AI அவசர அறையை சரிசெய்ய முடியாது — அதுவே முக்கிய புள்ளி

அவசரப் பிரிவுக்கு ஒரு கட்டமைப்புச் சிக்கல் உள்ளது

அமெரிக்கா முழுவதிலும் உள்ள அவசரப் பிரிவுகள், நோயாளிகள் கதவை அடைவதற்கு நீண்ட காலத்திற்கு முன்பே அவர்களை அடிக்கடி தோல்வியடையச் செய்யும் சுகாதார அமைப்பிற்கான கடைசி முயற்சியாக மாறிவிட்டன. நாட்கள் நீடிக்கும் போர்டிங், படுக்கைகளுக்காக காத்திருக்கும் நோயாளிகளால் நிரம்பிய ஹால்வேகள், ஆவணங்களில் மூழ்கியிருக்கும் மருத்துவர்கள், மற்றும் மெல்லியதாக நீட்டப்பட்ட ஆதரவு ஊழியர்கள் இவை அசாதாரணங்கள் அல்ல. அவை இயல்பானவை. இந்த வார AI Prognosis பத்தியில், Brittany Trang, செயற்கை நுண்ணறிவு கருவிகள் — எவ்வளவு அதிநவீனமாக இருந்தாலும் — அவசர அறையை சரிசெய்யாது என்று வாதிடுகிறார், ஏனெனில் அவசர அறை என்பது மென்பொருள் பிரச்சனை அல்ல. சுகாதாரம் எவ்வாறு ஒழுங்கமைக்கப்படுகிறது, நிதியளிக்கப்படுகிறது, மற்றும் வழங்கப்படுகிறது என்பதில் உள்ள ஆழமான, பிடிவாதமான தோல்விகளின் அறிகுறியாகும்.

இந்த முடிவு செழித்து வரும் AI சுகாதார நிலப்பரப்புக்கு எதிரானது. சமீபத்திய ஆண்டுகளில், நோயாளி-மருத்துவர் உரையாடல்களைக் கேட்டு தானாக மருத்துவ குறிப்புகளை உருவாக்கும் AI எழுத்தர்கள், செப்சிஸ் அபாயம் அல்லது அதிர்ச்சியின் தீவிரத்தைக் குறிக்கும் முன்கணிப்பு வழிமுறைகள், மற்றும் மார்பு எக்ஸ்ரே மற்றும் CT ஸ்கேன்களை மனிதனை விட அதிக துல்லியத்துடன் படிக்கும் கணினி பார்வை ஆகியவற்றிற்கான விளம்பரம் உச்சத்தை அடைந்துள்ளது. அவசரப் பிரிவு, நேர அழுத்தம், ஏராளமான தரவு, மற்றும் அதிக பங்குகளுடன், சரியான சோதனைக் களமாகத் தோன்றியது.

அவசர மருத்துவத்திற்கு AI ஏன் ஈர்க்கிறது

ஈர்ப்பு புரிந்துகொள்ளக்கூடியது. அவசர மருத்துவம் மிகவும் ஆவணப்படுத்தல் அதிகம் உள்ள சிறப்புகளில் ஒன்றாகும். ஒரு பொதுவான ஷிப்ட் மகத்தான அளவிலான சார்ட்டிங், சைன்-அவுட்கள், பில்லிங் குறியீடுகள், மற்றும் தர அளவீடுகளை உருவாக்குகிறது. மருத்துவர்கள் பெரும்பாலும் ஒவ்வொரு மணிநேர நேரடி நோயாளி பராமரிப்புக்கும் இரண்டு மணிநேரம் வேலை நேரத்திற்குப் பிறகு சார்ட்டிங்கில் செலவிடுகிறார்கள். AI எழுத்தர்கள் அந்த மணிநேரங்களை மீட்டெடுப்பதாக உறுதியளிக்கிறார்கள், இது மருத்துவர்கள் திரைகளுக்குப் பதிலாக நோயாளிகளில் கவனம் செலுத்த அனுமதிக்கிறது. ட்ரைஜ் கருவிகள் இடர் மதிப்பெண்களின் அடிப்படையில் நோயாளிகளுக்கு முன்னுரிமை அளிக்க இயந்திர கற்றலைப் பயன்படுத்துகின்றன, இது காத்திருப்பு நேரங்களைக் குறைக்கும். செப்சிஸ் கணிப்பு மாதிரிகள் மருத்துவர்களை நுட்பமான ஆரம்ப அறிகுறிகளுக்கு எச்சரிக்கலாம், இது தோள்பட்டை மீது தானியங்கி பார்வை போன்றது.

