পরবর্তী আপপরবর্তী গাইড
রোগীর শিক্ষা উপকরণের জন্য এআই
অ্যাপ্লিকেশন
অ্যাপ্লিকেশন গাইড
এআই-ড্রাফ্ট করা উত্তরগুলি এমন প্রতিক্রিয়া যা একটি ভাষা মডেল রোগীর পোর্টাল বার্তার জন্য একজন চিকিত্সকের ইএইচআর ইনবক্সের ভিতরে লেখে।
একজন চিকিত্সককে অবশ্যই পর্যালোচনা, সম্পাদনা এবং প্রতিটি পাঠাতে হবে। প্রারম্ভিক অধ্যয়নগুলি পরামর্শ দেয় যে খসড়াগুলি ইনবক্স কাজের মানসিক ভার কমাতে পারে এবং প্রায়শই সহানুভূতিশীল হিসাবে দেখা হয়, কিন্তু তারা নির্ভরযোগ্যভাবে সময় বাঁচাতে পারেনি এবং তাদের নিরাপত্তা যত্নশীল মানুষের পর্যালোচনার উপর নির্ভর করে।
2023 সালে বড় আকারের ব্যবহার শুরু হয়, যখন Epic এবং Microsoft Azure OpenAI-এর মাধ্যমে GPT-4-ভিত্তিক খসড়া উত্তর দেওয়া শুরু করে। প্রাথমিক গ্রহণকারীদের মধ্যে ইউসি সান দিয়েগো হেলথ, ইউডাব্লু হেলথ এবং স্ট্যানফোর্ড হেলথ কেয়ার অন্তর্ভুক্ত ছিল। একটি সাধারণ সেটআপে, সিস্টেমটি একটি রোগীর বার্তা এবং কিছু চার্ট প্রসঙ্গে পড়ে, তারপর একটি প্রস্তাবিত উত্তর দেখায়। চিকিত্সক খসড়া থেকে শুরু করতে পারেন বা ফাঁকা শুরু করতে পারেন। কিছুই স্বয়ংক্রিয়ভাবে রোগীর কাছে যায় না। গবেষণা মিশ্র হয়. JAMA ইন্টারনাল মেডিসিনের আয়ার্স এবং সহকর্মীদের দ্বারা 2023 সালের একটি সমীক্ষা Reddit-এ পোস্ট করা জনস্বাস্থ্যের প্রশ্নে চিকিত্সকের উত্তরের সাথে ChatGPT উত্তরের তুলনা করেছে। মূল্যায়নকারীরা বেশিরভাগ তুলনার ক্ষেত্রে চ্যাটবট উত্তর পছন্দ করেছেন এবং গুণমান এবং সহানুভূতির জন্য তাদের উচ্চ রেট দিয়েছেন। যে সেটিং একটি বাস্তব ক্লিনিকাল ইনবক্স ছিল না. স্বাস্থ্য ব্যবস্থার অভ্যন্তরে অধ্যয়নগুলি আরও বিনয়ী চিত্র দেয়। 2024 সালে JAMA নেটওয়ার্ক ওপেনের গার্সিয়া এবং সহকর্মীদের দ্বারা একটি স্ট্যানফোর্ড সমীক্ষায় দেখা গেছে যে চিকিত্সকরা প্রায় এক পঞ্চমাংশ বার্তার জন্য ড্রাফ্ট ব্যবহার করেছেন, যার মধ্যে টাস্ক লোড এবং বার্নআউট স্কোর হ্রাস পেয়েছে কিন্তু কোনও উল্লেখযোগ্য সময় সাশ্রয় হয়নি। Tai-Seale এবং সহকর্মীদের দ্বারা একটি 2024 UC San Diego সমীক্ষায় উত্তরের সময়, বার্তাগুলি পড়তে বেশি সময় ব্যয় করা এবং আরও দীর্ঘ উত্তর পাওয়া যায়নি। নিরাপত্তা গবেষণা দেখায় কেন পর্যালোচনা গুরুত্বপূর্ণ। ল্যানসেট ডিজিটাল হেলথ-এ প্রকাশিত ম্যাস জেনারেল ব্রিগ্যামের একটি 2024 সিমুলেশন গবেষণায় দেখা গেছে যে