Boston Children’s नवीन निदाने शोधण्यासाठी AI वापरते

बॉस्टन चिल्ड्रन्स हॉस्पिटलने केवळ नवीन तंत्रज्ञानाचे प्रयोग करण्यापुरतेच AI अवलंब केला नाही. आपल्या बालरुग्णांना—विशेषतः ज्यांना गुंतागुंतीचे आणि दुर्मिळ आजार आहेत अशांना—दिली जाणारी वैद्यकीय सेवा अधिक प्रभावी करण्यासाठी, या रुग्णालयाने संपूर्ण संस्थेमध्ये AI ला आपल्या वैद्यकीय आणि प्रशासकीय रचनेचा एक गाभाभूत भाग म्हणून समाविष्ट केले. दैनंदिन कामकाजाच्या प्रक्रियेत AI चे एकत्रीकरण केल्यामुळे, रुग्णालयाच्या टीमने प्रशासकीय खर्च कमी केला आहे, वैद्यकीय सेवांची उपलब्धता सुधारली आहे आणि यापूर्वी निदान होऊ न शकलेल्या ४० हून अधिक दुर्मिळ आजारांचे निदान करण्यात मदत केली आहे.

Boston Children’s Hospital ही जगातील सर्वात मोठ्या बालरोग संस्थांपैकी एक आहे, जी दरवर्षी जवळपास 10 लाख बाह्यरुग्ण भेटींसह 40 हून अधिक विशेषतांमध्ये रुग्णांना सेवा देते.

इतर अनेक हेल्थ प्रणालींप्रमाणेच, ही प्रणाली वाढत्या प्रशासकीय भाराचे व्यवस्थापन करत असताना तीव्र आर्थिक मर्यादांमध्ये कार्यरत आहे. पुरवठा साखळी, बिलिंग आणि ऑपरेशन्समधील संघ पावत्यांवर प्रक्रिया करण्यापासून ते वेळापत्रकांचे समन्वय साधण्यापर्यंत, मोठ्या प्रमाणातील पुनरावृत्तीची कामे हाताळतात. या प्रक्रिया आवश्यक असल्या तरी वेळखाऊ आहेत, ज्यामुळे कर्मचारी अधिक महत्त्वाच्या कामांपासून दूर नेतात.

त्याच वेळी, क्लिनिकल टीम्सना वेगळ्या प्रकारच्या मर्यादेचा सामना करावा लागतो. दुर्मीळ आजारांच्या प्रकरणांमध्ये अनेकदा विखुरलेला अनुवंशिक डेटा, अपूर्ण क्लिनिकल इतिहास आणि वैद्यकीय साहित्याचा प्रचंड साठा असतो. अगदी एका अग्रगण्य संशोधन संस्थेतही, प्रत्येक निदान करण्यासाठी आवश्यक असलेली ती सर्व माहिती पुरेशा वेगाने एकत्रित करणे डॉक्टरांना शक्य होत नाही.

“समस्या प्रयत्नांची नाही,” Boston Children’s चे मुख्य नवोपक्रम अधिकारी जॉन ब्राउनस्टीन म्हणतात. “ती मानवी संज्ञानात्मक मर्यादांची आहे.”

Boston Children’s ने डॉक्युमेंटेशन आणि भाषांतर साधनांसह स्वतंत्र AI वापर प्रकरणांपासून सुरुवात केली. पण त्या सुरुवातीच्या प्रयत्नांनी विखुरलेल्या दृष्टिकोनाच्या मर्यादा लगेच उघड केल्या.

“तुम्ही फक्त एकदाच वापरल्या जाणाऱ्या उपायांवर अवलंबून राहू शकत नाही,” ब्राउनस्टीन म्हणतात.

