বিমূর্ত: প্রথমে "কেস প্যাকেজ" কে একটি যাচাইযোগ্য মূল্যায়ন প্রোটোকলে পরিণত করুন
ডায়াবেটিস জটিলতার জন্য AI-এর অসুবিধা হল মেডিকেল রেকর্ড থেকে মডেলটিকে কোনও রোগের নাম দিতে দেওয়া নয়, বরং ক্লিনিকাল প্রমাণের বাস্তব, ক্রস-টাইম এবং জটিল উত্সগুলিতে এটিকে স্থিরভাবে সংজ্ঞায়িত কাজগুলি সম্পূর্ণ করার অনুমতি দেওয়া: সঠিক পরীক্ষার ফলাফলগুলি পড়ুন, ইউনিট এবং সময় ধরে রাখুন, ডায়াবেটিসের ভিত্তিতে পার্থক্য করুন এবং উচ্চ প্রমাণ শনাক্ত করুন, স্পষ্টভাবে প্রমাণ করা বন্ধ করুন।অপর্যাপ্ত একটি অর্থপূর্ণ বেঞ্চমার্ক অবশ্যই এই ক্ষমতাগুলিকে আলাদাভাবে পরিমাপ করতে হবে এবং একটি সাধারণ "নির্ভুলতার হার" দিয়ে ক্লিনিকাল কার্যকারিতা প্রতিস্থাপন করতে পারে না।
এই সংযুক্ত সংকুচিত প্যাকেজটিতে স্ট্রাকচারাল ইনভেন্টরির পরে 12 টি কেস রয়েছে, চারটি বিভাগ কভার করে: ডায়াবেটিক পেরিফেরাল নিউরোপ্যাথি, ডায়াবেটিক নেফ্রোপ্যাথি, ডায়াবেটিক রেটিনোপ্যাথি এবং ডায়াবেটিক ফুট, প্রতিটি বিভাগে 3 টি কেস সহ; এখানে 78টি পিডিএফ এবং 251টি CSV রয়েছে এবং CSV মোট 3,413টি ডেটা রেকর্ড রয়েছে।ফাইল এবং টেবিলের সারির সংখ্যা ডেলিভারি গঠন বর্ণনা করে এবং অনন্য রোগীর সংখ্যা বা পরিসংখ্যানগত অনুমানের জন্য উপলব্ধ নমুনার আকারের সমতুল্য নয়।সংযুক্তি একটি ডেটা অভিধান, টীকা ম্যানুয়াল, মূল্যায়ন ইন্টারফেস, সালিস প্রক্রিয়া এবং ত্রুটি শ্রেণীবিভাগের জন্য সম্ভাব্যতা পাইলট হিসাবে উপযুক্ত;মডেল র্যাঙ্কিং, রোগের প্রাদুর্ভাব, সংবেদনশীলতা বা ক্লিনিকাল সুবিধার উপসংহার প্রদানের জন্য এই পর্যায়ে এটি যথেষ্ট নয়।
LumeSage প্রস্তাবিত পাইলট ফ্রেমওয়ার্ক হিসাবে "LumeSage DiaComp-Bench" প্রকল্পের নামকরণের পরামর্শ দিয়েছেন।নামটি একটি বিদ্যমান অফিসিয়াল তালিকা বা সম্পূর্ণ ক্লিনিকাল যাচাইকরণ বোঝায় না।এই নিবন্ধটি নিরীক্ষণযোগ্য মূল্যায়ন নির্দেশাবলী, প্রার্থীর কাজ এবং নির্মাণ পথ প্রদান করে; গভর্নেন্স, নমুনার আকার, রেফারেন্স স্ট্যান্ডার্ড, ক্রস-এজেন্সি যাচাইকরণ এবং অপারেটিং নিয়মগুলি পর্যালোচনা করার পরে অফিসিয়াল তালিকা প্রকাশ করা হবে।
1. সংযুক্তিটি আমাদের কী বলে এবং এটি এখনও আমাদের কী জানায়নি
1.1 চার ধরনের রোগ একটি কাজের জন্য চারটি লেবেল নয়
চার ধরনের কেস বিভিন্ন ক্লিনিকাল প্রমাণ চেইন নির্দেশ করে। ডায়াবেটিক নেফ্রোপ্যাথির বিচারের জন্য ল্যাবরেটরি সূচক, সময়কাল, কমরবিডিটি এবং সম্ভাব্য অন্যান্য কারণ প্রয়োজন;রেটিনোপ্যাথির গ্রেডিং নির্ভর করে ফান্ডাস ইমেজের গুণমান, প্রমিত ক্ষত এবং গ্রেডিং নিয়মের উপর; পেরিফেরাল নিউরোপ্যাথিতে বিভিন্ন প্রমাণ জড়িত থাকে যেমন লক্ষণ, সংবেদনশীল পরীক্ষা, প্রতিরক্ষামূলক সংবেদন এবং নিউরোইলেক্ট্রোফিজিওলজি; ডায়াবেটিক পায়ে আলসারের অবস্থান, গভীরতা, সংক্রমণ, ইস্কেমিয়া, নিউরোপ্যাথি এবং নিরাময়ের ফলাফল অন্তর্ভুক্ত থাকতে পারে।তারা ডেটা গভর্নেন্স এবং পরিমাপ পরিকাঠামো ভাগ করে নিতে পারে, কিন্তু রেফারেন্স ট্রুথ ভ্যালু, টার্গেট জনসংখ্যা, ত্রুটি খরচ এবং ক্লিনিকাল ডিসপোজিশন ইমপ্লিকেশনগুলিকে একত্রিত করা যায় না। সংযুক্তি
এর PDF এবং CSV বিবরণ ডেটাতে নথির বিবরণ এবং কাঠামোগত ক্ষেত্র উভয়ই রয়েছে।সাধারণ পরীক্ষার আইটেম কোড, নাম, ফলাফলের মান, ইউনিট, রেফারেন্স রেঞ্জ এবং CSV তে অস্বাভাবিক মার্কের মধ্যে মেডিকেল অর্ডার, ওষুধ, রিপোর্টের সিদ্ধান্ত বা পরীক্ষার ফলাফলও থাকতে পারে।PDF প্রাসঙ্গিক, বর্ণনামূলক এবং বিন্যাস তথ্য প্রদান করতে পারে।কিন্তু "ফাইলটিতে একটি নির্দিষ্ট ক্ষেত্র আছে" এর অর্থ স্বয়ংক্রিয়ভাবে এই নয় যে ক্ষেত্রের সংজ্ঞাটি সামঞ্জস্যপূর্ণ, ইউনিটটি একীভূত, উত্সটি সম্পূর্ণ, বা লেবেলটি সঠিক।নির্মাণের সময় প্রতিটি ক্ষেত্রের জন্য উৎস ফাইল, পৃষ্ঠা নম্বর/কলাম, মূল মান, প্রমিত মান, ইউনিট, সময়ের শব্দার্থবিদ্যা, রূপান্তরের নিয়ম, অনুপস্থিত কারণ এবং পর্যালোচনার স্থিতি রেকর্ড করা উচিত।
বর্তমানে সংযুক্তিতে স্বতন্ত্র JPEG, PNG, DICOM বা ফান্ডাস/OCT ফাইল হিসাবে বিতরণ করা চিত্রগুলির একটি ক্যাটালগ নেই৷অতএব, এই পর্যায়ে যা আলোচনা করা যেতে পারে তা হল বিদ্যমান প্রতিবেদন এবং ফর্মগুলি থেকে প্রমাণের নিষ্কাশন, নথি বোঝার, এবং সীমিত পাঠ্য কাজ যখন ইমেজিং প্রমাণ প্রতিবেদনে বিদ্যমান থাকে; ফান্ডাস ইমেজ গ্রেডিং, ওসিটি ইন্টারপ্রিটেশন, পায়ের ক্ষত ইমেজ রিকগনিশন বা ক্রস-মডাল ইমেজ ফিউশন মূল্যায়নের শর্ত আছে বলে দাবি করা যাবে না।ভবিষ্যতে ছবি প্রাপ্ত হলে, সরঞ্জাম, ইমেজিং প্রোটোকল, ছবির গুণমান, টীকা স্থানাঙ্ক, অধিগ্রহণ প্রতিষ্ঠান এবং অনুমোদনের সুযোগও পরীক্ষা করা দরকার।
