એન્ડ-ટુ-એન્ડ વર્કફ્લો, ગુણવત્તા નિયંત્રણ અને વ્યક્તિગત AI પ્રોટોકોલ

નફો:

• એક જ સલામત પ્રવાહમાં જોડવાની ક્ષમતા જ્યાં કૃત્રિમ બુદ્ધિ ડ્રાફ્ટ બનાવે છે અને જ્યાં સમગ્ર ગર્ભાવસ્થા પ્રવાસ દરમિયાન નિર્ણય મિડવાઇફ/ફિઝિશિયન પર છોડવામાં આવે છે.
• દરેક આઉટપુટને 'શું તે સાચું છે? શું તે સુરક્ષિત છે? તે ગુપ્ત છે? તે સમજી શકાય છે? શું તે યોગ્ય છે?' ગુણવત્તાના દ્વારમાંથી પસાર થવું
• એક લેખિત વ્યક્તિગત AI પ્રોટોકોલ સ્થાપિત કરવાની ક્ષમતા જેમાં લીલો/પીળો/લાલ વર્ક સેપરેશન, મંજૂર ટૂલ્સ, ડી-ઓઇડેન્ટિફિકેશન અને ક્વોલિટી ગેટનો સમાવેશ થાય છે.

આ મોડ્યુલમાં, તમે મિડવાઇફરીનાં ઘણાં વિવિધ કાર્યોમાં AI નો ઉપયોગ કેવી રીતે કરવો તે શીખ્યા - ગર્ભાવસ્થાની દેખરેખ, જોખમની વહેલી ચેતવણી, શૈક્ષણિક સામગ્રી, કાઉન્સેલિંગ, સ્તનપાન, દસ્તાવેજીકરણ, પુરાવા તપાસ, ગોપનીયતા અને સાંસ્કૃતિક અનુકૂલન. આ અંતિમ એકમ આ તમામ ભાગોને એક સુરક્ષિત વર્કફ્લોમાં જોડે છે અને તમને વ્યક્તિગત AI પ્રોટોકોલ સાથે સ્થાપિત કરે છે જેનો તમે તમારી પોતાની પ્રેક્ટિસમાં કાયમી ધોરણે અમલ કરશો. ધ્યેય એઆઈને અલગ "યુક્તિઓ" ને બદલે તમારા રોજિંદા વ્યવસાયનો વિશ્વસનીય, સારી રીતે વ્યાખ્યાયિત ભાગ બનાવવાનો છે.

ચાલો શરૂઆતથી સમાપ્તિ સુધીની સગર્ભાવસ્થાની મુસાફરીનું ઉદાહરણ ધ્યાનમાં લઈએ અને જોઈએ કે દરેક સ્ટોપ પર AI ક્યાં મદદ કરે છે અને અટકે છે. આ સર્વગ્રાહી દૃશ્ય મોડ્યુલના તમામ સિદ્ધાંતોને એક જ માનસિક નકશામાં લાવે છે.

મુખ્ય સિદ્ધાંત (છેલ્લી વખત માટે): આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ એક સહાયક છે જે મિડવાઇફરીના ટેક્સ્ટ, માહિતી અને સંસ્થાના કાર્યને વેગ આપે છે. નિદાન, જોખમ, દવા અને ક્લિનિકલ માર્ગદર્શનની જવાબદારી મિડવાઇફ અને ફિઝિશિયનની છે. વણચકાસાયેલ AI આઉટપુટ એ સહી વિનાની દર્દીની નોંધ છે. નિર્ણય હંમેશા વ્યક્તિ પર હોય છે.

એન્ડ-ટુ-એન્ડ ફ્લો: ગર્ભાવસ્થાની AI-સંચાલિત મુસાફરી

1. પ્રારંભિક રજૂઆત: મિડવાઇફ ઇતિહાસ લે છે; તે અ-ઓળખાયેલ નોંધને AI સાથે નિયમિત માળખામાં મૂકે છે અને ખામીઓને ચિહ્નિત કરે છે (યુનિટ 2, 7). ક્લિનિકલ ચુકાદો મિડવાઇફ પાસે રહે છે.
2. ફોલો-અપ પ્લાન: AI એપોઇન્ટમેન્ટ રીમાઇન્ડર મેસેજ અને ફોલો-અપ ચાર્ટ સ્કેલેટન (યુનિટ 2) બનાવે છે. પ્રોટોકોલ અનુસાર મિડવાઇફ/ફિઝિશિયન દ્વારા ફ્રીક્વન્સી અને સ્ક્રિનિંગનો સમય નક્કી કરવામાં આવે છે.
3. દરેક મુલાકાત: એઆઈ રેડ ફ્લેગ ચેકલિસ્ટ અને મુલાકાતનો સારાંશ (યુનિટ 3) પ્રદાન કરે છે. મૂલ્યનું અર્થઘટન અને જોખમનો નિર્ણય મિડવાઇફ/ફિઝિશિયનનો છે.
4. તાલીમ: AI બ્રોશર, વિડિયો સ્ક્રિપ્ટ્સ, સચિત્ર સૂચના માર્ગદર્શિકાઓનું ઉત્પાદન કરે છે; મિડવાઇફ સંસ્કૃતિ/ભાષા (યુનિટ 4, 10) ને ચકાસે છે અને અનુકૂલન કરે છે.
5. કન્સલ્ટિંગ: AI મુશ્કેલ ભાષણ રિહર્સલ અને સહાનુભૂતિપૂર્ણ ટેક્સ્ટ ડ્રાફ્ટ પ્રદાન કરે છે; મિડવાઇફ તેની પોતાની ભાષામાં બોલે છે (યુનિટ 5).
6. પોસ્ટપાર્ટમ: AI મેટરનિટી સપોર્ટ મેસેજ થ્રેડ અને સ્તનપાન કાર્ડ બનાવે છે; નિરીક્ષણ અને ક્લિનિકલ ફોલો-અપ મિડવાઇફની સંભાળમાં છે (યુનિટ 6).
7. દસ્તાવેજીકરણ: AI ફોર્મેટ નોટ્સ, SBAR ને સોંપી દે છે; સામગ્રી અને મંજૂરી મિડવાઇફ (યુનિટ 7) ની છે.
8. માહિતી અપડેટ: AI માર્ગદર્શિકાઓ સરળ બનાવે છે, રોડમેપ શોધે છે; મિડવાઇફ મૂળ સ્ત્રોત (યુનિટ 8)માંથી પુરાવાની ચકાસણી કરે છે.
9. દરેક પગલા પર: ગોપનીયતા (યુનિટ 9) અને સાંસ્કૃતિક સંવેદનશીલતા (યુનિટ 10) સમગ્રમાં લાગુ પડે છે.

