কেন "রোগীর দ্বারা একত্রিত করা" ডেটার অ্যালগরিদমিক মান পরিবর্তন করে
মেডিকেল কৃত্রিম বুদ্ধিমত্তা প্রশিক্ষণের নমুনাগুলি প্রায়শই ফাইল হিসাবে বিতরণ করা হয়: একটি PDF, একটি চিত্র, একটি কাঠামোগত টেবিল, যা পৃথকভাবে খোলা যেতে পারে, কিন্তু একসাথে রাখা হলে, এটি একই রোগী, একই হাসপাতালে ভর্তি, বা একই ক্লিনিকাল পর্যায় থেকে এসেছে কিনা তা অগত্যা জানা যায় না।মডেলের জন্য, এটি একটি ছোট সমাপ্তি ত্রুটি নয়, তবে নমুনা সংজ্ঞা নিজেই ধরে না।যদি মডেল ইনপুটে সিটিটি অন্য রোগীর হয়, বা স্রাব নির্ণয় রোগের কোর্স রেকর্ডের সাথে সঙ্গতিপূর্ণ না হয়, তাহলে মডেলটি ভুল সংযোগ শিখতে পারে এবং মূল্যায়ন সূচকগুলি ব্যাখ্যার ভিত্তি হারাবে।
রোগী-স্তরের ডেটা প্যাকেজ একটি বিচ্ছিন্ন ফাইল থেকে সীমানা সহ একটি ক্লিনিকাল অবজেক্টে "নমুনা" পুনরায় সংজ্ঞায়িত করে: রোগীর পরিচয় একটি স্থিতিশীল ডি-আইডেন্টিফাইড কী ব্যবহার করে; রোগীর অধীনে একাধিক পরিদর্শন বা হাসপাতালে ভর্তি আছে; প্রতিটি ভিজিট কোর্স ডকুমেন্টেশন, পরীক্ষা, পরীক্ষা, ডাক্তারের আদেশ, ইমেজিং সিকোয়েন্স এবং প্যাথলজি প্রমাণের সাথে যুক্ত।এইভাবে, প্রশিক্ষণ দলটি পরিষ্কার করতে পারে যে নমুনাটি রোগী-স্তরের, পরিদর্শন-স্তর, পরীক্ষা-স্তরের, বা একক-নথির স্তরের কিনা এবং সেই অনুযায়ী একই ব্যক্তির ডেটা প্রশিক্ষণ সেট এবং পরীক্ষার সেট জুড়ে ফাঁস হওয়া থেকে আটকাতে পারে।
সংযুক্তিটি একই রোগীর আইডির অধীনে কাঠামোগত CSV, PDF নথি, DICOM এবং প্যাথলজি লিঙ্ক করার প্রস্তাব করে এবং প্রতিটি রোগীর প্যাকেজকে ক্রস-মডেল অখণ্ডতা পরীক্ষা করার জন্য প্রয়োজন।এই দিকটি অ্যালগরিদম ইঞ্জিনিয়ারিং-এ সত্তা রেজোলিউশন এবং ডেটা আত্মীয়তার সাথে মিলে যায়: একটি রোগীর কী একাধিক ক্লিনিকাল সত্তাকে সংযুক্ত করতে হবে, কিন্তু এর মানে এই নয় যে প্রতিটি ধরণের ডেটা বিদ্যমান থাকতে হবে।সঠিক ডেটা মডেলের মধ্যে পার্থক্য করা উচিত "ঘটিত হয়নি", "চিকিত্সাগতভাবে প্রযোজ্য নয়", "সংগ্রহ করা হয়নি", "সংগৃহীত কিন্তু বিতরণ করা হয়নি", "অ্যাসোসিয়েশন ব্যর্থতা" এবং "অযোগ্য গুণমান", সব অনুপস্থিত মানকে শূন্য মান হিসাবে লেখার পরিবর্তে।
রোগীর প্যাকেজটিকে একটি চ্যাপ্টা সারাংশ টেবিলের পরিবর্তে একটি প্রমিত ডেটা মডেলে তৈরি করুন
একটি গ্রাউন্ডেবল মডেলে সাধারণত পাঁচ ধরনের মূল সত্তা থাকে।প্রথম বিভাগ হল রোগী: একটি প্রকল্প-ব্যাপী ছদ্মনামযুক্ত শনাক্তকারী ব্যবহার করে এবং প্রকৃত পরিচয় ক্ষেত্রটি সরাসরি সংরক্ষণ করে না।দ্বিতীয় বিভাগটি হল এনকাউন্টার: বহিরাগত রোগী, হাসপাতালে ভর্তি, জরুরী বা ফলো-আপ ইভেন্টের বর্ণনা, শুরু এবং শেষ সময়, প্রতিষ্ঠান, বিভাগ এবং পরিদর্শনের ধরন রেকর্ড করা।তৃতীয় বিভাগ হল ClinicalEvent: রোগের কোর্স, রোগ নির্ণয়, পরীক্ষা, ইমেজিং পরীক্ষা, সার্জারি, ওষুধ বা স্রাবের মতো ঘটনাগুলি নির্দেশ করে।চতুর্থ বিভাগটি হল আর্টিফ্যাক্ট: উৎসের দিকে নির্দেশ করে PDF, DICOM স্টাডি/সিরিজ, প্যাথলজি রিপোর্ট বা স্লাইড।পঞ্চম বিভাগটি হল অ্যাসারশন: রেকর্ড ক্ষেত্র, উপসংহার, প্রমাণ অবস্থান, পর্যালোচনা স্থিতি, এবং মূল পাঠ্য নিষ্কাশন বা ম্যানুয়াল টীকা থেকে প্রাপ্ত সংস্করণ।