1.2 একটি ছোট নমুনায় "নমুনা ইউনিট" স্পষ্টভাবে উল্লেখ করতে হবে
বিশ্লেষণের স্বাধীন ইউনিট হল কেস/রোগী, PDF, CSV, পৃষ্ঠা নম্বর, পরীক্ষার আইটেম বা রেকর্ড সারি নয়। কয়েক ডজন ফাইলে বিভক্ত একটি মামলা এখনও শুধুমাত্র একজন স্বাধীন রোগীর জন্য অবদান রাখে;একই ব্যক্তির একাধিক পরীক্ষাও একে অপরের সাথে সম্পর্কিত।এলোমেলোভাবে প্রশিক্ষণ এবং পরীক্ষা সেটে ফাইল লাইন বিভক্ত করা একই রোগীর তথ্য সীমানা অতিক্রম করতে এবং গুরুতর ফুটো প্রবর্তন করতে দেয়। যদি ভবিষ্যতে প্রশিক্ষণ বা বিকাশ করা হয় তবে রোগীদের অবশ্যই সামগ্রিকভাবে গোষ্ঠীভুক্ত করতে হবে;মাল্টি-সেন্টার সেটিংসে, বাহ্যিক বৈধতা অবশ্যই প্রতিষ্ঠান বা সময় দ্বারা ডিজাইন করা উচিত।
যখন প্রতি রোগের বিভাগে মাত্র 3টি কেস থাকে, তখন একটি একক কেস সেই রোগ বিভাগের জন্য গ্রুপের এক-তৃতীয়াংশ প্রতিনিধিত্ব করে।এমনকি যদি সমস্ত 12 টি ক্ষেত্রেই সঠিক হয়, তবে এটি অনুমান করা যায় না যে ক্লিনিকাল সংবেদনশীলতা 100% পৌঁছেছে।এই পর্যায়ে, যা যাচাই করা যেতে পারে তা হল প্রক্রিয়াটি চলছে কিনা, ক্ষেত্রগুলির উত্স আছে কিনা, বিশেষজ্ঞদের মতবিরোধ সালিশ করা যেতে পারে কিনা এবং ত্রুটিগুলি দায়ী কিনা;AUC, রোগের ঝুঁকি, ক্রস-জনসংখ্যা সাধারণীকরণ, বা মডেলের সুবিধা এবং অসুবিধার তালিকা প্রকাশ করা উচিত নয়।
2. চার ধরনের জটিলতাকে পুনরুত্পাদনযোগ্য মূল্যায়ন কার্যে ভাগ করুন
তালিকার প্রথমে উত্তর দিতে হবে "কি পরিমাপ করা হয়" এবং তারপর "কে বেশি স্কোর করে"।দুটি স্তরে একটি টাস্ক ক্যাটালগ স্থাপন করার সুপারিশ করা হয়: সাধারণ ডেটা বোঝার কাজ এবং রোগ-নির্দিষ্ট কাজ।প্রতিটি আইটেম নির্দিষ্ট ইনপুট প্রকার, প্রযোজ্য জনসংখ্যা, লক্ষ্য আউটপুট, প্রমাণ উত্স, রেফারেন্স মান, বর্জন শর্ত, স্কোরিং ফাংশন, ক্লিনিকাল ঝুঁকি স্তর, সংস্করণ এবং নিষিদ্ধ ব্যবহার সহ একটি টাস্ক কার্ড গঠন করে।উত্তরটি অবশ্যই মূল প্রমাণে ফিরে পাওয়া যাবে; একটি মডেল যা শুধুমাত্র একটি উপসংহার দেয় কিন্তু প্রমাণের একটি শৃঙ্খল নয় একটি সনাক্তযোগ্য সিস্টেমের মতো একই স্কোর থাকা উচিত নয়।
ট্র্যাক A｜মেডিকেল রেকর্ড এবং পরীক্ষার ডেটার কাঠামোগত নিষ্কাশন
পরীক্ষার আইটেম, ফলাফল, ইউনিট, রেফারেন্স ব্যবধান, অস্বাভাবিক ফ্ল্যাগ, ওষুধ এবং নির্ণয় PDF/CSV থেকে বের করে এবং প্রতিটি মান কেস, পরীক্ষার ইভেন্ট এবং সময়ের সাথে আবদ্ধ করে।সূচকগুলি কেবল ক্ষেত্রগুলি মেলে কিনা তা পরীক্ষা করে না, তবে যথাক্রমে মান, একক, চিহ্ন, ব্যবধানের সীমানা, তারিখ বিশ্লেষণ এবং উত্স অবস্থান পরীক্ষা করতে হবে।রিপোর্টে "দেখা হয়নি", "চেক করা হয়নি" এবং "নেতিবাচক" একই শূন্য মানের সাথে মিলিত হতে পারে না; ইউনিট রূপান্তরের জন্য সূত্র এবং রাউন্ডিং নির্ভুলতা অবশ্যই রেকর্ড করা উচিত।সঠিক মিল, ক্ষেত্র-স্তরের নির্ভুলতা/রিকল/F1, সম্মিলিত সংখ্যাসূচক এবং একক নির্ভুলতা, সময় পার্সিং নির্ভুলতা, প্রমাণ অবস্থান নির্ভুলতা, এবং প্রত্যাখ্যান/অনুপস্থিত প্রক্রিয়াকরণ নির্ভুলতা রিপোর্ট করার সুপারিশ করা হয়।
ট্র্যাক বি | ডায়াবেটিক নেফ্রোপ্যাথি: অনুদৈর্ঘ্য ঝুঁকির অবস্থা এবং প্রমাণের ধারাবাহিকতা
যদি পুনরাবৃত্ত পরীক্ষায় ডেটা খুঁজে পাওয়া যায়, তাহলে পরিমাপ মডেলটি সঠিকভাবে মান, একক, প্রবণতা এবং eGFR, ইউরিনারি অ্যালবুমিন/ক্রিয়েটিনাইন অনুপাত (UACR), সিরাম ক্রিয়েটিনিন, ডায়াবেটিসের সময়কাল, রক্তচাপ এবং ওষুধের তথ্যের আশেপাশে সময়ের ব্যবধান সনাক্ত করতে পারে।ADA-এর "ডায়াবেটিসের রোগ নির্ণয় এবং চিকিত্সার জন্য 2026 স্ট্যান্ডার্ডস" ডায়াবেটিস রোগীদের জন্য eGFR এবং UACR পর্যবেক্ষণ করার এবং CKD ঝুঁকি স্তরবিন্যাসের উপর ভিত্তি করে পুনরায় পরীক্ষা করার ফ্রিকোয়েন্সি নির্ধারণের সুপারিশ করে; এটি দেখায় যে "টাইম উইন্ডো" এবং ক্রমাগত পরিবর্তনগুলি অতিরিক্ত ক্ষেত্রের পরিবর্তে টাস্ক সংজ্ঞার অংশ[1].একটি একক অস্বাভাবিক মানের উপর ভিত্তি করে ডায়গনিস্টিক অনুমান মানসম্মত ক্লিনিকাল রোগ নির্ণয় এবং ক্রমাগত রায় প্রতিস্থাপন করতে পারে না।আপনি যদি একটি ভবিষ্যদ্বাণী কাজ করছেন, ভবিষ্যদ্বাণীর শুরুর বিন্দু, ভবিষ্যদ্বাণীর সময়কাল, ফলাফল, বেসলাইন ঝুঁকি, চিকিত্সা পরিবর্তন প্রক্রিয়াকরণ এবং প্রতিযোগিতামূলক ঝুঁকিগুলি অবশ্যই আগে থেকে সংজ্ঞায়িত করা উচিত এবং এই পরিশিষ্টটিতে একটি নির্ভরযোগ্য ঝুঁকি মডেল যাচাইকরণের জন্য প্রয়োজনীয় নমুনার আকার নেই৷
