AI साधने आता त्या दात्याच्या हृदयांना वाचवण्यासाठी तपासली जात आहेत, जी प्रत्यारोपण पथके नाकारतात

हृदय प्रत्यारोपण पथकांवर दाता निर्णय अधिक जलद आणि चांगले घेण्याचा दबाव आहे

वैद्यकशास्त्रातील सर्वांत वेळ-संवेदनशील निर्णयांपैकी एक, म्हणजे दाता हृदय स्वीकारायचे का, यासाठी कृत्रिम बुद्धिमत्ता एक व्यावहारिक साधन म्हणून पुढे येत आहे. International Society for Heart and Lung Transplantation च्या 46व्या वार्षिक बैठकीत सादर झालेल्या संशोधनानुसार, AI प्रणाली सध्या नाकारली जाणारी दाता हृदये ट्रान्सप्लांट कार्यक्रमांना अधिक चांगल्या प्रकारे वापरता येतील अशा रीतीने मदत करू शकतात, ज्यामुळे प्रत्यारोपणाची वाट पाहणाऱ्या रुग्णांपर्यंत पोहोच वाढू शकते.

समस्या केवळ कमतरतेची नाही. ती अतिशय वेळेच्या दबावाखाली जुळवणी आणि निर्णय घेण्याचीही समस्या आहे. स्त्रोत मजकुराच्या सारांशानुसार, अमेरिकेत उपलब्ध होणाऱ्या हृदयांपैकी फक्त सुमारे 30% ते 40% हृदये प्रत्यक्षात प्रत्यारोपणासाठी वापरली जातात. त्याच वेळी, मागणी इतकी जास्त आहे की रुग्णांना महिनेभर वाट पाहावी लागू शकते, कधी कधी intensive care मध्ये life support वर असतानाही.

या असमतोलामुळे निर्णय-सहाय्य साधनांसाठी जागा निर्माण होते. जर सोडून दिल्या जाणाऱ्या हृदयांचा मोठा हिस्सा अपरिहार्य वैद्यकीय कारणांऐवजी अतिसावध निर्णयांमुळे नाकारला जात असेल, तर अधिक चांगले triage जीव वाचवू शकते, दात्यांचा एकूण पूल बदलण्याची गरज न पडता.

दाता हृदयांचे निर्णय इतके कठीण का असतात

जेव्हा एखादे हृदय उपलब्ध होते, तेव्हा प्रत्यारोपण पथकांना दीर्घ पुनरावलोकनासाठी वेळ नसतो. स्त्रोत मजकुरानुसार, एक cardiologist किंवा surgeon कडे साधारणपणे फक्त 15 ते 30 मिनिटे असतात; त्या वेळेत दात्याचा वैद्यकीय इतिहास, imaging, आणि laboratory निकाल यांसारखी अनेक माहिती पाहून, ते अवयव विशिष्ट रुग्णासाठी योग्य आहे का हे ठरवावे लागते.

ही मर्यादित निर्णय-खिडकी AI च्या समर्थनार्थ मुख्य मुद्दा आहे. ते वैद्यकीय निर्णयाची जागा घेण्यासाठी नाही, तर अशा मार्गाने मांडले गेले आहे की ज्यामुळे अनेक इनपुट्स एकत्र करून अधिक सुसंगत निष्कर्ष काढता येतील, जे मानवी पथकाला मध्यरात्री किंवा ICU-स्तराच्या आपत्कालीन परिस्थितीत एकट्याने करणे अवघड असते. NYU Grossman School of Medicine चे Brian Wayda, ज्यांनी हे काम सादर केले, यांनी याला अतिशय वेळ-सीमित परिस्थितीत घेतले जाणारे जीव-मरणाचे निर्णय असे म्हटले.

प्रत्यारोपण वैद्यकशास्त्रात विसंगतीचे खरे परिणाम होतात. वेगवेगळी पथके एकाच दाता प्रोफाइलचे वेगवेगळे मूल्यांकन करू शकतात, आणि false negative ची किंमत फार मोठी असते: वापरण्यायोग्य असलेले हृदय केवळ त्या रुग्णासाठीच नव्हे तर अनेकदा संपूर्ण प्रत्यारोपण प्रक्रियेपासूनही हरवू शकते.

नवीन साधने धोका प्रमाणित करायचा प्रयत्न करतात, डॉक्टरांना बाजूला काढायचा नाही

बैठकीतील सादरीकरणात या निर्णय प्रक्रियेला आधार देणारी अनेक AI मॉडेल्स मांडली गेली. त्यातील एक प्रमुख साधन TOPHAT आहे, म्हणजे Tool Predicting Heart Acceptance for Transplant. Wayda यांनी Stanford Health Care मधील ISHLT President-Elect Kiran Khush यांच्यासोबत ते विकसित केले आहे. हे web-based मॉडेल 20 दात्यांची वैशिष्ट्ये वापरून ऐतिहासिक डेटावर आधारित एखादे प्रत्यारोपण केंद्र ते दाता हृदय स्वीकारेल का याचा अंदाज लावते.

