लाभ:
- KVKK/विधानको दायरा भित्र स्वास्थ्य डेटा विशेष गुणस्तर डेटा र बेनामीकरण, भण्डारण र साझेदारी नियमहरू हो भन्ने बुझ्दै।
- कृत्रिम बुद्धिमत्ताको प्रयोगमा नैतिक सिद्धान्तहरू (निष्पक्षता, पारदर्शिता, जवाफदेहिता) र कर्पोरेट प्रशासन नीतिको मस्यौदा गर्ने क्षमता
- प्रशासनिक ढाँचा स्थापना गर्न सक्षम हुनु जसमा कृत्रिम बुद्धिमत्ता उत्पादनले व्यवस्थापकीय र क्लिनिकल निर्णयहरू प्रतिस्थापन गर्दैन, र जिम्मेवारी र अन्तिम स्वीकृति सधैं मानवसँग रहन्छ।
यस मोड्युलमा, हामीले एआईलाई प्रत्येक परिचालन क्षेत्रमा एक्सेलेटरको रूपमा प्रयोग गर्यौं, नियुक्तिदेखि बेडसम्म, पूर्वानुमानदेखि राजस्वसम्म, गुणस्तरदेखि सूचीसम्म। तर यी सबै शक्तिशाली प्रयोगहरूमा छत छ: डेटा गोपनीयता, नियामक अनुपालन र नैतिकता। यो ढाँचा बिना, तपाइँले गति बढाउनु भएको प्रत्येक व्यवसाय पनि एक प्रवर्धित जोखिम हो। यो अन्तिम इकाईले छरिएका नियमहरूलाई एउटै शासन ढाँचामा ल्याउँछ। प्रशासन भनेको व्यवस्थापन प्रणाली हो जसले संस्थामा कसले के गर्न सक्छ र कुन नियमहरू अन्तर्गत, र कसरी जिम्मेवारी र नियन्त्रण कार्य गर्दछ भनेर परिभाषित गर्दछ। मुख्य सिद्धान्तलाई फेरि एक पटक राखौं, सबैभन्दा स्पष्ट रूपमा: एआई आउटपुटले व्यवस्थापकीय र क्लिनिकल निर्णयहरू प्रतिस्थापन गर्दैन; उत्तरदायित्व र अन्तिम स्वीकृति सधैं मानिससँग हुन्छ।
स्वास्थ्य डाटा किन निजी छ?
स्वास्थ्य डाटा सामान्य डाटा होइन। Türkiye मा, KVKK (व्यक्तिगत डेटा संरक्षण कानून) ले स्वास्थ्य डेटालाई "विशेष प्रकृतिको व्यक्तिगत डेटा" मान्छ; यसको अर्थ सुरक्षाको उच्चतम स्तर हो। यसको युरोपेली समकक्ष GDPR हो। यदि बिरामीको निदान, उपचार, प्रोटोकल नम्बर प्रकट भयो भने, अपरिवर्तनीय हानि हुनेछ: कलंक, भेदभाव, विश्वासको हानि। त्यसैले त्यहाँ केही आधारभूत नियमहरू छन्। अज्ञातता भनेको डेटाबाट व्यक्ति (नाम, आईडी, प्रोटोकल, दुर्लभ निदान + उमेर + स्थान संयोजन) पहिचान गर्ने सबै जानकारी हटाउनु हो। डाटा मिनिमाइजेसनले काम गर्ने डाटाको न्यूनतम मात्रामा काम गरिरहेको छ। उद्देश्य सीमितता भनेको डाटा प्रयोग गर्ने उद्देश्यका लागि मात्र प्रयोग गर्नु हो जसको लागि यो सङ्कलन गरिएको थियो। अवधारण सीमा आवश्यक भन्दा लामो डाटा राख्न को लागी छैन।
सार्वजनिक एआई उपकरणमा बिरामीको डाटा टाँस्नु भनेको बाह्य सर्भरमा डाटा पठाउनु हो र गम्भीर उल्लङ्घन हो। सही दृष्टिकोण: डेटा गुमनाम राख्नुहोस्, यदि सम्भव भएमा कर्पोरेट र डेटा प्रशोधन सम्झौताहरू (तपाईँको डेटा मोडेल प्रशिक्षणको लागि प्रयोग नगर्ने) उपकरणहरू छनौट गर्नुहोस्, र कुन उपकरणमा डेटा जान सकिन्छ भन्ने लिखित नीति छ। सम्झनुहोस्: जब सानो टुक्राहरू सँगै आउँछन्, एक व्यक्तिलाई पुन: परिभाषित गर्न सकिन्छ; "६८ वर्षीया महिला" सकुशल रहे पनि, "६८ वर्षीया महिला, गाउँ Xकी, दुर्लभ रोग वाई" अब गुमनाम रहेनन्।