ট্র্যাক C｜ডায়াবেটিক রেটিনোপ্যাথি: রিপোর্ট কম্প্রিহেনশন এবং ফান্ডাস ইমেজ টেস্টিং আলাদাভাবে
বর্তমানে বিদ্যমান প্রতিবেদনগুলি থেকে "ফাইন্ডিং-গ্রেডিং-সুপারিশ" এর নিষ্কাশন মূল্যায়ন করা সম্ভব, বিভিন্ন ক্ষেত্র একে অপরের সাথে অসামঞ্জস্যপূর্ণ কিনা এবং রেফারেল সুপারিশগুলি মূল পাঠ্যের উপর ভিত্তি করে কিনা; যাইহোক, স্বাধীন ফান্ডাস/ওসিটি ছবি ছাড়া, চিত্র-স্তরের ক্ষত সনাক্তকরণ, গ্রেডিং, ক্ষত স্থানীয়করণ, বা ক্রস-ক্যামেরা সাধারণীকরণের মূল্যায়ন করা যায় না।ফান্ডাস ইমেজিং বেঞ্চমার্কে দৃশ্যের ইমেজিং ক্ষেত্র, বাম এবং ডান চোখ, ছবির গুণমান, অযোগ্য চিত্র প্রক্রিয়াকরণ, গ্রেডিং সিস্টেম এবং পাঠক সালিসি নির্দিষ্ট করা উচিত।উদাহরণস্বরূপ, 2026 সালে "বৈজ্ঞানিক ডেটা" দ্বারা প্রকাশিত মাল্টিমোডাল রেটিনাল গবেষণা ডেটাতে 24,460টি চিত্র রয়েছে, যা তীব্রতার পাঁচটি স্তর, সাত প্রকারের ক্ষত এবং OCT ম্যাকুলার এডিমা গ্রেডিং-এ পরিমার্জিত, সূক্ষ্ম-দানাযুক্ত প্যালার লেবেল, মোডাল নিয়ন্ত্রণ এবং মান নিয়ন্ত্রণের জন্য চিত্র মূল্যায়নের প্রয়োজনীয়তা প্রতিফলিত করে।[2].একটি মাল্টি-মডেল বৃহৎ মডেল গবেষণায় 188 রোগীর 309টি চোখে বিভিন্ন মডেল এবং নিম্ন তীব্রতা সনাক্তকরণ সংবেদনশীলতার মধ্যে পারফরম্যান্সের পার্থক্য পর্যবেক্ষণ করা হয়েছে, তালিকাটি মনে করিয়ে দেয় যে তালিকাটি শুধুমাত্র সামগ্রিক নির্ভুলতা রিপোর্ট করতে পারে না, তবে মিস করা রোগ নির্ণয় এবং গ্রেডিং ত্রুটিগুলিও দেখাতে হবে।[3]。
ট্র্যাক ডি｜পেরিফেরাল নিউরোপ্যাথি এবং ডায়াবেটিক ফুট: প্রমাণ স্তরবিন্যাস, তীব্রতা এবং নিরাপত্তা
পেরিফেরাল নিউরোপ্যাথি ক্লারিকাল টাস্ক পরীক্ষা করে যে লক্ষণ, পরীক্ষার ধরণ, প্রতিরক্ষামূলক সংবেদনশীল ফলাফল এবং তাদের সাময়িক পারস্পরিক সম্পর্ক সঠিকভাবে রেকর্ড করা হয়েছে কিনা, এবং সনাক্ত করে যে মডেল ভুলবশত "পরীক্ষা স্বাভাবিক" হিসাবে "রেকর্ড করা হয়নি" লিখেছে কিনা।ADA-এর "ডায়াবেটিসের নির্ণয় এবং চিকিত্সার জন্য 2026 স্ট্যান্ডার্ডস" এর নিউরোপ্যাথি এবং পায়ের যত্নের অধ্যায়গুলি নিউরোপ্যাথি স্ক্রীনিং, পায়ের ঝুঁকি মূল্যায়ন এবং প্রমিত শারীরিক পরীক্ষার উপর জোর দেয়;তাই, টাস্ক কার্ডে পরীক্ষার পদ্ধতি, পরীক্ষার ফ্রিকোয়েন্সি এবং রেফারেল থ্রেশহোল্ড স্পষ্ট করা উচিত যাতে অনুপস্থিত রেকর্ডগুলিকে নেতিবাচক হিসাবে বিবেচনা করা না হয়।[7].ডায়াবেটিক পায়ের পরিমাপযোগ্য কাজগুলি স্থান, ক্ষতের আকার, সংক্রমণের লক্ষণ, ইস্কেমিয়া ক্লু, গ্রেডিং এবং মেডিকেল রেকর্ড থেকে ফলাফলের নিষ্কাশন থেকে শুরু হতে পারে;ভবিষ্যতের ইমেজ টাস্কে স্ট্যান্ডার্ড শুটিং শর্ত, স্কেল রেফারেন্স, ক্ষত লেবেলিং এবং ক্লিনিকাল ফলাফল থাকা উচিত।যখন কোন ছবি না থাকে, লিখিত মেডিকেল রেকর্ড টাস্কের কর্মক্ষমতা ক্ষত চাক্ষুষ ক্ষমতা নির্দেশ করতে ব্যবহার করা যাবে না। একটি উচ্চ-ঝুঁকির সতর্কতা মিস করা, একটি জরুরী টিপকে কম-ঝুঁকিতে নামিয়ে দেওয়া, বা পাতলা বাতাস থেকে একটি আলসার গ্রেড তৈরি করা সবগুলিই গুরুতর ত্রুটি হিসাবে রেকর্ড করা উচিত এবং প্রচুর সংখ্যক সাধারণ ক্ষেত্রে সঠিক উত্তরগুলি অফসেট করার পরিবর্তে আলাদাভাবে রিপোর্ট করা উচিত৷
ক্লিনিকাল পার্থক্য মাস্কিং স্কোর এড়াতে, ট্র্যাকের চারটি বিভাগকে একক সামগ্রিক র্যাঙ্কিংয়ে একত্রিত করা উচিত নয়। যদি ভবিষ্যতে সারাংশ স্কোর প্রদান করা আবশ্যক, মূল সূচক, কেস রচনা, আত্মবিশ্বাসের ব্যবধান, ওজন নির্ধারণের নিয়ম এবং প্রতিটি ট্র্যাকের প্রয়োগের সুযোগ একই সময়ে প্রকাশ করা উচিত;অনুপস্থিত পদ্ধতি এবং কার্যগুলি "মূল্যায়ন করা হয়নি" হিসাবে প্রদর্শিত হওয়া উচিত এবং শূন্য পয়েন্ট হিসাবে গণ্য করা যাবে না বা ডিফল্টরূপে পাস করা যাবে না।
3. রেফারেন্স মান, বিশেষজ্ঞ টীকা এবং রোগীর নিরাপত্তা
3.1 রেফারেন্স স্ট্যান্ডার্ড একটি সনাক্তযোগ্য প্রমাণ সিস্টেম, একটি ভোট নয়
