लाभ:
- यह समझना कि स्वास्थ्य डेटा विशेष गुणवत्ता वाला डेटा है और केवीकेके/विधान के दायरे में गुमनामीकरण, भंडारण और साझाकरण नियम हैं
- कृत्रिम बुद्धिमत्ता के उपयोग में नैतिक सिद्धांतों (निष्पक्षता, पारदर्शिता, जवाबदेही) और एक कॉर्पोरेट प्रशासन नीति का मसौदा तैयार करने की क्षमता
- एक शासन ढांचा स्थापित करने में सक्षम होना जिसमें कृत्रिम बुद्धिमत्ता आउटपुट प्रबंधकीय और नैदानिक निर्णयों को प्रतिस्थापित नहीं करता है, और जिम्मेदारी और अंतिम अनुमोदन हमेशा मानव के पास रहता है।
इस पूरे मॉड्यूल में, हमने नियुक्तियों से लेकर बिस्तरों तक, पूर्वानुमान से लेकर राजस्व तक, गुणवत्ता से लेकर इन्वेंट्री तक, हर परिचालन क्षेत्र में एआई को एक त्वरक के रूप में उपयोग किया। लेकिन इन सभी शक्तिशाली उपयोगों पर एक छत है: डेटा गोपनीयता, नियामक अनुपालन और नैतिकता। इस ढांचे के बिना, आपके द्वारा बढ़ाया जाने वाला प्रत्येक व्यवसाय भी एक बढ़ा हुआ जोखिम है। यह अंतिम इकाई बिखरे हुए नियमों को एक शासन ढांचे में एक साथ लाती है। शासन वह प्रबंधन प्रणाली है जो परिभाषित करती है कि किसी संस्था में कौन क्या कर सकता है और किन नियमों के तहत कर सकता है, और जिम्मेदारी और नियंत्रण कैसे काम करते हैं। आइए मुख्य सिद्धांत को एक बार फिर सबसे स्पष्ट रूप से रखें: एआई आउटपुट प्रबंधकीय और नैदानिक निर्णयों को प्रतिस्थापित नहीं करता है; जिम्मेदारी और अंतिम मंजूरी हमेशा इंसान की होती है।
स्वास्थ्य डेटा निजी क्यों है?
स्वास्थ्य डेटा सामान्य डेटा नहीं है. तुर्किये में, केवीकेके (व्यक्तिगत डेटा संरक्षण कानून) स्वास्थ्य डेटा को "विशेष प्रकृति का व्यक्तिगत डेटा" मानता है; इसका मतलब है उच्चतम स्तर की सुरक्षा. इसका यूरोपीय समकक्ष जीडीपीआर है। यदि किसी मरीज का निदान, उपचार, प्रोटोकॉल संख्या प्रकट की जाती है, तो अपरिवर्तनीय क्षति होगी: कलंक, भेदभाव, विश्वास की हानि। तो कुछ बुनियादी नियम हैं. गुमनामीकरण का अर्थ डेटा से व्यक्ति की पहचान करने वाली सभी जानकारी (नाम, आईडी, प्रोटोकॉल, दुर्लभ निदान + आयु + स्थान संयोजन) को हटाना है। डेटा न्यूनीकरण का अर्थ है कम से कम डेटा के साथ काम करना। उद्देश्य सीमा का अर्थ है डेटा का उपयोग केवल उसी उद्देश्य के लिए करना जिसके लिए इसे एकत्र किया गया था। अवधारण सीमा डेटा को आवश्यकता से अधिक समय तक रखने की नहीं है।
रोगी डेटा को सार्वजनिक एआई टूल में चिपकाना डेटा को बाहरी सर्वर पर भेजना है और यह एक गंभीर उल्लंघन है। सही दृष्टिकोण: डेटा को अज्ञात रखें, यदि संभव हो तो कॉर्पोरेट और डेटा प्रोसेसिंग अनुबंध वाले टूल चुनें (जो मॉडल प्रशिक्षण के लिए आपके डेटा का उपयोग नहीं करते हैं), और एक लिखित नीति रखें कि कौन सा डेटा किस टूल में जा सकता है। याद रखें: जब छोटे-छोटे टुकड़े एक साथ आते हैं, तो एक व्यक्ति को फिर से परिभाषित किया जा सकता है; जबकि "68-वर्षीय महिला" सुरक्षित है, "गाँव X की 68-वर्षीय महिला, दुर्लभ बीमारी Y से पीड़ित" अब गुमनाम नहीं है।