नैतिकता र अन्त देखि अन्त शासन
सुशासन तीन नैतिक सिद्धान्तहरूमा आधारित हुन्छ। निष्पक्षता यो हो कि AI ले बिरामी समूह (बुजुर्ग, न्यून आय भएका, ग्रामीण) लाई व्यवस्थित रूपमा हानि पुर्याउँदैन; बहिष्कारको लागि नो-शो स्कोर प्रयोग नगर्नु यसको उदाहरण थियो। पारदर्शिता भनेको केमा आधारित निर्णय हो भनेर व्याख्या गर्न सक्षम हुनु हो; देखिने औचित्य भएको सुझावलाई प्राथमिकता दिइन्छ, "ब्ल्याक बक्स" सुझाव होइन। जवाफदेहिता भनेको प्रत्येक निर्णयको पछाडि जिम्मेवार व्यक्ति हुनु हो। "एआईले त्यसो भन्यो" रक्षा होइन।
यी सिद्धान्तहरूलाई कार्यमा ल्याउने कुरा भनेको शासन नीति हो। राम्रो नीतिले परिभाषित गर्दछ: कुन डेटा कुन गाडीमा जान सक्छ (डेटा वर्गीकरण); अज्ञात नियम; प्रत्येक कामको लागि मानव अनुमोदन अंक (कसले के हस्ताक्षर गर्छ); जवाफदेहिता र लेखापरीक्षण ट्रेल (कसले कहिले के गर्यो — ट्रेल रेकर्ड); र नैतिक सिद्धान्तहरू। यो नीतिले हामीले सम्पूर्ण मोड्युलमा देखेका सबै "जनताले निर्णय" भनाइहरूलाई एउटै संस्थागत ढाँचामा जोड्दछ।
ध्यान दिनुहोस्: वाक्य "AI सुझाव दिए, मैले कार्यान्वयन गरें" जिम्मेवारी हस्तान्तरण होइन। कानुनी र नैतिक रूपमा, जिम्मेवारी सुझाव स्वीकार गर्ने र लागू गर्ने व्यक्तिसँग रहन्छ। सुशासनले यो जिम्मेवारीलाई ठ्याक्कै देखिने र पत्ता लगाउन सकिने बनाउँछ।
तीन मिनी केसहरू
केस १ - पुन: पहिचानको जोखिम। एउटा इकाईले "अज्ञात" केस सारांश साझा गर्यो: "हाम्रो शहरमा एक मात्र हृदय प्रत्यारोपण बिरामी, 34 वर्षीय पुरुष, गत महिना डिस्चार्ज गरियो।" यस वाक्यमा कुनै संज्ञा थिएन, तर संयोजनले त्यो व्यक्तिलाई विशिष्ट रूपमा वर्णन गर्यो। गुणस्तर अधिकारीले यसमा आपत्ति जनाए; दुर्लभ सुविधाहरूको संयोजनले गुमनामता तोड्छ। सारांश वर्णनात्मक विवरणहरू हटाएर र यसलाई सामान्यीकरण गरेर पुन: लेखिएको थियो।
केस २ - ट्रेस रेकर्डको मूल्य। एउटा अस्पतालमा, एआईसँग उत्पादन गरिएको व्यवस्थापन रिपोर्टमा नम्बर गलत भयो र व्यवस्थापनलाई गलत जानकारी पठाइएको थियो। लेखापरीक्षणका क्रममा ‘यो नम्बर कहाँबाट आयो, कसले पुष्टि गर्यो’ भन्ने प्रश्न उठेको छ । सोधिएको थियो। संगठनको शासन नीतिले प्रत्येक एआई आउटपुटको लागि "स्रोत + प्रमाणिकरण + मिति" रेकर्ड अनिवार्य गरेको हुनाले, यो तुरुन्तै स्पष्ट भयो कि प्रमाणीकरण चरण छोडिएको ठाउँमा त्रुटि देखा पर्यो। ट्रेस रेकर्डिङ प्रक्रिया सुधार गर्न प्रयोग गरिएको थियो, अपराधीहरूको खोजी गर्न होइन।