આ પ્રવાહમાં, AI કોઈપણ સમયે નિર્ણયો લેતું નથી; દરેક સ્ટોપ પર, તે ડ્રાફ્ટ બનાવે છે, મિડવાઇફ તેની ચકાસણી કરે છે, તેને કસ્ટમાઇઝ કરે છે અને જવાબદારી લે છે.

ગુણવત્તા નિયંત્રણ: દરેક આઉટપુટ માટે "લાઇવ જાઓ" તપાસો

વાસ્તવિક કાર્યમાં AI આઉટપુટ મૂકતા પહેલા (ક્લાયન્ટને, ફાઇલને, ટીમને), દર વખતે સમાન પાંચ પ્રશ્નો પાસ કરો. તેને વ્યક્તિગત ગુણવત્તાનો પ્રવેશદ્વાર કહો:

1. શું તે સાચું છે? શું દરેક સંખ્યા, માત્રા, સપ્તાહ, માર્ગદર્શિકા નિવેદન મૂળ સ્ત્રોતમાંથી ચકાસવામાં આવ્યા છે?
2. શું તે સુરક્ષિત છે? શું તેમાં નિર્ણય/નિદાન/જોખમ સામેલ છે? જો તેમાં સમાવિષ્ટ હોય તો આઉટપુટ બિનઉપયોગી છે; તે નિર્ણય મિડવાઇફ/ફિઝિશિયનનો છે.
3. શું તે ગુપ્ત છે? શું ટેક્સ્ટમાં કોઈ પ્રત્યક્ષ/પરોક્ષ ઓળખ માહિતી છે? જો ત્યાં હોય, તો તેને સાફ કરવું જોઈએ.
4. તે સમજી શકાય છે? શું તે લક્ષ્ય પ્રેક્ષકોની ભાષા અને સાક્ષરતા માટે યોગ્ય છે?
5. શું તે યોગ્ય છે? શું તે સાંસ્કૃતિક અને ભાવનાત્મક રીતે યોગ્ય છે? સ્વર યોગ્ય છે?

જ્યાં સુધી તમે પાંચેય પ્રશ્નોનો "હા" જવાબ ન આપો ત્યાં સુધી પ્રિન્ટઆઉટ છોડશો નહીં. આ ગેટવે મોડ્યુલના તમામ પાઠોને એક આદતમાં સંકુચિત કરે છે.

ત્રણ નાના કેસો

કેસ 1 — એકીકૃત દિવસ: એક મિડવાઇફ AI ને તેની દિનચર્યામાં મૂકે છે: સવારે તે SBAR માં હેન્ડઓવર કરે છે, બપોરે તે એક બ્રોશર બનાવે છે અને તેની ચકાસણી કરે છે, બપોરે તે બેચેન સગર્ભા સ્ત્રી માટે ભાષણનું રિહર્સલ કરે છે, સાંજે તે નોંધો ફોર્મેટ કરે છે. સાપ્તાહિક દસ્તાવેજીકરણ અને સામગ્રીનો સમય ~40% ઘટ્યો; પરંતુ દરેક આઉટપુટ ગુણવત્તાના દ્વારમાંથી પસાર થાય છે, તેથી ભૂલનો દર વધતો નથી. નફો કામની ઝડપ વધારવાથી થાય છે, નિર્ણયો લેવાથી નહીં.

કેસ 2 - ગેટ ભૂલને અટકાવે છે: બીજી મિડવાઇફ AI સાથે ડિસ્ચાર્જ ઓર્ડર તૈયાર કરે છે અને પૂછે છે "શું તે સાચું છે?" ગુણવત્તા દ્વાર પર. પ્રશ્ન કેપ્ચર કરે છે કે સ્તનપાનની આવર્તન સંખ્યા પ્રોટોકોલ સાથે વિરોધાભાસી છે. આઉટપુટ લાઇવ થાય તે પહેલાં તેને સુધારેલ છે. જો દરવાજો ન હોત તો ગર્ભવતી મહિલા સુધી ખોટી સૂચના પહોંચતી. ગુણવત્તા નિયંત્રણ એ કોઈ ઔપચારિકતા નથી, તે એક વાસ્તવિક સલામતી વાલ્વ છે.

કેસ 3 — વ્યક્તિગત પ્રોટોકોલ: ત્રીજી મિડવાઇફ પોતાના માટે એક લેખિત "AI વપરાશ પ્રોટોકોલ" તૈયાર કરે છે: કયા કાર્યોમાં તે AI (લીલો/પીળો) નો ઉપયોગ કરશે, જેમાં ક્યારેય (લાલ), કયા ટૂલ્સ મંજૂર છે, ડી-ઓઇડેન્ટિફિકેશન નિયમો અને ગુણવત્તા દ્વાર. તે આ એક પાનાનો દસ્તાવેજ તેની ટીમ સાથે શેર કરે છે; નવા સાથીદારો પણ સમાન ધોરણ સાથે કામ કરે છે. AI નો ઉપયોગ વ્યક્તિગત આદતમાંથી કોર્પોરેટ સુરક્ષા સંસ્કૃતિમાં વિકસિત થઈ રહ્યો છે.

