மருத்துவத் தரவின் தரம்: சுகாதாரத் துறையில் AI ஏன் சுத்தமான பதிவுகளிலிருந்து தொடங்குகிறது

சுகாதாரத் துறையில் செயற்கை நுண்ணறிவு (AI) பற்றிய ஒவ்வொரு வாக்குறுதியும், வெளிப்படையாக அரிதாகவே சொல்லப்படும் ஓர் அனுமானத்தின் மீது நிற்கிறது: அது படிக்கும் பதிவுகள் சரியானவை என்பதுதான் அந்த அனுமானம். மருத்துவக் குறிப்பின் வரைவை எழுதும் ஒரு ஸ்க்ரைப் (scribe), நோயாளியின் நிலை மோசமடைவதைச் சுட்டிக்காட்டும் ஒரு மாடல் (model), ஆயிரக்கணக்கான நோயாளிகளிடையே இரண்டு சிகிச்சைகளை ஒப்பிடும் ஓர் ஆய்வு: இவை ஒவ்வொன்றும், அவற்றுக்கு அடியில் இருக்கும் தரவின் (data) அளவுக்குத்தான் நல்லவை.

பெரும்பாலான மருத்துவமனைகளில், அந்தத் தரவு யாரும் நினைப்பதை விட மோசமாக இருக்கிறது; அதை யாரும் அளந்து பார்த்ததும் இல்லை. மருத்துவத் தரவின் தரம் என்றால் என்ன, அதை எப்படி அளப்பது, இந்திய மருத்துவமனைகளிலும் கிளினிக்குகளிலும் அது எங்கே தவறுகிறது, அது உருவாகும் இடத்திலேயே அதை எப்படிச் சரிசெய்வது என்பதை இந்தக் கட்டுரை விளக்குகிறது.

மருத்துவப் பதிவுகளுக்கு “தரவின் தரம்” என்றால் என்ன

மின்னணு சுகாதாரப் பதிவு (electronic health record, EHR) தரவை ஆய்வு செய்யும் ஆய்வாளர்கள், இந்தக் கருத்தைத் தெளிவாக வரையறுக்க முயன்றிருக்கிறார்கள். 2013-இல் Weiskopf, Weng ஆகியோர் எழுதிய, பரவலாக மேற்கோள் காட்டப்படும் ஒரு மதிப்பாய்வு, 95 ஆய்வுகளைப் பார்த்தது; அவற்றில் 27 வெவ்வேறு சொற்கள் பயன்பாட்டில் இருப்பதைக் கண்டது; அவற்றை ஐந்து பரிமாணங்களாகச் சுருக்கியது:

• முழுமை (Completeness): நோயாளியைப் பற்றிப் பதிவில் இருக்க வேண்டிய ஒரு தகவல் உண்மையில் அங்கே இருக்கிறதா?
• சரியான தன்மை (Correctness): பதிவு செய்யப்பட்டிருப்பது உண்மையா?
• ஒத்திசைவு (Concordance): பதிவின் பகுதிகள் ஒன்றோடொன்றும், பிற மூலங்களோடும் ஒத்துப்போகின்றனவா?
• நம்பக்கூடிய தன்மை (Plausibility): நமக்குத் தெரிந்த மற்ற எல்லாவற்றையும் வைத்துப் பார்க்கும்போது, ஒரு மதிப்பு அர்த்தமுள்ளதாக இருக்கிறதா?
• காலப் பொருத்தம் (Currency): பதிவு குறிப்பிடும் நேரத்தில் நோயாளி இருந்த நிலையையே அது காட்டுகிறதா?