অসম্পাদিত GPT-4 ড্রাফ্টগুলির একটি ছোট অংশ পাঠানো হলে মারাত্মক ক্ষতি হতে পারে। ড্রাফ্ট ব্যবহার করা চিকিত্সকরা কখনও কখনও মডেলের বিষয়বস্তু জায়গায় রেখে দেন। এটি হল অটোমেশন পক্ষপাত: লোকেরা একটি সাবলীল খসড়া গ্রহণ করার প্রবণতা রাখে। প্রধান ভুল ধারণা হল খসড়া তৈরি করা মূলত একটি সময়-সংরক্ষণকারী। এখনও অবধি প্রমাণগুলি সংরক্ষিত মিনিটের চেয়ে মানসিক বোঝা হ্রাসের দিকে বেশি নির্দেশ করে। প্রকাশ একটি আইনি সমস্যা হয়ে উঠছে। ক্যালিফোর্নিয়ার AB 3030, 2025 সালে কার্যকর, স্বাস্থ্য প্রদানকারীদের AI-উত্পন্ন রোগীর যোগাযোগ প্রকাশ করতে হবে যদি না কোনো লাইসেন্সপ্রাপ্ত প্রদানকারী তাদের পর্যালোচনা করে।
অ্যাপ্লিকেশন-স্তরের নকশা নির্ধারণ করে যে AI বাস্তব ফলাফলগুলিকে উন্নত করে কিনা।
ভাল ওয়ার্কফ্লো ইন্টিগ্রেশন ব্যবহারকারীদের বিশ্বাস করতে পারে এমন উত্পাদনশীলতা লাভ তৈরি করে।
সুপরিসর ব্যবহারের ক্ষেত্রে পরিবর্তনের ক্লান্তি এবং বাস্তবায়নের ঝুঁকি হ্রাস করে।
ইনবক্স ড্রাফটিং ছড়িয়ে পড়ার সম্ভাবনা রয়েছে কারণ বার্তার পরিমাণ ক্রমাগত বাড়ছে, তবে এটি গ্রহণ করার কারণগুলি সংরক্ষিত মিনিট থেকে চিকিত্সকদের উপর চাপ কমাতে স্থানান্তরিত হচ্ছে। এই দাবিটি নিশ্চিত করার জন্য আরও দীর্ঘ অনুসরণের প্রয়োজন। চার্টের প্রেক্ষাপটের আরও ভাল ব্যবহার এবং আরও সতর্কতার সাথে ট্রাইজে যে বার্তাগুলি ড্রাফ্ট পায় তা সঠিকতা উন্নত করতে পারে। বড় ঝুঁকি অটোমেশন পক্ষপাত থেকে যায়, তাই প্রশিক্ষণ, অডিট এবং ইন্টারফেস ডিজাইন যা সম্পাদনা সহজ করে তোলে মডেলের মতোই গুরুত্বপূর্ণ। রোগীর প্রকাশ এবং সম্মতির প্রতি আরও মনোযোগ আশা করুন কারণ রাজ্য এবং স্বাস্থ্য ব্যবস্থা নিয়মগুলি সেট করে। উন্মুক্ত গবেষণার প্রশ্নটি হ'ল ড্রাফ্টগুলি শুধুমাত্র চিকিত্সকদের জন্য নয়, রোগীদের জন্য ফলাফল পরিবর্তন করে কিনা।
একজন নার্স তিন সপ্তাহ ধরে থাকা কাশি সম্পর্কে রোগীর বার্তা খোলেন। তিনি জ্বর এবং শ্বাসকষ্ট সম্পর্কে জিজ্ঞাসা করে একটি পূর্ব-লিখিত খসড়া খুঁজে পান, একই সপ্তাহে ভিজিট করার জন্য এটি সম্পাদনা করেন এবং এটি পাঠান।
একজন চিকিত্সক একটি খসড়া বাতিল করেছেন যা একজন রোগীকে রক্তচাপের ওষুধ দ্বিগুণ করতে বলেছিল, কারণ মডেলটি গতকালের ল্যাবের ফলাফলগুলি উচ্চ পটাসিয়াম দেখায়নি।
