কি হয়েছে
গবেষকরা ATHENA প্রবর্তন করেছেন, ট্রান্সফরমার-ভিত্তিক ইলেকট্রনিক-স্বাস্থ্য-রেকর্ড মডেলিংয়ের জন্য একটি জ্ঞান-নির্দেশিত এজেন্টিক নিউরাল আর্কিটেকচার অনুসন্ধান কাঠামো। সিস্টেমটি ক্লিনিকাল ভবিষ্যদ্বাণী কাজের জন্য মডেল আর্কিটেকচার নির্বাচনের ম্যানুয়াল প্রচেষ্টা এবং গণনামূলক খরচ কমানোর জন্য ডিজাইন করা হয়েছে।
arXiv জমাটি ATHENA বর্ণনা করে, "EHR নিউরাল আর্কিটেকচার সার্চের জন্য হাসপাতাল জুড়ে এজেন্টিক ট্রান্সফার"। এর লক্ষ্য হল ইলেকট্রনিক স্বাস্থ্য রেকর্ডের ট্রান্সফরমার-ভিত্তিক মডেলিং, যেখানে গবেষকদের ক্লিনিকাল ভবিষ্যদ্বাণীর জন্য স্থাপত্য কনফিগারেশনগুলির মধ্যে বেছে নিতে হবে। লেখকরা প্রচলিত নিউরাল আর্কিটেকচার অনুসন্ধানকে ব্যয়বহুল হিসাবে তৈরি করেছেন কারণ প্রার্থী ট্রান্সফরমার ডিজাইনের জন্য যথেষ্ট প্রশিক্ষণের প্রয়োজন হতে পারে, যখন ম্যানুয়াল টিউনিং শ্রম-নিবিড় হতে পারে এবং হাসপাতাল বা কাজের মধ্যে পরিষ্কারভাবে স্থানান্তর করতে পারে না। ফ্রেমওয়ার্কটি তাই মডেল ডিজাইনগুলির মধ্যে নির্বাচন করার জন্য একটি অনুসন্ধান পদ্ধতি হিসাবে উপস্থাপন করা হয়েছে, একটি নতুন ক্লিনিকাল চিকিত্সা বা প্রমাণ হিসাবে নয় যে কোনও নির্দিষ্ট আর্কিটেকচার সর্বজনীনভাবে ব্যবহার করা উচিত। রিপোর্ট করা তুলনা বিবৃত পরীক্ষামূলক অবস্থার অধীনে অনুসন্ধান প্রক্রিয়া সম্পর্কে.
ATHENA প্রথমে একটি ওজন ভাগ করে নেওয়ার সুপারনেট তৈরি করে যা প্রতিটি হাসপাতালের জন্য একবার প্রশিক্ষিত হয়। প্রার্থীর আর্কিটেকচারগুলিকে উত্তরাধিকারসূত্রে পাওয়া সাবনেটওয়ার্ক হিসাবে শুরু করা যেতে পারে এবং শুরু থেকে স্বাধীনভাবে প্রশিক্ষিত না হয়ে ফাইন-টিউনিংয়ের মাধ্যমে মূল্যায়ন করা যেতে পারে। এই নকশাটি বারবার আর্কিটেকচার তুলনা কম ব্যয়বহুল করার উদ্দেশ্যে করা হয়েছে। উত্সটি অন্তর্নিহিত প্রশিক্ষণের সময়, হার্ডওয়্যার প্রয়োজনীয়তা, বা সংস্থান সঞ্চয় তার বিমূর্তটিতে প্রদান করে না, তাই সেই হ্রাসের ব্যবহারিক আকার অজানা থেকে যায়।