শুধুমাত্র ফাইলের নামের উপর নির্ভর না করে এই সত্তাগুলির মধ্যে স্পষ্ট সম্পর্ক ব্যবহার করা উচিত।একজন রোগীর একাধিক চিকিৎসা পরিদর্শন হতে পারে; একটি মেডিকেল ভিজিট একাধিক নথি এবং একাধিক পরীক্ষার সাথে যুক্ত হতে পারে; একটি ইমেজিং রিপোর্ট একটি পরীক্ষার বর্ণনা করতে পারে, যার ফলে একাধিক DICOM সিরিজ রয়েছে; একটি প্যাথলজি রিপোর্ট এক বা একাধিক নমুনা, স্যাম্পলিং সাইট এবং স্লাইডের সাথে যুক্ত হতে পারে।রিপোর্ট, স্ট্রাকচার্ড ফিল্ড এবং ইমেজগুলির জন্য যেগুলি যোগ করা দরকার, সম্পর্ক টেবিলে সংশ্লিষ্ট কী, ম্যাচিং পদ্ধতি, আত্মবিশ্বাসের স্তর, সময় উইন্ডো, ম্যানুয়াল পর্যালোচনা স্থিতি এবং ব্যতিক্রম কারণ রেকর্ড করা উচিত।যখন কোন নির্ভরযোগ্য ভিত্তি না থাকে, তখন এটিকে "যাচাই করার জন্য" হিসাবে রাখা উচিত এবং সম্পূর্ণতার হার বাড়ানোর জন্য কোন জোরপূর্বক মিলের অনুমতি নেই।
ক্ষেত্রের শব্দার্থবিদ্যাও প্রমিত করা দরকার।তারিখটি অন্তত ঘটনা সংঘটনের সময়, সংগ্রহের সময়, প্রতিবেদন প্রকাশের সময়, নথি রেকর্ড করার সময়, নথির পুনর্বিবেচনার সময় এবং ডেটা প্ল্যাটফর্মে প্রবেশের সময়কে আলাদা করতে হবে।মানগুলির মূল মান, একক, রেফারেন্স ব্যবধান, অস্বাভাবিক পতাকা এবং প্রমিত মান বজায় রাখতে হবে; নির্ণয়ের মূল পাঠ্য, কোডিং সিস্টেম, কোডিং সংস্করণ এবং ম্যাপিং ভিত্তি বজায় রাখা উচিত।ড্রাগ অর্ডার মূল ওষুধের নাম, ডোজ, ফ্রিকোয়েন্সি, রুট এবং মৃত্যুদন্ডের স্থিতি বজায় রাখতে পারে; স্ট্যান্ডার্ড কোডিং যেমন ATC কোড হল সহায়ক ম্যাপিং এবং মূল ক্লিনিকাল টেক্সট কভার করা উচিত নয়।ইউনিফাইড ডেটা মডেলের লক্ষ্য গণনাযোগ্য এবং পুনরুদ্ধারযোগ্য উভয়ই হতে হবে।
কিভাবে আসল টেক্সট, স্ট্রাকচার্ড ফিল্ড এবং মাল্টি-মডেল ফাইল একটি প্রমাণ চেইন গঠন করে
শুধুমাত্র কাঠামোগত ফলাফল বাকি থাকলে, পরবর্তী পর্যালোচকদের জন্য ক্ষেত্রগুলি আসল রেকর্ড, নিয়ম নিষ্কাশন, মডেল ভবিষ্যদ্বাণী, বা ম্যানুয়াল সংযোজন কিনা তা নির্ধারণ করা কঠিন হবে৷প্রতিটি মূল ক্ষেত্র উৎসে ফিরে পাওয়া উচিত: ফাইল সনাক্তকরণ, নথির ধরন, পৃষ্ঠা নম্বর বা পাঠ্য খণ্ড, মূল ক্ষেত্রের পথ, নিষ্কাশন পদ্ধতি, টীকাকার ভূমিকা, পর্যালোচনা সময় এবং ডেটা সংস্করণ।ইমেজিং রিপোর্টের জন্য, রিপোর্টের উপসংহারগুলি পরীক্ষার তারিখ, পদ্ধতি, সাইট এবং অধ্যয়ন/সিরিজ সনাক্তকরণের সাথে সংযুক্ত করা যেতে পারে; প্যাথলজি ফলাফলের জন্য, প্যাথলজি রিপোর্ট, নমুনা তথ্য, এবং সংশ্লিষ্ট স্লাইস সংযুক্ত করা প্রয়োজন।প্রমাণের শৃঙ্খল ডাউনস্ট্রিম প্রশিক্ষণ সেটগুলিকে তাদের অস্তিত্ব আবিষ্কার করার পরিবর্তে ত্রুটিগুলিকে ফিরে পেতে দেয়।
