नई दिल्ली: भारत स्वास्थ्य देखभाल ओडिसी को उस डेटा की मात्रा से नहीं परिभाषित किया जाएगा जो इसे उत्पन्न करता है, लेकिन उस डेटा को कितनी प्रभावी ढंग से साफ किया जाता है, क्यूरेट किया जाता है, और लागू किया जाता है। यह भारत के हेल्थकेयर ओडिसी: एआई और नेक्स्ट-जेन टेक के साथ भविष्य को नेविगेट करना एक पैनल चर्चा में विशेषज्ञों का सर्वसम्मति से विचार था।
प्रो। अनुराग अग्रवालहेड, कोइता सेंटर फॉर डिजिटल हेल्थ एंड डीन – बायोसाइंसेस एंड हेल्थ रिसर्च, अशोक विश्वविद्यालय, पैनल में सुदीप डे, सीआईओ और सिसो, एस्टर डीएम हेल्थकेयर; डॉ। तवप्रतिश सेतीहेड, हेल्थकेयर में उत्कृष्टता का केंद्र, iiit दिल्ली; और प्रसाद कृष्णामूर्तिहेड, IHX प्राइवेट लिमिटेड एक साथ, उन्होंने इस बात पर जोर दिया कि जबकि भारत विशाल नैदानिक डेटासेट उत्पन्न करता है, वास्तविक चुनौती क्यूरेशन, इंटरऑपरेबिलिटी और बुद्धिमान उपयोग में निहित है।
प्रो अग्रवाल प्रौद्योगिकी की भविष्यवाणी के विरोधाभास को उजागर करके चर्चा को खोला। “अगली-जीन तकनीक के बारे में बात करना एक नाव को रोने जैसा है-आप पीछे की ओर, अतीत को देखते हुए, एक अनदेखी भविष्य में चलते हुए,” उन्होंने कहा। “भारत डेटा-समृद्ध नहीं हो सकता है क्योंकि यह उसके आकार के लिए होना चाहिए, लेकिन आगे ओडिसी को इस बात से आकार दिया जाएगा कि हम उस डेटा को कैसे बदलते हैं जो हमारे पास कुछ उपयोग करने योग्य है।”
डे ने भारत में डेटा की बहुतायत को रेखांकित किया, लेकिन ध्यान दिया कि नैदानिक डेटासेट को उपयोग से पहले महत्वपूर्ण सफाई और सामंजस्य की आवश्यकता होती है। “व्यावसायिक डेटा कहीं अधिक क्यूरेट है।
7-8 महीनों में बिजनेस डैशबोर्ड देना उचित है। लेकिन एक नैदानिक डेटा झील का निर्माण और चिकित्सकों के लिए उपयोगी अंतर्दृष्टि का उत्पादन करने से हमें लगभग 18 महीने लगे, “उन्होंने समझाया। उन्होंने कहा कि स्वास्थ्य सेवा डेटा अक्सर” असंतुष्ट द्वीपों “में मौजूद होता है, ओईएम और तकनीकी भागीदारों के साथ सहयोग की आवश्यकता होती है।” आज यह वास्तविकता है, ”उन्होंने कहा।
डे ने जोर देकर कहा कि प्रभावी डेटा शेयरिंग के लिए स्पष्ट लक्ष्यों की आवश्यकता होती है। “हमें पहले यह तय करना चाहिए कि हम किस समस्या को हल करना चाहते हैं। डेटा ब्रह्मांड विशाल है, लेकिन उपयोग के मामलों के बिना, यह भारी हो जाता है। उपयोग मामलों को साझा करना आसान बनाते हैं, बशर्ते कि हम अनाम हैं और सही हितधारकों को शामिल करें।”
कृष्णमथी ने भारत की चुनौती के बड़े पैमाने पर उजागर किया। “अगर एक प्रीमियर इंस्टीट्यूट को अपने डेटा को क्यूरेट करने में 18 महीने लगते हैं, तो शेष 90% प्रदाताओं की दुर्दशा की कल्पना करें,” उन्होंने कहा।
उन्होंने संख्याएँ निर्धारित कीं: “हम कम से कम 45,000 प्रदाताओं, 100,000 से अधिक पैथोलॉजी लैब्स और अनगिनत क्लीनिकों के बारे में बात कर रहे हैं। ABDM विजन यह है कि यह सब संरचित, लेबल और विश्लेषण योग्य हो जाता है। तभी हम निवारक देखभाल और सार्वभौमिक कवरेज दे सकते हैं।”
एक व्यक्तिगत उदाहरण साझा करते हुए, उन्होंने अपनी मां की देखभाल यात्रा को याद किया। “शहरी तृतीयक अस्पतालों में भी, मुझे फाइलों के बंडलों को ले जाना था। विशेषज्ञ अक्सर महत्वपूर्ण विवरणों से चूक गए। केवल इसलिए कि मैं मौजूद था कि मैंने इन त्रुटियों को पकड़ लिया था। एक उचित डिजिटल स्वास्थ्य विनिमय इसे रोक देगा।”
IHX में, उन्होंने कहा, “40 प्रतिशत कैशलेस दावे पहले से ही हमारे एक्सचेंज के माध्यम से बहते हैं। भले ही यह पूर्ण नैदानिक डेटा नहीं है, यह मूल्यवान अस्पताल में भर्ती होने की जानकारी प्रदान करता है।