केस ३ - नीतिले संकटलाई रोक्छ। एक नयाँ कर्मचारी सार्वजनिक एआई उपकरणमा आफ्नो डिस्चार्ज सूची अपलोड गर्न लागिरहेको थियो। संस्थाको स्पष्ट नीतिमा भनिएको छ कि "बिरामी पहिचान भएको कुनै पनि फाइलहरू खुला उपकरणमा प्रवेश गर्दैन, तिनीहरू पहिले गुमनाम हुन्छन्, र केवल स्वीकृत संस्थागत उपकरण प्रयोग गरिन्छ।" कर्मचारीले नीति सम्झे, डाटा गुमाए, र अनुमोदित उपकरण प्रयोग गरे। लिखित शासन व्यवस्थाले संस्थागत रिफ्लेक्सको रूपमा व्यक्तिगत गल्तीलाई रोक्यो।
चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
1) मस्यौदा डाटा वर्गीकरण नीति:
तपाईंको भूमिका: स्वास्थ्य सेवा संस्थाको सूचना सुरक्षा/गुण अधिकारीको सहायक। हाम्रो संस्थाको लागि "कुन डेटाले AI मा प्रवेश गर्न सक्छ" वर्गीकरण तालिकाको मस्यौदा तयार पार्नुहोस्: रातो (कहिल्यै होइन: बिरामीको ID, ID, प्रोटोकल), पहेंलो (अज्ञात), हरियो (नि:शुल्क: सार्वजनिक, व्यक्तिगत)। प्रत्येक कक्षाको लागि उदाहरण र नियमहरू लेख्नुहोस्। यो मस्यौदा हो र कानुनी/अनुपालन विभागले यसलाई अनुमोदन गर्न आवश्यक छ भनी बताउनुहोस्।
2) बेनामी चेकलिस्ट:
एउटा अज्ञात चेकलिस्ट तयार गर्नुहोस् जुन म AI लाई कुनै पनि डेटा दिनु अघि चलाउनेछु: नाम/TC/प्रोटोकल आउटपुट हो, के दुर्लभ सुविधा संयोजन (उमेर+स्थान + दुर्लभ निदान) ले व्यक्ति पहिचान गर्दछ, त्यहाँ कुनै अनावश्यक ठाउँ छ, के यो कर्पोरेट अनुमोदित उपकरण हो। प्रत्येक वस्तुलाई हो/होइन भनेर चिन्ह लगाउनुहोस्।
3) मानव अनुमोदन बिन्दु नक्शा:
निम्न AI प्रयोग क्षेत्रहरू (रिपोर्ट, माग पूर्वानुमान, ओछ्यान प्राथमिकता, बिलिङ कोड, शिफ्ट तालिका) को लागि "कसले अनुमोदन गर्छ" तालिका बनाउनुहोस्: जोखिम स्तर र प्रत्येक क्षेत्रको लागि अनिवार्य मानव अनुमोदन प्राधिकरण। उच्च जोखिम क्षेत्रहरूमा क्लिनिकल + प्रशासनिक दोहोरो स्वीकृतिको आवश्यकतालाई जोड दिनुहोस्।
4) AI आउटपुट ट्रेस रेकर्डिङ टेम्प्लेट:
प्रत्येक AI आउटपुटको लागि भर्नको लागि ट्रेल लग टेम्प्लेट लेख्नुहोस्: मिति, प्रयोग गरिएको उपकरण, प्रविष्ट गरिएको डेटाको वर्ग (अज्ञात), आउटपुटको सारांश, प्रमाणित गर्ने व्यक्ति, अनुमोदन गर्ने प्रबन्धक, निर्णय। यो लेखापरीक्षण र जवाफदेहिताको लागि हो भनी बताउनुहोस्।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
हाम्रा बिरामीहरूको डाटा AI लाई दिनुहोस् र यसलाई विश्लेषण गर्नुहोस्।
बेनामी, वाहन सुरक्षा, कुनै पुष्टिकरण र कुनै ट्रेस रेकर्डिङ; प्रत्यक्ष KVKK उल्लङ्घनको जोखिम।
शक्तिशाली प्रम्प्ट:
हाम्रो संगठनको लागि एआई गभर्नेन्स नीतिको मस्यौदा बनाउनुहोस्: (१) डाटा वर्गीकरण (रातो/पहेंलो/हरियो), (२) अज्ञातीकरण नियमहरू, (३) प्रत्येक प्रयोग केसका लागि मानव अनुमोदन बिन्दुहरू, (४) ट्रेल लगिङ र अडिटिङ, (५) निष्पक्षता/पारदर्शिता/जवाफदारी सिद्धान्तहरू। यो मस्यौदा हो र कानुनी/अनुमोदन अनुमोदन आवश्यक छ भनी बताउनुहोस्।