ফ্রেমওয়ার্কটি পূর্বে একটি দ্বি-স্তর ক্রস-হাসপাতাল আর্কিটেকচার ব্যবহার করে। টাস্ক ডিসক্রিপ্টর ব্যবহার করে সোর্স সাইট থেকে একটি স্তর উচ্চ-সম্পাদক আর্কিটেকচারের উদাহরণ পুনরুদ্ধার করে। অন্যটি SHAP-ভিত্তিক মেটা-রিগ্রেশনের মাধ্যমে স্থাপত্য উপাদানগুলির প্রভাব অনুমান করে। এই পূর্ববর্তীগুলি একটি মাল্টি-এজেন্ট বড়-ভাষা-মডেল অনুসন্ধান প্রক্রিয়াতে সরবরাহ করা হয়, যা লক্ষ্য হাসপাতালের কাছ থেকে বৈধতা প্রতিক্রিয়াও পায়। ছয়টি ক্লিনিকাল ভবিষ্যদ্বাণীমূলক কাজ এবং দুটি স্বাধীন স্বাস্থ্য ব্যবস্থা জুড়ে, লেখকরা রিপোর্ট করেছেন যে 12টি হাসপাতাল-টাস্ক মূল্যায়নের মধ্যে 9টিতে ATHENA চারটি নিউরাল-আর্কিটেকচার-সার্চ বেসলাইনের সাথে মিলেছে বা ছাড়িয়ে গেছে যখন একটি অনুসন্ধান বাজেট 30 এর মধ্যে সীমাবদ্ধ ছিল। তারা বারবার অনুসন্ধানের মাধ্যমে আরও সামঞ্জস্যপূর্ণ আর্কিটেকচার নির্বাচনের রিপোর্ট করে। এগুলি হল একটি একক arXiv প্রিপ্রিন্টের দাবি, এবং উত্স উদ্ধৃতি হাসপাতাল, কার্য, বেসলাইন কনফিগারেশন, নিখুঁত কর্মক্ষমতা মান, বা পরিসংখ্যানগত অনিশ্চয়তা সনাক্ত করে না।
কেন এটা গুরুত্বপূর্ণ
পদ্ধতিটি স্বাস্থ্যসেবা AI-তে একটি ব্যবহারিক সমস্যা সমাধান করে: একটি মডেল আর্কিটেকচার যা একটি কাজের জন্য ভাল কাজ করে বা হাসপাতালে অন্যটির জন্য সেরা পছন্দ নাও হতে পারে। প্রতিষ্ঠান জুড়ে স্থাপত্য জ্ঞান পুনঃব্যবহার করা মডেল উন্নয়নকে আরও দক্ষ করে তুলতে পারে, তবে উত্সটি ক্লিনিকাল সুবিধা বা স্থাপনার প্রস্তুতি স্থাপন করে না।
গবেষণাটি প্রাসঙ্গিক কারণ আর্কিটেকচার নির্বাচন ক্লিনিকাল এআই সিস্টেমের কর্মক্ষমতা এবং অপারেশনাল খরচকে আকৃতি দিতে পারে। হাসপাতালগুলি প্রায়শই তাদের রোগীর জনসংখ্যা, কোডিং অনুশীলন, রেকর্ড কাঠামো এবং ভবিষ্যদ্বাণীর উদ্দেশ্যগুলিতে পৃথক হয়। একটি অনুসন্ধান পদ্ধতি যা পূর্ববর্তী সাইটগুলি থেকে তথ্য ব্যবহার করতে পারে যখন এখনও একটি টার্গেট সাইটে পছন্দগুলি যাচাই করে তা সদৃশ পরীক্ষাগুলি হ্রাস করতে পারে এবং সম্পূর্ণরূপে ম্যানুয়াল টিউনিংয়ের উপর নির্ভর করার জন্য আরও পদ্ধতিগত বিকল্প সরবরাহ করতে পারে।