अगला कदम असंरचित नैदानिक डेटा को डिजिटल करना और अनुदैर्ध्य स्वास्थ्य रिकॉर्ड बनाना है। ” कृष्णमथी ने निष्कर्ष निकाला कि एक सामान्य बुनियादी ढांचे पर प्रदाताओं में डिजिटल सक्षमता महत्वपूर्ण पहला कदम है, जिसमें प्रौद्योगिकी कंपनियों और स्वास्थ्य सेवा प्रदाताओं से संयुक्त प्रयास की आवश्यकता होती है।
डॉ। सेठी ने स्वास्थ्य सेवा में एआई की भूमिका का वर्णन करने के लिए एक रूपक का उपयोग किया। “अगर हेल्थकेयर भविष्य की एक कार है, तो डेटा ईंधन है, फाउंडेशन मॉडल इंजन हैं, और हमें अभी भी स्टीयरिंग और नेविगेशन की आवश्यकता है।”
उन्होंने उस डेटा को विस्तार से बताया, विशेष रूप से अनुदैर्ध्य और मल्टीमॉडल, ईंधन के रूप में कार्य करता है, जबकि फाउंडेशन मॉडल – जिसमें मल्टीमॉडल एआई सिस्टम शामिल हैं जो प्रयोगशाला परिणामों, उपचार चार्ट और आईसीयू संकेतों को एकीकृत करते हैं – इंजन के रूप में काम करते हैं। स्टीयरिंग में नैदानिक सुरक्षा सुनिश्चित करने के लिए मानव-इन-द-लूप ओवरसाइट शामिल है, और नेविगेशन उभरते एजेंट एआई सिस्टम को संदर्भित करता है जो कार्यों को अनुक्रमित करते हैं और उन्हें जिम्मेदारी से निष्पादित करते हैं।
“हमारे पास पहले से ही घटक हैं। कुंजी उन्हें व्यावहारिक उपयोग के मामलों में एक साथ रखने की होगी,” सेठी ने अपनी टीम के आईसीयू निर्णय लेने वाले मॉडल का हवाला देते हुए कहा।
गन्दा या अघोषित डेटा पर, उन्होंने कहा कि आधुनिक एआई आर्किटेक्चर, जैसे कि विपरीत सीखने, महंगा मैनुअल लेबलिंग पर निर्भरता को कम करते हैं।
“एम्स में, हम यह पता लगा रहे हैं कि हिस्टोपैथोलॉजी में इमेज-टेक्स्ट पेयरिंग कैसे मैनुअल एनोटेशन को प्रतिस्थापित कर सकती है,” उन्होंने कहा। उन्होंने वैश्विक सफलताओं का भी हवाला दिया: “एमआईटी में ग्राफ न्यूरल नेटवर्क की तरह एंटीबायोटिक दवाओं की तरह हेलीसिन (2020) और Abaucin (2023) सार्वजनिक डेटासेट का उपयोग करते हुए। प्रौद्योगिकी, जीव विज्ञान और स्वास्थ्य सेवा के बीच मजबूत सहयोग के साथ, भारत समान परिणाम प्राप्त कर सकता है। ”
प्रो। अग्रवाल ने तीन चरणों में चर्चा को संक्षेप में प्रस्तुत किया: गंदे से स्वच्छ डेटा की ओर बढ़ते हुए, सीआईओ की हार्मोनाइजेशन चैलेंज, एबीडीएम के अनुरूप अनुदैर्ध्य व्यक्तिगत स्वास्थ्य रिकॉर्ड बनाने के लिए रोगियों को डेटा को बाध्य करना, और अगली-जीन सिस्टम जो फाउंडेशन मॉडल का लाभ उठाते हैं, जो कि ऑपरेशनल दक्षता से परे खोज, भविष्यवाणी और नवाचार से परे हैं।
उन्होंने TXGNN की AI- संचालित ड्रग को अनुपचारित रोगों के लिए पुनरुत्थान करने वाली सफलताओं पर प्रकाश डाला, AI-ENABLED ECG भविष्यवाणी मॉडल जो पारंपरिक जोखिम स्कोर से बेहतर प्रदर्शन करते हैं, और Lyla AI जैसे स्टार्टअप्स में AI- चालित अणु संश्लेषण। “फाउंडेशन मॉडल उभरती हुई क्षमता दिखाते हैं,” उन्होंने कहा।
“चुनौती यह है कि हर कोई सोचता है कि उनका डेटा सोना है और साझा करने से इनकार करता है, भले ही अधिकांश सफलताएं सार्वजनिक डेटा से आती हैं।”
पैनल ने सहमति व्यक्त की कि भारत के हेल्थकेयर फ्यूचर न केवल अधिक डेटा उत्पन्न करने पर, बल्कि क्यूरेटिंग, साझा करने और इसे जिम्मेदारी से लागू करने पर टिका है।
डे ने उपयोग-केस-चालित क्यूरेशन के महत्व पर जोर दिया, कृष्णमथी ने प्रदाताओं में डिजिटल सक्षम होने की ओर इशारा किया, और सेठी ने एआई आर्किटेक्चर पर प्रकाश डाला जो गन्दा डेटासेट से भी मूल्य को अनलॉक कर सकते हैं।
प्रो। अग्रवाल ने निष्कर्ष निकाला, “विदेशों में कई प्रणालियों में पहले से ही स्वच्छ, अनुदैर्ध्य स्वास्थ्य रिकॉर्ड हैं। भारत का कार्य कठिन है, लेकिन यह भी अधिक रोमांचक है। हमारी ओडिसी ने खंडित जानकारी को सामूहिक ज्ञान में बदलने के बारे में है। यह प्रौद्योगिकी, चिकित्सा, नीति और मरीजों को समान रूप से सहयोग करेगा।”
