100 मिलियन डॉलर के निवेश समर्थन के साथ, सैन फ्रांसिस्को स्थित टेलीमेंटल स्वास्थ्य प्रदाता ब्राइटसाइड हेल्थ हल्के से गंभीर नैदानिक अवसाद, चिंता और अन्य मूड विकारों वाले लोगों की देखभाल प्रदान करता है, जिनमें उच्च आत्महत्या जोखिम वाले लोग भी शामिल हैं। कंपनी के मुख्य चिकित्सा अधिकारी मिमी विंसबर्ग, एमडी, ने हाल ही में बात की हेल्थकेयर इनोवेशन कंपनी की “सटीक नुस्खे” की अवधारणा और उपचार योजनाओं को अनुकूलित करने के लिए डेटा का लाभ उठाने के साथ-साथ मानसिक स्वास्थ्य संकटों की भविष्यवाणी करने में मदद करने के लिए एआई का उपयोग करने के बारे में।
हेल्थकेयर इनोवेशन: मैं आपसे हाल ही में प्रकाशित कुछ शोध के बारे में पूछना चाहता हूं जेएमआईआर मानसिक स्वास्थ्य जो मानसिक स्वास्थ्य संकट की घटनाओं की भविष्यवाणी करने में बड़े भाषा मॉडल के प्रदर्शन को देखता है। इससे पहले कि हम ऐसा करें, क्या आप अपनी पृष्ठभूमि और ब्राइटसाइड हेल्थ के फोकस के बारे में थोड़ी बात करके मंच तैयार करने में मदद कर सकते हैं?
विंसबर्ग: मैं स्टैनफोर्ड-प्रशिक्षित मनोचिकित्सक हूं, और मेरी फेलोशिप में मेरी विशेषज्ञता द्विध्रुवी विकार के प्रबंधन में थी। मैं लगभग 10 वर्षों से डिजिटल स्वास्थ्य क्षेत्र में हूँ। निश्चित रूप से वर्षों से द्विध्रुवी विकार के रोगियों के इलाज के साथ-साथ अन्य मनोरोग स्थितियों से मैंने जो देखा, वह यह है कि रोगियों को उनके लक्षणों को ट्रैक करने में बहुत मदद मिली, और अगर हमारे पास एक अच्छा लॉग होता तो हम उनके एपिसोड की भविष्यवाणी करने में बहुत अधिक सफलता प्राप्त कर सकते थे। उनके लक्षणों के बारे में. 25 साल पहले तक, हमारे पास मरीज़ कलम और कागज के साथ ऐसा करते थे, और फिर डिजिटल स्वास्थ्य आंदोलन के आगमन के साथ, मेरे लिए यह वास्तव में महत्वपूर्ण था कि हम अपने पास मौजूद कुछ तकनीकी उपकरणों का उपयोग करने में सक्षम हों दूरस्थ लक्षण निगरानी और यहां तक कि लक्षण क्लस्टर विश्लेषण के आधार पर उपचार की भविष्यवाणी जैसी चीजें करने के लिए निपटान।
सभी एंटीडिप्रेसेंट समान नहीं बनाए गए हैं, लेकिन कई बार मानसिक स्वास्थ्य में, एंटीडिप्रेसेंट का चयन वास्तव में कई प्रदाताओं के लिए एक तरह की अनुमान लगाने और जांचने की प्रक्रिया है। मुझे हमारे पास मौजूद कुछ तकनीकी उपकरणों के साथ एक डेटाबेस बनाने और उपचार चयन के लिए अधिक सूचित दृष्टिकोण अपनाने की उम्मीद थी, जो मरीज के वर्तमान लक्षण प्रस्तुति से लेकर पूर्व दवा परीक्षणों, परिवार जैसी चीजों को ध्यान में रखता है। इतिहास वगैरह. तो यही हमने ब्राइटसाइड में बनाया है, और यह हमारे डिजिटल स्वास्थ्य प्लेटफ़ॉर्म की रीढ़ की हड्डी में बनाया गया है, जिसे हमारे सीईओ ब्रैड किट्रेडगे और हमारे सीटीओ जेरेमी बार्थ ने सात साल पहले बनाया था।
एचसीआई: क्या इसमें केवल यह देखना शामिल नहीं है कि इस व्यक्तिगत रोगी ने अलग-अलग दवाओं पर कैसे प्रतिक्रिया दी है, बल्कि पूरे डेटाबेस को देखना और यह देखना कि लोग कैसे प्रतिक्रिया देते हैं और लक्षण समूह और इस तरह की चीजें?
