ChatHealthAI: বাংলাদেশে রোগ নির্ণয়ে নতুন দিগন্ত, ৭৯.৮% নির্ভুলতা
গবেষকরা ChatHealthAI নামের একটি নতুন মাল্টিমডাল ফ্রেমওয়ার্ক তৈরি করেছেন যা ইলেকট্রনিক হেলথ রেকর্ড (EHR) থেকে ডেটা নিয়ে ফ্রোজেন লার্জ ল্যাঙ্গুয়েজ মডেলের সাথে সংযুক্ত করে। EHRSHOT বেঞ্চমার্কে এটি হাসপাতালে রোগীর অবস্থানের সময়কাল পূর্বাভাসে 79.8% F1 স্কোর অর্জন করেছে এবং ব্যাখ্যাযোগ্য ক্লিনিক্যাল রিজনিং সক্ষম করেছে।
গবেষকরা ChatHealthAI নামের একটি নতুন মাল্টিমডাল ফ্রেমওয়ার্ক তৈরি করেছেন যা ইলেকট্রনিক হেলথ রেকর্ড (EHR) থেকে ডেটা নিয়ে ফ্রোজেন লার্জ ল্যাঙ্গুয়েজ মডেলের সাথে সংযুক্ত করে। EHRSHOT বেঞ্চমার্কে এটি হাসপাতালে রোগীর অবস্থানের সময়কাল পূর্বাভাসে 79.8% F1 স্কোর অর্জন করেছে এবং ব্যাখ্যাযোগ্য ক্লিনিক্যাল রিজনিং সক্ষম করেছে।
গবেষকরা একটি নতুন মাল্টিমডাল রিজনিং ফ্রেমওয়ার্ক তৈরি করেছেন যার নাম ChatHealthAI। এই ফ্রেমওয়ার্কটি ইলেকট্রনিক হেলথ রেকর্ড (EHR) থেকে ডেটা নিয়ে একটি ফ্রোজেন লার্জ ল্যাঙ্গুয়েজ মডেলের সাথে সংযুক্ত করে। এটি EHRSHOT বেঞ্চমার্কে হাসপাতালে রোগীর অবস্থানের সময়কাল বা Length-of-Stay পূর্বাভাসে 79.8% F1 স্কোর অর্জন করেছে।
এই গবেষণাটি করেছেন বো-হং ওয়াংসহ একদল গবেষক। তারা CLMBR-T-Base নামের একটি স্ট্রাকচার্ড EHR রিপ্রেজেন্টেশন মডেলকে একটি টাস্ক-অ্যাওয়্যার রিস্যাম্পলারের মাধ্যমে ফ্রোজেন ওপেন-সোর্স LLM-এর সাথে অ্যালাইন করেছেন। এই পদ্ধতি মেশিন লার্নিং মডেলকে শুধু উচ্চ নির্ভুলতা দেয় না বরং এটি তার সিদ্ধান্তের ব্যাখ্যাও দিতে পারে।
এই গবেষণার সবচেয়ে গুরুত্বপূর্ণ দিক হলো ব্যাখ্যাযোগ্য ক্লিনিক্যাল রিজনিং। সাধারণত AI মডেলগুলি একটি আউটপুট দেয় কিন্তু কেন সেই আউটপুট দিয়েছে তা ব্যাখ্যা করতে পারে না। ChatHealthAI সেই সীমাবদ্ধতা দূর করেছে। এটি চিকিৎসকদের বুঝতে সাহায্য করবে কেন মডেলটি একটি নির্দিষ্ট রোগীর জন্য একটি নির্দিষ্ট পূর্বাভাস দিয়েছে।
EHRSHOT একটি জনপ্রিয় বেঞ্চমার্ক যা হেলথকেয়ার AI মডেলের কর্মক্ষমতা মূল্যায়ন করে। এই বেঞ্চমার্কে 79.8% F1 স্কোর একটি চিত্তাকর্ষক অর্জন। F1 স্কোর হলো নির্ভুলতা এবং রিকলের একটি গড় যা মডেলের সামগ্রিক কর্মক্ষমতা পরিমাপ করে। এই স্কোরটি দেখায় যে ChatHealthAI তার পূর্বাভাসে অত্যন্ত নির্ভরযোগ্য।
বাংলাদেশের জন্য এই গবেষণার গুরুত্ব অনেক। বাংলাদেশের হাসপাতালগুলোতে রোগীর সংখ্যা বেশি এবং রিসোর্স সীমিত। একটি AI মডেল যা হাসপাতালে রোগীর অবস্থানের সময়কাল সঠিকভাবে পূর্বাভাস দিতে পারে তা বেড ম্যানেজমেন্ট, স্টাফ নিয়োগ এবং রোগীর যত্নের পরিকল্পনায় বড় ভূমিকা রাখতে পারে। ব্যাখ্যাযোগ্য রিজনিং চিকিৎসকদের AI-এর পরামর্শে আস্থা রাখতে সাহায্য করবে।
বাংলাদেশের প্রযুক্তি ও স্বাস্থ্যসেবা খাতে এই ধরনের গবেষণা আরও বেশি প্রয়োজন। স্থানীয় ডেটাসেটে এই মডেলটি ট্রেনিং করে বাংলাদেশের হাসপাতালের জন্য কাস্টমাইজ করা যেতে পারে। এটি স্বাস্থ্যসেবা খাতে ডিজিটাল ট্রান্সফরমেশনকে ত্বরান্বিত করবে।
ভবিষ্যতে গবেষকরা এই ফ্রেমওয়ার্কটিকে আরও উন্নত করার পরিকল্পনা করছেন। তারা আরও বড় ডেটাসেটে মডেলটি টেস্ট করবেন এবং অন্যান্য ক্লিনিক্যাল টাস্কেও এটি প্রয়োগ করবেন। ChatHealthAI স্বাস্থ্যসেবায় AI-এর ব্যবহারের একটি নতুন দিগন্ত উন্মোচন করেছে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...