નકલ કરી શકાય તેવા નમૂનાઓ

પર્સનલ એઆઈ પ્રોટોકોલ (તમારી પોતાની પ્રેક્ટિસ માટે ભરો) 1) લીલો (આરામથી ઉપયોગ કરો): [બ્રોશર, સંદેશ, સારાંશ, ફોર્મેટિંગ, અનુવાદ ડ્રાફ્ટ...]2) પીળો (સપોર્ટ, કાળજીપૂર્વક): [જોખમ રીમાઇન્ડર સૂચિ, ચેકલિસ્ટ...]3) લાલ (ક્યારેય નક્કી કરશો નહીં): [નિદાન, જોખમની ડિગ્રી, રેફરલ ટૂલ, ઇન્ટરપ્રોવેશન મૂલ્ય: 4) [...]5) ડી-ઓળખનો નિયમ: કોઈ પ્રત્યક્ષ + પરોક્ષ ઓળખકર્તા નથી. 6) ગુણવત્તા દ્વાર: સાચું? વિશ્વાસપાત્ર? છુપાયેલું? સમજી શકાય? યોગ્ય?

ભૂમિકા: તમે ક્વોલિટી ગેટ ઓડિટર છો. કાર્ય: 5 પ્રશ્નો સાથે નીચેના આઉટપુટનું મૂલ્યાંકન કરો અને દરેક માટે "PASS/STOP" આપો, જો STOP શા માટે લખો: 1) શું કોઈ અપ્રમાણિત સંખ્યાઓ/ડોઝ/માર્ગદર્શિકા નિવેદનો છે? 2) શું તેમાં નિદાન/જોખમ/રેફરલ/નિર્ણય છે? 3) શું તે પ્રત્યક્ષ/પ્રત્યક્ષ માહિતી માટે યોગ્ય છે? સાક્ષરતા સ્તર? 5) શું સાંસ્કૃતિક/ભાવનાત્મક સ્વર યોગ્ય છે? આઉટપુટ: [ટેક્સ્ટ]

ભૂમિકા: તમે વર્કફ્લો પ્લાનિંગ સહાયક છો. કાર્ય: મારા લાક્ષણિક મિડવાઇફરી કાર્યને પગલાંઓમાં વિભાજિત કરો: [કાર્ય]. દરેક પગલા માટે, "શું AI તે કરે છે? / શું મિડવાઇફ નક્કી કરે છે?" લેબલ લાલ (નિર્ણય) પગલાંને પણ ચિહ્નિત કરો.

ભૂમિકા: તમે સાપ્તાહિક સ્વ-મૂલ્યાંકન સહાયક છો. કાર્ય: આ અઠવાડિયે મેં AI સાથે કરેલા નીચેના કાર્યોનું મૂલ્યાંકન કરવા દો: [સૂચિ]. દરેક માટે, પૂછો: શું તેનાથી સમય બચ્યો? શું દરવાજા પર ભૂલ પકડાઈ હતી? આવતા અઠવાડિયે મારે શું ઠીક કરવું જોઈએ? ટૂંકા બુલેટ પોઈન્ટ સાથે સારાંશ આપો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "હું AI સાથે મારા વ્યવસાયને કેવી રીતે ઝડપી બનાવી શકું?"

પરિણામ: ભલામણો કે જે સામાન્ય છે, વ્યવહારુ નથી અને તેમાં સરહદો અને સુરક્ષા શામેલ નથી.

મજબૂત:

ભૂમિકા: વર્કફ્લો આયોજન સહાયક. મારા "નવી ગર્ભવતી પ્રથમ એપ્લિકેશન" કાર્યને પગલાંઓમાં વિભાજીત કરો. દરેક પગલાને "AI બનાવે છે / મિડવાઇફ નિર્ણય લે છે" સાથે લેબલ કરો અને લાલ (નિર્ણય) પગલાંને અલગથી ચિહ્નિત કરો. છેલ્લે, સ્પષ્ટ કરો કે કયા પગલાંને ડી-ઓળખની જરૂર છે.

તફાવત: શક્તિશાળી પ્રોમ્પ્ટ નક્કર કાર્ય, નિર્ણયની સીમાઓ અને ગોપનીયતા મુદ્દાઓને બહાર કાઢીને શક્ય નકશો આપે છે.