नैतिकता और अंत-से-अंत शासन
अच्छा एआई प्रशासन तीन नैतिक सिद्धांतों पर आधारित है। निष्पक्षता यह है कि एआई रोगी समूह (बुजुर्ग, कम आय, ग्रामीण) को व्यवस्थित रूप से नुकसान नहीं पहुंचाता है; बहिष्करण के लिए नो-शो स्कोर का उपयोग न करना इसका एक उदाहरण था। पारदर्शिता का अर्थ है यह समझाने में सक्षम होना कि निर्णय किस पर आधारित है; दृश्यमान औचित्य वाले सुझाव को प्राथमिकता दी जाती है, न कि "ब्लैक बॉक्स" सुझाव को। जवाबदेही का अर्थ है प्रत्येक निर्णय के पीछे एक जिम्मेदार व्यक्ति का होना; "एआई ने ऐसा कहा" कोई बचाव नहीं है।
जो चीज़ इन सिद्धांतों को क्रियान्वित करती है वह शासन नीति है। एक अच्छी नीति परिभाषित करती है: कौन सा डेटा किस वाहन में जा सकता है (डेटा वर्गीकरण); गुमनामीकरण नियम; प्रत्येक कार्य के लिए मानव अनुमोदन अंक (कौन क्या हस्ताक्षर करता है); जवाबदेही और ऑडिट ट्रेल (किसने कब क्या किया - ट्रेल रिकॉर्ड); और नैतिक सिद्धांत. यह नीति उन सभी "लोग निर्णय लेते हैं" कथनों को जोड़ती है जो हमने पूरे मॉड्यूल में एक ही संस्थागत ढांचे में देखे थे।
ध्यान दें: वाक्य "एआई ने सुझाव दिया, मैंने लागू किया" जिम्मेदारी का हस्तांतरण नहीं है। कानूनी और नैतिक रूप से जिम्मेदारी उस व्यक्ति की रहती है जो सुझाव को स्वीकार करता है और उस पर अमल करता है। शासन इस जिम्मेदारी को सटीक रूप से दृश्यमान और पता लगाने योग्य बनाता है।
तीन मिनी मामले
केस 1 - पुनः पहचान का जोखिम। एक इकाई ने एक "गुमनाम" मामले का सारांश साझा किया: "हमारे शहर में एकमात्र हृदय प्रत्यारोपण रोगी, एक 34 वर्षीय पुरुष, को पिछले महीने छुट्टी दे दी गई।" इस वाक्य में कोई संज्ञा नहीं थी, लेकिन संयोजन उस व्यक्ति का विशिष्ट वर्णन करता था। इस पर गुणवत्ता अधिकारी ने आपत्ति जताई; दुर्लभ विशेषताओं का संयोजन गुमनामी को तोड़ता है। वर्णनात्मक विवरण हटाकर और इसे सामान्यीकृत करके सारांश को फिर से लिखा गया था।
केस 2 - ट्रेस रिकॉर्ड का मूल्य। एक अस्पताल में एआई से तैयार की गई प्रबंधन रिपोर्ट में एक नंबर गलत निकला और प्रबंधन को गलत जानकारी भेज दी गई। ऑडिट के दौरान सवाल उठा कि "यह नंबर कहां से आया, इसकी पुष्टि किसने की?" यह पूछा गया था। चूंकि संगठन की शासन नीति प्रत्येक एआई आउटपुट के लिए "स्रोत + सत्यापनकर्ता + दिनांक" रिकॉर्ड को अनिवार्य करती है, इसलिए यह तुरंत स्पष्ट हो गया कि त्रुटि वहीं हुई जहां सत्यापन चरण को छोड़ दिया गया था। ट्रेस रिकॉर्डिंग का उपयोग प्रक्रिया को सही करने के लिए किया गया था, अपराधियों की खोज के लिए नहीं।