பின்னர் 2016-இல் Kahn-உம் அவருடைய சக ஆய்வாளர்களும் உருவாக்கிய ஒரு கட்டமைப்பு (framework), சோதனைகளை மூன்று வகைகளாகப் பிரித்தது. நீங்கள் உண்மையில் செய்து பார்க்கக்கூடிய சோதனைகளுடன் இவை நேர்த்தியாகப் பொருந்துகின்றன:

• இணக்கம் (Conformance): மதிப்புகள் எதிர்பார்க்கப்படும் வடிவம், குறியீட்டுத் தொகுப்பு, தொடர்புகள் ஆகியவற்றைப் பின்பற்றுகின்றனவா? தேதியாகவே இருக்கும் ஒரு தேதி, சரியான ICD-10 குறியீடாக இருக்கும் ஒரு நோயறிதல், உண்மையில் இருக்கும் ஒரு பரிசோதனை ஆணையுடன் (order) இணைக்கப்பட்ட லேப் முடிவு.
• முழுமை (Completeness): ஒரு புலம் நிரப்பப்படுவதே எவ்வளவு அடிக்கடி நடக்கிறது?
• நம்பக்கூடிய தன்மை (Plausibility): மதிப்புகள் நம்பக்கூடியவையா? 720 என்ற நாடித்துடிப்பு, மருத்துவமனையில் சேர்க்கப்படுவதற்கு முன்பே நடந்த டிஸ்சார்ஜ், கர்ப்பமாக இருப்பதாகப் பதிவு செய்யப்பட்ட ஓர் ஆண்.

அதே கட்டுரை, சரிபார்த்தல் (verification: உங்கள் சொந்த விதிகள், எதிர்பார்ப்புகளுடன் தரவை ஒப்பிட்டுப் பார்ப்பது) என்பதையும், உறுதிப்படுத்தல் (validation: காகிதச் சிகிச்சைக் குறிப்புகள் அல்லது வேறொரு அமைப்பு போன்ற வெளிப்புற ஆதாரத்துடன் ஒப்பிட்டுப் பார்ப்பது) என்பதையும் தனித்தனியாகப் பிரிக்கிறது. இரண்டுமே தேவை. சரிபார்த்தல் செலவு குறைந்தது, தானாகவே நடப்பது; உறுதிப்படுத்தல் மெதுவானது, விதிகளால் பிடிக்க முடியாதவற்றைப் பிடிக்கிறது.

மருத்துவத் தரவு எங்கே தவறுகிறது

பெரும்பாலான பிரச்சினைகள் சாதாரணமானவை; பெரும்பாலானவை தரவை உள்ளிடும் தருணத்திலேயே நடக்கின்றன.

காகிதமும் கட்டற்ற உரையும் (free text). ஒரு வாக்கியமாக எழுதப்பட்ட நோயறிதல், புகைப்படம் எடுக்கப்பட்ட மருந்துச் சீட்டு, ஸ்கேன் செய்யப்பட்ட டிஸ்சார்ஜ் சுருக்கம். ஒரு மனிதரால் படிக்க முடியும்; ஆனால் ஒரு தேடல் வினவலுக்கு (query) அவை கண்ணுக்கே தெரியாது.

ஒரே நோயாளி இரண்டு முறை. ஒரு நோயாளி மார்ச் மாதம் “எஸ். குமார்” என்றும், ஜூன் மாதம் புதிய தொலைபேசி எண்ணுடன் “சுரேஷ் குமார்” என்றும் பதிவு செய்யப்படுகிறார். அவருடைய மருத்துவ வரலாறு இரண்டு பதிவுகளாகப் பிரிந்துவிடுகிறது; அவற்றில் எதைப் பார்ப்பவருக்கும் பாதிதான் தெரியும்.

அலகுகளும் தசமப் புள்ளிப் பிழைகளும். கிலோகிராம் புலத்தில் பவுண்டுகளில் எழுதப்பட்ட எடை, 2.50 என்று எழுத வேண்டிய இடத்தில் 250 என்று பதிவான லென்ஸ் பவர், லேப் 11.5 g/dL என்று அறிக்கை தரும்போது 115 என உள்ளிடப்பட்ட ஹீமோகுளோபின்.

