आर्टिफिशियल इंटेलिजेंस अबू धाबी के डॉक्टरों को मरीजों के मेडिकल रिकॉर्ड का विश्लेषण करने में मदद करता है
और पढ़ें
Khaleej Times
www.khaleejtimes.com

आर्टिफिशियल इंटेलिजेंस अबू धाबी के डॉक्टरों को मरीजों के मेडिकल रिकॉर्ड का विश्लेषण करने में मदद करता है

अब अबू धाबी में डॉक्टर मरीजों के विस्तृत मेडिकल रिकॉर्ड से डेटा खोजने और सारांशित करने के लिए आर्टिफिशियल इंटेलिजेंस पर आधारित सहायक का उपयोग कर सकते हैं। यहां तक कि विभिन्न स्थानों और अलग-अलग समय पर एकत्र की गई जानकारी - जैसे एक अस्पताल में दर्ज एलर्जी, दूसरे से रक्त परीक्षण के परिणाम, या एक पुरानी एक्स-रे छवि - व्यक्ति के स्वास्थ्य के बारे में महत्वपूर्ण जानकारी रख सकती है।

अबू धाबी स्वास्थ्य विभाग ने इस चिकित्सक सहायक को अमीरात के सामान्य चिकित्सा सूचना नेटवर्क, Malaffi में एकीकृत किया है। यह विशेषज्ञों को कई दस्तावेजों को मैन्युअल रूप से देखने के बजाय सिस्टम से प्रश्न पूछने की अनुमति देता है।

यह सहायक प्रयोगशाला निष्कर्षों को निकालने, प्रलेखित बीमारियों की पहचान करने और रोगी के चिकित्सा इतिहास पर सारांश प्रदान करने में सक्षम है। यह अबू धाबी भर के डॉक्टरों के लिए उपलब्ध है ताकि मेडिकल रिकॉर्ड की समीक्षा में लगने वाले समय को कम किया जा सके और उपचार पर अधिक ध्यान दिया जा सके।

स्वास्थ्य विभाग और M42 के आंकड़ों के अनुसार, यह प्रणाली चार अरब से अधिक नैदानिक रिकॉर्ड के नेटवर्क पर आधारित है, जो 14 मिलियन से अधिक रोगी प्रोफाइल को कवर करती है। इन रिकॉर्डों में विभिन्न चिकित्सा संस्थानों में एकत्र किए गए स्वास्थ्य स्थिति रिपोर्ट, एलर्जी की जानकारी, ली जा रही दवाओं, परीक्षण परिणामों, महत्वपूर्ण संकेतों और नैदानिक छवियों सहित शामिल हैं।

Malaffi, जिसका अरबी में अनुवाद 'मेरा कार्ड' है, को 2019 में अबू धाबी के क्लीनिकों और अस्पतालों के बीच चिकित्सा जानकारी को जोड़ने के लिए शुरू किया गया था। यह अधिकृत चिकित्सा कर्मियों को रोगी के रिकॉर्ड तक पहुंचने की अनुमति देता है, भले ही पिछली परामर्श या परीक्षण किसी अन्य संस्थान में किए गए हों।

हालांकि नेटवर्क पहले से ही इस जानकारी तक पहुंच प्रदान करता था, नया एआई सहायक आवश्यक विवरणों को खोजने में तेजी लाने के लिए डिज़ाइन किया गया है, खासकर जब रोगी का चिकित्सा इतिहास कई वर्षों तक फैला हो और विभिन्न चिकित्सा संगठनों को कवर करता हो।

Malaffi का प्रबंधन करने वाली अबू धाबी हेल्थ डेटा सर्विसेज के सीईओ करीम शाहिन ने टिप्पणी की: 'Malaffi ने स्वास्थ्य सेवा प्रदाताओं के बीच चिकित्सा जानकारी को एकीकृत करने में महत्वपूर्ण भूमिका निभाई है, और यह एक व्यावहारिक उपकरण जोड़ता है जो डॉक्टरों को अपने दैनिक काम में इस डेटा का बेहतर उपयोग करने में मदद करता है।'

समान कहानियाँ

अपोलो और माइक्रोसॉफ्ट अस्पतालों में चिकित्सा त्रुटियों के विश्लेषण के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करते हैं
और पढ़ें
yourstory.com

अपोलो और माइक्रोसॉफ्ट अस्पतालों में चिकित्सा त्रुटियों के विश्लेषण के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करते हैं

अपोलो हॉस्पिटल्स ने माइक्रोसॉफ्ट के साथ मिलकर विकसित एक आर्टिफिशियल इंटेलिजेंस प्रणाली का उपयोग मरीजों के गिरने, दवा देने की गलतियों और बार-बार अस्पताल में भर्ती होने के मामलों की समीक्षा को तेज करने के लिए किया है। अपोलो ने बताया कि इस प्रणाली को लागू करने के बाद दर्ज किए गए घटनाओं की संख्या में कमी आई है, हालांकि प्रस्तुत डेटा अभी यह साबित नहीं करता है कि एआई ने वास्तव में रोगियों को होने वाले नुकसान को कम किया है।