ক্লিনিকাল সত্য কেবল মেডিকেল রেকর্ডে প্রদর্শিত শেষ ডায়াগনস্টিক ক্ষেত্রটিকে অনুলিপি করতে পারে না।প্রতিটি কাজের জন্য প্রথমে রেফারেন্স প্রমাণ স্তর সংজ্ঞায়িত করা প্রয়োজন: উদাহরণস্বরূপ, পরীক্ষাগার পরীক্ষাগুলি যোগ্য পরীক্ষাগার রিপোর্ট এবং ইউনিট/পদ্ধতি তথ্য ব্যবহার করে; কিডনির ফলাফল নির্দেশিকা সংজ্ঞা এবং নির্দিষ্ট সময় উইন্ডো অনুযায়ী নির্মিত হয়; ফান্ডাস গ্রেডিং প্রাক-নিবন্ধিত স্কেল, যোগ্য চিত্র এবং বিশেষজ্ঞ পাঠের উপর ভিত্তি করে; পায়ের ফলাফল স্পষ্টভাবে সংক্রমণ, ইস্কিমিয়া, নিরাময়, বা অঙ্গচ্ছেদের ভিত্তি এবং সময় নির্ধারণ করে।যখন একটি মামলা শর্ত পূরণ করে না, তখন এটিকে "নির্ধারণ করতে অক্ষম/অপর্যাপ্ত প্রমাণ" হিসাবে চিহ্নিত করা উচিত এবং লেবেলগুলি জোর করে তৈরি করা যাবে না।যখন বিভিন্ন প্রমাণের বিরোধ দেখা দেয়, তখন মূল তথ্য ওভাররাইট করার পরিবর্তে দ্বন্দ্বের কারণ এবং চূড়ান্ত সালিসকে ধরে রাখা উচিত।
সুপারিশ করে যে প্রতিটি রোগের জন্য একটি বিশেষজ্ঞ দল গঠন করা হোক: এন্ডোক্রিনোলজি বিভাগ ডায়াবেটিসের সাধারণ ক্লিনিকাল প্রেক্ষাপটের জন্য দায়ী, এবং নেফ্রোলজি, চক্ষুবিদ্যা, নিউরোলজি এবং ক্ষত/ভাস্কুলার সম্পর্কিত বিশেষজ্ঞরা যথাক্রমে বিশেষ রোগের সংজ্ঞার জন্য দায়ী; ডেটা প্রকৌশলী, পরিসংখ্যানবিদ এবং রোগীর নিরাপত্তা ব্যবস্থাপক কাজ এবং স্কোরিং নিয়ম পর্যালোচনায় অংশগ্রহণ করে।লেবেল করার আগে ম্যানুয়াল, ইতিবাচক এবং নেতিবাচক উদাহরণ, সীমানা কেস, অনুপস্থিত কোড এবং সংস্করণ নম্বরগুলি বিকাশ করুন; লেবেলারদের অবশ্যই প্রশিক্ষিত হতে হবে এবং আনুষ্ঠানিক লেবেলিং প্রবেশের আগে ক্রমাঙ্কন সেটটি পাস করতে হবে।কমপক্ষে দুইজন যোগ্য বিশেষজ্ঞ স্বাধীন টীকা তৈরি করেন; উপযুক্ত সামঞ্জস্য সূচক গণনা করুন এবং অসম্মতি বিভাগ দিন; এবং তৃতীয় একজন সিনিয়র বিশেষজ্ঞ সালিস।Cohen/Fleiss κ, ওয়েটেড κ, ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক বা চুক্তির হার পরিবর্তনশীল প্রকার অনুসারে নির্বাচন করা উচিত এবং একটি সামঞ্জস্যপূর্ণ পরিসংখ্যান যান্ত্রিকভাবে সমস্ত লেবেলে প্রয়োগ করা যাবে না।
3.2 একটি নির্ভরযোগ্য ক্ষমতা হিসাবে "উত্তর দিতে অস্বীকার করতে পারে"
স্বাস্থ্যসেবা সিস্টেমগুলি উচ্চ মার্কস পাওয়া উচিত নয় কারণ তাদের উচ্চ প্রতিক্রিয়া হার রয়েছে৷কাজটির জন্য বিচার করতে অক্ষমতা, অপর্যাপ্ত চিত্রের গুণমান, অনুপস্থিত মূল পরীক্ষা, লেবেল দ্বন্দ্ব এবং প্রযোজ্য জনসংখ্যার বাইরের মতো পরিস্থিতি সেট আপ করতে হবে এবং মডেলটি সম্পূরক তথ্যের অনুরোধ করা বা ক্লিনিকাল কর্মীদের কাছে স্থানান্তর করা উপযুক্ত কিনা তা মূল্যায়ন করতে হবে।স্কোরগুলিকে যৌথভাবে কভারেজ এবং ত্রুটির হার রিপোর্ট করা উচিত: কভারেজ হ্রাস করা সঠিকতা উন্নত করতে পারে, কিন্তু যদি সিস্টেম শুধুমাত্র সহজ ক্ষেত্রে উত্তর দেয়, তবে এটি একটি ঝুঁকি-কভারেজ বক্ররেখা বা একটি প্রিসেট কভারেজ থ্রেশহোল্ডের মাধ্যমে উপস্থাপন করা আবশ্যক; বিপজ্জনক মিস, মিথ্যা আশ্বাস, এবং ভিত্তিহীন নির্ণয়ের নিরাপত্তা ইভেন্টগুলির জন্য আলাদাভাবে তালিকাভুক্ত করা উচিত।
3.3 অনুমোদন, নীতিশাস্ত্র এবং বেনামীকরণ অবশ্যই মডেল বেঞ্চমার্কিংয়ের আগে থাকতে হবে
সংযুক্ত ফাইলের নাম "অসংবেদনশীল" নির্দেশ করে, যা শুধুমাত্র একটি উৎস বিবৃতি এবং বেনামীকরণ বা আইনি ব্যবহারের স্বাধীন প্রমাণ গঠন করে না।উপকরণের এই ব্যাচের স্বয়ংক্রিয় পাঠ্য স্ক্রীনিং সাধারণ পরিচয় তথ্যের নিদর্শন সনাক্ত করতে ব্যর্থ হয়েছে, তবে এটি মূল নথির পৃষ্ঠা-দ্বারা-পৃষ্ঠা পরিদর্শন, চিত্র/ওসিআর পরিদর্শন, মেটাডেটা পরিদর্শন, বিরল সংমিশ্রণ পুনঃ-শনাক্তকরণ ঝুঁকি মূল্যায়ন, অনুমোদন নথি যাচাইকরণ এবং নৈতিক রায় প্রতিস্থাপন করতে পারে না।রোগী-স্তরের ডেটার জন্য আইনি উত্স, ব্যবহারের উদ্দেশ্য, অনুমোদনের সুযোগ, কর্মীদের অ্যাক্সেস, ধরে রাখার সময়কাল, মুছে ফেলা এবং অডিট করার নিয়মগুলি প্রতিষ্ঠা করতে হবে; ডি-আইডেন্টিফিকেশন এখনও অগত্যা অজ্ঞাতনামা মানে না.বাহ্যিক প্রদর্শনের জন্য শুধুমাত্র পর্যাপ্ত সামগ্রিক পরিসংখ্যান প্রকাশ করা হবে, এবং কোনও পাঠ্য, স্ক্রিনশট বা বিরল সংমিশ্রণ যা কেসগুলিতে ফিরে পাওয়া যেতে পারে তা প্রকাশ করা হবে না।প্রশিক্ষণ সেট এবং প্রাইভেট টেস্ট সেট বিকেন্দ্রীভূত অ্যাক্সেস বাস্তবায়ন, এবং মডেল জমা এবং ডেটা অ্যাক্সেস চিহ্ন ছেড়ে দেয়।
4. স্কোরকার্ড: সঠিক উত্তর থেকে বিশ্বাসযোগ্য, শক্তিশালী এবং ব্যবহারযোগ্য