தளர்வான குறியீடு. சரியான ICD-10 குறியீட்டைக் கண்டுபிடிக்க நேரம் ஆகும்; அதனால் தெளிவு குறைந்த ஒரு குறியீடு தேர்வு செய்யப்படுகிறது, அல்லது எதுவுமே இல்லை. பிரிட்டனில் (UK) நடந்த 32 ஆய்வுகளின் ஒரு முறையான மதிப்பாய்வு, சிகிச்சைக் குறிப்புகளுடன் ஒப்பிட்டுப் பார்த்தபோது நோயறிதல் குறியீட்டின் இடைநிலைத் துல்லியம் (median) 80.3% எனக் கண்டறிந்தது; தனித்தனி ஆய்வுகளில் இது 50.5% முதல் 97.8% வரை இருந்தது. மருத்துவமனைகளுக்கு வழங்கப்படும் பணம் அதைச் சார்ந்து அமையத் தொடங்கிய பிறகு துல்லியம் கூர்மையாக உயர்ந்தது; குறியீட்டை எது மேம்படுத்துகிறது என்பது பற்றி இது ஏதோ ஒன்றைச் சொல்கிறது. இந்திய மருத்துவமனைகளில் டிஸ்சார்ஜ் குறியீடு குறித்து இதற்கு இணையான, வெளியிடப்பட்ட எண்ணிக்கை எதுவும் எங்களுக்குத் தெரியவில்லை. ஆனால் வட இந்தியாவில் உள்ள ஒரு மூன்றாம் நிலை (tertiary) மருத்துவமனையில் 2025-இல் நடந்த ஓர் ஆய்வு, 1,147 இறப்புக் காரணச் சான்றிதழ்களில் சுமார் 10-இல் 1 மட்டுமே சரியாக நிரப்பப்பட்டிருந்ததைக் கண்டறிந்தது.

அப்படியே நகலெடுத்தல் (copy-forward). புதிதாக எழுதுவதை விட வேகமாக முடியும் என்பதால், நேற்றைய பரிசோதனை விவரம் இன்றைய குறிப்புக்குள் அப்படியே கொண்டுவரப்படுகிறது. பதிவு முழுமையாகத் தெரிகிறது; ஆனால் அது பழையதாகிவிட்டது.

விடுபட்ட ‘இல்லை’ பதில்கள். புலம் வெறுமனே காலியாக இருக்கும்போது, “அறியப்பட்ட ஒவ்வாமை எதுவும் இல்லை” என்பதும் “ஒவ்வாமை பற்றிக் கேட்கப்படவில்லை” என்பதும் ஒன்றுபோலவே தெரிகின்றன.

அதை எப்படி அளப்பது

நீங்கள் அளந்து பார்க்காததைச் சரிசெய்ய முடியாது; தொடங்குவதற்கு டேட்டா வேர்ஹவுஸ் (data warehouse) தேவையில்லை. உங்களுக்கு முக்கியமான பயன்பாட்டைத் தேர்ந்தெடுங்கள், பிறகு அந்தப் பயன்பாடு சார்ந்திருக்கும் சில புலங்களைத் தேர்ந்தெடுங்கள், அதன் பின் இவற்றை அளவிடுங்கள்:

1. முழுமை: ஒவ்வொரு முக்கியப் புலமும் நிரப்பப்பட்ட வருகைகளின் விகிதம்: ஒவ்வாமைகள், உயிர்க்குறிகள் (vitals), நோயறிதல், மருந்துகள், அடுத்த வருகைக்கான தேதி.
2. இணக்கம்: சரியான ICD-10 குறியீடுகளாக உள்ள நோயறிதல்களின் விகிதம், தரநிலைக் குறியீட்டுடன் இணைக்கப்பட்ட லேப் பரிசோதனைகள், வரம்புக்குள் இருக்கும் தேதிகள், FHIR சரிபார்ப்புக் கருவியில் (validator) தேர்ச்சி பெறும் பதிவுகள்.
3. நம்பக்கூடிய தன்மை: மருத்துவ வரம்புகளுக்கு வெளியே உள்ள மதிப்புகள், சாத்தியமே இல்லாத தேதி வரிசைகள், தவறான பாலினம் கொண்ட நோயாளிக்குப் பதிவான நோயறிதல் போன்ற முரண்பாடுகள்.
4. இரட்டைப் பதிவுகள்: ஒரே தொலைபேசி எண்ணும் ஒத்த பெயரும் கொண்ட நோயாளிகள், அல்லது ஒரே பெயரும் ஒரே பிறந்த தேதியும் கொண்டவர்கள்.
5. குறியீட்டுத் துல்லியம்: குறியிடப்பட்ட நோயறிதல்களில் ஒரு மாதிரியை, அந்தச் சிறப்புத் துறையை அறிந்த ஒருவர் குறிப்புகளுடன் ஒப்பிட்டுச் சரிபார்த்தல்.
6. காலத்தன்மை (Timeliness): வருகைக்குப் பிறகு எவ்வளவு நேரத்தில் பதிவு முழுமையாகிறது.