केस 3 - नीति संकट को रोकती है। एक नया कर्मचारी अपनी डिस्चार्ज सूची को सार्वजनिक एआई टूल में अपलोड करने वाला था। संस्था की स्पष्ट नीति में कहा गया है कि "रोगी की पहचान वाली कोई भी फाइल खुले टूल में प्रवेश नहीं करती है, उन्हें पहले अज्ञात किया जाता है, और केवल अनुमोदित संस्थागत टूल का उपयोग किया जाता है।" कर्मचारी ने नीति को याद रखा, डेटा को अज्ञात किया और अनुमोदित टूल का उपयोग किया। लिखित शासन ने संस्थागत प्रतिक्रिया के रूप में एक व्यक्तिगत गलती को रोका।
चार प्रतिलिपि योग्य टेम्पलेट
1) मसौदा डेटा वर्गीकरण नीति:
आपकी भूमिका: स्वास्थ्य सेवा संस्थान के सूचना सुरक्षा/गुणवत्ता अधिकारी के सहायक। हमारे संस्थान के लिए "कौन सा डेटा एआई में प्रवेश कर सकता है" वर्गीकरण तालिका का मसौदा तैयार करें: लाल (कभी नहीं: रोगी आईडी, आईडी, प्रोटोकॉल), पीला (अनाम), हरा (मुक्त: सार्वजनिक, अवैयक्तिक)। प्रत्येक कक्षा के लिए उदाहरण और नियम लिखें। बताएं कि यह एक मसौदा है और कानूनी/अनुपालन विभाग को इसे अनुमोदित करने की आवश्यकता है।
2) गुमनामीकरण चेकलिस्ट:
एक गुमनाम चेकलिस्ट तैयार करें जिसे मैं एआई को कोई भी डेटा देने से पहले चलाऊंगा: क्या नाम/टीसी/प्रोटोकॉल आउटपुट है, क्या दुर्लभ सुविधा संयोजन (आयु+स्थान+दुर्लभ निदान) व्यक्ति की पहचान करता है, क्या कोई अनावश्यक स्थान है, क्या यह एक कॉर्पोरेट अनुमोदित उपकरण है। प्रत्येक आइटम को हां/नहीं के रूप में चिह्नित किया जाए।
3) मानव अनुमोदन बिंदु मानचित्र:
निम्नलिखित एआई उपयोग क्षेत्रों (रिपोर्ट, मांग पूर्वानुमान, बिस्तर प्राथमिकता, बिलिंग कोड, शिफ्ट शेड्यूल) के लिए "कौन मंजूरी देता है" तालिका बनाएं: प्रत्येक क्षेत्र के लिए जोखिम स्तर और अनिवार्य मानव अनुमोदन प्राधिकरण। उच्च जोखिम वाले क्षेत्रों में नैदानिक+प्रशासनिक दोहरी मंजूरी की आवश्यकता पर जोर दें।
4) एआई आउटपुट ट्रेस रिकॉर्डिंग टेम्पलेट:
प्रत्येक एआई आउटपुट को भरने के लिए एक ट्रेल लॉग टेम्पलेट लिखें: दिनांक, उपयोग किया गया उपकरण, दर्ज किए गए डेटा का वर्ग (अनाम), आउटपुट का सारांश, सत्यापित करने वाला व्यक्ति, अनुमोदन करने वाला प्रबंधक, निर्णय। बताएं कि यह ऑडिटिंग और जवाबदेही के लिए है।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
हमारे मरीजों का डेटा एआई को दें और उसका विश्लेषण कराएं।
गुमनामीकरण, वाहन सुरक्षा, कोई पुष्टि नहीं और कोई ट्रेस रिकॉर्डिंग नहीं; प्रत्यक्ष केवीकेके उल्लंघन का जोखिम।
शक्तिशाली संकेत:
हमारे संगठन के लिए एक एआई शासन नीति का मसौदा तैयार करें: (1) डेटा वर्गीकरण (लाल/पीला/हरा), (2) अज्ञातीकरण नियम, (3) प्रत्येक उपयोग के मामले के लिए मानव अनुमोदन बिंदु, (4) ट्रेल लॉगिंग और ऑडिटिंग, (5) निष्पक्षता/पारदर्शिता/जवाबदेही सिद्धांत। बताएं कि यह एक मसौदा है और इसके लिए कानूनी/अनुपालन अनुमोदन की आवश्यकता है।