મોડ્યુલનો સારાંશ નકશો

એકમ વિષય

AI નું કામ

મિડવાઇફ/ફિઝિશિયનની નોકરી

પરિચય, ભૂમિકાઓ, નીતિશાસ્ત્ર

-

સીમા અને ચકાસણી શિસ્ત

પ્રસૂતિ પૂર્વે ફોલો-અપ

વાર્તા, સંદેશ, ટેબલ હાડપિંજર

મૂલ્યનું અર્થઘટન, મોનિટરિંગ આવર્તન

જોખમ પ્રારંભિક ચેતવણી

રીમાઇન્ડર, ચેતવણી ટેક્સ્ટ

નિદાન, જોખમ, રેફરલ નિર્ણય

શૈક્ષણિક સામગ્રી

બ્રોશર/વિડિયો/કાર્ડ ડ્રાફ્ટ

ચોકસાઈ, સ્વર, મંજૂરી

કન્સલ્ટિંગ

રિહર્સલ, empathic ડ્રાફ્ટ

વાસ્તવિક વાતચીત, માનવ જોડાણ

સ્તનપાન/પ્યુરપેરિયમ

આધાર સંદેશ, કાર્ડ

અવલોકન, ક્લિનિકલ ફોલો-અપ

દસ્તાવેજીકરણ

ફોર્મેટ, માર્કઅપ ખૂટે છે

સામગ્રી, મૂલ્યાંકન, હસ્તાક્ષર

પુરાવા સ્ક્રીનીંગ

સરળીકરણ, રોડમેપ

મૂળ સ્ત્રોતમાંથી ચકાસણી

ગોપનીયતા

ડી-ઓળખ નિયંત્રણ

ડેટા સુરક્ષા નિર્ણય

સંસ્કૃતિ/ભાષા

અનુવાદ, અનુકૂલન ડ્રાફ્ટ

સ્થાનિક/મૂળ ભાષા ચકાસણી

ટીપ: તમારો વ્યક્તિગત પ્રોટોકોલ એકવાર લખો, તેને દૃશ્યમાન સ્થાન પર લટકાવો અને ત્રિમાસિક રીતે તેની સમીક્ષા કરો. સાધનો બદલાય છે, પરંતુ "નિર્ણય માનવ છે, આઉટપુટ ચકાસાયેલ છે, ડેટા સુરક્ષિત છે" ના સિદ્ધાંતો સતત રહે છે. જ્યાં સુધી તમે આ ત્રણ વાક્યો રાખો છો, તમે કયા સાધનનો ઉપયોગ કરો છો તે ગૌણ રહેશે.

સામાન્ય ભૂલો

• ક્વોલિટી ગેટને બાયપાસ કરવું: જ્યારે તમે ઉતાવળમાં હોવ ત્યારે "ફક્ત આ એક વાર" કહેવું એ છે જ્યારે બગ્સ અંદર આવે છે.
• સમય જતાં રેડ ઝોનને ઢીલું પાડવું: જેમ જેમ તમે AI ની આદત પાડો છો, તેમ નિર્ણયો માટે પૂછવા તરફ વળવું એ સૌથી કપટી જોખમ છે.
• પ્રોટોકોલ લખતા નથી: મનમાંનો નિયમ થાકેલા દિવસે ભૂલી જાય છે; લેખિત પ્રોટોકોલ કાયમી છે.
• ટીમ માટે ધોરણો ન રાખવા: જો બાકીની ટીમ અલગ રીતે વર્તે તો એક વ્યક્તિનું ધ્યાન પૂરતું નથી.
• સ્વ-મૂલ્યાંકન નથી: જો તમે શું કામ કરી રહ્યું છે તે માપતા નથી તો તમે સુધારી શકતા નથી.
• સિદ્ધાંત માટે સાધનની અવેજીમાં: અર્થ બદલાય છે; પ્રમાણીકરણ, સુરક્ષા અને ગોપનીયતા સિદ્ધાંતો બદલાતા નથી.

સારાંશમાં

આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ એક સહાયક છે જે મિડવાઇફરીના ટેક્સ્ટ અને સંસ્થાના કામને છેડેથી અંત સુધી વેગ આપે છે; પરંતુ તે ગર્ભાવસ્થાના કોઈપણ તબક્કે નક્કી કરતું નથી. આ અંતિમ એકમ સમગ્ર મોડ્યુલને એક સુરક્ષિત પ્રવાહ અને એક ગુણવત્તાવાળા ગેટમાં જોડે છે: દરેક આઉટપુટનું મૂલ્યાંકન "સાચું? સુરક્ષિત? ગોપનીય? સમજી શકાય તેવું? યોગ્ય?" પ્રશ્નો મારફતે જાઓ. તમારી જાતને એક લેખિત વ્યક્તિગત AI પ્રોટોકોલ સ્થાપિત કરો — લીલો/પીળો/લાલ જોબ્સ, મંજૂર સાધનો, ડિ-ઓઇડેન્ટિફિકેશન અને ગુણવત્તા ગેટ — તમારી ટીમ સાથે શેર કરો અને નિયમિતપણે સમીક્ષા કરો. સાધનો બદલાય છે; નિર્ણય માનવ છે, આઉટપુટ ચકાસાયેલ છે, ડેટા સુરક્ષિત છે, સિદ્ધાંતો કાયમી છે.

એપ્લિકેશન કાર્ય

તમારો પોતાનો વ્યક્તિગત એક-પૃષ્ઠ AI પ્રોટોકોલ લખો: લીલો/પીળો/લાલ બેકલોગ્સ, મંજૂર ટૂલ્સ, ડિ-ઓડેન્ટિફિકેશન નિયમ અને પાંચ-પ્રશ્ન ગુણવત્તા ગેટ. પછી, તમારા લાક્ષણિક કાર્ય (દા.ત., "નવી ગર્ભાવસ્થા પ્રથમ પ્રવેશ") ને વર્કફ્લો ટેમ્પલેટ સાથે પગલાઓમાં વિભાજીત કરો અને દરેક પગલાને AI/મિડવાઇફ લેબલ કરો. છેલ્લે, ક્વોલિટી ગેટ દ્વારા આ અઠવાડિયે તમારા AI ઉપયોગોમાંથી એક લો અને સુધારણા નોંધ લખો.

ચેકલિસ્ટ

• [ ] મારી પાસે એક લેખિત પ્રોટોકોલ છે જેમાં લીલો/પીળો/લાલ વર્ક સેપરેશનનો સમાવેશ થાય છે.
• [ ] હું દરેક આઉટપુટને પાંચ-પ્રશ્ન ગુણવત્તાવાળા દ્વારમાંથી પસાર કરું છું.
• [ ] હું ચોક્કસપણે લાલ (નિર્ણય) કાર્યોમાં AI નો ઉપયોગ કરતો નથી.
• [ ] હું ફક્ત માન્ય સાધનો અને બિન-ઓળખાયેલ ડેટાનો ઉપયોગ કરું છું.
• [ ] મેં મારી ટીમ સાથે પ્રોટોકોલ શેર કર્યો અને તેને દૃશ્યમાન જગ્યાએ લટકાવી દીધો.
• [ ] હું નિયમિત સ્વ-મૂલ્યાંકન કરું છું અને પ્રોટોકોલ અપડેટ કરું છું.