रुग्णालयाने ब्राउनस्टाईन ज्याला 'एंटरप्राइज एआय लेयर' म्हणतात ते तयार करण्याकडे आपला मोर्चा वळवला: हे एक सुरक्षित अंतर्गत चॅटजीपीटी (ChatGPT) वातावरण आहे, जे संशोधन, क्लिनिकल आणि प्रशासकीय टीम्सद्वारे वापरले जाते. एआयला केवळ साधनांचा संग्रह मानण्याऐवजी, संस्थेने एक सामायिक पाया तयार केला, जिथे नवीन क्षमता जलदगतीने विकसित करून तैनात केल्या जाऊ शकतील.

ही प्रणाली संघांना त्यांच्या भूमिकेशी थेट संबंधित असलेल्या मार्गांनी एआयसोबत काम करण्याची संधी देते, मग त्यात अंतर्गत डेटा मिळवणे, वैद्यकीय साहित्याचे संश्लेषण करणे किंवा कार्यप्रवाह सुव्यवस्थित करणे यांचा समावेश असो. सुरक्षितता, देखरेख आणि सातत्यपूर्ण मूल्यमापन सुनिश्चित करण्यासाठी तंत्रज्ञानासोबतच प्रशासकीय संरचना देखील तयार करण्यात आल्या.

या बदलामुळे नवोन्मेषाची गती बदलली. ज्या साधनांच्या विकासासाठी एकेकाळी दीर्घ कालावधी लागत असे, ती आता काही दिवसांतच कार्यान्वित केली जाऊ शकतात, ज्यामुळे संस्थेला कार्यात्मक मागण्या आणि वैद्यकीय गरजा या दोन्हींना त्वरित प्रतिसाद देणे शक्य होते.

आज, एक-तृतीयांशपेक्षा अधिक कर्मचारी त्यांच्या दैनंदिन कामाचा भाग म्हणून AI वापरतात, ज्यात क्लिनिकल, संशोधन आणि प्रशासकीय कार्ये समाविष्ट आहेत.

Boston Children’s सर्वप्रथम अशा क्षेत्रांवर लक्ष केंद्रित केले, जिथे एआय मोजता येण्याजोगा कार्यात्मक परिणाम घडवून आणू शकेल. पुरवठा साखळीच्या कामकाजात, एआय आता इनव्हॉइस स्वीकारणे, मार्ग निश्चित करणे आणि प्रतिसादांचे व्यवस्थापन करते.

त्याचबरोबर, रुग्णालयाने शस्त्रक्रियांचे वेळापत्रक तयार करण्यासाठी एआयचा वापर केला. क्लिनिकल नोंदींचे विश्लेषण करून आणि रुग्णाच्या स्थितीचा अंदाज घेऊन, ही प्रणाली शस्त्रक्रिया कक्षातील वेळेचे वाटप सुधारते. यामुळे वेळापत्रक अधिक आधीच तयार करता येते, ज्यामुळे जागेचा अधिक चांगला उपयोग होतो आणि अधिक रुग्णांना त्यांना आवश्यक असलेली काळजी अधिक वेगाने मिळू शकते.

याव्यतिरिक्त, चिकित्सक निर्णय-सहाय्यासाठी आणि गुंतागुंतीची वैद्यकीय माहिती एकत्रित करण्यासाठी AI चा वापर करतात. संशोधक याचा उपयोग डेटा विश्लेषण आणि 'कोहॉर्ट' (गट) निर्मितीसाठी करतात. प्रशासकीय पथके कागदपत्रे तयार करण्यासाठी, कोडिंगसाठी आणि कार्यप्रवाह सुधारण्यासाठी यावर अवलंबून असतात.

ही संस्था हे बदल थेट मोजता येण्याजोग्या निष्पत्तींशी जोडते. ५० हून अधिक स्वयंचलित प्रक्रियांच्या माध्यमातून, Boston Children’s ने सुमारे 60,000 तासांची वेळ वाचवली आहे; जी, अन्य कामांसाठी पुनर्वापर करण्यात आलेल्या मनुष्यबळाच्या दृष्टीने, 7 दशलक्ष डॉलर्सहून अधिक मूल्याइतकी आहे..