शासन तत्व
क्या प्रदान करता है
उदाहरण
डेटा वर्गीकरण
निर्धारित करता है कि क्या प्रवेश कर सकता है
आईडी = कभी नहीं
गुमनामीकरण
व्यक्ति की रक्षा करता है
नाम/दुर्लभ संयोजन पॉप अप होता है
मानव अनुमोदन बिंदु
जिम्मेदारी परिभाषित करता है
उच्च जोखिम पर दोबारा जांच करें
ट्रैक रिकॉर्ड
लेखापरीक्षा
स्रोत + सत्यापनकर्ता + दिनांक
नैतिक सिद्धांत
निष्पक्ष, पारदर्शी, जवाबदेह
बहिष्करण के लिए स्कोर का उपयोग करना
सामान्य गलतियाँ
- पहचान योग्य डेटा को यह सोचकर साझा करना कि यह "गुमनाम" है। गुणों का एक दुर्लभ संयोजन व्यक्ति को दूर कर देता है।
- किसी अस्वीकृत उपकरण का उपयोग करना. डेटा एक ऑफसाइट सर्वर पर जाता है।
- एआई पर जिम्मेदारी डालना. "एआई ने कहा" कोई कानूनी बचाव नहीं है।
- ट्रैक रिकॉर्ड न रखना. जब कोई त्रुटि होती है, तो आप स्रोत और सत्यापन नहीं दिखा सकते।
- नीति लिखना और उस पर अमल नहीं करना. कागज पर नियम तब तक सुरक्षा नहीं करता जब तक कि वह प्रतिवर्त न हो।
युक्ति: अपनी शासन नीति को "सुनहरे नियमों" की एक सूची के साथ ताज पहनाएं जो एक ही पृष्ठ पर फिट हों और किसी के लिए भी याद रखने के लिए पर्याप्त सरल हों: आईडी दर्ज न करें, अज्ञात न रखें, अनुमोदित वाहन का उपयोग करें, सत्यापित करें, मानव हस्ताक्षर करें। लंबी नीति कोई नहीं पढ़ता; पांच का नियम सबको याद है.
सारांश
एआई की परिचालन शक्ति केवल गोपनीयता, कानून और नैतिकता के मजबूत ढांचे के तहत ही सुरक्षित है। स्वास्थ्य डेटा विशेष गुणवत्ता वाला डेटा है; गुमनामीकरण, डेटा न्यूनीकरण और अनुमोदित उपकरण आवश्यक हैं। सुशासन; यह डेटा वर्गीकरण, गुमनामीकरण, मानव अनुमोदन बिंदु, ट्रेस रिकॉर्डिंग और नैतिक सिद्धांतों (निष्पक्षता, पारदर्शिता, जवाबदेही) को एक ही ढांचे में जोड़ता है। यह इस मॉड्यूल का एक-वाक्य सार है: एआई तेजी लाता है, मानव निर्णय लेता है और जिम्मेदारी वहन करता है। एक असत्यापित एआई आउटपुट एक अहस्ताक्षरित प्रबंधन निर्णय जितना ही जोखिम भरा है।
आवेदन कार्य
"एआई आउटपुट ट्रेल रिकॉर्ड" और "डेटा वर्गीकरण" टेम्पलेट्स का उपयोग करके अपने संगठन के लिए एक पृष्ठ का मसौदा शासन नीति तैयार करें। कम से कम पाँच वस्तुओं की "सुनहरा नियम" सूची शामिल करें। फिर, पूरे मॉड्यूल में आपने जो उपयोग क्षेत्र सीखा है उसे चुनें (उदाहरण के लिए, बिस्तर प्राथमिकता या बिलिंग कोड) और 5 आइटम में लिखें कि इस नीति के लिए उस क्षेत्र में अनुमोदन और सत्यापन के किन चरणों की आवश्यकता है।
चेकलिस्ट
- [ ] क्या स्वास्थ्य डेटा को विशेष के रूप में वर्गीकृत किया गया है और क्या मैंने गुमनामीकरण नियम लागू किए हैं?