নিম্নলিখিতটি একটি প্রস্তাবিত মূল্যায়ন কাঠামো, সংযুক্ত কেস বা কোনো মডেলের জন্য গণনাকৃত স্কোর নয়।গভর্নেন্স অ্যাক্সেস এক-ভোট ভেটো থ্রেশহোল্ড হিসাবে কাজ করে: যারা নীতিশাস্ত্র/অনুমোদন, অসংবেদনশীলতা, লেবেলিং ভিত্তি, ফাঁস চেক এবং সংস্করণ তথ্য ব্যর্থ হয় তারা তালিকার তুলনাতে অংশগ্রহণ করবে না। ভর্তি পাস করার পর, নির্দিষ্ট ট্র্যাকের লক্ষ্যমাত্রা অনুযায়ী স্কোর সেট করা হয়; ক্লিনিকাল টাস্ক শুদ্ধতা, প্রমাণ ট্রেসেবিলিটি, স্ট্রাকচার্ড ডেটা গুণমান, নিরাপত্তা এবং প্রত্যাখ্যান, দৃঢ়তা/ক্রস-ডোমেন পারফরম্যান্সের মতো মডিউলগুলি 100-পয়েন্ট স্কেলে সেট করা যেতে পারে।যাইহোক, পরীক্ষার সেট হিমায়িত হওয়ার আগে বিশেষজ্ঞ, ক্লিনিকাল ব্যবহারকারী এবং পরিসংখ্যান দল দ্বারা নির্দিষ্ট ওজন যৌথভাবে প্রাক-নিবন্ধন করা উচিত এবং সংবেদনশীলতা বিশ্লেষণের মাধ্যমে যাচাই করা উচিত। একটি নির্দিষ্ট মডেলের সীসা অনুসরণ করার জন্য পরে ওজন সমন্বয় করা উচিত নয়।
| মাত্রা | প্রস্তাবিত পর্যবেক্ষণ | প্রযোজ্য সূচক উদাহরণ | প্রধান ঝুঁকি |
|---|---|---|---|
| ক্লিনিকাল টাস্ক সঠিকতা | নিষ্কাশন, শ্রেণীবিভাগ, প্রবণতা, শ্রেণীবিভাগ বা প্রিসেট প্রক্রিয়াকরণ থ্রেশহোল্ড | নির্ভুলতা/রিকল, ম্যাক্রো-গড় F1, MAE, ওজনযুক্ত κ | সামগ্রিক সূচকগুলি অল্প সংখ্যক উচ্চ-ঝুঁকি মিস ডায়াগনোসিস কভার করে |
| প্রমাণ খুঁজে পাওয়া যায় | উপসংহার: মূল পৃষ্ঠা, ক্ষেত্র, চেক সময় এবং নিয়মগুলি কি পাওয়া যাবে? | প্রমাণ অবস্থান নির্ভুলতা, মান/ইউনিট যৌথ মিলের হার | উত্তরটি সঠিক কিন্তু ভিত্তিটি ভুল বা অডিট করা যাবে না |
| নিরাপত্তা এবং অনিশ্চয়তা | উত্তর, আপগ্রেড, সতর্কতা সংকেত স্বীকৃতি, হ্যালুসিনেশন এবং মূল বাদ দিতে অস্বীকার | গুরুতর ত্রুটি হার, ঝুঁকি কভারেজ বক্ররেখা, ক্রমাঙ্কন ত্রুটি | ত্রুটির পরামর্শ সমানভাবে পাতলা করা হয়েছে৷ |
| শক্তিশালী এবং ন্যায্য | অনুপস্থিত, স্ক্যানের গুণমান, সরঞ্জাম/প্রতিষ্ঠান, বয়স এবং অন্যান্য স্তরবিন্যাস | স্তরিত পার্থক্য, আত্মবিশ্বাসের ব্যবধান, প্রবাহ সূচক | অপর্যাপ্ত নমুনার ফলাফল মিথ্যা উপগোষ্ঠীর উপসংহারে |
| অপারেশন পুনরুত্পাদন করা যেতে পারে | মডেল সংস্করণ, প্রম্পট শব্দ, অনুমান পরামিতি, তারিখ এবং ডেটা হ্যাশ | পরিবেশগত রেকর্ডের পুনঃরান এবং সম্পূর্ণতার হারের পার্থক্য | তালিকার ফলাফল পর্যালোচনা করা যাবে না |
নির্দেশক অবশ্যই টাস্কের সাথে মেলে। ফিল্ড এক্সট্রাকশন রিপোর্ট ফিল্ড-লেভেল প্রিসিশন/রিকল/এফ1-এর সাথে সঠিক মেলে; ক্রমাগত মান ত্রুটি এবং ইউনিট সঠিকতা রিপোর্ট;ক্রমিক তীব্রতা ওজনযুক্ত κ বা র্যাঙ্ক কনফিউশন ম্যাট্রিক্স ব্যবহার করে;ভবিষ্যদ্বাণীর কাজগুলি একই সাথে বৈষম্য, ক্রমাঙ্কন, ক্লিনিকাল থ্রেশহোল্ড এবং আত্মবিশ্বাসের ব্যবধানে নেট সুবিধা দেয়; উন্মুক্ত প্রতিক্রিয়াগুলি বিশেষজ্ঞ-উন্নত পারমাণবিক তথ্য তালিকা, প্রমাণ সমর্থন, সমালোচনামূলক বাদ দেওয়া এবং তীব্রতা স্কেল এবং স্বয়ংক্রিয় পর্যালোচকদের ম্যানুয়াল সামঞ্জস্য যাচাইকরণ ব্যবহার করে। ক্রমাঙ্কন "মডেল স্ব-প্রতিবেদিত আত্মবিশ্বাস" দ্বারা প্রতিস্থাপিত করা যাবে না।ভবিষ্যদ্বাণীমূলক অধ্যয়নগুলিকে স্বচ্ছ রিপোর্টিং সুপারিশ অনুসরণ করা উচিত যেমন TRIPOD+AI; মাল্টি-ইনস্টিটিউশন/ক্লাস্টার ডেটা প্রাতিষ্ঠানিক ভিন্নতা এবং সংশ্লিষ্ট বিশ্লেষণের বিষয়েও রিপোর্ট করা উচিত[4]。
এই সময় n=12 এই সামগ্রিক সূচকগুলিকে স্থিরভাবে অনুমান করার জন্য যথেষ্ট নয়।উপযুক্ত পাইলট আউটপুটগুলি হল কেস-লেভেল ত্রুটির তালিকা (শুধুমাত্র অনুমোদিত পরিবেশের মধ্যে), টাস্ক ডেফিনেশন ফাঁক, টীকা অসম্মতি, পদ্ধতিগত বিন্যাস ব্যর্থতা, ম্যানুয়াল পর্যালোচনা সময়, প্রক্রিয়া ব্রেকপয়েন্ট এবং স্কোরিং স্ক্রিপ্ট পরীক্ষার ফলাফল।আসল মডেল র্যাঙ্কিং বাইরের বিশ্বের কাছে প্রকাশ করা হয় না।আনুষ্ঠানিক যাচাইকরণ পর্যায়ে প্রবেশ করার আগে, নমুনা আকারের প্রদর্শন প্রত্যাশিত ব্যাপকতা, সংবেদনশীলতা/নির্দিষ্ট লক্ষ্য, অনুমোদিত আত্মবিশ্বাসের ব্যবধানের প্রস্থ, প্রাতিষ্ঠানিক ক্লাস্টারিং, হারানো ফলো-আপের অনুপাত এবং অবৈধ পরীক্ষার উপর ভিত্তি করে হওয়া উচিত; রোগীদের নথির আচরণের পরিসংখ্যানগত ইউনিটের পরিবর্তে, ব্যবধান অনুমান এমন পদ্ধতিগুলি ব্যবহার করা উচিত যা ক্লাস্টারিং কাঠামোকে প্রতিফলিত করতে পারে।
5. কীভাবে তালিকায় ফাঁস, পক্ষপাত এবং মিথ্যা নির্ভুলতা এড়ানো যায়
5.1 লুকানো পরীক্ষার সেটগুলি অবশ্যই "র্যাঙ্কিং সোয়াইপ করা" প্রতিরোধ করতে সক্ষম হবে