அடிப்படை அளவைப் (baseline) பெற ஒருமுறை இதைச் செய்யுங்கள்; பிறகு ஒரு குறிப்பிட்ட கால அட்டவணைப்படி மீண்டும் செய்யுங்கள். மீண்டும் ஒருபோதும் அளக்கப்படாத ஓர் எண் மேம்படாது.

அது உருவாகும் இடத்திலேயே சரிசெய்யுங்கள்

பதிவான பிறகு தரவைச் சுத்தம் செய்வது மெதுவானது, பல நேரங்களில் சாத்தியமே இல்லாதது; ஏனெனில் அதற்குள் சரியான மதிப்பு என்ன என்பது யாருக்கும் நினைவிருக்காது. செலவு குறைந்த தீர்வு, சரியான பதிவையே எளிதான பதிவாக மாற்றுவதுதான்:

• கட்டமைக்கப்பட்ட புலங்கள் (structured fields), பின்னால் எண்ணிக் கணக்கிடப்படப் போகும் தகவல்களுக்கு: நோயறிதல்கள், மருந்துகள், உயிர்க்குறிகள், பரிசோதனை முடிவுகள்.
• தேர்வுப் பட்டியல்களும் தேடலும், நோயறிதல்களுக்கும் மருந்துகளுக்கும்; அடியில் தரநிலைக் குறியீடுகளுடன் இணைக்கப்பட்டவை. அப்போது மருத்துவர் “டைப் 2 நீரிழிவு” என்பதைத் தேர்வு செய்வார்; பதிவில் அதன் குறியீடு சேமிக்கப்படும்.
• தடுக்காமல் எச்சரிக்கும் வரம்புச் சோதனைகள். இயல்பு வரம்புக்கு வெளியே உள்ள மதிப்பு சுட்டிக்காட்டப்பட வேண்டும், தசமப் புள்ளிப் பிழையாக இருக்கக்கூடியதற்கு ஒரு திருத்தம் பரிந்துரைக்கப்பட வேண்டும்; ஆனால் உண்மையிலேயே தீவிரமான ஒரு மதிப்பையும் பதிவு செய்ய முடிய வேண்டும். ஓர் அவசர நிலையைப் பதிவு செய்வதற்காகத் தாண்டிச் செல்ல வேண்டிய ஒரு சோதனை, பழக்கத்தின் காரணமாகவே தாண்டப்படும்.
• நோயாளியைப் பதிவு செய்யும்போதே இரட்டைப் பதிவுச் சோதனை. ஒரு தொலைபேசி எண் ஏற்கனவே ஒரு நோயாளிக்குச் சொந்தமாக இருந்தால், புதிய பதிவை உருவாக்கும் முன், இவர் அதே நபரா என்று கேளுங்கள்.
• வெளிப்படையான ‘இல்லை’. “அறியப்பட்ட ஒவ்வாமை எதுவும் இல்லை” என்பது, காலியான புலத்திலிருந்து வேறுபட்ட ஒரு தேர்வாக இருக்க வேண்டும்.
• தடம் விட்டுச் செல்லும் திருத்தங்கள். ஒரு பதிவு தவறாக இருந்தால், அதன் மேல் மாற்றி எழுதுவதற்குப் பதிலாக, காரணத்துடன் அதைத் திருத்தி, அசல் பதிவையும் வைத்திருங்கள். மீதமுள்ளவற்றை நம்புவதற்கு அந்தத் தடம்தான் உதவுகிறது.
• எல்லைகளில் தரநிலைகள். லேப் முடிவுகள் LOINC-க்குக் குறியிடப்பட வேண்டும், தரவு FHIR வடிவில் பரிமாறப்பட வேண்டும், வெளியே செல்லும் முன் அது சரிபார்க்கப்பட வேண்டும்.

