पुणे: महाराष्ट्र आरोग्य विज्ञान विद्यापीठाने (MUHS) 130 पदव्युत्तर वैद्यकीय विद्यार्थ्यांवर केलेल्या नुकत्याच केलेल्या अभ्यासात हेल्थकेअर विचारात एक गंभीर बदल अधोरेखित झाला आहे: भावना आरोग्यासाठी गौण नसतात; ते मूलभूत आहेत.अनेक दशकांपासून, वैद्यकीय अभ्यासांनी हे ओळखले आहे की भावनिक स्थिती तणावाचे नियमन, वर्तन आणि दीर्घकालीन आरोग्य परिणामांवर प्रभाव टाकते, दीर्घकालीन भावनिक डिसरेग्युलेशन वाढीव ॲलोस्टॅटिक लोड, कमजोर प्रतिकारशक्ती आणि असंसर्गजन्य रोगांचा उच्च धोका. तरीही, ही समज असूनही, नैदानिक आणि संस्थात्मक सेटिंग्जमधील भावनिक मूल्यांकन मुख्यत्वे स्वयं-रिपोर्टिंगवर अवलंबून राहिले – एक दृष्टीकोन जो बर्याचदा अविश्वसनीय असतो आणि जागरूकता, स्मरण, व्याख्या, आणि एखाद्या व्यक्तीची क्षमता किंवा आंतरिक अवस्था स्पष्ट करण्याची इच्छा यांच्याद्वारे प्रभावित होतो.पीअर-रिव्ह्यू केलेल्या जर्नल ऑफ रेअर कार्डिओव्हस्कुलर डिसीजमध्ये प्रकाशित, MUHS अभ्यास एआय-चालित लेन्सद्वारे भावनिक मूल्यांकनाचे परीक्षण करतो. संशोधनामुळे भावनिक मापन पारंपारिकपणे शारीरिक निर्देशकांसाठी राखीव असलेल्या गंभीरतेच्या पातळीच्या जवळ आणले जाते, भावनिक स्थितीला व्यक्तिपरक विचार न करता मोजता येण्याजोगे आणि वैद्यकीयदृष्ट्या संबंधित इनपुट म्हणून स्थान दिले जाते.संशोधनाने प्रस्थापित मानसशास्त्रीय साधनांची तुलना केली आहे – जसे की बेक ॲन्झायटी इन्व्हेंटरी (बीएआय) आणि पर्सिव्ड स्ट्रेस स्केल (पीएसएस) – इमोस्केप, निहिलेंटने विकसित केलेल्या एआय-आधारित भावनिक बुद्धिमत्ता प्लॅटफॉर्मसह.पारंपारिक सर्वेक्षणांप्रमाणे, इमोस्केप भाषा किंवा प्रश्नावलीवर अवलंबून नाही. त्याऐवजी, सूक्ष्म, अनैच्छिक मानवी सूक्ष्म-हालचालींचे विश्लेषण करण्यासाठी ते मानक वेब कॅमेरा वापरते. प्रगत मशीन लर्निंगचा वापर करून, प्लॅटफॉर्म प्राचीन नाट्यशास्त्र परंपरेतील नऊ मुख्य भावनांच्या (नवरास) लेन्सद्वारे या संकेतांचा अर्थ लावतो. प्रक्रिया पूर्णपणे गैर-आक्रमक आहे, कोणत्याही सेन्सर किंवा वेअरेबलची आवश्यकता नाही.एकूण 130 पदव्युत्तर विद्यार्थ्यांनी भाग घेतला, 780 पेक्षा जास्त वैयक्तिक चाचणी रेकॉर्ड तयार केले. या जटिल डेटावर प्रक्रिया करण्यासाठी, अर्थपूर्ण भावनिक नमुने ओळखण्यासाठी संशोधकांनी “K-मीन्स क्लस्टरिंग” चा वापर केला, एक लोकप्रिय अनपेक्षित मशीन लर्निंग अल्गोरिदम.अभ्यासात असे आढळून आले की AI द्वारे ओळखले जाणारे भावनिक नमुने पारंपारिक मानसशास्त्रीय साधनांच्या परिणामांची जवळून पुष्टी करतात. हे प्रमाणीकरण हा एक महत्त्वाचा टप्पा आहे, हे सिद्ध करते की AI अचूकपणे भावनिक स्थिती दाखवू शकते ज्या पूर्वी केवळ लांबलचक मॅन्युअल मूल्यांकनांद्वारे शोधल्या जाऊ शकतात.या तंत्रज्ञानाचे व्यावहारिक मूल्य MUHS मधील एका अनामिक प्रकरणाने ठळक केले. एका पदव्युत्तर विद्यार्थ्याचे मानक चिंता प्रमाण आणि मानसोपचार मुलाखतीद्वारे केवळ “सौम्य असुरक्षित” म्हणून मूल्यांकन केले गेले. तथापि, त्याच सेटिंगमध्ये आयोजित केलेल्या इमोस्केप मूल्यांकनाने अंतर्गत भावनिक त्रासाची लक्षणीय उच्च पातळी दिसून आली. या विसंगतीने शिक्षकांना जवळून लक्ष देण्यास आणि फॉलो-अप काळजी देण्यास प्रवृत्त केले, जे वस्तुनिष्ठ AI सिग्नल लाल ध्वज पकडू शकतात जे मानवी निरीक्षण चुकवू शकतात.निहिलेंटचे संस्थापक आणि कार्यकारी अध्यक्ष एलसी सिंग यांनी आरोग्याच्या “अदृश्य थर” मोजण्याचे महत्त्व नमूद केले. सिंग म्हणाले, “दशक वर्षांपर्यंत, आरोग्यसेवेने शरीराचे अचूक मोजमाप केले, तर वर्तन आणि पुनर्प्राप्तीवर परिणाम करणाऱ्या भावनिक शक्तींचे मोजमाप केले जात नाही,” सिंग म्हणाले. “इमोस्केप या लेयरमध्ये वस्तुनिष्ठता आणते, ज्यामुळे पॅटर्न स्केलेबल पद्धतीने समजले जाऊ शकतात. यामुळे रुग्णांच्या काळजीसाठी अधिक संपूर्ण दृष्टीकोन निर्माण होईल.“MUHS अभ्यास प्रत्यक्ष शारीरिक कार्यकारणभावाचा दावा करत नसला तरी, ते या वस्तुस्थितीला बळकटी देते की भावनिक अवस्था आरोग्यावर सतत प्रभाव टाकतात. व्यक्तिनिष्ठ अहवालावर संपूर्ण अवलंबून राहून, संशोधन भविष्याकडे निर्देश करते जिथे भावनिक डेटा हा आरोग्याचा महत्त्वाचा सूचक मानला जातो.अभ्यासातून असा निष्कर्ष निघाला की भावना या आता अमूर्त संकल्पना नाहीत; ते मोजण्यायोग्य, कृती करण्यायोग्य आणि मानवी आरोग्याच्या भविष्यासाठी अविभाज्य आहेत.