AI ला स्वतंत्र उपक्रम म्हणून सादर करण्याऐवजी दैनंदिन कामाशी संबंधित बनवण्यावर संस्थेने लक्ष केंद्रित केले आहे.

“इथे महत्त्वाचे म्हणजे लोक जिथे आहेत तिथे त्यांना भेटणे,” ब्राउनस्टीन म्हणतात.

कार्यकारी सुधारणांसोबत, Boston Children’s ने क्लिनिकल शोधासाठी AI मध्ये गुंतवणूक केली. रुग्णालयाने ज्याला “सह-पायलट अनुवंशतज्ज्ञ” म्हणते अशी प्रणाली विकसित केली, जी अनुवंशिक डेटा, फेनोटाइपिक माहिती आणि जागतिक वैद्यकीय साहित्य समाकलित करण्यासाठी डिझाइन केली आहे.

ही प्रणाली वैद्यकीय क्षेत्रातील एका अत्यंत कठीण आव्हानाचा सामना करते: ती म्हणजे, अनेक वर्षांपासून ज्यांचे स्पष्टीकरण सापडलेले नाही, अशा दुर्मिळ आजारांचे निदान करणे.

या कार्याचा परिणाम म्हणून, आजवर ४० हून अधिक अशी निदानं करण्यात आली आहेत, जी यापूर्वी अशक्य मानली जात होती. या कार्यामुळे नवीन जनुक-लक्ष्ये आणि संभाव्य उपचार-मार्ग ओळखणेही शक्य झाले आहे.

“कधीकाळी कोणतीही उत्तरे न मिळालेल्या कुटुंबांना निदाने देण्यासाठी आम्ही अनुवंशिक माहिती, फेनोटाइपिक माहिती, साहित्य शोध आणि AI चे रीझनिंग एकत्र करतो,” ब्राउनस्टीन म्हणतात.

रुग्ण आणि कुटुंबांसाठी, याचा परिणाम तात्काळ आणि ठोस आहे. जी प्रकरणे कधीकाळी न सुटलेली राहत होती, त्यांना आता उत्तरे मिळत आहेत आणि काही प्रसंगी उपचारांसाठी नवी दिशा मिळत आहे.

“हे पूर्वी अकल्पनीय होते, पण आता इतक्या अनेक कुटुंबांना आशा देत आहे,” ब्राउनस्टीन म्हणतात.

Boston Children’s च्या AI धोरणाचा पुढील टप्पा अधिक सखोल एकात्मता आणि व्यापक अवलंब यांवर केंद्रित आहे. वापर आणि प्रभाव—या दोन्हीचा विस्तार करण्याची महत्त्वपूर्ण संधी नेतृत्वाला दिसून येत आहे.

रुग्णालय AI ला क्लिनिकल निर्णयप्रक्रियेत अधिक पूर्णपणे रुजवण्यावर, विविध विशेषतांमध्ये साधने विस्तारण्यावर आणि OpenAI सोबतच्या सहकार्याद्वारे मॉडेल सुधारत राहण्यावर काम करत आहे.

कालांतराने, AI वैद्यकीय व्यवहाराचा मुख्य घटक बनेल अशी अपेक्षा आहे.

“जगातील सर्व वैद्यकीय ज्ञानासह अत्यंत प्रशिक्षित डॉक्टर सोबत असावा, असे कोणाला वाटणार नाही?” ब्राउनस्टीन म्हणाले.

Boston Children’s मध्ये, AI काळजी वितरण, संशोधन आणि शोधाला आधार देणाऱ्या पायाभूत सुविधांचा भाग बनत आहे—क्लिनिशियन आणि रुग्ण दोघांसाठी काय शक्य आहे याची नव्याने व्याख्या करत आहे.