ही मांडणी महत्त्वाची आहे. हे साधन थेट हृदय सुरक्षित आहे की नाही असे सांगते, असे वर्णन केलेले नाही. त्याऐवजी, ते पूर्वीच्या निर्णयांच्या पॅटर्नवरून स्वीकारले जाण्याची शक्यता मोजते. प्रत्यक्षात, ते predictor आणि mirror अशा दोन्ही प्रकारे उपयुक्त ठरू शकते, म्हणजेच एखाद्या पथकाची intuitive प्रतिक्रिया व्यापक ऐतिहासिक वर्तनापासून किती वेगळी आहे ते दाखवू शकते.

स्रोत मजकुरात अधोरेखित केले आहे की या प्रणालींचा उद्देश धोका एकत्रित करून मांडणे आहे, डॉक्टरांना बदलणे नाही. हे वेगळेपण स्वीकारासाठी महत्त्वाचे ठरेल. हृदय प्रत्यारोपणासारख्या उच्च-दावाच्या क्षेत्रात पूर्णतः स्वयंचलित स्वीकार निर्णयांना मोठा वैद्यकीय आणि नैतिक विरोध होईल. त्याऐवजी, निर्णय-सहाय्य साधने समाविष्ट करणे अधिक सोपे ठरू शकते, कारण जबाबदारी प्रत्यारोपण पथकाकडेच राहते.

संधी त्या हृदयांमध्ये आहे जी अनावश्यकपणे हरवू शकतात

या परिस्थितीत AI साठी सर्वात ठोस मुद्दा पुरवठा आणि वापरातील दरीतून येतो. जर उपलब्ध हृदयांपैकी फक्त 30% ते 40% प्रत्यारोपित होत असतील, तर निष्काळजीपणाला वाव नाही. स्रोत मजकुरात स्पष्टपणे म्हटले आहे की संशोधनातून असे दिसते की सर्व दाता हृदये योग्य कारणांनीच काढून टाकली जात नाहीत. याचा अर्थ प्रत्येक नाकारलेले हृदय वापरलेच पाहिजे असे नाही, पण सध्याच्या नकार पद्धतींपैकी काही भाग टाळता येण्याजोगा आहे.

प्रत्यारोपणाच्या प्रतीक्षेत असलेल्या रुग्णांसाठी हा फरक शैक्षणिक नाही. प्रत्येक टाळता येण्याजोगा discard म्हणजे जगण्याची किंवा बरे होण्याची एक हुकलेली संधी असू शकते. त्यामुळे इथे AI चे मूल्य भविष्यकालीन automation पेक्षा कमी आणि सुसंगततेचा पाया उंचावण्यात अधिक आहे, विशेषतः जेव्हा पथकांना मोठ्या आणि विविध दाता प्रोफाइल्सवर जलद निर्णय घ्यावे लागतात.

यामुळे संस्थांमधील फरकही कमी होऊ शकतो. काही केंद्रे marginal किंवा जटिल दाते स्वीकारण्यात अधिक आक्रमक असतात. एक मजबूत prediction model धोका चर्चेसाठी समान चौकट देऊ शकतो, ज्यामुळे सध्या स्थानिक सवय, अनुभव आणि संस्थात्मक संस्कृतीवर आधारित असलेली निर्णयप्रक्रिया अधिक data-driven होऊ शकते.

यश कसे दिसेल?

यशाचे सर्वांत स्पष्ट मापदंड सोपे असेल: अधिक दाता हृदये सुरक्षितपणे वापरली जाणे. स्रोत सामग्री AI ने आधीच समस्या सोडवली आहे असा दावा करत नाही, आणि ते system-wide अंमलबजावणी दाखवणारे ठोस परिणामही देत नाही. पण ते दाखवते की चिकित्सक आणि संशोधक प्रत्यारोपण उपलब्धतेवर मोठा परिणाम करणाऱ्या एका bottleneck भोवती खास साधने तयार करत आहेत.

जर ही साधने पथकांना असे हृदय ओळखायला मदत करत असतील जे स्वीकारण्यासारखे आहेत पण सध्या दुर्लक्षित होतात, तर अंग-निर्मिती, जतन, किंवा शस्त्रक्रियेत कोणतेही नवीन breakthrough नसतानाही मोठा परिणाम होऊ शकतो. त्या अर्थाने, हे काम आठवण करून देते की वैद्यकशास्त्रातील काही सर्वांत मोठे लाभ केवळ नवीन उपचारांमधून नव्हे, तर उपलब्ध संसाधनांविषयी अधिक चांगले निर्णय घेण्यातूनही येऊ शकतात.

प्रत्यारोपण बैठकीतून मिळणारा व्यापक संदेश असा की आरोग्यसेवेत AI ची सर्वात विश्वासार्ह भूमिका संकुचित आणि कार्यान्वयीन असू शकते. दाता हृदयाच्या संदर्भात, याचा अर्थ माणसांना कठीण निर्णय जलद, अधिक सुसंगतपणे, आणि ऐतिहासिक डेटामध्ये दडलेल्या नमुन्यांचे अधिक चांगले आकलन करून घेण्यास मदत करणे. दात्यांच्या कमतरतेचा प्रमाण आणि निर्णयासाठीची कमी वेळ पाहता, ही अत्यंत व्यावहारिक महत्त्वाकांक्षा आहे.

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