- [ ] क्या मैंने दुर्लभ फीचर संयोजन के साथ पुनः पहचान के जोखिम की जाँच की है?
- [ ] क्या मैंने प्रत्येक उपयोग के मामले के लिए मानव अनुमोदन बिंदु परिभाषित किया है?
- [ ] क्या मैं एआई आउटपुट के लिए ट्रैक रिकॉर्ड (स्रोत/सत्यापनकर्ता/दिनांक) रखता हूं?
- [ ] क्या मैंने पॉलिसी में लिखा है कि जिम्मेदारी और अंतिम मंजूरी हमेशा व्यक्ति की होती है?
मॉड्यूल परीक्षा
1. एक अस्पताल प्रबंधक बिना किसी नैदानिक मूल्यांकन के कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न बिस्तर आवंटन सिफारिश को सीधे लागू करता है। इस दृष्टिकोण में मूलभूत गलती क्या है?
- ए) कृत्रिम बुद्धिमत्ता आउटपुट को नैदानिक उपयुक्तता और प्रशासनिक सत्यापन के अधीन किए बिना निर्णय में परिवर्तित करना; इस बात को नजरअंदाज करना कि जिम्मेदारी लोगों की है ✔
- बी) बिस्तर प्रबंधन में कृत्रिम बुद्धिमत्ता का उपयोग करना सख्त वर्जित है
- C) आर्टिफिशियल इंटेलिजेंस हमेशा बिस्तरों की संख्या वास्तविक संख्या से अधिक दिखाता है
- डी) सुझाव किसी तालिका में प्रस्तुत नहीं किया गया है
विवरण: कृत्रिम बुद्धिमत्ता एक सांख्यिकीय अनुशंसा उत्पन्न करती है; हालाँकि, बिस्तर आवंटन और डिस्चार्ज प्राथमिकता रोगी की नैदानिक स्थिति पर निर्भर करती है और अंतिम निर्णय चिकित्सक/नर्स अनुमोदन और जिम्मेदार प्रबंधक का होता है। असत्यापित आउटपुट एक अहस्ताक्षरित निर्णय की तरह है।
2. सार्वजनिक रूप से उपलब्ध कृत्रिम बुद्धिमत्ता उपकरण में रोगी डेटा दर्ज करते समय निम्नलिखित में से कौन सा सबसे उपयुक्त दृष्टिकोण है?
- ए) गति के लिए मरीज का नाम और प्रोटोकॉल नंबर चिपकाना
- बी) पहचान की जानकारी हटाएं और डेटा को अज्ञात बनाएं और, यदि संभव हो, तो कॉर्पोरेट, अनुबंधित टूल का उपयोग करें ✔
- सी) केवल मरीज का नाम छिपाएं और टीआर आईडी नंबर छोड़ें
- डी) डेटा साझा करने से पहले रोगी से मौखिक अनुमति प्राप्त करना पर्याप्त है।
स्पष्टीकरण: स्वास्थ्य डेटा विशेष व्यक्तिगत डेटा है. नाम, टीआर आईडी, प्रोटोकॉल नंबर जैसी पहचान संबंधी जानकारी हटा दी जानी चाहिए, डेटा को गुमनाम किया जाना चाहिए, और यदि संभव हो तो कॉर्पोरेट डेटा प्रोसेसिंग अनुबंधित टूल को प्राथमिकता दी जानी चाहिए।
3. नो-शो की भविष्यवाणी करने में कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न जोखिम स्कोर का सबसे उपयुक्त उपयोग क्या है?
- ए) उच्च जोखिम वाले रोगियों के लिए नियुक्तियाँ करने से इंकार करना
- बी) स्कोर पर ध्यान न दें और सभी रोगियों पर समान प्रक्रिया लागू करें
- सी) निष्पक्ष योजना, अनुस्मारक भीड़ और ओवरबुकिंग जैसे पहुंच-संरक्षित हस्तक्षेप ✔
- डी) उच्च जोखिम वाले रोगियों को स्थायी रूप से ब्लैकलिस्ट करना
स्पष्टीकरण: जोखिम स्कोर एक संभाव्यता अनुमान है; इसका उपयोग निष्पक्ष हस्तक्षेप जैसे अनुस्मारक घनत्व, ओवरबुकिंग और एक्सेस सुविधा का मार्गदर्शन करने के लिए किया जाना चाहिए, न कि रोगी की अस्वीकृति के लिए। रोगी के पहुंच अधिकारों की रक्षा की जानी चाहिए।
4. मांग पूर्वानुमान में कृत्रिम बुद्धिमत्ता द्वारा दिए गए एकल नंबर के बजाय आत्मविश्वास अंतराल और परिदृश्यों के साथ काम करने का मुख्य कारण क्या है?