મોડ્યુલ પરીક્ષા

1. એક મિડવાઇફે AI ને સગર્ભાવસ્થામાં આયર્નની ઉણપની એનિમિયા માટે દૈનિક આયર્ન ડોઝ વિશે પૂછ્યું અને તેને અસ્ખલિત, વિશ્વાસપૂર્ણ જવાબ મળ્યો. આ આઉટપુટ સાથે શું કરવું?

• એ) ડોઝ નિર્ણયો માટે આઉટપુટનો ઉપયોગ કરતું નથી; ડોઝ નક્કી કરવું એ ચિકિત્સક/પ્રોટોકોલનું કામ છે અને એઆઈ આઉટપુટની ચકાસણી કર્યા વિના તેનો ઉપયોગ કરી શકાતો નથી ✔
• બી) જવાબ આત્મવિશ્વાસ ધરાવતો હોવાથી, તે સગર્ભા સ્ત્રીને સીધો ડોઝ કહે છે.
• C) જો તમે આર્ટિફિશિયલ ઇન્ટેલિજન્સ વિશે ફરી એકવાર પૂછો અને તે જ જવાબ મેળવો, તો તે સાચો તરીકે સ્વીકારવામાં આવશે.
• ડી) પત્રિકા પર ડોઝ લખે છે અને તેનું વિતરણ કરે છે કારણ કે ટેક્સ્ટ અસ્ખલિત અને ખાતરીપૂર્વક છે

સમજૂતી: ડોઝિંગ એ ક્લિનિકલ નિર્ણય છે અને તે રેડ ઝોનમાં છે; જવાબદારી ચિકિત્સકની છે. AI આભાસ દ્વારા ખોટી માત્રા પેદા કરી શકે છે, અને પ્રવાહિતા ચોકસાઈનો પુરાવો નથી. મિડવાઇફ આ આઉટપુટનો સીધો ઉપયોગ કરતી નથી; ડોઝનો નિર્ણય પ્રોટોકોલ અને ચિકિત્સક પર છોડી દે છે.

2. એક મિડવાઇફે નોંધ્યું કે તેણીએ મર્યાદિત સાક્ષરતા ધરાવતી સગર્ભા સ્ત્રીઓના જૂથને આપેલી બ્રોશરનો અમલ કરવામાં આવ્યો નથી. આ સ્થિતિમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કેવી રીતે કરવો જોઈએ?

• A) સમાન બ્રોશરને વધુ તકનીકી અને વિગતવાર રીતે છાપે છે
• B) તે તેનો અર્થ બદલ્યા વિના, ચિત્રો દ્વારા સમર્થિત ખૂબ જ સરળ ભાષા અને બંધારણમાં સામગ્રીને અપનાવે છે ✔
• સી) તે નક્કી કરે છે કે સગર્ભા સ્ત્રીઓને રસ નથી અને તે બ્રોશર છોડી દે છે.
• ડી) વધુ તબીબી શરતો ઉમેરીને બ્રોશરમાં ગંભીરતા ઉમેરે છે

સમજૂતી: સમસ્યા માહિતીમાં નથી, પરંતુ સંદેશાવ્યવહારમાં છે જે વ્યક્તિને અનુકૂળ નથી (ઓછી આરોગ્ય સાક્ષરતા). મિડવાઇફ કૃત્રિમ બુદ્ધિમત્તાને અર્થ બદલ્યા વિના 'ખૂબ જ સરળ, ટૂંકા વાક્યો, ચિત્રો દ્વારા સમર્થિત' માં સામગ્રીને ફરીથી લખવા કહે છે; તેને સુલભ બનાવે છે. તેનો હેતુ માહિતી આપવાનો નથી, પરંતુ તેને સમજી શકાય તેવો અને લાગુ પાડવાનો છે.

3. સગર્ભા સ્ત્રીને ગંભીર માથાનો દુખાવો, અસ્પષ્ટ દ્રષ્ટિ અને હાથના ચહેરા પર સોજો આવે છે. મિડવાઇફે આર્ટિફિશિયલ ઇન્ટેલિજન્સવાળાને પૂછ્યું 'શું આ સગર્ભા સ્ત્રીને પ્રિક્લેમ્પસિયા છે?' તે પૂછવા માંગે છે. યોગ્ય અભિગમ શું છે?

• A) તે પ્રિક્લેમ્પસિયાનું નિદાન કરવા માટે કૃત્રિમ બુદ્ધિની રાહ જુએ છે અને તેના પ્રતિભાવ અનુસાર કાર્ય કરે છે.
• બી) જો કૃત્રિમ બુદ્ધિ 'હા' કહે તો તે મોકલે છે, જો તે 'ના' કહે તો તે મોકલે છે
• સી) નિદાન માટે પૂછતું નથી; કૃત્રિમ બુદ્ધિનો ઉપયોગ ફક્ત લાલ ધ્વજ રીમાઇન્ડર સૂચિ માટે કરે છે, મિડવાઇફ/ફિઝિશિયન આકારણી અને નિદાન કરે છે ✔
• ડી) કૃત્રિમ બુદ્ધિમત્તાને બ્લડ પ્રેશરના મૂલ્યનું અર્થઘટન કરવા દો અને સામાન્ય/અસામાન્ય નિર્ણય તેના પર છોડી દો.

સમજૂતી: નિદાન કરવું એ રેડ ઝોનમાં છે; તમે કૃત્રિમ બુદ્ધિને પૂછી શકતા નથી. કૃત્રિમ બુદ્ધિ સૌથી વધુ સૂચક લાલ ધ્વજની સૂચિ બનાવી શકે છે; પરંતુ નિદાન અને મૂલ્યાંકન એ મિડવાઇફ/ફિઝિશિયનનો ક્લિનિકલ નિર્ણય છે. ડાયગ્નોસ્ટિક પ્રશ્ન એક આત્મવિશ્વાસપૂર્ણ પરંતુ બેજવાબદાર જવાબ આપે છે, જે ખોટા આત્મવિશ્વાસ તરફ દોરી જાય છે.