সংযুক্তি নথিগুলির জন্য প্রয়োজনীয়তাগুলিকে সামনে রাখে যেমন নিষ্কাশনযোগ্য পাঠ্য স্তর, রোগীদের এবং পরিদর্শনের মধ্যে চিঠিপত্র এবং প্রয়োজনীয় স্রাব রেকর্ড।এই চেকগুলি আসলে দুটি ভিন্ন মানের অক্ষকে কভার করে: একটি হল মেশিন পাঠযোগ্যতা এবং অন্যটি হল ক্লিনিকাল ক্লোজার।পিডিএফ টেক্সট অনুলিপি করা যেতে পারে এর অর্থ এই নয় যে পাঠ্য নিষ্কাশন ত্রুটি-মুক্ত; টেবিল, পাদটীকা, ইউনিট, পেজিং এবং স্ক্যানিং এর ক্রম এলোমেলোভাবে পরীক্ষা করা উচিত।স্রাব রেকর্ডের অস্তিত্বের অর্থ এই নয় যে রোগের কোর্স সম্পূর্ণ; এটি যাচাই করা উচিত যে এটি ভর্তির নির্ণয়, হাসপাতালে ভর্তির প্রক্রিয়া এবং স্রাবের ফলাফলের মতো একই পরিসরের মধ্যে রয়েছে।মূল সূচকগুলির জন্য, নিষ্কাশন নির্ভুলতা এবং বাদ দেওয়ার হার অনুমান করতে কাঠামোগত ক্ষেত্র এবং মূল পাঠ্য প্রমাণের তুলনা করুন।
ভর্তি, কোর্স রিভিশন, অপারেটিভ রেকর্ড, প্যাথলজি রিপোর্ট এবং ডিসচার্জ সারাংশের সময় একই "নির্ণয়" ধীরে ধীরে পরিবর্তিত হতে পারে।চূড়ান্ত নির্ণয়ের মধ্যে এটিকে দমন করা মডেল অধ্যয়ন থেকে গুরুত্বপূর্ণ সময় এবং অনিশ্চয়তা তথ্য মুছে ফেলে।আরও বিচক্ষণ পদ্ধতি হল সময়, লেখকের ভূমিকা, মূল পাঠ্যের ভিত্তি এবং স্থিতি সহ ডায়গনিস্টিক স্টেটমেন্ট ধরে রাখা এবং "ক্লিনিক্যাল ওয়ার্কিং ডায়াগনোসিস", "সংশোধিত ডায়াগনোসিস", "পোস্টোপারেটিভ ডায়াগনোসিস", "প্যাথলজিকাল ডায়াগনোসিস" এবং "ডিসচার্জ ডায়াগনোসিস" এর মধ্যে স্পষ্টভাবে পার্থক্য করা।মডেলরা প্রতি-টাস্ক ভিত্তিতে নির্দিষ্ট সময় কাটঅফের আগে উপলব্ধ বৈশিষ্ট্যগুলি নির্বাচন করতে পারে, ভবিষ্যদ্বাণীমূলক কাজগুলিতে পরবর্তী তথ্যে উঁকি দেওয়া এড়াতে।
DICOM এবং প্যাথলজি কয়েকটি প্রতিনিধিত্বমূলক ছবিতে হ্রাস করা যাবে না
ছবিগুলি অধিগ্রহণের প্রসঙ্গ সহ ক্রমিক ডেটা, JPEG-এর সংগ্রহ নয়৷CT বা MR-এর জন্য, স্তর, ওরিয়েন্টেশন, পিক্সেল ব্যবধান, স্লাইস বেধ, পুনর্গঠন কার্নেল, কনট্রাস্ট এজেন্ট পর্যায়, এবং পরীক্ষার রেকর্ডের চিত্রের সংখ্যা, অধ্যয়ন, সিরিজ এবং উদাহরণ সবই অ্যালগরিদম ইনপুটকে প্রভাবিত করে।পরিশিষ্ট জোর দেয় যে সম্পূর্ণ ক্রম, একই রোগীর একাধিক পরীক্ষা এবং অস্ত্রোপচারের আগে এবং পরবর্তী চিত্রগুলি বজায় রাখা উচিত।প্রকল্প চলাকালীন, সিরিজটি সম্পূর্ণ কিনা তা পরীক্ষা করাও প্রয়োজন, নকল দৃষ্টান্ত, অনুপস্থিত স্তর, অভিযোজন এবং জ্যামিতিক তথ্য সামঞ্জস্যপূর্ণ কিনা এবং DICOM মেটাডেটা সহ প্রতিবেদনে পরিদর্শনের তারিখ এবং অবস্থান পরীক্ষা করুন৷যদি প্রশিক্ষণের লক্ষ্যমাত্রার জন্য শুধুমাত্র মূল চিত্র নির্বাচনের প্রয়োজন হয়, নির্বাচনের কৌশল এবং পিতামাতার ক্রমগুলির মধ্যে সম্পর্কও রেকর্ড করা উচিত।
প্যাথলজির একাধিক স্তর রয়েছে: প্যাথলজি নম্বর, নমুনা, টিস্যু ব্লক, বিভাগ, ডিজিটাল পুরো বিভাগের চিত্র (WSI), স্থানীয় প্যাচ এবং প্রতিবেদনের উপসংহার এক ফাইলে মিশ্রিত করা যাবে না।স্ক্যান ম্যাগনিফিকেশন, পিক্সেল সাইজ, স্টেনিং টাইপ, স্ক্যানার, টিস্যু কভারেজ এবং স্লাইড ইমেজের আর্টিফ্যাক্ট সবই ব্যবহারযোগ্যতাকে প্রভাবিত করে।রিপোর্টে স্থূল, মাইক্রোস্কোপিক, ইমিউনোহিস্টোকেমিক্যাল এবং স্টেজ ক্ষেত্রগুলির প্রতিটিরই শব্দার্থিক অর্থ রয়েছে; ক্যান্সারের ক্ষেত্রে TNM/AJCC স্টেজিং এর জন্য সংস্করণ এবং উৎসের রেকর্ডিং প্রয়োজন।অপারেটিভ প্যাথলজি প্রিপারেটিভ ইমেজিং বা ক্লিনিকাল ডায়াগনোসিসের সাথে সামঞ্জস্যপূর্ণ হতে পারে বা নাও হতে পারে; পরবর্তীটি একটি গুরুত্বপূর্ণ লেবেল পার্থক্য এবং ডেটা ত্রুটি হিসাবে সরাসরি মুছে ফেলার পরিবর্তে একটি গবেষণাযোগ্য ঘটনা হিসাবে ধরে রাখা উচিত।