- ए) अंतराल प्रस्तुत करने से रिपोर्ट लंबी दिखाई देती है
- बी) क्योंकि कृत्रिम बुद्धिमत्ता एकल संख्याएँ उत्पन्न नहीं कर सकती
- सी) क्योंकि कॉन्फिडेंस इंटरवल हमेशा सटीक मूल्य देता है
- डी) चूंकि पूर्वानुमान में अनिश्चितता शामिल है, इसलिए परिदृश्यों के अनुसार लचीली योजना बनाना और जोखिमों का प्रबंधन करना आवश्यक है
स्पष्टीकरण: पूर्वानुमान ऐतिहासिक डेटा पर आधारित है और इसमें अनिश्चितता शामिल है। एक बिंदु के बजाय एक सीमा के अनुसार योजना बनाने से आप कम/उच्च मांग परिदृश्यों के लिए तैयार रह सकते हैं और लचीले ढंग से क्षमता का प्रबंधन कर सकते हैं।
5. जब आपके पास राजस्व चक्र में एआई सुझाव बिलिंग कोड हो तो सबसे गंभीर जोखिम क्या है?
- ए) आर्टिफिशियल इंटेलिजेंस एक अमान्य या गलत कोड बनाता है, इसे धाराप्रवाह सुझाता है और सत्यापन के बिना इसे चालान में दर्ज करता है ✔
- बी) आर्टिफिशियल इंटेलिजेंस बहुत धीरे-धीरे कोड तैयार करता है
- सी) कोड सुझाव हमेशा एसजीके द्वारा स्वचालित रूप से स्वीकार किया जाता है
- डी) कोड केवल अंग्रेजी में ही बनाए जा सकते हैं
स्पष्टीकरण: कृत्रिम बुद्धिमत्ता धाराप्रवाह ऐसे कोड का सुझाव दे सकती है जो वास्तव में मौजूद नहीं है या गलत है (मतिभ्रम)। कोडिंग और बिलिंग विनियमित हैं; प्रत्येक कोड को एक अधिकृत विशेषज्ञ द्वारा वैध लेनदेन सूचियों और धनवापसी नियमों के साथ सत्यापित किया जाना चाहिए।
6. गुणवत्ता संकेतक डैशबोर्ड पर, AI किसी संकेतक में अचानक गिरावट को 'सुधार' के रूप में व्याख्या करता है। प्रबंधक को क्या करना चाहिए?
- ए) टिप्पणी सीधे निदेशक मंडल को प्रस्तुत करना
- बी) जांच करें कि क्या परिवर्तन डेटा गुणवत्ता, परिभाषा परिवर्तन या लक्ष्य विचलन के कारण हो सकता है और कारणता सत्यापित करें ✔
- सी) डैशबोर्ड से संकेतक हटा दें
- डी) कृत्रिम बुद्धिमत्ता पर भरोसा करना और कोई जाँच नहीं करना
स्पष्टीकरण: संकेतक में परिवर्तन डेटा गुणवत्ता समस्या, परिभाषा परिवर्तन या गेमिंग के कारण हो सकता है। टिप्पणी के कारण और डेटा स्रोत को सत्यापित करना व्यवस्थापक पर निर्भर है।
7. कृत्रिम बुद्धिमत्ता के साथ रोगी संतुष्टि मुक्त पाठ प्रतिक्रिया का विश्लेषण करते समय सबसे आम गलती क्या है?