இருப்பினும், இந்த கருவிகள், Trang குறிப்பிடுவது போல், அமைப்பின் விளிம்புகளில் செயல்படுகின்றன. இரவில், வார இறுதிகளில், அல்லது காப்பீடு இல்லாமல் பலர் பராமரிப்பை அணுகக்கூடிய ஒரே இடம் ER என்பதை அவை எதுவும் செய்யவில்லை. மருத்துவமனை திறனில் இருப்பதால் அனுமதி தேவைப்படும் நோயாளிகளுக்கு உள்நோயாளி படுக்கைகளை அவை உருவாக்குவதில்லை. செவிலியர்கள், மனநல ஊழியர்கள், அல்லது சமூக சேவகர்களின் பற்றாக்குறையை அவை போக்குவதில்லை. முதன்மை பராமரிப்பு மருத்துவரிடம் சந்திப்பு பெற முடியாத நோயாளிகளின் ஓட்டத்தை அவை நிறுத்துவதில்லை, அல்லது அவர்களின் தேவைகள் மருத்துவமல்லாதவை — வீடு, உணவு பாதுகாப்பு, போக்குவரத்து.

AI எழுத்தர்கள் நோயை அல்ல, அறிகுறியைக் கையாளுகிறார்கள்

மருத்துவமனை நிர்வாகிகளின் அன்புக்குரிய AI எழுத்தரை எடுத்துக் கொள்ளுங்கள். இது ஒரு "முட்டாள் பிரச்சனை" தீர்வுக்கு சரியான எடுத்துக்காட்டு: குறிப்பு எடுப்பதற்கான சாதாரண, மீண்டும் மீண்டும் செய்யும் பணியை தானியக்கமாக்குதல். இந்த செயல்பாட்டில், மருத்துவ சந்திப்பின் போது, கருவி எரிச்சலைக் குறைத்து மருத்துவருக்கும் நோயாளிக்கும் இடையே கண் தொடர்பை மீட்டெடுக்கக்கூடும். இதுபோன்ற கருவிகளைப் பயன்படுத்தும் மருத்துவர்கள் குறைந்த சோர்வு மற்றும் அதிக திருப்தியை ஆரம்பத்தில் தெரிவிக்கின்றனர். ஆனால் அந்த ஆவணச் சுமையின் ஆழமான காரணங்கள் — பயனற்ற கிளிக்குகள், தற்காப்பு மருத்துவம், இணக்க-உந்துதல் செக்பாக்ஸ்கள், மற்றும் ஒவ்வொரு நிமிடத்தையும் காப்பீட்டாளர்களுக்கு நியாயப்படுத்த வேண்டிய அவசியம் — தொடாமல் இருக்கின்றன.

தொகுதியை விட மதிப்பை வெகுமதி அளிக்கும் ஒரு அமைப்பு, சார்ட்டிங் தானியங்கி செய்யப்பட்டாலும், மருத்துவர்களை அதிக நோயாளிகளைப் பார்க்கத் தள்ளும். தட்டச்சு செய்வதிலிருந்து தானாக விடுவிக்கப்படும் ஒரு மருத்துவர், நெரிசலான காத்திருப்பு அறை மற்றும் நிர்வாகிகளால் நிர்ணயிக்கப்பட்ட நான்கு மணி நேர இலக்குகளின் அழுத்தத்தை இன்னும் உணர்கிறார். AI எழுத்தர் அதிக நேரத்தை வழங்கவில்லை; அது அழுத்தப்பட்ட நேரம் எங்கு முடிவடைகிறது என்பதை மாற்றுகிறது. ஊக்கத்தொகைகள், பணியாளர் விகிதங்கள், மற்றும் பராமரிப்பு எவ்வாறு திருப்பிச் செலுத்தப்படுகிறது என்பதில் மாற்றங்கள் இல்லாமல், மருத்துவமனைகள் அதே எண்ணிக்கையிலான மருத்துவர்களுக்கு அதிக நோயாளி சந்திப்புகளைத் திட்டமிடக்கூடும், இது எரிச்சலை மேலும் துரிதப்படுத்தும்.