தரவின் தரமும் AI-யும்

AI தனக்கே உரிய இரண்டு பிரச்சினைகளைச் சேர்க்கிறது.

முதலாவது, ஒரு மாடல் தான் பயிற்சி பெற்ற தரவின் (training data) தன்மையையே மரபாகப் பெறுகிறது. சில நோயாளிகள் பற்றிக் குறைவாகப் பதிவாகியிருந்தால், அல்லது சில நோயறிதல்கள் தளர்வாகக் குறியிடப்பட்டிருந்தால், அந்த இடைவெளிகளையே மாடலும் கற்றுக்கொள்கிறது.

இரண்டாவது, ஒரு மருத்துவமனையின் தரவில் உருவாக்கப்பட்ட மாடல், இன்னொரு மருத்துவமனையின் தரவில் தோல்வியடையலாம். பரவலாக மேற்கோள் காட்டப்படும் ஓர் எடுத்துக்காட்டு, அமெரிக்காவில் (US) பல மருத்துவமனைகளில் பயன்படுத்தப்பட்ட ஒரு செப்சிஸ் (sepsis) கணிப்பு மாடல்: Michigan Medicine-இல் 38,455 மருத்துவமனைத் தங்கல்களுடன் ஒப்பிட்டுச் சோதிக்கப்பட்டபோது, அது செப்சிஸ் பாதிப்புகளில் 67%-ஐத் தவறவிட்டது; அதே நேரம் மொத்த நோயாளிகளில் 18% பேருக்கு எச்சரிக்கை எழுப்பியது. இதற்கான காரணங்களில் தரவின் தரமும் ஒன்று: விஷயங்கள் எப்படி, எப்போது பதிவு செய்யப்படுகின்றன என்பதில் உள்ள வேறுபாடுகள், மாடல் பார்ப்பதையே மாற்றிவிடுகின்றன.

எனவே எந்த AI கருவியையும் நம்புவதற்கு முன், அது எந்தத் தரவில் உருவாக்கப்பட்டுச் சோதிக்கப்பட்டது என்று கேளுங்கள்; உங்கள் சொந்தப் பதிவுகளின் ஒரு மாதிரியில் அதைச் சோதித்துப் பாருங்கள். பயன்பாட்டுக்கு வந்த பிறகும் அளவிடுவதைத் தொடருங்கள்; ஏனெனில் பதிவு செய்யும் பழக்கங்கள் மாறுகின்றன.

தரவுத் தரச் சரிபார்ப்புப் பட்டியல்

1. நீங்கள் மனதில் வைத்திருக்கும் பயன்பாட்டுக்கு முக்கியமான புலங்களைத் தேர்ந்தெடுத்துவிட்டீர்களா?
2. அவை ஒவ்வொன்றும் இன்று எவ்வளவு முழுமையாக உள்ளன என்று உங்களுக்குத் தெரியுமா?
3. நோயறிதல்கள் ICD-10-இல் குறியிடப்படுகின்றனவா, லேப் பரிசோதனைகள் LOINC-உடன் இணைக்கப்பட்டுள்ளனவா?
4. நம்ப முடியாத மதிப்புகளுக்கு வரம்புச் சோதனைகள் எச்சரிக்கின்றனவா, தசமப் புள்ளிப் பிழையாக இருக்கக்கூடியவற்றுக்குத் திருத்தம் பரிந்துரைக்கின்றனவா?
5. நோயாளியைப் பதிவு செய்யும்போது இரட்டைப் பதிவுச் சோதனை இருக்கிறதா?
6. “கேட்கப்படவில்லை” என்பதிலிருந்து தனியாக, “எதுவும் இல்லை” என்பதை வெளிப்படையாகப் பதிவு செய்ய முடிகிறதா?
7. திருத்தங்கள் காரணத்துடன், அசல் பதிவைத் தக்கவைத்துச் செய்யப்படுகின்றனவா?
8. இந்த ஆண்டு, குறியிடப்பட்ட நோயறிதல்களின் ஒரு மாதிரியை யாராவது குறிப்புகளுடன் ஒப்பிட்டுச் சரிபார்த்திருக்கிறார்களா?
9. தரவு பகிரப்படுவதற்கு முன் சரிபார்க்கப்படுகிறதா (எடுத்துக்காட்டாக, FHIR-இன்படி)?
10. அளவீடுகளை ஒரு கால அட்டவணைப்படி மீண்டும் செய்கிறீர்களா, அவற்றின் முடிவுகளுக்கு யாராவது பொறுப்பேற்கிறார்களா?