যদি সমস্ত পরীক্ষার কেস প্রকাশ করা হয়, মডেলটি ট্রেনিং কর্পাস, প্রম্পট শব্দ বা কৃত্রিম নিয়মের উত্তরগুলি মনে রাখতে পারে। তালিকায় একটি পাবলিক ডেভেলপমেন্ট সেট এবং সমান্তরালে একটি নিয়ন্ত্রিত লুকানো সেট ব্যবহার করা উচিত: পাবলিক টাস্কের সংজ্ঞা, ফিল্ড স্পেসিফিকেশন, স্কোরিং পদ্ধতি এবং প্রতিনিধি উন্নয়ন নমুনা;একটি অনুমোদিত ব্যক্তিগত পরীক্ষার সেট ধরে রাখুন, জমা দেওয়ার ফ্রিকোয়েন্সি সীমিত করুন এবং API/কন্টেইনার কল লগ, ইনপুট এবং আউটপুট সারাংশ, মডেল সংস্করণ এবং ডেটা হ্যাশগুলি বজায় রাখুন। মডেল দলকে প্রশিক্ষণ, টিউনিং বা ম্যানুয়াল পর্যালোচনার জন্য পরীক্ষার ডেটা ব্যবহার করতে হবে কিনা তা ঘোষণা করতে হবে।বারবার জমা দেওয়ার ফলে সৃষ্ট টেস্ট সেট অভিযোজন অবশ্যই নতুন ব্যাচ আলাদা করে রাখা, টাইম ড্রিফ্ট সেট এবং লুকানো প্রশ্নগুলির মাধ্যমে নিয়ন্ত্রণ করতে হবে।
সেগমেন্টেশন অন্তত রোগীর দ্বারা সঞ্চালিত করা উচিত;পর্যাপ্ত তথ্য উপলভ্য হওয়ার পরে, হাসপাতালের দ্বারা বাহ্যিক পরীক্ষা, সরঞ্জাম এবং সময় যোগ করা যেতে পারে।ভিজিট, রিপোর্ট কপি, সমজাতীয় টেমপ্লেট, কাছাকাছি-সদৃশ পিডিএফ, অনুলিপি করা পাঠ্য এবং চিত্রের অনুলিপি জুড়ে একই রোগীর পরিদর্শন পরীক্ষা করুন।"আরো কেন্দ্র থেকে কয়েকটি এলোমেলো নমুনা নেওয়ার" পরিবর্তে, ক্রস-সেন্টার বৈধতা সম্পূর্ণ প্রতিষ্ঠানটিকে একটি স্বাধীন ডোমেন হিসাবে ধরে রাখে এবং প্রতিটি কেন্দ্রের জন্য নমুনা রচনা, নির্দেশক ব্যবধান এবং ব্যর্থতার মোড রিপোর্ট করে।মাল্টি-মডেল কাজগুলি নিশ্চিত করতে হবে যে চিত্র, রিপোর্ট, পরীক্ষা এবং মামলার ফলাফলের মিল কী রোগীর সনাক্তকরণ ফাঁস না করে নির্ভরযোগ্য।
5.2 মূল্যায়ন মডেল পারফরম্যান্সের পরিবর্তে ক্লিনিকাল ব্যবহারের ফলাফলের উপর ফোকাস করা উচিত
কেস উত্তর শুধুমাত্র অফলাইন ক্ষমতা যাচাই করে; মোতায়েনের মান মডেলটি বারবার এন্ট্রি কমাতে, ডেটা সম্পূর্ণতা উন্নত করতে, বিশেষজ্ঞের পর্যালোচনার সময় সংক্ষিপ্ত করতে এবং ভুল রেফারেল, মিসড রিপোর্ট বা কাজের চাপ বাড়াতে পারে না তার উপরও নির্ভর করে।প্রকৃত কর্মপ্রবাহে প্রবেশ করার আগে, এটি নীরব অপারেশন, ম্যানুয়াল-ইন-দ্য-লুপ পাইলট, সম্ভাব্য ব্যবহারযোগ্যতা মূল্যায়ন এবং প্রয়োজনীয় ক্লিনিকাল গবেষণার মাধ্যমে পরিষ্কার করা উচিত যে ডাক্তাররা মডেল আউটপুট দেখতে পাচ্ছেন কিনা, কখন এটি ওভাররাইট করা যেতে পারে, কীভাবে ব্যতিক্রমগুলি বৃদ্ধি করা হয় এবং কে ত্রুটিগুলি পর্যালোচনা করে৷ঝুঁকি গ্রেডিং কম-ঝুঁকির সহায়ক বাছাই এবং উচ্চ-ঝুঁকির ট্রাইএজ/নির্ণয়ের সুপারিশগুলিকে কভার করতে হবে এবং নিয়ন্ত্রক, নৈতিক বা ক্লিনিকাল প্রমাণ প্রতিস্থাপনের জন্য ছোট নমুনা অফলাইন স্কোর ব্যবহার করা যাবে না।
সাম্প্রতিক গবেষণা দেখায় যে মেডিকেল ইমেজিং AI এর কর্মক্ষমতা এবং স্থানান্তরযোগ্যতা সমগোত্রীয় আকার, রেফারেন্স মান, ইমেজিং পরিস্থিতি এবং বাহ্যিক ডেটার সাথে ঘনিষ্ঠভাবে সম্পর্কিত।DeepDKD একটি বৃহৎ স্কেল ডেভেলপমেন্ট কোহর্ট ব্যবহার করেছে এবং রেটিনাল ইমেজ ইনফারেন্স ডায়াবেটিক নেফ্রোপ্যাথি স্টাডিতে 10টি বহু-জাতিগত ডেটা সেটের উপর যাচাই করা হয়েছে, যা এই 12টি ক্ষেত্রে সরাসরি ট্রান্সপ্লান্ট করা যেতে পারে এমন মডেল উপসংহারের পরিবর্তে "একক-কেন্দ্র কর্মক্ষমতা থেকে বাহ্যিক বৈধতার দিকে যাওয়ার" পদ্ধতিগত উদাহরণ প্রদান করে।[5]. ডায়াবেটিক পায়ে AI এর একটি পদ্ধতিগত পর্যালোচনা আরও উল্লেখ করেছে যে ক্রমাঙ্কনের মতো মেট্রিক্সের আন্ডার রিপোর্টিং ব্যক্তিগত ঝুঁকির ব্যাখ্যা এবং সিদ্ধান্ত গ্রহণের নির্ভরযোগ্যতাকে দুর্বল করে।[6]. অতএব, এই প্রকল্পের উদ্ভাবন পয়েন্টগুলি মূল্যায়ন নকশা, বিশেষজ্ঞের সম্মতি, প্রমাণ শৃঙ্খল এবং ক্রস-ডোমেন যাচাইকরণ ক্ষমতার মধ্যে থাকা উচিত এবং একটি যাচাইকৃত ক্লিনিকাল পণ্য হিসাবে প্যাকেজ করা উচিত নয়।
6. 12-কেস প্রক্রিয়া পাইলট থেকে মাল্টি-সেন্টার মূল্যায়ন প্ল্যাটফর্ম পর্যন্ত
- পর্যায় 0｜অ্যাক্সেস এবং ইনভেন্টরিডেটা প্রদানকারীর অনুমোদন, নৈতিক পথ, ডেটা ব্যবহার, ধরে রাখার সময়কাল, রোগী-স্তরের ডিডুপ্লিকেশন পদ্ধতি এবং ছবি/নথির প্রাপ্যতা পরিসর নিশ্চিত করুন; ফর্ম ডেটা কার্ড, অনুপস্থিত রিপোর্ট, ফিল্ড ডিকশনারী, ফাইল পেডিগ্রি এবং গোপনীয়তা ঝুঁকি তালিকা।সম্পূর্ণ না হওয়া পর্যন্ত কেসগুলি বহিরাগত মডেল পরিষেবাগুলিতে আপলোড করা হয় না।
- ফেজ 1｜12 কেস পদ্ধতি পাইলট1-2 প্রতিটি রোগের জন্য ক্লিনিকাল বিশেষজ্ঞদের দ্বারা নির্বাচিত বিচারযোগ্য এবং পর্যালোচনাযোগ্য কাজ; দুই ব্যক্তির টীকা এবং সালিশ; যাচাইকরণ টীকা ওয়ার্কবেঞ্চ, প্রমাণ উদ্ধৃতি, স্কোরিং স্ক্রিপ্ট, অন্ধ পরীক্ষার প্রক্রিয়া এবং ত্রুটির তীব্রতা লেবেল।শুধুমাত্র প্রক্রিয়া রিপোর্ট বিতরণ করা হয়, কোন র্যাঙ্কিং বা কর্মক্ষমতা অনুমান প্রকাশ করা হয় না.