DICOM ডি-আইডেন্টিফিকেশনও রোগীর নাম ক্ষেত্র মুছে ফেলার সমতুল্য নয়।DICOM PS3.15 বৈশিষ্ট্য-স্তরের গোপনীয়তা কনফিগারেশন ফাইলগুলি বর্ণনা করে, তবে প্রকৃত প্রক্রিয়াটিকে UID এবং রেফারেন্স সম্পর্ক, ব্যক্তিগত বৈশিষ্ট্য, বিনামূল্যের পাঠ্য, পিক্সেলে বার্ন করা পাঠ্য, ফাইলের অগ্রগণ্য অঞ্চল এবং অন্যান্য ডেটার সাথে সংমিশ্রণের পরে পুনরায় সনাক্তকরণের ঝুঁকি বিবেচনা করতে হবে।মিশনের উপর ভিত্তি করে নির্দিষ্ট প্রয়োজনীয় বয়স বা বয়সের বৈশিষ্ট্যগুলি বজায় রাখার সময়, একটি নিয়ন্ত্রিত, ন্যূনতম, নিরীক্ষাযোগ্য পদ্ধতি ব্যবহার করা উচিত এবং ডেটা গভর্নেন্স এবং গোপনীয়তা দায়ী পক্ষগুলির দ্বারা মূল্যায়ন করা উচিত।রোগীর কীগুলি অভ্যন্তরীণ পারস্পরিক সম্পর্কের জন্য ব্যবহার করা যেতে পারে, তবে ম্যাপিং টেবিলটি অবশ্যই গবেষণার ডেটা থেকে বিচ্ছিন্ন হতে হবে, কঠোরভাবে অনুমোদিত, এবং ছদ্মনামকরণটি বেনামীর জন্য ভুল করা যাবে না।
ডেটা গ্রহণ থেকে মডেল ব্যবহারযোগ্যতা যাচাইকরণ পর্যন্ত
রোগীর প্যাকেজ গ্রহণযোগ্যতা কমপক্ষে চারটি স্তর নিয়ে গঠিত। স্ট্রাকচার লেয়ার চেক করে যে ডিরেক্টরি, ফাইল ফরম্যাট এবং প্রয়োজনীয় সত্তা বিদ্যমান কিনা; অ্যাসোসিয়েশন স্তর পরীক্ষা করে যে রোগী, পরিদর্শন, পরীক্ষা, রিপোর্ট এবং ছবি সঠিকভাবে সংযুক্ত কিনা; বিষয়বস্তু স্তর এলোমেলোভাবে ক্ষেত্র, পাঠ্য স্তর, চিত্র অখণ্ডতা এবং ক্লিনিকাল ডকুমেন্টারি প্রমাণ পরীক্ষা করে; গভর্নেন্স লেয়ার অনুমোদনের সুযোগ, ডি-আইডেন্টিফিকেশন, অ্যাক্সেস কন্ট্রোল এবং ধরে রাখার সময়কাল পরীক্ষা করে।"একই আইডির অধীনে CSV/PDF/ইমেজ/প্যাথলজি পরীক্ষা করা, টাইমস্ট্যাম্প এবং মূল পাঠ্য পরীক্ষা করা এবং কঠিন নমুনার অনুপাত পরীক্ষা করা" এর সংযুক্তির ধারণাটিকে একটি পুনরাবৃত্তিযোগ্য গ্রহণযোগ্যতা নিয়মে পুনরায় লেখা যেতে পারে, এবং ব্যর্থ এন্ট্রিগুলি অবস্থান করা যেতে পারে এমন পার্থক্যগুলির একটি তালিকায় আউটপুট হতে পারে৷
প্রযুক্তিগত গ্রহণযোগ্যতার মানে এই নয় যে মডেলের কর্মক্ষমতা উপলব্ধ।মডেল টাস্ক অবশ্যই পৃথকভাবে লক্ষ্য জনসংখ্যা, সূচক সময় পয়েন্ট, ভবিষ্যদ্বাণী উইন্ডো, লেবেল উত্স, ইতিবাচক সংজ্ঞা, বর্জন শর্ত এবং ক্লিনিকাল ব্যবহারের পরিস্থিতি সংজ্ঞায়িত করতে হবে।প্রশিক্ষণ, বৈধতা, এবং পরীক্ষা রোগীর ভিত্তিতে ভাগ করা উচিত; যদি একই রোগীর একাধিক ভিজিট, একাধিক ইমেজ সিকোয়েন্স বা একাধিক স্লাইস থাকে, তবে তাদের অবশ্যই সম্পূর্ণরূপে বিচ্ছিন্ন করতে হবে।নমুনা রচনা, হাসপাতাল, সময়, সরঞ্জাম, বিভাগ এবং কেস জটিলতা সবই বাহ্যিক সাধারণীকরণকে প্রভাবিত করবে, এবং ফাইলের আকার প্রসারিত করে বিতরণ স্থানান্তরগুলি দূর করা যাবে না।