- ए) पाठों को विषयों में अलग करना
- बी) गुमनाम प्रतिक्रिया
- सी) सभी रोगियों के लिए स्वचालित भावना लेबल और नमूने को मान्य किए बिना सामान्यीकृत करना ✔
- डी) शिकायतों को प्राथमिकता देना
स्पष्टीकरण: स्वचालित भावना लेबलिंग विडंबना, निषेध और गलत संदर्भ प्रस्तुत कर सकती है; इसके अतिरिक्त, केवल लेखकों की राय में नमूनाकरण पूर्वाग्रह होता है। नमूने लेने और पढ़ने के साथ परिणामों की पुष्टि किए बिना सामान्यीकरण नहीं किया जाना चाहिए।
8. इन्वेंट्री प्रबंधन में एबीसी विश्लेषण का मुख्य उद्देश्य क्या है?
- ए) सभी वस्तुओं को वर्णानुक्रम में व्यवस्थित करना
- बी) केवल विटामिन ए युक्त दवाओं की गिनती
- सी) समाप्त हो चुके उत्पादों को नष्ट करना
- डी) स्टॉक वस्तुओं को मूल्य/महत्वपूर्णता स्तर के अनुसार वर्गीकृत करना और सबसे महत्वपूर्ण वस्तुओं को नियंत्रण प्राथमिकता निर्देशित करना ✔
स्पष्टीकरण: एबीसी विश्लेषण मूल्य/महत्वपूर्णता के संदर्भ में इन्वेंट्री आइटम को ए (उच्च), बी (मध्यम), सी (कम) के रूप में वर्गीकृत करता है; इस प्रकार, प्रबंधन का ध्यान और नियंत्रण आवृत्ति सबसे महत्वपूर्ण वस्तुओं पर केंद्रित है।
9. प्रक्रिया सुधार में 'अड़चन' की अवधारणा का क्या अर्थ है?
- ए) सबसे संकीर्ण क्षमता वाला कदम और पूरे प्रवाह की गति को सीमित करना ✔
- बी) प्रक्रिया का सबसे तेज़ चलने वाला चरण
- सी) वह इकाई जहां सबसे अधिक कर्मचारी काम करते हैं
- डी) वह चरण जिसमें मरीज़ सबसे अधिक संतुष्ट होते हैं
विवरण: टोंटी सबसे संकीर्ण क्षमता वाला कदम है जो पूरी प्रक्रिया की गति निर्धारित करती है। सुधार के प्रयास को पहले अड़चन पर ध्यान केंद्रित करना चाहिए; अन्यत्र सुधार से समग्र प्रवाह में तेजी नहीं आती है।
10. शिफ्ट प्लानिंग में आर्टिफिशियल इंटेलिजेंस द्वारा निर्मित शेड्यूल को लागू करने से पहले प्रबंधक को क्या जांचना चाहिए?
- ए)चार्ट रंग में मुद्रित है या नहीं
- बी) श्रम कानून, बाकी अवधि, नैदानिक क्षमता और न्याय नियमों का अनुपालन ✔
- सी) आर्टिफिशियल इंटेलिजेंस को चार्ट तैयार करने में कितने सेकंड लगते हैं?
- डी) क्या शेड्यूल सबसे वरिष्ठ कर्मियों के पक्ष में है
विवरण: चार्ट; इसे श्रम कानून (अधिकतम काम के घंटे, आराम), कर्मचारी अधिकार, नैदानिक क्षमता और न्याय के नियमों का पालन करना चाहिए। एआई एक मसौदा तैयार कर सकता है जो इन नियमों का उल्लंघन करता है; अंतिम अनुमोदन प्रबंधक के पास है।
11. निम्नलिखित में से कौन स्वास्थ्य देखभाल प्रबंधन में कृत्रिम बुद्धिमत्ता के उपयोग की सही सीमा को व्यक्त करता है?