- পর্যায় 2｜লক্ষ্য জনসংখ্যা এবং নমুনা আকার নকশাঅন্তর্ভুক্তির মানদণ্ড, রোগের বর্ণালী, সরঞ্জাম, টাইম উইন্ডো, ফলাফল ফলো-আপ এবং ডেটা অনুমোদন স্পষ্ট করতে সম্ভাব্য বা পূর্ববর্তী দলগুলির জন্য একাধিক হাসপাতালের সাথে আলোচনা করুন।পরিসংখ্যান দল প্রাথমিক শেষ পয়েন্ট এবং উপগোষ্ঠীর প্রয়োজনীয়তার নির্ভুলতা/আস্থার ব্যবধানের উপর ভিত্তি করে নমুনার আকার গণনা করবে; ডাটাবেস নির্মাণের জন্য স্ট্যান্ডার্ড হিসাবে "ফাইলের একটি ব্যাচ একত্রিত করা" ব্যবহার করা হবে না।আন্তঃ-কেন্দ্র পরিবর্তনশীল ম্যাপিং, ইউনিট প্রমিতকরণ এবং পরিভাষা প্রান্তিককরণ করা।
- পর্যায় 3 | অফিসিয়াল তালিকা এবং লুকানো যাচাইকরণপ্রোটোকল সংস্করণ, মডেল জমা দেওয়ার নিয়ম, প্রাক-নিবন্ধন সূচক, তালিকা আপডেট করার সময়, আগ্রহের দ্বন্দ্ব এবং আপিল প্রক্রিয়া প্রকাশ করে; পাবলিক ডেভেলপমেন্ট সেট আপ করে এবং লুকানো সেট নিয়ন্ত্রিত করে, সাব-সেন্টার এবং সাব-টাস্কের ফলাফল, ক্রমাঙ্কন, অনিশ্চয়তা, নিরাপত্তা ইভেন্ট এবং প্রযোজ্য গ্রুপ রিপোর্ট করে।টেক্সট টাস্ক স্কোরের সাথে অমূল্যায়িত ইমেজ পদ্ধতি প্রতিস্থাপন করা নিষিদ্ধ।
- ফেজ 4｜ক্লিনিকাল কার্যকারিতা এবং ক্রমাগত পর্যবেক্ষণপ্রকৃত কর্মপ্রবাহের সময়, গুণমান, নিরাপত্তা, এবং মানবিক বিষয়গুলি মূল্যায়ন করুন; নিরীক্ষণ সরঞ্জাম/জনসংখ্যা প্রবাহ, ইনপুট গুণমান পরিবর্তন, এবং গো-লাইভ পরে ত্রুটি বৃদ্ধি.প্রতিবার ডেটা, নির্দেশিকা, মডেল ইন্টারফেস বা স্কোরিং স্ক্রিপ্ট পরিবর্তন করা হয়, একটি নতুন সংস্করণ তৈরি করা হয়, রোলব্যাক রেকর্ড এবং ঐতিহাসিক তালিকাগুলি বজায় রাখা হয় এবং পুরানো ফলাফলগুলি নীরবে মুছে ফেলা হয় না।
এটি সুপারিশ করা হয় যে ডেটা বিবরণটি একটি পুনঃব্যবহারযোগ্য ডেটা কার্ডের ধারণা অনুসরণ করে এবং সংগ্রহের সময়, উত্স প্রতিষ্ঠানের বিভাগ, রোগী এবং কেস গণনার ক্যালিবার, অন্তর্ভুক্তির শর্তাবলী, প্রতিটি টাস্ক লেবেলের সংজ্ঞা, রেফারেন্স মান, বিশেষজ্ঞের ভূমিকা, ঘাটতি এবং পক্ষপাত, অনুমতি এবং অ্যাক্সেসের পদ্ধতি, নিষিদ্ধ সংস্করণ, সীমাবদ্ধ পার্থক্য এবং পরিচিত দৃশ্যকল্প উল্লেখ করা উচিত।ক্রস-প্রাতিষ্ঠানিক ক্লিনিকাল ডেটার জন্য, আন্তর্জাতিকভাবে সাধারণ মান যেমন OMOP CDM, LOINC, SNOMED CT, এবং ICD ম্যাপিং রেফারেন্স হিসাবে ব্যবহার করা যেতে পারে, তবে মূল কোড, ম্যাপিং টেবিল সংস্করণ এবং মানহীন আইটেমগুলি অবশ্যই রেকর্ড করতে হবে এবং "মানককরণ" এর জন্য মূল ক্লিনিকাল শব্দার্থ হারিয়ে যাবে না।
7. LumeSage এর নির্মাণ প্রস্তাব এবং ব্যবসা বন্ধ লুপ
হাসপাতালগুলির জন্য, রোগ-নির্দিষ্ট কেস প্যাকেজটি একটি তৈরি AI তালিকা নয়, তবে ডেটা উত্পাদন এবং মূল্যায়ন প্রকল্প শুরু করার কাঁচামাল।মেডিকেল এআই টিমের জন্য, "কোন গোষ্ঠীর লোক, কোন কাজ, কোন লেবেলের সেট, কোন সংস্করণের সাথে এই ফলাফলটি মিলছে এবং এই ফলাফলটি কোন ত্রুটির সাথে মিলে গেছে?" আবেদনের সীমানা থেকে তালাকপ্রাপ্ত মোট স্কোরের চেয়ে R&D সিদ্ধান্তগুলিকে আরও ভাল সমর্থন করতে পারে। LumeSage-এর বিভেদযুক্ত প্রস্তাব তিনটি যাচাইযোগ্য ডেলিভারি লাইনের উপর তৈরি করা যেতে পারে: প্রথমত, বিশেষজ্ঞরা কাজ এবং ক্লিনিকাল রেফারেন্স মান নির্ধারণ করেন;দ্বিতীয়ত, প্রকৌশল দল অসংগঠিত নথি, কাঠামোগত পরীক্ষা, সময় এবং উৎস খুঁজে পাওয়া যায় এমন তথ্যে স্ট্রিং করে;তৃতীয়ত, মূল্যায়ন দল অন্ধ পরীক্ষা, তীব্রতা স্তরবিন্যাস, বাহ্যিক যাচাইকরণ এবং সংস্করণ ব্যবস্থাপনার মাধ্যমে ক্রমাগত পুনরাবৃত্তির একটি বন্ধ লুপ গঠন করে।
