উদ্ভাবনী পদ্ধতির স্বাস্থ্যসেবা এআইতে ইক্যুইটি অগ্রসর হয়

মাউন্ট সিনাইয়ের আইকাহান স্কুল অফ মেডিসিনের গবেষকদের একটি দল মেশিন-লার্নিং অ্যালগরিদম-অ্যাড্রেসিংকে একটি সমালোচনামূলক সমস্যা যা ডায়াগনস্টিক নির্ভুলতা এবং চিকিত্সার সিদ্ধান্তগুলিকে প্রভাবিত করতে পারে তা প্রশিক্ষণের জন্য ব্যবহৃত ডেটাসেটগুলিতে পক্ষপাতিত্বগুলি সনাক্ত করতে এবং হ্রাস করার জন্য একটি নতুন পদ্ধতি তৈরি করেছে। অনুসন্ধানগুলি 4 সেপ্টেম্বর অনলাইন সংখ্যায় প্রকাশিত হয়েছিল মেডিকেল ইন্টারনেট গবেষণা জার্নাল (Doi: 10.2196/71757)।

সমস্যাটি মোকাবেলা করার জন্য, তদন্তকারীরা এসিটিটি তৈরি করেছিলেন, এটি একটি সরঞ্জাম যা স্বাস্থ্যসেবা ডেটাসেটগুলিতে কৃত্রিম বুদ্ধিমত্তা (এআই) এবং মেশিন-লার্নিং মডেলগুলি প্রশিক্ষণের জন্য ব্যবহৃত হওয়ার আগে তাদের পক্ষপাত সনাক্ত এবং সংশোধন করতে সহায়তা করে। তদন্তকারীরা বিভিন্ন ধরণের মেশিন-লার্নিং মডেল ব্যবহার করে মেডিকেল চিত্র, রোগীর রেকর্ড এবং একটি বড় জনস্বাস্থ্য জরিপ, জাতীয় স্বাস্থ্য ও পুষ্টি পরীক্ষার জরিপ সহ বিভিন্ন ধরণের স্বাস্থ্য তথ্য সম্পর্কে এউইসিটি পরীক্ষা করেছিলেন। সরঞ্জামটি এই ডেটাসেটগুলিতে উভয়ই সুপরিচিত এবং পূর্বে উপেক্ষা করা পক্ষপাতদুষ্ট উভয়ই স্পট করতে সক্ষম হয়েছিল।

এআই সরঞ্জামগুলি ক্রমবর্ধমান স্বাস্থ্যসেবাতে সিদ্ধান্তগুলি সমর্থন করার জন্য ব্যবহৃত হয়, রোগ নির্ণয় থেকে শুরু করে ব্যয় পূর্বাভাস পর্যন্ত। তবে এই সরঞ্জামগুলি কেবল তাদের প্রশিক্ষণের জন্য ব্যবহৃত ডেটাগুলির মতোই সঠিক। কিছু ডেমোগ্রাফিক গোষ্ঠী আনুপাতিকভাবে কোনও ডেটাসেটে প্রতিনিধিত্ব করা যায় না। এছাড়াও, অনেকগুলি শর্ত আলাদাভাবে উপস্থিত হতে পারে বা গোষ্ঠীগুলিতে অতিরিক্ত রোগ নির্ধারণ করতে পারে, তদন্তকারীরা বলছেন। এই জাতীয় ডেটাতে প্রশিক্ষিত মেশিন-লার্নিং সিস্টেমগুলি ভুল-নির্ণয় এবং অনিচ্ছাকৃত ফলাফলের মতো সাবপটিমাল কেয়ারের একটি প্রতিক্রিয়া লুপ তৈরি করে, ভুলউরিগুলি চিরস্থায়ী এবং প্রশস্ত করতে পারে।

আমাদের লক্ষ্যটি ছিল একটি ব্যবহারিক সরঞ্জাম তৈরি করা যা বিকাশকারী এবং স্বাস্থ্য সিস্টেমগুলিকে তাদের ডেটাতে পক্ষপাতিত্ব বিদ্যমান কিনা তা সনাক্ত করতে সহায়তা করতে পারে এবং তারপরে এটি প্রশমিত করার জন্য পদক্ষেপ নিতে পারে। আমরা এই সরঞ্জামগুলি সকলের জন্য ভাল কাজ করে তা নিশ্চিত করতে সহায়তা করতে চাই, কেবলমাত্র গোষ্ঠীগুলি ডেটাতে সবচেয়ে বেশি প্রতিনিধিত্ব করে না। “

ফারিস গুলামালি, এমডি, প্রথম লেখক

গবেষণা দলটি জানিয়েছে যে এইসিটিটি সহজ পদ্ধতির থেকে শুরু করে বৃহত্তর ভাষার মডেলগুলিকে শক্তিশালী করার মতো উন্নত সিস্টেমগুলিতে বিস্তৃত মেশিন-লার্নিং মডেলের সাথে অভিযোজিত। এটি ছোট এবং জটিল উভয় ডেটাসেটগুলিতে প্রয়োগ করা যেতে পারে এবং কেবল ইনপুট ডেটা যেমন ল্যাব ফলাফল বা চিকিত্সা চিত্রগুলি নয়, তবে পূর্বাভাসযুক্ত রোগ নির্ণয় এবং ঝুঁকি স্কোর সহ আউটপুটগুলিও মূল্যায়ন করতে পারে।