ATHENA-এর সবচেয়ে স্বাতন্ত্র্যসূচক দাবিটি কেবল এই নয় যে একজন LLM মডেল অনুসন্ধানে অংশগ্রহণ করে। এটি একটি ওয়ার্কফ্লোতে উত্তরাধিকারসূত্রে পাওয়া ওজন, ক্রস-হাসপাতাল স্থানান্তর, উপাদান-স্তরের বিশ্লেষণ এবং বৈধতা প্রতিক্রিয়াকে একত্রিত করে। এই সংমিশ্রণটি সেই দলের জন্য উপযোগী হতে পারে যাদের একটি নির্দিষ্ট গণনা বাজেটের অধীনে অনেক আর্কিটেকচার পছন্দ তুলনা করতে হবে। রিপোর্ট করা 9-এর-12 ফলাফলটি পরীক্ষিত সেটিংসে একটি সম্ভাব্য সুবিধার পরামর্শ দেয়, যখন বারবার অনুসন্ধানে রিপোর্ট করা সামঞ্জস্যতা পুনরুত্পাদনযোগ্যতার জন্য গুরুত্বপূর্ণ হতে পারে: একটি পদ্ধতি যা বারবার একই ধরনের ডিজাইন নির্বাচন করে তার চেয়ে পরিদর্শন করা এবং পরিচালনা করা সহজ হতে পারে যার পছন্দগুলি ব্যাপকভাবে পরিবর্তিত হয়।
প্রমাণগুলি দেখায় না যে ATHENA রোগীর যত্নের উন্নতি করে, চিকিত্সকের সিদ্ধান্ত পরিবর্তন করে, বা লাইভ স্বাস্থ্যসেবা পরিবেশে নিরাপদে কাজ করে। উত্সটি মডেল-অনুসন্ধান মূল্যায়নের প্রতিবেদন করে, সম্ভাব্য ক্লিনিকাল ট্রায়াল বা স্থাপনার ফলাফল নয়। এটি আরও প্রতিষ্ঠিত করে না যে স্থাপত্য জ্ঞান স্থানান্তর করার ফলে উপস্থাপিত গোষ্ঠী, বিভিন্ন ডকুমেন্টেশন সিস্টেম বা সীমিত ডেটা সহ হাসপাতালের কর্মক্ষমতা সংরক্ষণ করা হয়। কারণ উৎসটি একটি arXiv দাখিল, স্বাধীনভাবে চেক না হওয়া পর্যন্ত এর ফলাফলগুলিকে প্রাথমিক হিসাবে বিবেচনা করা উচিত। পাবলিক কোড দাবি পুনরুত্পাদনযোগ্যতা সাহায্য করতে পারে, কিন্তু এখানে সরবরাহ করা উৎস পাঠ্য সংগ্রহস্থল লিঙ্ক বা পর্যাপ্ত বাস্তবায়ন বিশদ প্রদান করে না যাতে অন্যরা পরীক্ষাগুলি কত সহজে পুনরুত্পাদন করতে পারে তা মূল্যায়ন করতে পারে।
ইন্টারেক্টিভ মেকানিজম: এটা আসলে কিভাবে কাজ করে
এই বিকাশের পিছনে অন্তর্নিহিত প্রযুক্তিটি ইন্টারেক্টিভভাবে অন্বেষণ করুন।
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
পরবর্তী কি দেখতে
প্রধান প্রশ্ন হল ATHENA-এর রিপোর্ট করা সুবিধা স্বাধীন প্রতিলিপি, বৃহত্তর হাসপাতাল এবং টাস্ক টেস্টিং, এবং ডেটা এবং প্রাতিষ্ঠানিক পার্থক্যের জন্য শক্তিশালী নিয়ন্ত্রণ টিকে আছে কিনা। ভবিষ্যত কাজের আরও স্পষ্ট করা উচিত যে কীভাবে স্থাপত্য পছন্দগুলি নির্ভুলতা, ক্রমাঙ্কন, ন্যায্যতা, গোপনীয়তা, গণনার প্রয়োজনীয়তা এবং ক্লিনিকাল সিদ্ধান্ত গ্রহণকে প্রভাবিত করে।