চূড়ান্ত লক্ষ্য হল মডেল জীবনচক্রের সময় ডেটাকে পুনঃব্যবহারযোগ্য, নিরীক্ষাযোগ্য এবং পুনর্ব্যাখ্যাযোগ্য করে তোলা।প্রকিউরমেন্ট ডেলিভারির সময় সংজ্ঞায়িত ক্ষেত্র এবং অ্যাসোসিয়েশন নিয়মগুলি ডেটা কার্ড, প্রশিক্ষণ সেট সংস্করণ, মূল্যায়ন সেট, ত্রুটি বিশ্লেষণ এবং পরবর্তী সংশোধন রেকর্ডগুলিতে ম্যাপ করা উচিত।যদি একটি ক্ষেত্র মূল পাঠ্য নিষ্কাশন থেকে ম্যানুয়াল ডবল পর্যালোচনাতে আপগ্রেড করা হয়, বা একটি চিত্র ক্রম একটি নতুন ডি-আইডেন্টিফিকেশন প্রক্রিয়ার মধ্য দিয়ে যায়, সংস্করণ পার্থক্য এবং বিদ্যমান মূল্যায়নের উপর প্রভাব বজায় রাখতে হবে।একটি রোগীর প্যাকেজ একটি স্থায়ীভাবে স্থির জিপ ফাইল নয়, কিন্তু একটি ডেটা পণ্য যা ক্লিনিকাল সত্তা, উত্স প্রমাণ, অনুমতি এবং মানের অবস্থার চারপাশে গঠিত।
কোন দিকগুলিতে ল্যাংহুই যাচাইযোগ্য সহায়তা প্রদান করতে পারে?
মেডিকেল এআই প্রকল্পগুলির জন্য প্রায়শই ডেটা ইন্টারফেস, নমুনা সংজ্ঞা এবং গ্রহণযোগ্যতা যুক্তিতে সংগ্রহের বৈশিষ্ট্যগুলির অনুবাদের প্রয়োজন হয়।প্রকল্প অনুমোদন এবং সম্মত সুযোগের উপর দৃষ্টি নিবদ্ধ করে, ল্যাংগুই ডেটা অভিধান, রোগী-স্তরের অ্যাসোসিয়েশন নিয়ম, উত্স ফাইল এবং কাঠামোগত ক্ষেত্রগুলির মধ্যে চিঠিপত্র, মেডিকেল টীকা স্পেসিফিকেশন, নমুনা মান নিয়ন্ত্রণ পরিকল্পনা এবং মডেল মূল্যায়ন নকশা বাছাই করতে সহায়তা করতে পারে।নির্দিষ্ট ডেলিভারি বিষয়বস্তু, ডেটা উত্স, স্কেল, বিষয় কভারেজ এবং গুণমান সূচক অবশ্যই প্রকল্প চুক্তি, ডেটা কার্ড এবং উভয় পক্ষের দ্বারা নিশ্চিতকৃত গ্রহণযোগ্যতা পরিকল্পনার সাপেক্ষে হতে হবে; এই নিবন্ধটি কোনো নির্দিষ্ট নমুনা স্পট বা বিতরণ ফলাফলের প্রতিশ্রুতির প্রতিনিধিত্ব করে না।
শুরু করার একটি এক্সিকিউটেবল উপায় হল প্রথমে একটি ছোট-স্কেল POC সম্পূর্ণ করার জন্য একটি অনুমোদিত প্রতিনিধি নমুনা নির্বাচন করা: ফিল্ড ম্যাপিং, রোগী এবং ভিজিট লিঙ্কেজ, টাইম অ্যালাইনমেন্ট, DICOM/প্যাথলজি রিডিং, ডিসেন্সিটাইজেশন বাউন্ডারি, টীকা ধারাবাহিকতা এবং গ্রহণযোগ্যতা রিপোর্টিং যাচাই করুন।POC-এর শুধুমাত্র "সফলভাবে খোলার" দিকে নজর দেওয়া উচিত নয়, তবে ব্যর্থতার বিভাগ, সংশোধন খরচ এবং নমুনা সীমানাগুলিও রেকর্ড করা উচিত যা প্রসারিত করার সিদ্ধান্ত নেওয়ার আগে কভার করা যাবে না।মেডিকেল ডেটার জন্য, স্পষ্টভাবে ঘাটতি এবং অনিশ্চয়তা প্রকাশ করার ক্ষেত্রে প্রায়শই একটি আপাতদৃষ্টিতে সুন্দর মোট স্কোর দেওয়ার চেয়ে বেশি ইঞ্জিনিয়ারিং মূল্য থাকে।
রোগীর প্যাকেজ নির্মাণের জন্যও পরিচয় কীটির জীবনচক্র পরিচালনা করতে হবে।প্রকল্পের অভ্যন্তরীণ আইডি একটি নিয়ন্ত্রিত প্রক্রিয়ার মাধ্যমে তৈরি করা উচিত, আইডি নম্বর, মোবাইল ফোন নম্বর এবং মেডিকেল রেকর্ড নম্বরের মতো শনাক্তযোগ্য নম্বরগুলির সরাসরি ব্যবহার এড়ানো উচিত; ক্রস-সোর্স ম্যাচিং অনুমোদিত নির্ধারক বা সম্ভাব্য নিয়ম ব্যবহার করা উচিত এবং মিলের ভিত্তি এবং বিরোধের স্থিতি সংরক্ষণ করা উচিত।সম্ভাব্য ম্যাচিং শুধুমাত্র একটি চূড়ান্ত আইডি আউটপুট করা উচিত নয়, তবে থ্রেশহোল্ড, প্রার্থীর সংখ্যা এবং মানুষের পর্যালোচনা প্রদান করা উচিত।যদি কোনও রোগীর সাথে নির্ভরযোগ্যভাবে মিলিত হতে না পারে, তবে এটিকে ভুলভাবে একত্রিত করার চেয়ে একটি লিঙ্কযুক্ত নমুনা হিসাবে ছেড়ে দেওয়া ভাল কারণ "রোগীর প্যাকেজটি অবশ্যই সম্পূর্ণ হতে হবে"।একই ছদ্মনাম কী বিভিন্ন প্রকল্পের মধ্যে পুনঃব্যবহারের অনুমতি দেওয়া হবে কিনা তা অনুমোদন এবং শাসন ব্যবস্থার সুযোগ দ্বারা নির্ধারিত হওয়া উচিত।