अपोलो और माइक्रोसॉफ्ट ने डेली टियर्ड हडल नामक एक एजेंट बनाया है, जो नैदानिक प्रबंधन टीमों का समर्थन करने के लिए डिज़ाइन किया गया है। यह एजेंट अस्पताल के रिकॉर्ड से डेटा एकत्र करता है, संदिग्ध मामलों को चिह्नित करता है, रोगी की स्थिति का कालानुक्रम तैयार करता है और चिकित्सकों को लापता जानकारी के बारे में याद दिलाता है। इसके अलावा, यह डॉक्टरों को जांच और सुधार के लिए मूल्यांकन भी प्रदान करता है। यह उपकरण पहले से ही कुछ अपोलो अस्पतालों में उपयोग किया जा रहा है।

अपोलो के चिकित्सा सेवाओं के प्रमुख डॉ. रोहिणी श्रीधर ने उल्लेख किया कि अपूर्ण डेटा के साथ मासिक रूप से 600 मामलों को संसाधित करना मनुष्यों के लिए मुश्किल है और एक उचित निर्णय पर पहुंचना कठिन है। इस एजेंट का उद्देश्य दस्तावेज़ीकरण एकत्र करने में लगने वाले समय को कम करना है, जिससे चिकित्सकों को जटिल नैदानिक स्थितियों का अध्ययन करने के लिए अधिक समय मिल सके।

अपोलो द्वारा माइक्रोसॉफ्ट के केस स्टडी में प्रकाशित आंकड़ों के अनुसार, नवंबर 2026 में सिस्टम हडल के माध्यम से देखे गए 60% से अधिक मामलों को तीन दिनों के भीतर बंद कर दिया गया था। जुलाई से सितंबर की अवधि में दवा गिरने और गलतियों की संख्या में भी कमी देखी गई, इसकी तुलना 2025 की इसी तिमाही से की गई थी। डॉ. श्रीधर ने यह भी जोड़ा कि अस्पताल की सुरक्षा संस्कृति पर वार्षिक सर्वेक्षण के अनुसार त्रुटि प्रबंधन से कर्मचारियों की संतुष्टि लगभग 30% बढ़ी है।

ये परिणाम अस्पताल द्वारा प्रदान किए गए डेटा हैं, और इनमें रोगी की संख्या के अनुसार समायोजित घटनाओं की गणना या स्वतंत्र मूल्यांकन शामिल नहीं है। इस प्रणाली को विभिन्न विभागों के बीच पैटर्न की पहचान करने के लिए भी डिज़ाइन किया गया है, हालांकि अपोलो ने बताया है कि यह विश्लेषण अभी भी विकास के चरण में है। उदाहरण के लिए, सिस्टम ने बोन मैरो प्रत्यारोपण विभाग में सेंट्रल लाइन से जुड़े संक्रमणों के जमाव का पता लगाया।

चेन्नई में अपोलो की नर्सिंग निदेशक, जूलियट जोजी वर्गाज ने कहा कि यह प्रणाली कर्मचारियों को नेटवर्क के अन्य हिस्सों में हुई गलतियों से सीखने में मदद करती है। अपोलो और माइक्रोसॉफ्ट की पहलों के अलावा, स्वास्थ्य सेवा में नियमित संचालन और निदान में एआई के बढ़ते उपयोग को प्रदर्शित करने वाली अन्य परियोजनाएं भी मौजूद हैं।

अप्रैल में, अस्ट्राजेनेका और तेलंगाना सरकार ने 20 सरकारी संस्थानों में क्यूरे.एआई (Qure.ai) द्वारा एआई-समर्थित छाती एक्स-रे स्क्रीनिंग को लागू करने पर सहमति व्यक्त की। यह तकनीक आगे की जांच के लिए उच्च जोखिम वाले फेफड़ों के नोड्यूल का पता लगाने के लिए डिज़ाइन की गई है। मणिपाल हॉस्पिटल्स ने भी गूगल क्लाउड के साथ नर्सों को शिफ्ट सौंपने के लिए एक जनरेटिव एआई टूल विकसित करने में सहयोग किया, जिसे गूगल के अनुसार जुलाई 2025 तक 23 अस्पतालों में शुरू कर दिया गया था।

भारत भी जिम्मेदार प्रौद्योगिकी कार्यान्वयन के लिए ढांचे बनाना शुरू कर रहा है। 2021 में शुरू किया गया आयुष्मान भारत डिजिटल स्वास्थ्य मिशन, संगत डिजिटल मेडिकल रिकॉर्ड्स के लिए आधारशिला रखता है। फरवरी 2026 में, केंद्र ने भारत में स्वास्थ्य सेवा के लिए एआई रणनीति और स्वास्थ्य सेवा में एआई डेटा बेंचमार्किंग के लिए ओपन प्लेटफॉर्म (BODH) प्रस्तुत किया।

IIT कानपुर और राष्ट्रीय स्वास्थ्य प्राधिकरण के सहयोग से विकसित BODH, रोगी रिकॉर्ड की सुरक्षा करते हुए विविध चिकित्सा डेटा का उपयोग करके एआई मॉडल का मूल्यांकन करने के लिए डिज़ाइन किया गया है। विश्व स्वास्थ्य संगठन ने अपनी जुलाई 2026 की रिपोर्ट में चिकित्सा अनुसंधान में एआई के उपयोग से उत्पन्न होने वाली नैतिक और नियंत्रण संबंधी समस्याओं पर प्रकाश डाला, जिसमें वे जोखिम शामिल हैं जिन्हें मौजूदा समीक्षा प्रणालियाँ ठीक से हल नहीं कर सकती हैं।

लोकप्रिय