4. નીચેનામાંથી કઈ નોકરી 'ગ્રીન ઝોન' નોકરી છે જ્યાં આર્ટિફિશિયલ ઈન્ટેલિજન્સનો આરામથી ઉપયોગ કરી શકાય છે?

• એ) સગર્ભા સ્ત્રીમાં પ્રિક્લેમ્પસિયાનું નિદાન
• બી) સગર્ભા સ્ત્રીનો સંદર્ભ લેવો કે નહીં તે નક્કી કરવું
• સી) દવાની માત્રા નક્કી કરવી
• ડી) ગર્ભાવસ્થા શાળા માટે ડ્રાફ્ટ પોષણ પુસ્તિકા તૈયાર કરવી ✔

વર્ણન: ગ્રીન ઝોનમાં ટેક્સ્ટ અને સંસ્થાકીય કાર્યોનો સમાવેશ થાય છે જેની ભૂલો જ્યારે મિડવાઇફ વાંચે અને સુધારે ત્યારે સરળતાથી પકડાય છે: બ્રોશર ડ્રાફ્ટ, એપોઇન્ટમેન્ટ મેસેજ, સ્ટોરી ફોર્મેટિંગ, અનુવાદ ડ્રાફ્ટ. નિદાન, રેફરલ નિર્ણય અને ડોઝ નિર્ધારણ એ રેડ ઝોન છે; કૃત્રિમ બુદ્ધિ આમાં નિર્ણયો લેતી નથી.

5. એક મિડવાઇફે આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે અવ્યવસ્થિત મિડવાઇફ નોટ આપી, 'તેને ઠીક કરો અને ખામીઓ પૂરી કરો'. પ્રિન્ટઆઉટમાં તેને ન જોઈતું વિશ્લેષણ માટે 'યુરીનાલિસિસ નોર્મલ' વાક્ય દર્શાવવામાં આવ્યું. આ શું ઉદાહરણ છે અને તેને કેવી રીતે અટકાવી શકાય?

• એ) તે બનાવટી (ભ્રામકતા) શોધ છે; 'સંપૂર્ણ' કહેવાને બદલે, 'વિતરિત કરો, ફિટ કરો, ખાલી રાખો' કહો અને આઉટપુટ લાઇનને લાઇન દ્વારા ચકાસો ✔
• બી) તે એક સચોટ આગાહી છે; નોંધ જેમ છે તેમ છોડી દેવામાં આવી છે કારણ કે કૃત્રિમ બુદ્ધિ સામાન્ય પરિસ્થિતિને લખે છે
• સી) તે એક નાની ટાઈપો છે; તે બિનમહત્વપૂર્ણ છે કારણ કે તેનો અર્થ બદલાતો નથી
• ડી) તે ઇચ્છિત વર્તન છે કારણ કે તે નોંધને વધુ સમૃદ્ધ બનાવે છે.

સમજૂતી: દસ્તાવેજીકરણમાં આભાસનું આ સૌથી ખતરનાક સ્વરૂપ છે: AI એ 'સામાન્ય પ્રવાહ' ધારણ કર્યું અને એક અવલોકન ન કરાયેલ શોધ બનાવવી. તેને અવગણવા માટે, 'પૂર્ણતા' ને બદલે 'ડિપ્લોય' કહેવામાં આવે છે, ફિટિંગ સ્પષ્ટપણે પ્રતિબંધિત છે, ખાલી જગ્યા '[ખાલી]' બાકી છે, અને આઉટપુટને લીટી દ્વારા માન્ય કરવામાં આવે છે.

6. એક મિડવાઇફ કૃત્રિમ બુદ્ધિમત્તા ધરાવવા માંગે છે જે એક નાના શહેરમાં સગર્ભા સ્ત્રીની વાર્તાનો સારાંશ આપે છે. તેણીએ નામ અને આઈડી કાઢી નાખ્યું પરંતુ 'અમારા શહેરમાં એકમાત્ર ચતુર્ભુજ ગર્ભાવસ્થા' વાક્ય છોડી દીધું. આ કેમ જોખમી છે?

• A) નામ અને TR ID કાઢી નાખવામાં આવ્યા હોવાથી, હવે કોઈ જોખમ નથી.
• બી) તે પરોક્ષ ઓળખકર્તા છે; નાની જગ્યાની અનન્ય પરિસ્થિતિ વ્યક્તિને ચિહ્નિત કરે છે, તેથી તેનું સામાન્યીકરણ થવું જોઈએ ✔
• સી) તે માત્ર એક તબીબી વિગતો છે અને તેને ગોપનીયતા સાથે કોઈ લેવાદેવા નથી.
• ડી) આ માહિતી પહેલાથી જ સુરક્ષિત છે કારણ કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ ડેટા સ્ટોર કરે છે

વર્ણન: આ એક પરોક્ષ ઓળખકર્તા છે: એક નાનકડી જગ્યાએ એક અનન્ય પરિસ્થિતિ સીધી વ્યક્તિ તરફ નિર્દેશ કરે છે અને ફરીથી ઓળખ તરફ દોરી જાય છે. ડિ-ઓઇડેન્ટિફિકેશન માત્ર પ્રત્યક્ષ (નામ, ID) જ નહીં પરંતુ પરોક્ષ ઓળખકર્તાઓને પણ સાફ કરે છે; અભિવ્યક્તિ 'મલ્ટિપલ પ્રેગ્નન્સી' જેવી સામાન્યીકૃત હોવી જોઈએ.