এই ব্যবসায়িক চেইনের মূল্য প্রশিক্ষণের মডেলের বাইরে চলে যায়: হাসপাতালগুলি বৈজ্ঞানিক গবেষণা, ডেটা গভর্নেন্স এবং বহু-কেন্দ্রের সহযোগিতার জন্য ইউনিফাইড লেবেল এবং গুণমানের নিয়ম ব্যবহার করতে পারে;মডেল কোম্পানিগুলি অনলাইনে যাওয়ার আগে ডকুমেন্ট পার্সিং, ইউনিট ত্রুটি, সাবগ্রুপ পারফরম্যান্সের অবনতি এবং বিপজ্জনক আন্ডার রিপোর্টিং আবিষ্কার করতে পারে; গবেষণা দলগুলি পরীক্ষামূলক প্রোটোকল পেতে পারে যা পর্যালোচনা করা যেতে পারে;রোগীরা একটি পরিষ্কার প্রমাণ চেইন, আরও উপযুক্ত অনিশ্চয়তার অভিব্যক্তি এবং নিরাপদ মানব-মেশিন সহযোগিতা থেকে উপকৃত হয়। সমস্ত মান নির্দিষ্ট প্রকল্প সূচকের মাধ্যমে যাচাই করা প্রয়োজন এবং শুধুমাত্র তথ্যের পরিমাণ বা তালিকায় র্যাঙ্কিংয়ের উপর ভিত্তি করে অনুমান করা যাবে না।
অতএব, এই প্রকল্পটিকে "DiaComp-বেঞ্চ গবেষণা পাইলট" হিসাবে শুরু করার সুপারিশ করা হচ্ছে: প্রথমে একটি ডেটা কার্ড এবং চারটি রোগের টাস্ক ক্যাটালগ তৈরি করুন, শুধুমাত্র বিশেষজ্ঞের টীকা প্রক্রিয়া এবং মূল্যায়ন টুল যাচাইয়ের জন্য 12 টি ক্ষেত্রে সীমাবদ্ধ করুন; কমপ্লায়েন্স রিভিউ শেষ করার পর একটি মাল্টি-সেন্টার কোহর্ট তৈরি করুন; ক্লিনিকাল বিশেষজ্ঞ, পরিসংখ্যানবিদ, অ্যালগরিদম প্রকৌশলী এবং রোগীর নিরাপত্তা কর্মীরা যৌথভাবে রেফারেন্স মান, সূচক এবং লুকানো সেট হিমায়িত করে; বাহ্যিক যাচাইকরণ এবং বাস্তব কর্মপ্রবাহ মূল্যায়নের পরে, র্যাঙ্কিং এবং তাদের প্রযোজ্য সীমানা প্রকাশ করবেন কিনা তা সিদ্ধান্ত নিন। এটি শুধুমাত্র বর্তমান সংযুক্তি প্রমাণকে সম্মান করে না, তবে ডায়াবেটিস জটিলতার জন্য একটি উচ্চ-মানের, পুনরুত্পাদনযোগ্য এবং ক্লিনিক্যালি মূল্যবান এআই মূল্যায়ন সিস্টেমের পরবর্তী গঠনের জন্য একটি পরিষ্কার পথও ছেড়ে দেয়।
রেফারেন্স
- [1] আমেরিকান ডায়াবেটিস অ্যাসোসিয়েশন পেশাদার অনুশীলন কমিটি। 11. দীর্ঘস্থায়ী কিডনি রোগ এবং ঝুঁকি ব্যবস্থাপনা: ডায়াবেটিস-2026-এর যত্নের মানদণ্ড। ডায়াবেটিস যত্ন। 2026;49(Suppl 1):S246–S260। DOI 10.2337/dc26-S011.
- [2] Tang Z, Wang L, Guo Z, et al. ফাউন্ডেশন মডেল ব্যবহার করে ডায়াবেটিক রেটিনোপ্যাথি সনাক্তকরণের জন্য একটি মাল্টিমোডাল রেটিনাল ইমেজ ডেটাসেট। বৈজ্ঞানিক ডেটা। 2026; 13:639। DOI 10.1038/s41597-026-07005-9.
- [৩] মাল্টিমোডাল বড় ভাষার মডেল কি ফান্ডাস ফটো থেকে ডায়াবেটিক রেটিনোপ্যাথি নির্ণয় করতে পারে? একটি পরিমাণগত মূল্যায়ন। চক্ষুবিদ্যা বিজ্ঞান। 2026;6(1):100911। DOI 10.1016/j.xops.2025.100911.
- [৪] কলিন্স জিএস, মুনস কেজিএম, ধীমান পি, এট আল। TRIPOD+AI স্টেটমেন্ট: রিগ্রেশন বা মেশিন লার্নিং পদ্ধতি ব্যবহার করে এমন ক্লিনিকাল ভবিষ্যদ্বাণী মডেল রিপোর্ট করার জন্য আপডেট করা নির্দেশিকা। BMJ। 2024;385:e078378। DOI 10.1136/bmj-2023-078378.
- [5] মেং এট আল। রেটিনাল চিত্রগুলিতে প্রয়োগ গভীর শিক্ষার মাধ্যমে ডায়াবেটিক কিডনি রোগের অ-আক্রমণকারী বায়োপসি নির্ণয়: একটি জনসংখ্যা-ভিত্তিক গবেষণা। ল্যানসেট ডিজিটাল স্বাস্থ্য। 2025. DOI 10.1016/j.landig.2025.02.008.
- [6] কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং কৌশল ব্যবহার করে ডায়াবেটিক ফুট আলসার শ্রেণিবিন্যাস মডেল: পদ্ধতিগত পর্যালোচনা। মেডিকেল ইন্টারনেট গবেষণা জার্নাল। 2025;27:e69408। DOI 10.2196/69408.
- [7] আমেরিকান ডায়াবেটিস অ্যাসোসিয়েশন পেশাদার অনুশীলন কমিটি। 12. রেটিনোপ্যাথি, নিউরোপ্যাথি এবং পায়ের যত্ন: ডায়াবেটিসে যত্নের মান-2026। ডায়াবেটিস যত্ন। 2026;49(Suppl 1):S261–S276। DOI 10.2337/dc26-S012.
পদ্ধতি বর্ণনাএই নিবন্ধে সংযুক্তিগুলির বিবরণ একটি ফাইল-স্তরের কাঠামোগত তালিকার মধ্যে সীমাবদ্ধ; রোগী-স্তরের মেডিকেল রেকর্ড বিষয়বস্তু দেখানো বা পুনরুত্পাদন করা হয় না। স্বয়ংক্রিয় সংবেদনশীলতা স্ক্রীনিং গোপনীয়তা সম্মতি শংসাপত্র গঠন করে না, বা সংযুক্ত ডেটা একটি পাবলিক প্রশিক্ষণ সেট বা ক্লিনিক্যালি বৈধ মডেল র্যাঙ্কিং গঠন করে না। ক্লিনিকাল সংজ্ঞা এবং ব্যবহার প্রযোজ্য নির্দেশিকা, একটি সম্পূর্ণ চিকিৎসা ইতিহাস, এবং স্থানীয় প্রবিধানগুলির সাথে একযোগে একজন যোগ্যতাসম্পন্ন চিকিৎসা পেশাদার দ্বারা বিচার করা উচিত।