இதேபோல், AI அடிப்படையிலான ட்ரைஜ் கருவிகள் உதவியாக இருக்கலாம், ஆனால் அவை கவனமாக அளவீடு செய்யப்பட்டு ஏற்கனவே செயல்படும் பணிப்பாய்வில் ஒருங்கிணைக்கப்பட வேண்டும். அடிப்படை செயல்முறை குழப்பமாக இருந்தால், வழிமுறை அந்த குழப்பத்தைப் பெறுகிறது. மேலும், முன்கணிப்பு மாதிரிகள் வரலாற்று தரவுகளில் உள்ள சார்புகளை குறியாக்கம் செய்யலாம், ஏற்கனவே ஓரங்கட்டப்பட்ட மக்களுக்கு மோசமான பராமரிப்பு ஏற்படும் அபாயம் உள்ளது.

'முட்டாள் பிரச்சனைகள்' தான் மிகவும் கடினமானவை

Trang இன் பத்தி பரந்த AI Prognosis தொடரின் ஒரு பகுதியாகும், இது சுகாதாரத்தில் AI ஏற்றுக்கொள்ளப்படுவதற்கான மிக முக்கியமான தடைகள் பளபளப்பான வழிமுறைகள் அல்ல, மாறாக கவர்ச்சியற்ற, சலிப்பூட்டும் "முட்டாள் பிரச்சனைகள்": தரவு இயங்குதன்மை, எச்சரிக்கை சோர்வு, பயனர் இடைமுகங்கள், மற்றும் ஒழுங்குமுறை தெளிவு. STAT இல் வேறு இடங்களில் விவரிக்கப்பட்டுள்ள ஒரு முன்னாள் ARPA-H இயக்குநரின் ஸ்டார்ட்அப் இந்த சிக்கல்களை சரியாக சமாளிப்பதாகக் கூறப்படுகிறது, மருத்துவத்தில் AI இன் மிகப்பெரிய வெற்றிகள் பெரிய கணிப்புகளைச் செய்வதை விட டிஜிட்டல் பிளம்பிங்கை மீண்டும் உருவாக்குவதன் மூலம் வரக்கூடும் என்பதை ஒப்புக்கொள்கிறது.

அவசரப் பிரிவு சூழலில், அந்த முட்டாள் பிரச்சனைகள் எல்லா இடங்களிலும் உள்ளன. கதை எழுத்தர்களை இயக்கும் இயற்கை மொழி செயலாக்கம் ஒவ்வொரு உச்சரிப்பு, பேச்சுவழக்கு, மற்றும் மருத்துவ சொற்களை இடமளிக்க வேண்டும். இடைமுகங்கள் ஒரு ஒழுங்கீனமான மேசையில் பழைய கணினிகளில் வேலை செய்ய வேண்டும். AI வெளியீடுகள் பல விற்பனையாளர்களிடமிருந்து மின்னணு சுகாதார பதிவுகளில் பாய வேண்டும், ஒவ்வொன்றும் அதன் சொந்த கட்டமைப்பைக் கொண்டுள்ளன. மேலும், எச்சரிக்கைகள் சோர்வு காரணமாக மருத்துவர்கள் அவற்றை முற்றிலும் புறக்கணிக்காத வகையில் சரிசெய்யப்பட வேண்டும். அந்த சிக்கல்களைத் தீர்ப்பது அவசியம், ஆனால் அப்போதும் அது ஒரு கடினமான மேற்பரப்பை சற்று மென்மையாக்குகிறது.