প্রতিলিপি প্রথম পরীক্ষা হতে হবে. স্বাধীন দলগুলিকে অতিরিক্ত হাসপাতাল এবং কার্যগুলিতে ATHENA চালাতে হবে, এটিকে সাবধানে মিলে যাওয়া অনুসন্ধান বাজেটের সাথে তুলনা করতে হবে, এবং রিপোর্ট করা সুবিধাটি এজেন্টিক অনুসন্ধান, ওজন-ভাগ-ভাগ করার সুপারনেট, ক্রস-হাসপাতালের আগে, বা কিছু সংমিশ্রণ থেকে এসেছে কিনা তা নির্ধারণ করতে হবে। ফলাফলের মধ্যে শুধুমাত্র মূল্যায়নের গণনার পরিবর্তে পরম ভবিষ্যদ্বাণীমূলক মেট্রিক্স এবং অনিশ্চয়তা অন্তর্ভুক্ত করা উচিত যেখানে একটি পদ্ধতি অন্যটি মিলেছে বা অতিক্রম করেছে।
স্থানান্তর প্রক্রিয়াটিও ঘনিষ্ঠভাবে যাচাই করার দাবি রাখে। সোর্স হাসপাতাল থেকে আর্কিটেকচারের উদাহরণ ব্যবহার করা উপকারী হতে পারে, কিন্তু সেই উদাহরণগুলির মূল্য নির্ভর করতে পারে কিভাবে সঠিকভাবে কার্য বর্ণনাকারীরা প্রতিষ্ঠানের মধ্যে পার্থক্য ক্যাপচার করে। গবেষকদের রিপোর্ট করা উচিত যখন স্থানান্তরিত পূর্ববর্তীরা ব্যর্থ হয়, তারা একটি জনসংখ্যার জন্য উপযুক্ত ডিজাইনের দিকে পক্ষপাতিত্ব করতে পারে কিনা এবং কীভাবে সিস্টেম কোডিং, ডেটা উপলব্ধতা বা ক্লিনিকাল অনুশীলনে পরিবর্তনগুলি পরিচালনা করে। গোপনীয়তা এবং শাসনের প্রশ্নগুলিও গুরুত্বপূর্ণ যদি আর্কিটেকচারের সারাংশ বা কর্মক্ষমতা তথ্য প্রতিষ্ঠান জুড়ে স্থানান্তরিত হয়, এমনকি রোগী-স্তরের রেকর্ড না থাকলেও।
অবশেষে, ব্যবহারিক মূল্যায়ন ভবিষ্যদ্বাণীমূলক কর্মক্ষমতা অতিক্রম প্রসারিত করা উচিত. গুরুত্বপূর্ণ ফলো-আপ ব্যবস্থাগুলির মধ্যে রয়েছে ক্রমাঙ্কন, উপগোষ্ঠী আচরণ, অনুপস্থিত বা স্থানান্তরিত রেকর্ডগুলির দৃঢ়তা, অনুসন্ধান খরচ, শক্তির ব্যবহার এবং সময়ের সাথে নির্বাচিত আর্কিটেকচারের স্থায়িত্ব। উত্সটি বলে না যে ATHENA একটি ক্লিনিকাল কর্মপ্রবাহে ব্যবহার করা হয়েছে, নিয়ন্ত্রক পর্যালোচনা পেয়েছে, বা রোগীর মুখোমুখি সুপারিশ তৈরি করেছে। এই প্রশ্নগুলির উত্তর না হওয়া পর্যন্ত, সবচেয়ে শক্তিশালী সমর্থিত উপসংহার হল যে কাগজটি EHR মডেল আর্কিটেকচারগুলি অনুসন্ধানের জন্য একটি সম্ভাব্য আরও কার্যকর পদ্ধতির প্রস্তাব এবং প্রাথমিকভাবে মূল্যায়ন করে।