शासन तत्व
के प्रदान गर्दछ
उदाहरण
डाटा वर्गीकरण
के प्रविष्ट गर्न सकिन्छ निर्धारण गर्दछ
ID = कहिल्यै
बेनामी
व्यक्तिको सुरक्षा गर्छ
नाम / दुर्लभ संयोजन पप अप
मानव अनुमोदन बिन्दुहरू
जिम्मेवारी परिभाषित गर्दछ
उच्च जोखिममा दोहोरो जाँच गर्नुहोस्
ट्र्याक रेकर्ड
लेखापरीक्षण क्षमता
स्रोत + प्रमाणकर्ता + मिति
नैतिक सिद्धान्तहरू
निष्पक्ष, पारदर्शी, जवाफदेही
बहिष्कारको लागि स्कोर प्रयोग गर्दै
सामान्य गल्तीहरू
- पहिचान योग्य डेटा साझा गर्दै यो सोच्दै "अनाम" हो। लक्षणहरूको दुर्लभ संयोजनले व्यक्तिलाई टाढा दिन्छ।
- एक अस्वीकृत उपकरण प्रयोग गर्दै। डाटा अफसाइट सर्भरमा जान्छ।
- AI मा जिम्मेवारी राख्दै। "एआईले भन्यो" कानुनी प्रतिरक्षा होइन।
- ट्रयाक रेकर्ड राख्ने छैन। त्यहाँ त्रुटि हुँदा, तपाईंले स्रोत र प्रमाणीकरण देखाउन सक्नुहुन्न।
- नीति बनाएर कार्यान्वयन नगर्ने । रिफ्लेक्स नभएसम्म कागजमा भएको नियमले सुरक्षा गर्दैन।
सुझाव: एकल पृष्ठमा फिट हुने र कसैलाई पनि याद गर्न पर्याप्त सरल हुने "सुनौलो नियमहरू" को सूचीको साथ आफ्नो शासन नीतिलाई क्राउन गर्नुहोस्: आईडी प्रविष्ट नगर्नुहोस्, गुमनाम राख्नुहोस्, अनुमोदित सवारी साधन प्रयोग गर्नुहोस्, प्रमाणीकरण गर्नुहोस्, मानव हस्ताक्षर गर्नुहोस्। लामो नीति कसैले पढ्दैन; पाँचको नियम सबैलाई याद छ।
संक्षेपमा
AI को परिचालन शक्ति गोपनीयता, कानून र नैतिकताको बलियो ढाँचा अन्तर्गत मात्र सुरक्षित छ। स्वास्थ्य डेटा विशेष गुणस्तर डेटा हो; बेनामी, डाटा न्यूनीकरण र अनुमोदित उपकरण आवश्यक छ। सुशासन; यसले डेटा वर्गीकरण, गुमनामकरण, मानव अनुमोदन बिन्दुहरू, ट्रेस रेकर्डिङ र नैतिक सिद्धान्तहरू (निष्पक्षता, पारदर्शिता, जवाफदेहिता) लाई एउटै ढाँचामा संयोजन गर्दछ। यो यस मोड्युलको एक-वाक्य सार हो: AI ले गति दिन्छ, मानव निर्णय गर्दछ र जिम्मेवारी वहन गर्दछ। एक अप्रमाणित AI आउटपुट एक हस्ताक्षर नगरिएको व्यवस्थापन निर्णय जस्तै जोखिमपूर्ण छ।
आवेदन कार्य
"AI आउटपुट ट्रेल रेकर्ड" र "डेटा वर्गीकरण" टेम्प्लेटहरू प्रयोग गरेर तपाईंको संगठनको लागि एक पृष्ठको मस्यौदा शासन नीति तयार गर्नुहोस्। कम्तिमा पाँच वस्तुहरूको "सुनौलो नियम" सूची समावेश गर्नुहोस्। त्यसपछि, तपाईंले मोड्युल भरि सिकेको प्रयोग क्षेत्र छनोट गर्नुहोस् (उदाहरणका लागि, बेड प्राथमिकता वा बिलिङ कोड) र 5 वस्तुहरूमा लेख्नुहोस् जुन स्वीकृति र प्रमाणीकरण चरणहरू यस क्षेत्रमा आवश्यक पर्दछ।
चेकलिस्ट
- [ ] के स्वास्थ्य डेटा विशेष रूपमा वर्गीकृत गरिएको छ र मैले बेनामी नियमहरू लागू गरेको छु?