विंसबर्ग: यह सही है। यह सिर्फ व्यक्ति विशेष पर आधारित नहीं है. यह काफी हद तक प्रकाशित साहित्य पर आधारित है जो मौजूद है और एक बहुत मजबूत डेटाबेस भी है जो शायद इस अर्थ में अद्वितीय है कि हमने 200,000 से अधिक रोगियों का इलाज किया है। हम रोगी की विशेषताओं, लक्षण प्रस्तुतियों, और उपचार और परिणामों को देख सकते हैं। हम कह सकते हैं, ‘हमारे पास और कौन है जो आपके जैसा दिखता है, और उन्होंने इस उपचार के साथ क्या किया?’ और हम उसके अनुसार कुछ भविष्यवाणियाँ कर सकते हैं। यह उपचार चयन का एक तरीका है। हमने इस मॉडल की सफलता के बारे में सहकर्मी-समीक्षित पत्रिकाओं में बड़े पैमाने पर प्रकाशित किया है। यह सब रोमांचक है, क्योंकि यह वास्तव में उस क्षेत्र में सुई को आगे बढ़ाने में मदद करता है जो, मैं कहूंगा, चिकित्सा के अन्य क्षेत्रों की तुलना में कम डेटा-कठोर है।
एचसीआई: विशेष रूप से महामारी की चपेट में आने के बाद, टेलीमेंटल स्वास्थ्य प्रदाताओं की संख्या में भारी वृद्धि हुई। आप मरीजों, भुगतानकर्ताओं और प्रदाता समूहों के साथ उस क्षेत्र में कैसे खड़े हैं?
विंसबर्ग: टेलीमेडिसिन 1.0 एक डॉक्टर और एक मरीज को एक वीडियो इंटरफ़ेस में डाल रहा है। इससे पहुंच संबंधी बहुत सारी समस्याएं हल हो सकती हैं, क्योंकि अब आप उन दो लोगों के भौगोलिक रूप से सह-स्थित होने पर निर्भर नहीं हैं। यह आपको एक क्षेत्र में प्रदाताओं का लाभ उठाकर ऐसे क्षेत्र में सेवा प्रदान करने की अनुमति देता है जहां प्रदाताओं की कमी हो सकती है। लेकिन यह सिर्फ शुरुआत है कि टेलीमेडिसिन क्या कर सकता है। जैसा कि आपने कहा, महामारी से कंपनियों की एक ऐसी फसल उभरी जो पहुंच की समस्या को हल करने पर आमादा थी। हम इसे ब्राइटसाइड में टेबल स्टेक के रूप में देखते हैं। हम महामारी से पहले अस्तित्व में थे, और टेलीमेडिसिन हमारा केवल एक लक्ष्य था। हमने वास्तव में देखभाल के लिए अधिक सटीक और गुणवत्तापूर्ण दृष्टिकोण अपनाने की कोशिश की।
तो विभेदकों के संदर्भ में, एक सटीक प्रिस्क्राइबिंग की धारणा है, जो कि हमारी स्वामित्व भाषा है, यदि आप चाहें, तो डेटा सिस्टम के आसपास जिसका उपयोग हम उपचार चयन सिफारिशें करने के लिए करते हैं। यह नैदानिक निर्णय समर्थन है, इसलिए कोई मशीन यह तय नहीं कर रही है कि कौन सा उपचार सबसे अच्छा है। यह आपके मनोचिकित्सक के सामने आ रहा है, जो अपनी पसंद को बेहतर ढंग से सूचित करने के लिए उस जानकारी का उपयोग करता है। लेकिन वह सटीक प्रिस्क्राइबिंग इंजन ब्राइटसाइड के लिए मालिकाना है और निश्चित रूप से एक विभेदक है, जैसे कई अन्य एआई उपकरण हैं जिन्हें हम लागू कर रहे हैं और सक्रिय रूप से प्रकाशित कर रहे हैं। हमारे साथ साझेदारी करने वाली स्वास्थ्य प्रणालियों के संदर्भ में, हमें लगता है कि अपना काम दिखाना और सहकर्मी-समीक्षित पत्रिकाओं में प्रकाशित करना महत्वपूर्ण है जहां डेटा की जांच की जा सकती है और रुचि रखने वाले किसी भी व्यक्ति द्वारा निष्पक्ष मूल्यांकन किया जा सकता है।
एचसीआई: भुगतान परिदृश्य कैसा दिखता है? क्या ब्राइटसाइड की स्वास्थ्य योजनाओं या स्वास्थ्य प्रणाली संगठनों के साथ साझेदारी है?
