जो क्लिनिकल संकेत अनेकदा नोंदवला जात नाही
रुग्णालयातील नर्सा संपूर्ण शिफ्ट औषध वाटप, व्हायटल साईन तपासणी, नोंदवही, कुटुंबीयांशी संवाद आणि रुग्ण स्थिर दिसतोय की नाही याबाबत सतत घेतल्या जाणाऱ्या छोट्या निर्णयांमध्ये घालवतात. अशा वातावरणात कौशल्याचा सर्वात महत्त्वाचा प्रकार दस्तऐवजीकरण करणेही सर्वात कठीण असू शकते: मानक मोजमाप स्पष्टपणे काही दाखवण्याआधीच काहीतरी बिनसले आहे ही जाणीव.
जॉन्स हॉपकिन्स स्कूल ऑफ नर्सिंगच्या सहयोगी प्राध्यापक केली ग्लिसन यांनी नेमक्या या समस्येवर आपले संशोधन उभारले आहे. नर्सा केवळ मॉनिटर्सच नाही, तर माणसेही वाचायला शिकवल्या जातात, असे त्या सांगतात. पारंपरिक रुग्णालयीन लवकर इशारा प्रणालीत लगेच अलार्म न वाजवणारे रूप, सतर्कता, वर्तन किंवा एकूणच प्रकटनातील बदल त्या पाहतात. पण त्या चिंता व्यक्त करण्याचा वस्तुनिष्ठ मार्ग नसल्यास, एक अंदाज नंतर तो योग्य ठरला तरी, फक्त अंदाजच राहू शकतो.
त्यातून तीव्र उपचारांमध्ये वारंवार दिसणारी एक कठीण परिस्थिती तयार होते. नर्सला एखाद्या रुग्णाबद्दल हलकी चिंता वाटते, पण रक्तदाब, हृदयगती आणि इतर मानक निर्देशांक सामान्य दिसतात. अधिक ठोस पुराव्याशिवाय डॉक्टरांना राउंड्समधून दूर बोलावणे कठीण ठरू शकते, आणि व्यस्त कामकाजामुळे अंतःप्रेरणेची संरचित चौकशी करण्यासाठी वेळच कमी असतो. कधी कधी पुढच्या शिफ्टमध्ये कळते की रुग्णाची प्रकृती खालावली असून त्याला अतिदक्षता विभागात हलवावे लागले आहे.
मशीन लर्निंग प्रणालींमध्ये नर्सिंग निर्णयाचा समावेश
ग्लिसन यांची पद्धत विद्यमान रुग्णालयीन अलर्टची जागा घेण्याची नाही, तर त्यांना अधिक सक्षम करण्याची आहे. रुग्णालये आधीपासूनच अनेक शिफ्टमधील रुग्णांची माहिती प्रक्रिया करून जोखीम गुण तयार करणाऱ्या लवकर इशारा प्रणाली वापरतात. गुण ठराविक मर्यादा ओलांडल्यास, उपचार पथकाला अलर्ट मिळतो. अधिकाधिक प्रमाणात, या प्रणाली कोणते रुग्ण खालावत जाण्याच्या धोक्यात असू शकतात याचा अंदाज लावण्यासाठी मशीन लर्निंग वापरत आहेत.
अशा प्रणाली उपयुक्त सुरक्षा-जाळ्याची भूमिका बजावतात. त्या कालांतराने रुग्णाचा मागोवा घेतात, शिफ्ट बदलल्यानंतरही सातत्य राखतात, आणि गर्दीच्या वॉर्डमध्ये नमुने निसटू नयेत म्हणून क्लिनिशियनना मदत करतात. पण त्या अजूनही प्रामुख्याने दस्तऐवजीकृत डेटावर, विशेषतः व्हायटल साईन आणि इतर मोजता येणाऱ्या घटकांवर, उभारलेल्या असतात. अडचण अशी की रुग्णशय्येवरील नर्सा हे नमुने संख्यांमध्ये रूपांतर होण्याआधीच ओळखतात.
जॉन्स हॉपकिन्सचे काम त्या दरीत पूल बांधण्याचा प्रयत्न करत आहे: रुग्णशय्येवरील निरीक्षणे मोजता येतील अशा स्वरूपात पकडून ती AI-समर्थित इशारा प्रणालींमध्ये समाविष्ट करणे. कल्पना म्हणजे गूढ अंतःप्रेरणा थेट सॉफ्टवेअरमध्ये भाषांतरित करणे नाही. अनुभवी नर्सा वारंवार करतात त्या सूक्ष्म क्लिनिकल निरीक्षणांची संरचित नोंद घेणे, जे मानक मोजमापांनी अजून मर्यादा ओलांडली नसली तरीही प्रकृती खालावण्याशी संबंधित असू शकतात.