7. એક મિડવાઇફે પ્રેઝન્ટેશન માટે 'આ વિષય પર 5 વર્તમાન અભ્યાસો' માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ પૂછ્યું; AI એ વિશ્વાસપાત્ર શીર્ષક, લેખક અને વર્ષો સાથેની યાદી પરત કરી. યોગ્ય વર્તન શું છે?

• A) સૂચિને સીધી પ્રસ્તુતિમાં મૂકે છે કારણ કે તે ખાતરીપૂર્વક લાગે છે
• બી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ વર્તમાન માહિતીને હૃદયથી જાણે છે, તેથી તેને ચકાસવાની જરૂર નથી
• સી) દરેક સંદર્ભને તેના મૂળ સ્ત્રોતમાંથી શોધવાનો પ્રયાસ કરે છે; એવા અભ્યાસોનો ઉપયોગ કરતું નથી જેને તે ચકાસી શકતું નથી કારણ કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ સ્ત્રોતો બનાવી શકે છે ✔
• ડી) તે માત્ર શીર્ષકો અર્થપૂર્ણ છે કે કેમ તે તપાસે છે અને તેમને પર્યાપ્ત માને છે.

વર્ણન: કૃત્રિમ બુદ્ધિ એવા લેખો, લેખકો અને સ્ત્રોતોની શોધ કરી શકે છે જે અસ્તિત્વમાં નથી; પુરાવા તપાસમાં આભાસનું આ સૌથી કપટી સ્વરૂપ છે. આપેલ દરેક સંદર્ભને 'અવગણાયેલ' ગણવામાં આવે છે જ્યાં સુધી તેનો મૂળ સ્ત્રોત મેન્યુઅલી સ્થિત ન હોય. મિડવાઇફ દરેક અભ્યાસને વિશ્વસનીય સ્ત્રોતમાંથી ચકાસે છે; તે જે ચકાસી શકતો નથી તેનો તે ઉપયોગ કરતો નથી.

8. મોડ્યુલમાં સારાંશમાં પુરાવા સ્ક્રિનિંગમાં આભાસના જોખમને ઘટાડવાનો અભિગમ કેવી રીતે છે?

• A) કૃત્રિમ બુદ્ધિમત્તાને શક્ય તેટલી વાર એક જ પ્રશ્ન પૂછવો
• બી) કૃત્રિમ બુદ્ધિ દ્વારા પૂરા પાડવામાં આવેલ સંસાધનોમાં બિનશરતી વિશ્વાસ
• સી) વાસ્તવિક સ્ત્રોતને જોયા વિના માત્ર સારાંશથી સંતુષ્ટ રહેવું
• D) કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરીને 'માહિતી આપો' ને બદલે 'આ લખાણ પર પ્રક્રિયા કરો' મોડમાં અને 'માત્ર આ લખાણ પર ભરોસો રાખો' ✔

સમજૂતી: સુવર્ણ નિયમ એ છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ 'માહિતીના સ્ત્રોત' તરીકે નહીં પરંતુ 'મારા હાથમાં ટેક્સ્ટના પ્રોસેસર' તરીકે કરવો. તમને મળેલ ભરોસાપાત્ર લખાણને ચોંટાડવાથી અને 'માત્ર આ લખાણ પર ભરોસો રાખો' કહેવાથી કૃત્રિમ બુદ્ધિમત્તાને મોટાભાગે વસ્તુઓ બનાવવામાં અટકાવશે. પ્રશ્ન 'મને પુરાવા શોધો' ન હોવો જોઈએ પરંતુ 'મને મળેલા આ પુરાવાને સમજવામાં મદદ કરો'.

9. સ્વાસ્થ્ય સંબંધિત ટેક્સ્ટને બીજી ભાષામાં અનુવાદિત કરવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કરતી વખતે કયું સાચું છે?

• A) AI અનુવાદ એ પ્રથમ ડ્રાફ્ટ છે; મૂળ વક્તાએ ચકાસવું જોઈએ, નિર્ણાયક સંદેશાઓ એકલા પર આધાર રાખવો જોઈએ નહીં ✔
• B) અનુવાદનો સીધો ઉપયોગ કરી શકાય છે કારણ કે કૃત્રિમ બુદ્ધિ અસ્ખલિત રીતે અનુવાદ કરે છે
• C) અનુવાદની ગુણવત્તા વ્યાકરણ વિશે છે, તબીબી ચોકસાઈ નહીં
• ડી) ચકાસણી છોડી શકાય છે કારણ કે તાત્કાલિક સંદેશાઓમાં ઝડપ મહત્વપૂર્ણ છે

વર્ણન: AI અસ્ખલિત પ્રારંભિક અનુવાદ કરે છે, પરંતુ તબીબી શબ્દનો ખોટો અનુવાદ કરી શકે છે અથવા સાંસ્કૃતિક સંદર્ભ ચૂકી શકે છે. આરોગ્ય અનુવાદો મૂળ વક્તા (અનુવાદક અથવા સ્થાનિક આરોગ્યસંભાળ વ્યાવસાયિક) દ્વારા ચકાસાયેલ હોવા જોઈએ; જટિલ/તાકીદના સંદેશાઓ માટે એકલા AI અનુવાદ પર વિશ્વાસ કરી શકાય નહીં.

10. પ્રસૂતિ સહાયતા સંદેશાઓ તૈયાર કરતી વખતે, મોડ્યુલ આગ્રહપૂર્વક ભાર મૂકે છે અને દરેક સંદેશામાં તે કયા તત્વનો સમાવેશ કરવો જોઈએ?