ইঞ্জিনিয়ারিং দৃষ্টিকোণ থেকে, সংগ্রহ, প্রক্রিয়াকরণ, ডেলিভারি এবং প্রশিক্ষণের আগে ডেটার গুণমান আলাদাভাবে নির্ধারণ করা হয়।উৎস শেষ ফাইলের অখণ্ডতা, অনুমতি, এবং বিন্যাস পরীক্ষা করে; প্রক্রিয়াকরণ শেষ পরীক্ষা পার্সিং, ফিল্ড ম্যাপিং, সম্পর্ক স্থাপন, এবং ডি-আইডেন্টিফিকেশন; ডেলিভারি শেষ চেক ম্যানিফেস্ট, ফাইল যাচাইকরণ, এবং নমুনা ফলাফল; এবং তারপর প্রশিক্ষণের আগে লক্ষ্য কাজ, লেবেল, রোগীর বিভাজন এবং ডেটা সংস্করণ পরীক্ষা করে।গুণমানের নিয়মগুলির তীব্রতার মাত্রা থাকা প্রয়োজন: উদাহরণস্বরূপ, রোগীর অমিল এবং সনাক্তযোগ্য তথ্যের প্রকাশ ডেলিভারি ব্লক করা উচিত; প্রকাশের পরে অল্প সংখ্যক অ-সমালোচনামূলক ক্ষেত্র মুছে ফেলা গ্রহণ করা যেতে পারে; মডেল মুছে ফেলার বিচার করা প্রয়োজন যে তারা টাস্ক চুক্তি চুক্তি অতিক্রম করেছে কিনা।শুধুমাত্র একটি "পাস রেট" দেওয়া বিভিন্ন ত্রুটির ঝুঁকির মধ্যে পার্থক্যকে মাস্ক করে।
ডাটাবেস ডিজাইনে মূল টেক্সট সংরক্ষণ এবং অ্যালগরিদম ব্যবহার উভয়ই বিবেচনা করা উচিত।মূল তথ্য শুধুমাত্র পঠন সংরক্ষণ করা হয় এবং চেকসাম করা হয়; পার্সিং ফলাফল একটি প্রাপ্ত টেবিলে সংরক্ষণ করা হয়, পার্সার সংস্করণ এবং চলমান সময় রেকর্ড করে; সংশোধিত ক্ষেত্রগুলিকে ট্রেসলেস পদ্ধতিতে পুনরায় লেখার পরিবর্তে যুক্তির নতুন সংস্করণ দিয়ে ওভাররাইট করা হয়।প্রতিটি রোগীর প্যাকেজের জন্য প্রত্যাশিত সত্তা, প্রকৃত সত্তা, সোর্স ফাইল হ্যাশ, পারস্পরিক সম্পর্ক ফলাফল, QC স্থিতি এবং ব্যতিক্রম কোডগুলির একটি মেশিন-পাঠযোগ্য তালিকা তৈরি করুন।যদি একটি ডায়াগনস্টিক ম্যাপিং একজন ক্লিনিকাল বিশেষজ্ঞ দ্বারা সংশোধন করা হয়, তবে পরীক্ষার পুনরুত্পাদনযোগ্যতার সুবিধার্থে মূল ম্যাপিং এবং পুনর্বিবেচনার যুক্তি বজায় রাখা হয়।সংবেদনশীল কাঁচা ফাইলের অ্যাক্সেস লগ এবং প্রশিক্ষণ ডেটা অ্যাক্সেস অনুমতি আলাদাভাবে পরিচালনা করা উচিত।
রোগীর প্যাকেটগুলিকে "সর্বনিম্ন উপলব্ধ নমুনা" এবং "বর্ধিত নমুনা" এর মধ্যে পার্থক্য স্পষ্ট করা উচিত। কিছু NLP কাজের জন্য, একটি সনাক্তযোগ্য রোগ কোর্সের নথি যথেষ্ট; অনুদৈর্ঘ্য পূর্বাভাসের জন্য, রোগীদের কমপক্ষে একটি স্পষ্ট সূচক সময় বিন্দু, পর্যবেক্ষণ উইন্ডো এবং ফলাফল থাকতে হবে; ইমেজিং-প্যাথলজি পারস্পরিক সম্পর্কের জন্য, সার্জারি, ইমেজিং, নমুনা এবং প্যাথলজিকাল ডায়াগনোসিস সবই নির্ভরযোগ্যভাবে সংযুক্ত হতে পারে। সম্পূর্ণ প্যাকেজের মানদণ্ডের একই সেট অনুসারে সমস্ত ক্ষেত্রে স্ক্রীন করা হলে, একক-মডেল কাজের জন্য ব্যবহার করা যেতে পারে এমন উচ্চ-মানের ডেটা বাতিল করা সহজ; বিপরীতভাবে, মাল্টি-মডেল প্রশিক্ষণে অসম্পূর্ণ প্যাকেজগুলিকে মিশ্রিত করা মডেলটির অনুপস্থিত পদ্ধতিটিকে অস্বচ্ছ করে তুলবে।ডেটা ক্যাটালগ "কোর প্রয়োজনীয়", "শর্তসাপেক্ষে প্রয়োজনীয়" এবং "ঐচ্ছিক এক্সটেনশন" এর তিন-স্তরের নিয়ম প্রদান করতে পারে এবং কাজ দ্বারা ফিল্টার করতে পারে।