- [ ] के मैले दुर्लभ सुविधा संयोजनको साथ पुन: पहिचानको जोखिम जाँच गरेको छु?
- के मैले प्रत्येक प्रयोग केसको लागि मानव अनुमोदन बिन्दु परिभाषित गरेको छु?
- के म एआई आउटपुटहरूको लागि ट्र्याक रेकर्ड (स्रोत/प्रमाणिक/मिति) राख्छु?
- के मैले नीतिमा लेखेको छु कि जिम्मेवारी र अन्तिम स्वीकृति सधैं व्यक्तिमा निहित हुन्छ?
मोड्युल परीक्षा
1. एक अस्पताल प्रबन्धकले कुनै पनि क्लिनिकल मूल्याङ्कन बिना कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न बेड आवंटन सिफारिसलाई प्रत्यक्ष रूपमा लागू गर्दछ। यस दृष्टिकोणमा आधारभूत त्रुटि के हो?
- क) कृत्रिम बुद्धिमत्ता आउटपुटलाई क्लिनिकल उपयुक्तता र प्रशासनिक प्रमाणीकरणको अधीनमा नगरी निर्णयमा रूपान्तरण गर्दै; जिम्मेवारी जनताको हो भन्ने कुरालाई बेवास्ता गर्दै ✔
- ख) ओछ्यान व्यवस्थापनमा आर्टिफिसियल इन्टेलिजेन्स प्रयोग गर्न कडाइका साथ निषेध गरिएको छ
- C) आर्टिफिसियल इन्टेलिजेन्सले सधैं बेडको संख्या वास्तवमा भन्दा बढी देखाउँछ
- घ) सुझाव तालिकामा प्रस्तुत गरिएको छैन
विवरण: कृत्रिम बुद्धिमत्ताले सांख्यिकीय सिफारिस उत्पादन गर्दछ; यद्यपि, ओछ्यान बाँडफाँड र डिस्चार्ज प्राथमिकता बिरामीको क्लिनिकल अवस्थामा निर्भर गर्दछ र अन्तिम निर्णय चिकित्सक/नर्सको स्वीकृति र जिम्मेवार प्रबन्धकको हो। अप्रमाणित आउटपुट एक हस्ताक्षर नगरिएको निर्णय जस्तै हो।
2. सार्वजनिक रूपमा उपलब्ध कृत्रिम बुद्धिमत्ता उपकरणमा बिरामी डेटा प्रविष्ट गर्दा निम्न मध्ये कुन सबैभन्दा उपयुक्त दृष्टिकोण हो?
- A) गतिको लागि जस्तै बिरामीको नाम र प्रोटोकल नम्बर टाँस्दै
- B) पहिचान जानकारी हटाउनुहोस् र डेटा गुमनाम गर्नुहोस् र सम्भव भएमा, कर्पोरेट, अनुबंधित उपकरण प्रयोग गर्नुहोस् ✔
- C) बिरामीको नाम मात्र लुकाउनुहोस् र TR ID नम्बर छोड्नुहोस्
- घ) डाटा साझा गर्नु अघि बिरामीबाट मौखिक अनुमति प्राप्त गर्न पर्याप्त छ।
स्पष्टीकरण: स्वास्थ्य डेटा विशेष व्यक्तिगत डेटा हो। पहिचान जानकारी जस्तै नाम, TR ID, प्रोटोकल नम्बर हटाइनु पर्छ, डाटा गुमनाम हुनुपर्छ, र यदि सम्भव छ भने, कर्पोरेट डाटा प्रोसेसिंग अनुबंधित उपकरणहरूलाई प्राथमिकता दिनुपर्छ।
3. नो-शो भविष्यवाणी गर्न कृत्रिम बुद्धिमत्ता द्वारा उत्पादित जोखिम स्कोरको सबैभन्दा उपयुक्त प्रयोग के हो?