இதில் 92health எங்கே பொருந்துகிறது

92health என்பது, இந்தியாவில் கிளினிக்குகள், மருத்துவமனைகள், மருந்தகங்கள், பரிசோதனைக் கூடங்கள் (லேப்கள்), கண்ணாடிக் கடைகள் ஆகியவை பயன்படுத்தும் ஒரு EMR மற்றும் AI தளம். மேலே உள்ள சரிபார்ப்புப் பட்டியலின் பெரும்பகுதி, அது சிகிச்சையைப் பதிவு செய்யும் முறையிலேயே உள்ளமைக்கப்பட்டுள்ளது:

• நோயறிதல்கள் தேடக்கூடிய பட்டியல்களிலிருந்து தேர்வு செய்யப்பட்டு, அவற்றின் ICD-10 குறியீடுகளுடன் சேமிக்கப்படுகின்றன;
• கண் முதற்கட்டப் பரிசோதனையில் (work-up), இயல்பு வரம்புக்கு வெளியே உள்ள அளவீடு சுட்டிக்காட்டப்படுகிறது, தசமப் புள்ளிப் பிழையாக இருக்கக்கூடியதற்குத் திருத்தம் பரிந்துரைக்கப்படுகிறது; உண்மையிலேயே தீவிரமான ஒரு மதிப்பு தடுக்கப்படுவதில்லை;
• ஏற்கனவே ஒரு நோயாளிக்குச் சொந்தமான தொலைபேசி எண்ணைப் பதிவு செய்யும்போது, இரண்டாவது பதிவு உருவாக்கப்படும் முன், இவர் அதே நபரா என்று கேட்கப்படுகிறது;
• லேப் முடிவுகள் பகிரப்படுவதற்கு முன் FHIR R4 வடிவில் சரிபார்க்கப்படுகின்றன;
• தவறுதலாகப் பதிவான ஒரு நோயறிதல் நீக்கப்படுவதில்லை, காரணத்துடன் திரும்பப் பெறப்படுகிறது; காகிதத்திலிருந்து பின்னர் உள்ளிடப்பட்ட பதிவுகள் அவ்வாறே குறிக்கப்படுகின்றன.

தாங்கள் எந்த நிலையில் இருக்கிறோம் என்று தெரிந்துகொள்ள விரும்பும் மருத்துவமனைகளுக்கு, எங்கள் AI தயார்நிலைப் பணியின் ஒரு பகுதியாகத் தரவுத் தர மதிப்பாய்வுகளை நடத்துகிறோம்: உங்கள் பதிவுகளில் ஒரு மாதிரி, மேலே உள்ள சோதனைகளைக் கொண்டு அளவிடப்படும்; முதலில் எதைச் சரிசெய்ய வேண்டும் என்ற எழுத்துப்பூர்வமான பட்டியல் ஒன்றும் தரப்படும்.

ஆதாரங்கள்

• Weiskopf NG, Weng C. Methods and dimensions of electronic health record data quality assessment: enabling reuse for clinical research. JAMIA, 2013;20(1):144-151. doi:10.1136/amiajnl-2011-000681
• Kahn MG et al. A harmonized data quality assessment terminology and framework for the secondary use of electronic health record data. eGEMs, 2016;4(1):1244. doi:10.13063/2327-9214.1244
• Burns EM et al. Systematic review of discharge coding accuracy. Journal of Public Health, 2012;34(1):138-148. doi:10.1093/pubmed/fdr054
• Srinivasan K et al. The final diagnosis: evaluating errors in cause-of-death reporting. Cureus, 2025;17:e82785. doi:10.7759/cureus.82785
• Wong A et al. External validation of a widely implemented proprietary sepsis prediction model in hospitalized patients. JAMA Internal Medicine, 2021. doi:10.1001/jamainternmed.2021.2626