গুণমান সূচকগুলিকে অনুপস্থিত হারের পরিপ্রেক্ষিতে প্রকাশ না করে সঠিকতা, সম্পূর্ণতা, ধারাবাহিকতা, সময়োপযোগীতা, স্বতন্ত্রতা এবং ট্রেসেবিলিটি কভার করা উচিত। উদাহরণস্বরূপ, রোগীর আইডিগুলির সম্পূর্ণতার হার 100% হতে পারে, কিন্তু যদি ত্রুটিগুলি হাসপাতাল জুড়ে একত্রিত করা হয়, তবে সঠিকতা এখনও দুর্বল; DICOM ফাইলগুলি পড়া যেতে পারে, কিন্তু রোগী এবং রিপোর্টগুলি ভুলভাবে মেলে, এবং সামঞ্জস্য এখনও অযোগ্য; PDF-এর একটি পাঠ্য স্তর রয়েছে, কিন্তু মূল টেবিলগুলি ভুল ক্রমে বের করা হয়েছে এবং সামগ্রীর গুণমান এখনও অপর্যাপ্ত।প্রতিটি সূচকের জন্য, হর, স্যাম্পলিং ফ্রেম, পাসিং সংজ্ঞা এবং আত্মবিশ্বাসের ব্যবধান উল্লেখ করা উচিত এবং গুরুতর ত্রুটির ঝুঁকির মাত্রা আলাদাভাবে উপস্থাপন করা উচিত।এইভাবে ক্রেতা, ডেটা সরবরাহকারী এবং মডেলিং দল সকলেই একই তথ্যের চারপাশে উন্নতি নিয়ে আলোচনা করতে পারে।
প্রতিটি ডেটা প্যাকেটের একটি পরিষ্কার জীবন চক্রের অবস্থাও প্রয়োজন, যেমন প্রাপ্ত করা, পার্স করা, মুলতুবি পর্যালোচনা, নির্দিষ্ট কাজের জন্য উপলব্ধ, সীমাবদ্ধ ব্যবহার, প্রত্যাহার বা ধ্বংসের জন্য মেয়াদ শেষ।নতুন সংস্করণ অনুমোদিত হওয়ার পরে প্রশিক্ষণ সিস্টেমের দ্বারা পুরানো সংস্করণের ফাইলগুলি পড়া রোধ করার জন্য স্থিতি পরিবর্তনের সময়, অপারেটিং ভূমিকা এবং ভিত্তি বজায় রাখা উচিত।যদি ডেটার ব্যবহার পরিবর্তিত হয়, যেমন ফিল্ড এক্সট্র্যাকশন থেকে মডেল প্রাক-প্রশিক্ষণ বা ক্রস-ইন্সটিটিউশন মূল্যায়ন, তাহলে আপনাকে অবশ্যই নিশ্চিত করতে হবে যে মূল অনুমোদন এই ব্যবহারকে কভার করে কিনা।ডেটা অ্যাক্সেস নীতিগুলি মূল নথি, সংবেদনশীল ছবি, কাঠামোগত ডেটা এবং প্রাপ্ত ট্যাগগুলিকে ভূমিকা দ্বারা আলাদা করতে পারে এবং প্রকল্পটি সম্পূর্ণ হওয়ার পরে সম্মত আর্কাইভিং বা মুছে ফেলার কাজ সম্পাদন করতে পারে।রোগী-স্তরের পারস্পরিক সম্পর্ক মাল্টিমোডাল গবেষণাকে আরও মূল্যবান করে তোলে এবং সমন্বিত শনাক্তকরণের ঝুঁকি বাড়ায়, তাই রপ্তানির সময়ে শুধুমাত্র একটি সংবেদনশীলতা করার পরিবর্তে পারস্পরিক সম্পর্ক ক্ষমতা এবং অ্যাক্সেসের অধিকারগুলিকে একত্রে গভর্নেন্সে অন্তর্ভুক্ত করা দরকার।
যখন দলগুলি জুড়ে হস্তান্তর করা হয়, রোগীর প্যাকেজ স্পেসিফিকেশনগুলি স্পষ্ট ক্যাটালগ উদাহরণ, ক্ষেত্রের ডেটা প্রকার, অনুমোদিত মান, এনকোডিং সংস্করণ, শূন্য নিয়ম এবং ব্যতিক্রম উদাহরণ প্রদান করা উচিত। উদাহরণস্বরূপ, "পরীক্ষার সময়" অ্যাপয়েন্টমেন্ট, স্ক্যানিং বা রিপোর্ট ইস্যু করাকে বোঝায় কিনা তা ক্ষেত্রের বিবরণে বলা উচিত; "ইমেজ ইতিবাচক" নির্দেশ করা উচিত যে এটি প্রতিবেদনের উপসংহার বা ম্যানুয়াল পর্যালোচনার উপর ভিত্তি করে। একাধিক রাউন্ড ডেলিভারির সময় ক্ষেত্রের নাম পরিবর্তন বা শব্দার্থগত ড্রিফট সনাক্তকরণের সুবিধার্থে