विंसबर्ग: हमारे पास कई भुगतानकर्ता प्रणालियों के साथ राष्ट्रीय अनुबंध हैं और हम अपने काम में गुणवत्ता दिखाकर वे अनुबंध प्राप्त करते हैं। उनके पास डेटा तक पहुंच है, इसलिए वे बहुत ही सूचित लेंस के साथ हमारे परिणामों की जांच करने में सक्षम हैं, और उन्होंने स्पष्ट रूप से निर्धारित किया है कि हमारे परिणाम उस गुणवत्ता को पूरा करते हैं या उससे अधिक हैं जिसकी वे अपेक्षा करते हैं कि वे उनके लिए भुगतान करें।
एचसीआई: क्या मेडिकेड प्रबंधित देखभाल संगठनों के साथ आपका कोई अनुबंध है?
विंसबर्ग: हमने वाणिज्यिक भुगतानकर्ताओं के साथ शुरुआत की और फिर हमने मेडिकेयर के साथ शुरुआत की, और अब मेडिकेड को राष्ट्रीय स्तर पर भी शुरू कर रहे हैं।
एचसीआई: मुझे हाल ही में जेएमआईआर मेंटल हेल्थ में प्रकाशित इस शोध के बारे में पूछने दीजिए। क्या आप इस बारे में बात कर सकते हैं कि इसे कैसे संचालित किया गया और इसने बड़े भाषा मॉडल और निहितार्थों के बारे में क्या प्रदर्शित किया?
विंसबर्ग: बड़े भाषा मॉडल बहुत सारी पाठ्य जानकारी को शीघ्रता से पचा सकते हैं और उसका संश्लेषण कर सकते हैं। इसलिए जब कोई मरीज हमारी वेबसाइट पर आता है और सेवाओं के लिए साइन अप करना शुरू करता है, तो हमारे पास हर किसी के लिए एक प्रश्न होता है जो कहता है, हमें बताएं कि आप यहां क्यों हैं। हमें बताएं कि आप क्या महसूस कर रहे हैं और अनुभव कर रहे हैं। और लोग देखभाल मांगने के अपने कारण के बारे में एक वाक्य से लेकर कई पैराग्राफ तक कुछ भी टाइप करते हैं। उस प्रतिक्रिया की आमतौर पर प्रदाता द्वारा अन्य संरचित डेटा के साथ समीक्षा की जाती है।
इस प्रयोग में हमने वह जानकारी ली जो रोगियों द्वारा टाइप की गई थी और किसी भी पहचान संबंधी जानकारी को पूरी तरह से हटा दिया, और इसे विशेषज्ञों के एक समूह के सामने पेश किया, जिन्होंने पाठ डेटा की समीक्षा की, साथ ही यह जानकारी भी दी कि क्या रोगी ने पहले आत्महत्या का प्रयास किया था। . फिर उससे अलग, हमने उस जानकारी को एक बड़े भाषा मॉडल, चैटजीपीटी 4 को दिया, और दोनों पक्षों – विशेषज्ञों और चैटजीपीटी 4 – से यह अनुमान लगाने के लिए कहा कि क्या उन्हें लगता है कि उनकी देखभाल के दौरान मरीज को आत्मघाती संकट का सामना करना पड़ सकता है।
हमने जो पाया वह यह था कि भाषा मॉडल प्रशिक्षित मनोवैज्ञानिकों और मनोचिकित्सकों के समान सटीकता और भविष्यवाणी क्षमताओं के अनुरूप था। अब, इस सब में चेतावनी यह है कि प्रदाता अपनी भविष्यवाणियों में एकदम सही नहीं हैं, इसलिए सिर्फ इसलिए कि मैं एक मनोचिकित्सक हूं इसका मतलब यह नहीं है कि मैं इसकी भविष्यवाणी करने जा रहा हूं, लेकिन अभी हमारे पास यह सबसे अच्छा है। यह एक बड़ा दार्शनिक सवाल उठाता है कि जब आप एआई लागू करते हैं, तो क्या आप उम्मीद करते हैं कि यह इंसानों जितना अच्छा होगा? क्या आप उम्मीद करते हैं कि यह मनुष्यों से भी अधिक हो जाएगी? उदाहरण के लिए, सेल्फ-ड्राइविंग कारों के साथ, इसे लागू करने के लिए इसे इंसानों से बेहतर होना चाहिए, है ना? इसलिए जब हम इन उपकरणों को प्रशिक्षित करना शुरू करते हैं तो हम चिकित्सा में भी वही दृष्टिकोण अपनाते हैं। उन्हें व्यापक रूप से लागू करने के लिए, हमें उन्हें मनुष्यों की तुलना में बहुत बेहतर बनाने की आवश्यकता होगी, लेकिन हम जो देख रहे हैं, कम से कम इस उदाहरण में, वह यह है कि हम इसे मनुष्यों जितना अच्छा प्राप्त कर सकते हैं। हम पाते हैं कि एक इंसान के लिए यह कार्य करना बहुत श्रमसाध्य और भावनात्मक रूप से बहुत थका देने वाला होता है, इसलिए एक स्वचालित अलर्ट होना जो शायद अन्यथा आपके पास नहीं होता, बहुत उपयोगी हो सकता है।
एचसीआई: इस विशेष उपयोग के मामले में, यदि आप वास्तव में अत्यधिक सटीक उपकरण प्राप्त कर सकते हैं और यह एक अलर्ट ट्रिगर करेगा, तो यह देखभाल योजना को कैसे बदल सकता है?