• એ) દવાના ડોઝની ભલામણ
• B) 'ક્યારે અને કેવી રીતે મદદ માટે પૂછવું' લાઇન ✔
• સી) માતાનું નામ અને ફાઇલ નંબર લખવો
• ડી) એક મક્કમ તબીબી વચન ('બધું સંપૂર્ણ હશે')

સમજૂતી: સારો સમર્થન સંદેશ માત્ર શું કરવું તે જ નહીં, પણ જ્યારે મર્યાદા ઓળંગી જાય ત્યારે શું કરવું તે પણ જણાવે છે; તેથી, દરેક સંદેશામાં 'આ લક્ષણ/શરત સાથે મદદ લેવી' લાઇન શામેલ હોવી જોઈએ. AI આ લાઇન ભૂલી શકે છે; મિડવાઇફ ખાતરી કરે છે કે તે દરેક સંદેશ પર છે.

11. મોડ્યુલમાં પ્રિનેટલ કાઉન્સેલિંગમાં કૃત્રિમ બુદ્ધિની ભૂમિકા કેવી રીતે વ્યાખ્યાયિત કરવામાં આવી છે?

• A) સગર્ભા સ્ત્રી સાથે સીધી ચેટ કરીને કાઉન્સેલિંગ હાથ ધરે છે
• બી) સગર્ભા સ્ત્રીની ભાવનાત્મક સ્થિતિનું નિદાન કરે છે
• સી) તે ભાષણને બદલતું નથી; મિડવાઇફને રિહર્સલ, ભારપૂર્વકની રૂપરેખા અને વિકલ્પ ટેક્સ્ટ સાથે બોલવા માટે તૈયાર કરે છે ✔
• ડી) નિર્ણય લે છે અને મિડવાઇફને બદલે સગર્ભા સ્ત્રીને માર્ગદર્શન આપે છે.

સમજૂતી: આર્ટિફિશિયલ ઇન્ટેલિજન્સ સગર્ભા સ્ત્રી સાથે જીવંત વાતચીત નથી કરતું; તે વાતચીત માટે મિડવાઇફને તૈયાર કરે છે. મુશ્કેલ ભાષણ રિહર્સલ સહાનુભૂતિપૂર્ણ પ્રતિભાવો અને તટસ્થ વિકલ્પ રૂપરેખાનો સંગ્રહ ઉત્પન્ન કરે છે. મિડવાઇફ પરામર્શ અને વાસ્તવિક માનવ જોડાણ સ્થાપિત કરે છે; AI ટેક્સ્ટને રોબોટની જેમ વાંચવાથી લિંકનો નાશ થાય છે, ડ્રાફ્ટને તેની પોતાની ભાષામાં અનુવાદિત કરવામાં આવે છે.

12. AI આઉટપુટને વાસ્તવિક કાર્યમાં રજૂ કરતા પહેલા મોડ્યુલ દ્વારા પ્રસ્તાવિત 'ક્વોલિટી ગેટ' કયા પાંચ પ્રશ્નો પૂછે છે?

• એ) શું તે ઝડપી છે? શું તે સસ્તું છે? તે લાંબુ છે? શું તે ટૂંકું છે? તે સરસ છે?
• બી) કોણે લખ્યું? ક્યારે? ક્યાં? ક્યાંથી? કેવી રીતે?
• સી) શું તે નવું છે? શું તે લોકપ્રિય છે? શું તે આધુનિક છે? ટેકનિકલ? શું તે સત્તાવાર છે?
• ડી) શું તે સાચું છે? શું તે સુરક્ષિત છે? તે ગુપ્ત છે? તે સમજી શકાય છે? શું તે યોગ્ય છે? ✔

વર્ણન: વ્યક્તિગત ગુણવત્તા દરવાજો દરેક આઉટપુટ પર પાંચ પ્રશ્નો લાગુ કરે છે: શું તે સાચું છે? (નંબર/ડોઝ/માર્ગદર્શિકા ચકાસાયેલ), શું તે સુરક્ષિત છે? (શું તેમાં નિર્ણય/નિદાન/જોખમ સામેલ છે), શું તે ગોપનીય છે? (શું ત્યાં કોઈ ઓળખની માહિતી છે), શું તે સમજી શકાય તેવું છે? (શું તે સાક્ષરતા માટે યોગ્ય છે), શું તે યોગ્ય છે? (સાંસ્કૃતિક/ભાવનાત્મક સ્વર યોગ્ય છે). જ્યાં સુધી તમે તેમાંથી પાંચને 'હા' ન કહેશો ત્યાં સુધી આઉટપુટ પ્રકાશિત થશે નહીં.

13. ક્લિનિકલ ડોક્યુમેન્ટેશનમાં સુરક્ષિત હેન્ડઓવર માટે ઉપયોગમાં લેવાતા SBAR ફ્રેમવર્કમાં 'A (મૂલ્યાંકન)' મથાળા કોણ ભરે છે?

• એ) મિડવાઇફ પોતે ક્લિનિકલ મૂલ્યાંકન લખે છે; કૃત્રિમ બુદ્ધિ આ શીર્ષકને ખાલી છોડી દે છે ✔
• બી) કૃત્રિમ બુદ્ધિ આપમેળે મૂલ્યાંકનમાં ભરે છે અને મિડવાઇફ તેના પર સહી કરે છે
• સી) દર્દી દ્વારા મૂલ્યાંકન ભરવામાં આવે છે
• ડી) આ કેપ બિનજરૂરી છે, તેને દૂર કરી શકાય છે

સમજૂતી: SBAR નું શીર્ષક 'A' એ મિડવાઇફનું ક્લિનિકલ મૂલ્યાંકન છે અને તેને આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર છોડવામાં આવતું નથી. AI નોંધોને SBAR ફોર્મેટમાં નિકાસ કરી શકે છે અને અન્ય હેડિંગમાં ફેરફાર કરી શકે છે; પરંતુ મિડવાઇફ હંમેશા મૂલ્યાંકન, ક્લિનિકલ અર્થઘટન, હસ્તાક્ષર અને જવાબદારી સંભાળે છે.