தீர்க்கப்படாதது போர்டிங் பிரச்சனை. நாடு முழுவதும் உள்ள அவசரப் பிரிவுகள் சாதனை அளவு காத்திருப்பு நேரங்களைப் புகாரளிக்கின்றன, ஏனெனில் நோயாளிகளை உள்நோயாளி பிரிவுகளுக்கு மாற்ற முடியவில்லை. இது பெரும்பாலும் மருத்துவமனை படுக்கைகளின் பற்றாக்குறையால் ஏற்படுகிறது, அனுமதிகள் காகித வேலைகளால் தாமதமாவதால் அல்ல. ஒரு மருத்துவருக்கு ICU பராமரிப்பு தேவைப்படும் கடுமையான நோயாளி இருந்தால், ஆனால் ICU படுக்கை காலியாக இல்லை என்றால், எந்த AI கருவியும் ஒன்றை உருவாக்க முடியாது. இதேபோல், ஒரு மனநல தடுப்பு நாட்களுக்கு ஒரு மனநல வசதியில் படுக்கைக்காக காத்திருக்கும்போது, AI அந்த நோயாளிக்கு வீடு கொடுக்காது அல்லது மனநல பணியாளர்களை விரிவுபடுத்தாது.

சில பிரச்சனைகளுக்கு தொழில்நுட்ப தீர்வு இல்லை

அவசர மருத்துவத்தில் உள்ள நெருக்கடி பரந்த பணியாளர் பற்றாக்குறையையும் பிரதிபலிக்கிறது. செவிலியர்கள் தொழிலை விட்டு வெளியேறியுள்ளனர், தொற்றுநோய் கால எரிச்சல் மற்றும் மோசமான வேலை நிலைமைகளால் அதிகரித்துள்ளது. மருத்துவர்கள் முன்கூட்டியே ஓய்வு பெறுகிறார்கள் அல்லது சிறந்த வேலை-வாழ்க்கை சமநிலையை உறுதியளிக்கும் வேலைகளைத் தேடுகிறார்கள். எஞ்சியிருக்கும் செவிலியர்கள் மற்றும் மருத்துவர்களுக்கு AI எழுத்தரை அறிமுகப்படுத்துவது சில மன அழுத்தத்தைக் குறைக்கலாம், ஆனால் அது பயிற்சி பெற்ற நிபுணர்களின் குழாயை மீண்டும் உருவாக்காது. முறையான தீர்வு கல்வியில் அதிக முதலீடு, மணிநேரங்கள் மற்றும் ஊதியத்தை மறுசீரமைத்தல், மற்றும் பாதுகாப்பான பணியாளர் விகிதங்களை உருவாக்குதல் ஆகியவற்றை உள்ளடக்கியது — இவை அரசியல், தொழில்நுட்பம் அல்ல.

பின்னர் நோயாளிகள் தாங்களே. அவசரப் பிரிவுகள் பெருகிய முறையில் பூர்த்தி செய்யப்படாத சமூக தேவைகளுக்கான களஞ்சியமாக செயல்படுகின்றன. பராமரிப்பாளர் இல்லாத ஒரு வயதான நோயாளி விழுந்தால்; போதைப்பொருள் பழக்கத்தில் உள்ள ஆனால் பராமரிப்பு திட்டம் இல்லாத ஒரு இளம் வயது வந்தவர்; வீடற்ற தன்மையை அனுபவிக்கும் ஒரு வேலை செய்யும் குடும்பம். AI வீட்டு பராமரிப்பை ஏற்பாடு செய்ய முடியாது, மலிவு வீட்டுவசதியை சேர்க்க முடியாது, அல்லது மனநல ஆலோசனைக்கான அணுகலை உறுதி செய்ய முடியாது. இந்த வழக்குகள் ஒரு நன்கு செயல்படும் அமைப்பில் "விளிம்பு நிலை வழக்குகள்" அல்ல; பல மருத்துவமனைகளில் அவை தினசரி வருகையாளர்களில் கணிசமான பகுதியை பிரதிநிதித்துவப்படுத்துகின்றன. EMR தரவு, நோயறிதல் குறியீடுகள், மற்றும் கதைகள் அனைத்தும் சுகாதாரத்தின் சமூக தீர்மானிப்பான்களாக இருக்கும் வடிவங்களை வெளிப்படுத்துகின்றன, தொழில்நுட்ப ஓட்டத்தில் உள்ள குறைபாடுகள் அல்ல.

