एक ही नंबर के दो अलग मतलब

आपका blood test होता है। डॉक्टर कहते हैं, सब normal है। आप घर लौट आते हैं।

किसी ने यह नहीं बताया कि उनमें से एक नंबर पिछले साल से 15% ऊपर था, और दो साल पहले से 30% ऊपर। वह अब भी “normal” range के अंदर है, इसलिए न कोई flag लगा, न फ़ोन आया, न follow-up हुआ। पर वह अपनी जगह ठहरा हुआ नहीं है। और वह किधर जा रहा है, यह इससे कहीं ज़्यादा मायने रखता है कि आज वह कहाँ खड़ा है।

आज के सारे clinical systems एक ही उसूल पर चलते हैं: यह नंबर किसी लकीर से ऊपर है या नीचे? हाँ या ना। आधुनिक healthcare का पूरा ढाँचा इसी एक सवाल का जवाब देने के लिए खड़ा किया गया है। और सवाल ही ग़लत है।

असली सवाल

एक ही दिन, दो अलग charts में creatinine 1.4 आता है।

पहले मरीज़ का creatinine अठारह महीने पहले 0.9 था। फिर 1.0 हुआ, फिर 1.2, और अब 1.4 है। यही रफ़्तार आगे बढ़ाइए तो यह मरीज़ एक साल के भीतर kidney disease की ओर बढ़ रहा है। लेकिन 1.4 alert threshold से नीचे है, इसलिए कोई alarm नहीं बजता। मुलाक़ात इस हिदायत पर ख़त्म हो जाती है: “तीन महीने बाद दोबारा करवा लीजिए।”

दूसरे मरीज़ का creatinine तीन साल से 1.4 पर टिका है। Stable है, managed है, routine है।

नंबर एक ही है। एक मरीज़ ख़तरे में है, दूसरा बिलकुल ठीक। आज clinical इस्तेमाल में कोई system यह फ़र्क़ नहीं पहचान सकता। न Epic, न Cerner, न उनके ऊपर बने AI tools में से कोई। सबको 1.4 दिखता है और सब एक ही सवाल पूछते हैं: क्या यह लकीर से ऊपर है?

सही सवाल यह है: यह नंबर कहाँ से आया है, किधर जा रहा है, और कितनी तेज़ी से?

हर डॉक्टर यह जानता है, हर system इसे अनदेखा करता है

जब मैं मरीज़ देखा करता था, तो मेरे सबसे अच्छे साथी वह काम ख़ुद कर लेते थे जो EHR उनके लिए नहीं कर पाता था। पुरानी labs निकालते और किसी काग़ज़ के टुकड़े पर trend line खींच लेते। तीन साल की values दिमाग़ में रखकर दिशा का अंदाज़ा लगाते। उनका सवाल यह नहीं होता था कि “यह नंबर normal है?” उनका सवाल होता था: “क्या यह मरीज़ बदल रहा है?”

अच्छी clinical medicine इसी सोच पर टिकी है। और बड़े पैमाने पर चलने वाला कोई clinical system यह सोच नहीं अपनाता। EHR इसलिए बना कि billing के लिए हर encounter दर्ज हो। Alerts इसलिए बने कि thresholds जाँचे जाएँ। AI tools उन्हीं threshold वाले systems के ऊपर खड़े किए गए। तकनीक की परत पर परत चढ़ती गई, और सबसे बुनियादी clinical सवाल का जवाब फिर भी किसी के पास नहीं: समय के साथ यह मरीज़ बेहतर हो रहा है या बिगड़ रहा है?

Trajectory न पढ़ने की क़ीमत

अमेरिका में 37 मिलियन वयस्क chronic kidney disease के साथ जी रहे हैं। उनमें से 90% को इसका पता ही नहीं।

वजह यह नहीं कि data मौजूद नहीं है। उनका creatinine बरसों से धीरे-धीरे खिसक रहा है; chart में साफ़ दिखता है, हर visit पर देखा जाता है, फ़ाइल में लगा दिया जाता है और फिर भुला दिया जाता है। CKD जल्दी पकड़ में आ जाए तो साल के $2,000 से $5,000 में सँभल जाती है। देर से पकड़ी जाए तो अकेले dialysis पर सालाना $90,000 लगते हैं। इन दो अंजामों में फ़र्क़ बस इतना है कि कोई trajectory पढ़ रहा था या नहीं।

Diabetes, heart failure, COPD और hypertension में भी यही कहानी दोहराई जाती है। बरसों का ऐसा drift जो पकड़ा जा सकता था, मगर उन systems को नहीं दिखता जो बस यह पूछते हैं कि आज का नंबर लकीर से ऊपर है या नहीं।

यह काम कोई और क्यों नहीं करता

ज़्यादातर clinical AI को snapshots पर train किया जाता है: एक visit, एक lab draw, समय का एक पल। Model उस पल को high-risk या low-risk के खाने में डालना सीखता है। उसे आज का creatinine 1.4 दिखता है; अठारह महीने पहले कितना था, इसकी उसे कोई ख़बर नहीं।

एक snapshot से trajectory नहीं पढ़ी जा सकती। एक बिंदु से धीमा drift नहीं पकड़ा जा सकता। रुकावट ख़ुद architecture में है। Snapshot model को और data खिलाने से बात नहीं बनती, model को बड़ा करने से भी नहीं। मरीज़ को देखने का ढाँचा बदलना होगा। समय को मुख्य dimension बनना होगा, बाद में सोची गई कोई चीज़ नहीं।

Chroneme को बाज़ार की हर दूसरी चीज़ से यही बात अलग करती है। यह पुराने data पर बस एक बेहतर algorithm नहीं, सेहत को समझने का बुनियादी तौर पर दूसरा तरीक़ा है। इसमें मरीज़ अलग-थलग visits का सिलसिला नहीं, बल्कि बरसों और कई providers में फैला एक लगातार signal है। System देखता है कि समय के साथ चीज़ें मिलकर कैसे बदल रही हैं, और पहचान लेता है कि कब कोई trajectory ऐसी दिशा में जा रही है जिस पर ध्यान देना ज़रूरी है।

अमल में इसका मतलब

पहले मरीज़ पर flag लगता है, दूसरे पर नहीं। Creatinine एक, trajectories दो, सिफ़ारिशें अलग-अलग।

हम Chroneme इसी तरह का बदलाव पकड़ने के लिए बना रहे हैं। इसकी validation एक pre-registered protocol के तहत हो रही है, और जो नतीजे सामने आएँगे हम प्रकाशित करेंगे, उन जगहों समेत जहाँ यह कम पड़ता है।

जो बदलाव सबसे पहले मायने रखते हैं, वे शायद ही कभी नाटकीय होते हैं। वे धीमे drifts होते हैं। हर तिमाही 0.1 बढ़ता creatinine। Heart rate का baseline जो हर महीने कुछ beats ऊपर सरकता जाता है। Oxygen level जो हफ़्तों में धीरे-धीरे नीचे आता चला जाता है। ऐसे patterns जिन पर कोई अकेला data point कभी flag न लगाता। ऐसे patterns जो threshold पर चलने वाले systems को अपनी बनावट की वजह से ही नहीं दिखते।

Clinical intelligence की अगली पीढ़ी यहीं है। Emergencies पकड़ने में नहीं, बल्कि धीमी रफ़्तार वाली emergencies को तेज़ होने से पहले पकड़ने में।