- क) उच्च जोखिम भएका बिरामीहरूको लागि अपोइन्टमेन्टहरू लिन अस्वीकार गर्दै
- ख) स्कोरलाई बेवास्ता गर्नुहोस् र सबै रोगीहरूमा समान प्रक्रिया लागू गर्नुहोस्
- C) योजना मेला, पहुँच-संरक्षण हस्तक्षेपहरू जस्तै रिमाइन्डर भीड र ओभरबुकिङ ✔
- घ) उच्च जोखिम भएका बिरामीहरूलाई स्थायी रूपमा कालोसूचीमा राख्ने
स्पष्टीकरण: जोखिम स्कोर एक सम्भाव्यता अनुमान हो; यो निष्पक्ष हस्तक्षेपहरू जस्तै रिमाइन्डर घनत्व, ओभरबुकिङ र पहुँच सुविधालाई मार्गदर्शन गर्न प्रयोग गरिनुपर्छ, बिरामी अस्वीकार होइन। बिरामीको पहुँचको अधिकार सुरक्षित हुनुपर्छ।
4. माग पूर्वानुमान मा कृत्रिम बुद्धिमत्ता द्वारा दिइएको एक संख्या को सट्टा आत्मविश्वास अन्तराल र परिदृश्य संग काम गर्न को मुख्य कारण के हो?
- क) अन्तराल प्रस्तुत गर्दा रिपोर्ट लामो देखिन्छ
- B) किनभने कृत्रिम बुद्धिमत्ताले एकल संख्याहरू उत्पादन गर्न सक्दैन
- C) किनभने विश्वास अन्तरालले सधैं सही मूल्य दिन्छ
- D) पूर्वानुमानमा अनिश्चितता समावेश भएको हुनाले, परिदृश्यहरू अनुसार लचिलो योजना बनाउन र जोखिमहरू व्यवस्थापन गर्न आवश्यक छ ✔
स्पष्टीकरण: पूर्वानुमान ऐतिहासिक डेटामा आधारित छ र अनिश्चितता समावेश छ। एकल बिन्दुको सट्टा दायरा अनुसार योजना बनाउनुले तपाईंलाई कम/उच्च माग परिदृश्यहरूको लागि तयार हुन र क्षमतालाई लचिलो रूपमा व्यवस्थापन गर्न अनुमति दिन्छ।
5. राजस्व चक्रमा AI ले बिलिङ कोडहरू सुझाव दिँदा सबैभन्दा महत्त्वपूर्ण जोखिम के हो?
- A) आर्टिफिसियल इन्टेलिजेन्सले अवैध वा गलत कोड बनाउँछ, यसलाई सहज रूपमा सुझाव दिन्छ र प्रमाणीकरण बिना बीजकमा प्रविष्टि गर्दछ ✔
- ख) आर्टिफिसियल इन्टेलिजेन्सले कोडहरू धेरै बिस्तारै उत्पादन गर्छ
- C) कोड सुझाव सधैं SGK द्वारा स्वचालित रूपमा स्वीकार गरिन्छ
- D) कोडहरू अंग्रेजीमा मात्र उत्पादन गर्न सकिन्छ
स्पष्टीकरण: आर्टिफिसियल इन्टेलिजेन्सले वास्तवमा अवस्थित नभएको वा गलत (हलुसिनेशन) कोडलाई सहज रूपमा सुझाव दिन सक्छ। कोडिङ र बिलिङ विनियमित छन्; प्रत्येक कोड वैध लेनदेन सूची र फिर्ता नियमहरू सहित एक अधिकृत विशेषज्ञ द्वारा प्रमाणित हुनुपर्छ।
6. गुणस्तर सूचक ड्यासबोर्डमा, AI ले सूचकमा अचानक आएको गिरावटलाई 'सुधार' भनेर व्याख्या गर्छ। प्रबन्धकले के गर्नुपर्छ?
- क) सीधै सञ्चालक समिति समक्ष टिप्पणी प्रस्तुत गर्ने
- ख) परिवर्तन डाटा गुणस्तर, परिभाषा परिवर्तन वा लक्ष्य विचलनको कारण हुन सक्छ कि भनेर जाँच गर्नुहोस् र कारण प्रमाणित गर्नुहोस् ✔
- C) ड्यासबोर्डबाट सूचक हटाउनुहोस्
- D) कृत्रिम बुद्धिमत्तामा विश्वास गर्ने र कुनै जाँच नगर्ने
स्पष्टीकरण: सूचकमा परिवर्तन डाटा गुणस्तर समस्या, परिभाषा परिवर्तन वा गेमिङको कारणले हुन सक्छ। टिप्पणीको कारण र डेटा स्रोत प्रमाणित गर्न यो प्रशासकमा निर्भर छ।
7. कृत्रिम बुद्धिमत्ता संग रोगी सन्तुष्टि मुक्त पाठ प्रतिक्रिया को विश्लेषण गर्दा सबैभन्दा सामान्य गल्ती के हो?
