्या कठीण माहिती पुढेही सांगण्याइतके आरामदायी वाटते का, यावरही ते अवलंबून असते.

त्या अर्थाने, या प्रणालीकडे स्वतंत्र चिकित्सक म्हणून नव्हे, तर एक सहाय्यक थर म्हणून पाहिले जात आहे. रुग्णांचे निदान करणे किंवा मनोचिकित्सकांची जागा घेणे असे तिचे वर्णन केलेले नाही. त्याऐवजी, दोन्ही बाजूंना अधिक केंद्रित प्रत्यक्ष भेटीसाठी तयार करणे हा तिचा उद्देश आहे.

प्रारंभिक चाचण्यांमधून काय सूचित होते

संशोधकांनी 1,440 आभासी रुग्णांचा वापर करून प्रणालीचे मूल्यमापन केले. त्या चाचण्यांमध्ये, बहुतेक प्रकरणांमध्ये 30 मिनिटांच्या आत उपचारांसाठी आवश्यक मुख्य नैदानिक माहिती AI मिळवू शकली, असे त्यांनी सांगितले. हा निष्कर्ष वास्तविक वापरातही लागू झाला, तर तो मनोविकारविषयक सेवेमधील एक मुख्य अडथळा थेट दाखवेल: रुग्णावर भार न टाकता संबंधित इतिहास मोठ्या प्रमाणात आणि पटकन समोर आणण्याची गरज.

हे अध्ययन 13 एप्रिल रोजी ACM CHI 2026 येथे सादर करण्यात आले आणि 2026 CHI Conference on Human Factors in Computing Systems च्या कार्यवाहीत प्रकाशित झाले. त्यामुळे हे काम केवळ वैद्यकीयच नव्हे, तर मानव-संगणक परस्परसंवादाच्या संदर्भातही बसते, जे महत्त्वाचे आहे. इथे आव्हान केवळ मॉडेलची अचूकता नाही, तर रुग्ण त्या संवादाचा अनुभव कसा घेतो आणि चिकित्सकांना विश्वास ठेवता येईल व वापरता येईल अशी माहिती मिळते का, हेही आहे.

मानसिक आरोग्य प्रणालींसाठी याचे महत्त्व

अनेक देशांमध्ये मानसिक आरोग्य सेवांवर वाढती मागणी, कर्मचारी टंचाई, आणि सततच्या उपलब्धता अडथळ्यांचा ताण आहे. प्रत्येक प्रकरणामागे डॉक्टरांचा अधिक वेळ न मागता इंटेकची गुणवत्ता सुधारू शकणारी साधने लक्ष वेधून घेतील. रुग्ण अधिक तयारीनिशी आले आणि चिकित्सक स्पष्ट, संरचित सारांशासह सुरुवात करू शकले, तर पहिली भेट अधिक फलदायी होऊ शकते.

तरीही, काही व्यावहारिक प्रश्न दिलेल्या अहवालाच्या कक्षेबाहेर राहतात. प्रत्यक्ष रुग्ण हे आभासी रुग्ण नसतात, आणि मनोविकारविषयक मुलाखतींमध्ये सुरक्षितता, गोपनीयता, escalation, आणि पक्षपात यांसारखे स्पष्ट मुद्दे असतात. विशेषतः लक्षणे गुंतागुंतीची असतील किंवा रुग्ण अप्रत्यक्षपणे संवाद साधत असेल, तर AI-ने मांडलेल्या सारांशांची चिकित्सक कशी पडताळणी करतात किंवा त्यांचे पुनर्वाचन कसे करतात, हेही महत्त्वाचे आहे.

तरीही, हे काम आरोग्यसेवेत जनरेटिव्ह AI चा अधिक ठोस वापर दाखवते, अनेक लक्षवेधी चॅटबॉट दाव्यांपेक्षा. पूर्णपणे स्वयंचलित सेवांचे आश्वासन देण्याऐवजी, ते एका मर्यादित पण महत्त्वाच्या प्रशासकीय-नैदानिक हस्तांतरणावर लक्ष केंद्रित करते: लोकांना समस्या काय आहे ते सांगायला मदत करणे, आणि डॉक्टरांना ते जलद ऐकायला मदत करणे.

हा लेख Medical Xpress मधील वार्तांकनावर आधारित आहे. मूळ लेख वाचा.