অধ্যয়নের ফলাফলগুলি আরও পরামর্শ দেয় যে বিকাশকারী, গবেষক এবং নিয়ামকদের জন্য একইভাবে মূল্যবান হতে পারে। এটি অ্যালগরিদম বিকাশের সময়, মোতায়েনের আগে অডিটগুলিতে বা স্বাস্থ্যসেবা এআই -তে ন্যায্যতার উন্নতির জন্য বিস্তৃত প্রচেষ্টার অংশ হিসাবে ব্যবহার করা যেতে পারে।

“এউইসিটির মতো সরঞ্জামগুলি আরও ন্যায়সঙ্গত এআই সিস্টেমগুলি তৈরির দিকে একটি গুরুত্বপূর্ণ পদক্ষেপ, তবে এগুলি সমাধানের অংশ কেবল”, “ডিজিটাল হেলথের জন্য হাসো প্ল্যাটনার ইনস্টিটিউটের ডিরেক্টর এবং ডাঃ অ্যারেন ইনস্টিটিউটের ডিরেক্টর এবং ডাঃ অ্যারেন ইনস্টিটিউটের পরিচালক এবং ড। মাউন্ট সিনাই স্বাস্থ্য ব্যবস্থা। “যদি আমরা এই প্রযুক্তিগুলি সত্যই সমস্ত রোগীদের সেবা করতে চাই তবে আমাদের কীভাবে ডেটা সংগ্রহ করা, ব্যাখ্যা করা এবং স্বাস্থ্যসেবাতে প্রয়োগ করা হয় তার বিস্তৃত পরিবর্তনের সাথে আমাদের প্রযুক্তিগত অগ্রগতির জুড়ি দেওয়া দরকার। ফাউন্ডেশনটি গুরুত্বপূর্ণ এবং এটি ডেটা দিয়ে শুরু হয়।”

মাউন্ট সিনাই হেলথ সিস্টেমের চিফ ক্লিনিকাল অফিসার এবং মাউন্ট সিনাই হাসপাতালের সভাপতি ডেভিড এল রেচ এমডি বলেছেন, “এই গবেষণাটি আমরা স্বাস্থ্যসেবার ক্ষেত্রে এআই সম্পর্কে কীভাবে চিন্তা করি তার একটি গুরুত্বপূর্ণ বিবর্তনকে প্রতিফলিত করে, তবে আমরা যে অনেক সম্প্রদায়ের পরিবেশন করি তাদের মধ্যে স্বাস্থ্যের উন্নতি করে এমন একটি ইঞ্জিন হিসাবে,” “ডেটাসেট স্তরে অন্তর্নিহিত পক্ষপাত সনাক্তকরণ এবং সংশোধন করে, আমরা রোগীর যত্নকে প্রভাবিত করার আগে আমরা সমস্যার মূলটিকে সম্বোধন করছি। এভাবেই আমরা এআই -তে বিস্তৃত সম্প্রদায়ের আস্থা তৈরি করি এবং ফলস্বরূপ উদ্ভাবনগুলি সমস্ত রোগীদের জন্য ফলাফলের উন্নতি করে, কেবলমাত্র ডেটাগুলিতে সেরা প্রতিনিধিত্ব করার ক্ষেত্রে একটি গুরুত্বপূর্ণ পদক্ষেপ যা অবিচ্ছিন্নভাবে স্বাস্থ্যের জন্য সংশোধন করে এবং অ্যাডাপ্টগুলি উন্নত করে।”

কাগজটির শিরোনাম রয়েছে “উপগোষ্ঠী শেখারযোগ্যতা সহ স্বাস্থ্যসেবা ডেটাসেটগুলিতে অন্তর্নিহিত এবং সুস্পষ্ট বর্ণগত পক্ষপাতিত্ব সনাক্তকরণ, বৈশিষ্ট্যযুক্ত এবং প্রশমিতকরণ: অ্যালগরিদম বিকাশ এবং বৈধতা অধ্যয়ন”।

জার্নালে তালিকাভুক্ত হিসাবে গবেষণার লেখকরা হলেন, ফারিস গুলামালি, আশ্বিন শ্রীকান্ত সাথান্ট, লোরা লিহারস্কা, ক্যারল হোরোভিটস, লিলি চ্যান, প্যাট্রিসিয়া কোভ্যাচ, ইরা হোফার, করান্দীপ সিং, লিন রিচার্ডসন, এমমানুয়েল মেনসান্দান, আলেকজান্দি, আলেক্সা রাইচ, জিয়ান রাইচ, জিয়ান।

এই গবেষণাটি ন্যাশনাল সেন্টার ফর অ্যাডভান্সিং ট্রান্সলেশনাল সায়েন্সেস এবং জাতীয় স্বাস্থ্য ইনস্টিটিউটস দ্বারা অর্থায়ন করা হয়েছিল।