- A) विषयवस्तुहरूमा पाठहरू अलग गर्दै
- B) अज्ञात प्रतिक्रिया
- ग) स्वचालित भावना लेबल र नमूनालाई प्रमाणीकरण नगरी सबै बिरामीहरूलाई सामान्यीकरण गर्ने ✔
- घ) गुनासोहरूलाई प्राथमिकता दिने
स्पष्टीकरण: स्वचालित भावना लेबलिंगले विडम्बना, नकारात्मकता, र गलत पठन सन्दर्भ परिचय गर्न सक्छ; थप रूपमा, केवल लेखकहरूको रायले नमूना पूर्वाग्रह राख्छ। नमूना र पढाइको साथ परिणामहरू प्रमाणित नगरी सामान्यीकरणहरू गर्नु हुँदैन।
8. सूची व्यवस्थापनमा ABC विश्लेषणको मुख्य उद्देश्य के हो?
- क) सबै वस्तुहरूलाई वर्णक्रम अनुसार मिलाउने
- ख) भिटामिन ए युक्त औषधिहरू मात्र गणना गर्ने
- ग) म्याद सकिएका उत्पादनहरू नष्ट गर्ने
- घ) मूल्य/आलोचनात्मकता स्तर अनुसार स्टक वस्तुहरूलाई वर्गीकरण गर्ने र सबैभन्दा महत्त्वपूर्ण वस्तुहरूलाई नियन्त्रण प्राथमिकता दिने ✔
स्पष्टीकरण: ABC विश्लेषणले मूल्य/आलोचनात्मकताका आधारमा सूची वस्तुहरूलाई A (उच्च), B (मध्यम), C (निम्न); यसरी, व्यवस्थापन ध्यान र नियन्त्रण आवृत्ति सबैभन्दा महत्वपूर्ण वस्तुहरूमा केन्द्रित छ।
9. प्रक्रिया सुधारमा 'अड्चन' को अवधारणाको अर्थ के हो?
- क) सबैभन्दा साँघुरो क्षमता भएको र सम्पूर्ण प्रवाहको गति सीमित गर्ने चरण ✔
- B) प्रक्रियाको सबैभन्दा छिटो चलिरहेको चरण
- ग) सबैभन्दा बढी कर्मचारी काम गर्ने एकाइ
- D) बिरामीहरू सबैभन्दा सन्तुष्ट हुने चरण
विवरण: अड्चन भनेको साँघुरो क्षमता भएको चरण हो जसले सम्पूर्ण प्रक्रियाको गति निर्धारण गर्दछ। सुधारको प्रयासले पहिले अड्चनमा केन्द्रित हुनुपर्छ; अन्यत्र सुधारले समग्र प्रवाहलाई गति दिँदैन।
10. सिफ्ट प्लानिङमा आर्टिफिसियल इन्टेलिजेन्सद्वारा उत्पादित तालिका लागू गर्नु अघि प्रबन्धकले के जाँच गर्नुपर्छ?
- क) चार्ट रंगमा छापिएको छ वा छैन
- ख) श्रम कानून, विश्राम अवधि, क्लिनिकल योग्यता र न्याय नियमहरूको अनुपालन ✔
- C) आर्टिफिसियल इन्टेलिजेन्सले चार्ट बनाउन कति सेकेन्ड लिन्छ?
- घ) कार्यतालिका सबैभन्दा वरिष्ठ कर्मचारीहरूको पक्षमा छ कि छैन
विवरण: चार्ट; यसले श्रम कानून (अधिकतम कार्य घण्टा, आराम), कर्मचारी अधिकार, क्लिनिकल योग्यता र न्यायका नियमहरूको पालना गर्नुपर्छ। AI ले यी नियमहरू उल्लङ्घन गर्ने मस्यौदा उत्पादन गर्न सक्छ; अन्तिम स्वीकृति प्रबन्धक संग छ।
11. तलका मध्ये कुनले स्वास्थ्य सेवा व्यवस्थापनमा कृत्रिम बुद्धिमत्ताको प्रयोगको सही सीमालाई व्यक्त गर्दछ?