உண்மையான பாதை முன்னோக்கி

Trang இன் முடிவு அவசர அறையில் AI பயனற்றது என்று அல்ல. மாறாக, சில கருவிகள் ஆவணப்படுத்தல் துல்லியத்தை மேம்படுத்தலாம், வழக்கமான பிழைகளைக் குறைக்கலாம், மற்றும் தகவல் மீட்டெடுப்பில் மருத்துவர்களுக்கு உதவலாம் என்று பத்தி அனுமதிக்கிறது. ஆனால் இவை ஆதரவான பாத்திரங்கள். AI ஒரு ER ஐ மறுசீரமைத்து உயிர்ப்பிக்க முடியும் என்ற எதிர்பார்ப்பு தவறானது. அவசரப் பிரிவுகளை பாதிக்கும் பிரச்சனைகள் சுகாதாரத்தை பாதிக்கும் அதே பிரச்சனைகள்: துண்டு துண்டான நிதி, முதன்மை பராமரிப்பு மற்றும் மனநல சேவைகளின் பற்றாக்குறை, நிதியற்ற பொது சுகாதாரம், மற்றும் வயதான மக்கள் தொகை, இவை அனைத்தும் ஒரு பழமையான செயல்பாட்டு மாதிரியின் மீது அடுக்கப்பட்டுள்ளன.

"AI மூலம் ER ஐ சரிசெய்வதற்கான" முயற்சிகள், தலைவர்கள் கடினமான உரையாடல்களைத் தவிர்க்க காரணமாக இருந்தால், எதிர்மறையாக கூட இருக்கலாம். நிர்வாகிகள் முன்னேற்றத்தின் அடையாளமாக ஒரு புதிய AI டாஷ்போர்டை சுட்டிக்காட்டலாம், அதே நேரத்தில் செவிலியர் விகிதங்களை அதிகரிக்க வேண்டிய அவசியம், போர்டிங் நெறிமுறைகளை மேம்படுத்துதல், மற்றும் அவசரமற்ற பராமரிப்பை திசை திருப்ப சமூக அமைப்புகளுடன் பணியாற்றுதல் ஆகியவற்றை புறக்கணிக்கலாம். அவசரப் பிரிவு முழு சுகாதார சுற்றுச்சூழல் அமைப்பிற்கும் ஒரு அழுத்த நிவாரண வால்வு, மேலும் அது வெடிக்கும் நிலையில் உள்ளது. எந்த அளவு புத்திசாலித்தனமான தொழில்நுட்பமும் அதை மாற்றாது; பராமரிப்பு வழங்கலின் கட்டமைப்பை மாற்றுவதற்கான அர்ப்பணிப்பு மட்டுமே அதை மாற்ற முடியும்.

AI Prognosis இலிருந்து கற்றுக்கொள்ள வேண்டிய பாடம் என்னவென்றால், AI அவசர அறையை சரிசெய்ய முடியுமா என்று கேட்பதை நிறுத்திவிட்டு, கொள்கை, தலைமைத்துவம், மற்றும் நிதியுதவி மூலம் மட்டுமே தீர்க்கக்கூடிய சிக்கல்களை தீர்க்க தொழில்நுட்பத்தை ஏன் எதிர்பார்க்கிறோம் என்று கேட்க வேண்டும். வழிமுறைகள் உதவட்டும், ஆனால் ஆதரவு தேவைப்படும் ஒரு அமைப்பின் முழு எடையையும் அவை சுமக்க வேண்டாம்.

Trang எழுதுவது போல், AI ER இன் பிரச்சனைகளை மாற்ற முடியாது. இது அறிவியலின் தோல்வி அல்ல. சுகாதாரம் ஒரு மனித அமைப்பு என்பதற்கான நினைவூட்டல், மேலும் அதன் கடினமான பிரச்சனைகள் பிடிவாதமாக மனிதர்களாகவே இருக்கின்றன.

இந்த கட்டுரை STAT News இன் அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.