- ए) कृत्रिम बुद्धिमत्ता सभी प्रबंधकीय निर्णय स्वचालित रूप से ले सकती है
- बी) कृत्रिम बुद्धिमत्ता का उपयोग केवल पाठ लिखने में किया जा सकता है, संख्यात्मक विश्लेषण में नहीं
- सी) कृत्रिम बुद्धिमत्ता एक सहायक और निर्णय समर्थन उपकरण है; महत्वपूर्ण निर्णयों की जिम्मेदारी और अंतिम स्वीकृति मनुष्यों पर निर्भर करती है ✔
- डी) कृत्रिम बुद्धिमत्ता मानव अनुमोदन के बिना पुनर्भुगतान निर्णयों को अंतिम रूप दे सकती है
विवरण: कृत्रिम बुद्धिमत्ता सहायक, ड्राफ्ट जनरेटर और निर्णय समर्थन उपकरण। संसाधन आवंटन, नैदानिक प्राथमिकता और रोगी सुरक्षा को प्रभावित करने वाले निर्णयों की जिम्मेदारी और अंतिम अनुमोदन हमेशा सक्षम विशेषज्ञ और जिम्मेदार प्रबंधक के पास होता है।
12. ठहरने की औसत लंबाई (एलओएस) संकेतक में कमी अकेले 'सफलता' का पर्याप्त सबूत क्यों नहीं है?
- ए) चूँकि ठहरने की अवधि कभी नहीं मापी जा सकती
- बी) चूंकि ठहरने की अवधि की गणना केवल कृत्रिम बुद्धि द्वारा की जा सकती है
- सी) चूंकि ठहरने की अवधि प्रतिपूर्ति के लिए बिल्कुल भी प्रासंगिक नहीं है।
- डी) यदि कमी जल्दी डिस्चार्ज और पुनः प्रवेश में वृद्धि के साथ आती है, तो रोगी की सुरक्षा ख़राब हो सकती है और इसकी व्याख्या प्रासंगिक संकेतकों के साथ की जानी चाहिए ✔
स्पष्टीकरण: निवास का कम समय अच्छे संसाधन उपयोग का संकेत दे सकता है; हालाँकि, यदि यह शीघ्र छुट्टी और पुनः प्रवेश में वृद्धि के साथ आता है, तो रोगी की सुरक्षा ख़राब हो सकती है। सूचक की व्याख्या अन्य संबंधित सूचकों के साथ मिलकर की जानी चाहिए।
13. महामारी या आपदा जैसे अचानक व्यवधान की स्थिति में ऐतिहासिक डेटा के आधार पर मांग पूर्वानुमान की स्थिति क्या है?
- ए) भविष्यवाणी मार्गदर्शन करना बंद कर देती है; विशेषज्ञ निर्णय और वास्तविक समय की निगरानी आगे बढ़ती है ✔
- बी) इन स्थितियों में ऐतिहासिक डेटा पर आधारित भविष्यवाणी सबसे विश्वसनीय हो जाती है
- सी) पूर्वानुमान स्वचालित रूप से सही हो जाता है, किसी हस्तक्षेप की आवश्यकता नहीं होती है
- डी) इन मामलों में, योजना बनाना पूरी तरह से बंद कर देना चाहिए
विवरण: एआई भविष्यवाणी पिछले पैटर्न पर आधारित है। महामारी, आपदा या विधायी परिवर्तन जैसे संरचनात्मक व्यवधानों में, पिछला डेटा मार्गदर्शन करना बंद कर देता है; विशेषज्ञ निर्णय और वास्तविक समय की निगरानी अग्रणी भूमिका निभाती है।
14. कॉर्पोरेट एआई गवर्नेंस नीति में निम्नलिखित में से किसे शामिल किया जाना चाहिए?
- ए) केवल किस ब्रांड का आर्टिफिशियल इंटेलिजेंस टूल खरीदा जाएगा?
- बी) डेटा वर्गीकरण, गुमनामीकरण, मानव अनुमोदन बिंदु, जिम्मेदारी/ऑडिट रिकॉर्ड और नैतिक सिद्धांत ✔
- सी) नियम है कि केवल प्रबंधक ही कृत्रिम बुद्धिमत्ता का उपयोग कर सकते हैं
- डी) एक लेख जो कृत्रिम बुद्धिमत्ता को सभी निर्णय अकेले लेने की अनुमति देता है
विवरण: सुदृढ़ शासन; यह परिभाषित करता है कि कौन सा डेटा किस टूल में जा सकता है, गुमनामीकरण नियम, मानव अनुमोदन बिंदु, जिम्मेदारी और ऑडिट रिकॉर्ड, नैतिक सिद्धांत (निष्पक्षता, पारदर्शिता, जवाबदेही)।