- क) आर्टिफिसियल इन्टेलिजेन्सले सबै व्यवस्थापकीय निर्णयहरू स्वतः गर्न सक्छ
- ख) आर्टिफिसियल इन्टेलिजेन्स केवल पाठ लेखनमा प्रयोग गर्न सकिन्छ, संख्यात्मक विश्लेषणमा होइन
- C) कृत्रिम बुद्धिमत्ता एक सहायक र निर्णय समर्थन उपकरण हो; महत्वपूर्ण निर्णयहरूको उत्तरदायित्व र अन्तिम स्वीकृति मानवमा निहित हुन्छ ✔
- D) कृत्रिम बुद्धिमत्ताले मानवीय स्वीकृति बिना नै चुक्ता गर्ने निर्णयलाई अन्तिम रूप दिन सक्छ
विवरण: कृत्रिम बुद्धिमत्ता सहायक, मस्यौदा जनरेटर र निर्णय समर्थन उपकरण। स्रोत विनियोजन, क्लिनिकल प्राथमिकता र बिरामीको सुरक्षालाई असर गर्ने निर्णयहरूको जिम्मेवारी र अन्तिम स्वीकृति सधैं सक्षम विशेषज्ञ र जिम्मेवार प्रबन्धकसँग रहन्छ।
12. बसाइको औसत लम्बाइ (LOS) सूचकमा आएको कमी किन 'सफलता' को पर्याप्त प्रमाण होइन?
- क) बसाइको अवधि कहिल्यै मापन गर्न सकिँदैन
- ख) बसाइको लम्बाइ कृत्रिम बुद्धिमत्ता द्वारा मात्र गणना गर्न सकिन्छ
- C) बसाइको लम्बाइ प्रतिपूर्तिसँग सान्दर्भिक नभएकोले।
- घ) यदि कमी प्रारम्भिक डिस्चार्ज र रिडमिसनमा वृद्धिसँगै आउँछ भने, बिरामीको सुरक्षा बिग्रन सक्छ र यसलाई सान्दर्भिक संकेतकहरूसँगै व्याख्या गरिनुपर्छ ✔
स्पष्टीकरण: कम बसोबास समय राम्रो स्रोत उपयोग संकेत गर्न सक्छ; यद्यपि, यदि यो प्रारम्भिक डिस्चार्ज र रिडमिसनमा वृद्धिको साथ आउँछ भने, बिरामीको सुरक्षा बिग्रन सक्छ। सूचकलाई अन्य सम्बन्धित सूचकहरूसँग सँगै व्याख्या गरिनुपर्छ।
13. महामारी वा प्रकोप जस्ता अचानक अवरोधको घटनामा ऐतिहासिक तथ्याङ्कमा आधारित माग पूर्वानुमानको स्थिति के हो?
- क) भविष्यवाणी मार्गदर्शन हुन बन्द हुन्छ; विशेषज्ञ निर्णय र वास्तविक-समय निगरानी नेतृत्व लिन्छ ✔
- ख) ऐतिहासिक तथ्याङ्कमा आधारित भविष्यवाणी यी परिस्थितिहरूमा सबैभन्दा भरपर्दो हुन्छ
- C) पूर्वानुमान स्वचालित रूपमा आफैं सच्याउँछ, कुनै हस्तक्षेप आवश्यक छैन
- घ) यी अवस्थामा, योजना पूर्ण रूपमा बन्द गर्नुपर्छ
विवरण: एआई भविष्यवाणी विगतका ढाँचाहरूमा आधारित छ। महामारी, प्रकोप वा विधायी परिवर्तनहरू जस्ता संरचनात्मक विच्छेदहरूमा, विगतका तथ्याङ्कहरू मार्गदर्शन गर्न बन्द हुन्छन्; विशेषज्ञ निर्णय र वास्तविक-समय निगरानी नेतृत्व लिन्छ।
14. कर्पोरेट एआई गभर्नेन्स नीतिमा निम्न मध्ये कुनलाई समावेश गर्नुपर्छ?
- A) आर्टिफिसियल इन्टेलिजेन्स उपकरणको कुन ब्रान्ड मात्र खरिद गरिनेछ?
- ख) डाटा वर्गीकरण, गुमनामकरण, मानव अनुमोदन बिन्दुहरू, जिम्मेवारी/अडिट रेकर्ड र नैतिक सिद्धान्तहरू ✔
- ग) प्रबन्धकहरूले मात्र कृत्रिम बुद्धिमत्ता प्रयोग गर्न सक्ने नियम
- D) आर्टिफिसियल इन्टेलिजेन्सलाई सबै निर्णय एक्लै गर्न अनुमति दिने लेख
विवरण: ध्वनि शासन; यसले कुन डेटा कुन उपकरणमा जान सक्छ भनेर परिभाषित गर्दछ, गुमनाम नियमहरू, मानव अनुमोदन बिन्दुहरू, जिम्मेवारी र लेखापरीक्षण रेकर्डहरू, नैतिक सिद्धान्तहरू (निष्पक्षता, पारदर्शिता, जवाफदेहिता)।