একটি স্বাস্থ্য ব্যবস্থা উত্তরে একটি লাইন যোগ করে বলে যে বার্তাটি এআই সাহায্যে খসড়া করা হয়েছে এবং একজন চিকিত্সক দ্বারা পর্যালোচনা করা হয়েছে, যাতে রোগীরা জানেন যে তাদের যত্ন দল কীভাবে এই সরঞ্জামটি ব্যবহার করে।
একটি সংস্থা পরীক্ষার ফলাফলের বার্তা এবং সম্ভাব্য জরুরী অবস্থার জন্য খসড়া তৈরি বন্ধ করে দেয়, সেগুলিকে এআই ড্রাফ্ট ছাড়াই নার্স ট্রাইজে পাঠায়।
একটি ভাঙা প্রক্রিয়া স্বয়ংক্রিয়ভাবে বিদ্যমান সমস্যাগুলিকে প্রসারিত করতে পারে।
দলগুলি অতিরিক্ত-স্বয়ংক্রিয় হতে পারে এবং প্রয়োজনীয় মানবিক বিচার অপসারণ করতে পারে।
আউটপুট ক্রমাগত মূল্যায়ন না করা হলে গুণমান প্রবাহিত হতে পারে।
বর্তমান ওয়ার্কফ্লো ম্যাপ করুন এবং সর্বোচ্চ-ঘর্ষণ ধাপ সনাক্ত করুন।
সম্পূর্ণ অটোমেশনের আগে মানব চেকপয়েন্টগুলি সংজ্ঞায়িত করুন।
ব্যবহারকারীদের প্রম্পট, বৃদ্ধির পথ এবং মানের মান সম্পর্কে প্রশিক্ষণ দিন।
টেকসই মান নিশ্চিত করতে টাস্ক-লেভেল ফলাফল ট্র্যাক করুন।
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
এআই-ড্রাফ্ট করা উত্তরগুলি এমন প্রতিক্রিয়া যা একটি ভাষা মডেল রোগীর পোর্টাল বার্তার জন্য একজন চিকিত্সকের ইএইচআর ইনবক্সের ভিতরে লেখে। একজন চিকিত্সককে অবশ্যই পর্যালোচনা, সম্পাদনা এবং প্রতিটি পাঠাতে হবে। প্রারম্ভিক অধ্যয়নগুলি পরামর্শ দেয় যে খসড়াগুলি ইনবক্স কাজের মানসিক ভার কমাতে পারে এবং প্রায়শই সহানুভূতিশীল হিসাবে দেখা হয়, কিন্তু তারা নির্ভরযোগ্যভাবে সময় বাঁচাতে পারেনি এবং তাদের নিরাপত্তা যত্নশীল মানুষের পর্যালোচনার উপর নির্ভর করে।
চিকিত্সকরা প্রায় এক পঞ্চমাংশ বার্তার জন্য খসড়া ব্যবহার করেছিলেন। বোঝার ব্যবস্থা উন্নত হয়েছে, কিন্তু সময় উল্লেখযোগ্যভাবে পরিবর্তিত হয়নি।
অধ্যয়নটি পাবলিক ফোরামের প্রশ্নগুলির জন্য চ্যাটবট এবং চিকিত্সকের উত্তরগুলিকে রেট করেছে, যার প্রকৃত চার্ট প্রসঙ্গে এবং রোগীর সম্পর্কের অভাব রয়েছে।
উত্তর দেওয়ার সময় কমেনি, পড়ার সময় বেড়েছে, এবং উত্তর আরও দীর্ঘ হয়েছে। এটি এই ধারণাটিকে কমিয়ে দেয় যে খসড়া তৈরি করা মূলত সময় বাঁচায়।
অটোমেশন পক্ষপাত হল মেশিন আউটপুট গ্রহণ করার প্রবণতা, বিশেষ করে সাবলীল আউটপুট, যথেষ্ট যাচাই-বাছাই ছাড়াই।
যদি মূল ডেটা যেমন একটি নতুন ল্যাবের ফলাফল প্রম্পটে না থাকে, তাহলে মডেলটি একটি আত্মবিশ্বাসী কিন্তু অনিরাপদ উত্তর দিতে পারে।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
রোগীর শিক্ষা উপকরণের জন্য এআই
অ্যাপ্লিকেশন