विंसबर्ग: हम उपचार चयन उद्देश्यों के लिए मरीजों के बारे में प्राप्त जानकारी के आधार पर उनका बहुत परीक्षण करते हैं। उदाहरण के लिए, हमारे पास संकट देखभाल नामक एक कार्यक्रम है, जो उन रोगियों के लिए है जिनमें आत्मघाती जोखिम बढ़ गया है, और यह एक विशेष चिकित्सा कार्यक्रम है जो आत्महत्या के सहयोगात्मक मूल्यांकन और प्रबंधन पर आधारित है। जब रोगियों को इस कार्यक्रम में नामांकित किया जाता है, तो वे अपने चिकित्सकों के साथ अधिक लगातार, लंबे सत्र कर रहे होते हैं जो विशेष रूप से आत्महत्या के जोखिम को देखते हैं और जीने की इच्छा के कारणों, मरने की इच्छा के कारणों आदि का प्रबंधन करते हैं। तो अगर हमें पता चले कि एक मरीज की पहचान उच्च जोखिम के रूप में की गई है, तो यह उच्च तीक्ष्णता कार्यक्रम के लिए रेफरल को प्रेरित करेगा।
इसी तरह, कुछ औषधीय रणनीतियाँ हैं जिनका उपयोग आप उच्च जोखिम वाले रोगियों के साथ कर सकते हैं। आप उन्हें टियर वन से शुरुआत करने के बजाय टियर दो उपचार चयन की ओर ले जा सकते हैं।
एचसीआई: तो, संक्षेप में, क्या आप कह रहे हैं कि शोध दिखा रहा है कि ये उपकरण आशाजनक हैं, लेकिन अभी तक तैनाती के लिए तैयार नहीं हैं?
विंसबर्ग: मैं जो कह रहा हूं वह यह है कि हम अभी भी हर कदम पर इंसानों को धोखे में रख रहे हैं। हम इन उपकरणों के बारे में सह-पायलट के रूप में सोचते हैं। वे स्व-चालित कार के बजाय जीपीएस की तरह हैं।
एआई टूल का एक और उदाहरण जिसे हम तैनात कर रहे हैं वह एक स्क्राइब है – एक उपकरण जो एक सत्र को ट्रांसक्रिप्ट कर सकता है और फिर एक प्रदाता के लिए एक अनंतिम नोट उत्पन्न कर सकता है।
एआई का एक और उदाहरण यह है कि हम अपने प्रदाताओं को देखभाल संबंधी अंतर्दृष्टि भी प्रदान करते हैं। चार्ट में बहुत सारे तत्व हैं जिनकी आपको रोगी से बात करने से पहले या रोगी से बात करते समय समीक्षा करनी होगी। किसी मरीज़ का चार्ट कितना व्यापक है, इस पर निर्भर करते हुए, एक ऐसा उपकरण होना अच्छा है जो आपकी देखभाल के विभिन्न पहलुओं को संक्षेप में प्रस्तुत कर सके। और एलएलएम इसमें काफी अच्छे हैं। इसलिए हम केवल उन तरीकों के संदर्भ में सतह को खरोंच रहे हैं जिनसे एआई देखभाल वितरण की गुणवत्ता को बढ़ा सकता है, साथ ही प्रदाता बर्नआउट को भी कम कर सकता है जिसे हम अभी देश भर में और विशिष्टताओं में बड़े पैमाने पर देख रहे हैं।