কাঠামোগত টেবিলে স্থিতিশীল ফিল্ড আইডি থাকা উচিত। যাচাইকরণ স্ক্রিপ্ট এবং প্রত্যাশিত আউটপুটগুলি মূল ক্ষেত্রগুলির জন্য সরবরাহ করা হয়, যা সংগ্রহ, টীকা, অ্যালগরিদম এবং মান নিয়ন্ত্রণ দলগুলিকে একই নিয়মগুলি ব্যবহার করার অনুমতি দেয়। গ্রহীতা পক্ষ যদি ডেটার অসামঞ্জস্যতা আবিষ্কার করে, তবে এটিকে ফাইল, ক্ষেত্র, মূল পাঠ্য প্রমাণ এবং প্রভাবের কাজগুলি কেস-লেভেল সমস্যা টিকিটের মাধ্যমে রিপোর্ট করা উচিত যাতে মেরামতের একটি সনাক্তযোগ্য বন্ধ লুপ তৈরি করা যায়।
লেখকের তথ্যও ক্লিনিকাল প্রসঙ্গের অন্তর্গত।অনুমোদন এবং প্রয়োজনীয় ডি-আইডেন্টিফিকেশনের পরে, পরোক্ষ পরিচয়ের বৈশিষ্ট্যগুলি যেমন লেখকের ভূমিকা, পেশাদার শিরোনাম এবং বিভাগগুলিকে আবাসিক রেকর্ড, উচ্চতর চিকিত্সক রাউন্ড, বিশেষজ্ঞের পরামর্শ এবং সার্জনের নথিগুলিকে আলাদা করার জন্য ধরে রাখা যেতে পারে; নাম এবং আইডি নম্বর প্রকল্পের নিয়ম অনুযায়ী মুছে ফেলা হবে।যদি সমস্ত লেখককে "ডাক্তার" দ্বারা অভিন্নভাবে প্রতিস্থাপিত করা হয়, তবে এটি কেবল উত্সের সন্ধানযোগ্যতা হ্রাস করবে না, তবে গবেষকদের পক্ষে বিভিন্ন নথির প্রকার এবং স্বাক্ষরকারী ভূমিকার মধ্যে শব্দার্থগত পার্থক্য বিশ্লেষণ করা অসম্ভব করে তুলবে৷ড্রাগ এবং নন-ড্রাগ অর্ডারের জন্য, রোগীর প্যাকেজের মূল অর্ডারের নাম, সাধারণ নাম, ডোজ, ফ্রিকোয়েন্সি, রুট, কার্যকর করার সময় এবং অবস্থা বজায় রাখা উচিত; মানক কোড যেমন ATC ম্যাপিং ক্ষেত্র হিসাবে ব্যবহার করা যেতে পারে, এবং ম্যাপিংয়ের ভিত্তি রেকর্ড করা উচিত। মূল অর্ডার ওভাররাইট করতে স্ট্যান্ডার্ড কোড ব্যবহার করা যাবে না।
পদ্ধতির সীমানা এবং ডেটা উত্স
এই নিবন্ধটি মেডিক্যাল ডেটা ক্ষেত্র এবং ব্যবহারকারীদের দ্বারা প্রদত্ত পুনঃক্রয় প্রয়োজনীয় নথির উপর ভিত্তি করে ডেটা ইঞ্জিনিয়ারিং এবং কোহর্ট ডিজাইনের মূল পয়েন্টগুলিকে সংক্ষিপ্ত করে, এবং এটি সর্বজনীন সমকক্ষ-পর্যালোচিত গবেষণা, প্রযুক্তিগত মান এবং নিয়ন্ত্রক/রিপোর্টিং নির্দেশিকাগুলির সাথে একত্রে আলোচনা করে৷ সংযুক্তিতে থাকা ক্ষেত্র, ফিল্টার থ্রেশহোল্ড এবং পরিমাণগুলি প্রয়োজনীয় স্পেসিফিকেশনের উদাহরণ এবং প্রমাণ করে না যে ডেটা সংগ্রহ করা হয়েছে, বিতরণ করা হয়েছে বা মডেলের বৈধতা পাস করেছে৷ এই নিবন্ধের অ্যালগরিদম এবং প্রক্রিয়াগুলি বৈজ্ঞানিক গবেষণা এবং প্রকৌশল নকশা আলোচনার জন্য ব্যবহৃত হয় এবং চিকিৎসা নির্ণয় বা চিকিত্সার সুপারিশ গঠন করে না। নির্দিষ্ট প্রকল্প অনুমোদন, ডেটা কার্ড, চুক্তি, এবং নীতিশাস্ত্র/সম্মতি পর্যালোচনা সাপেক্ষে।
রেফারেন্স এবং প্রযুক্তিগত মান
- Longitudinal alignments and syntheses of multimodal clinical data for personalized medicine with the PULSE framework, Nature Computational Science (2026)
- Digital Imaging and Communications in Medicine (DICOM), PS3.15 Security and System Management Profiles
- WHO Europe: Governance for health data
- FDA / IMDRF: Good Machine Learning Practice for Medical Device Development
