Bayesian Health के AI सेप्सिस मॉनिटर को पहली बार FDA मंज़ूरी
12 मई 2026 को Bayesian Health ने बताया कि उसके AI सेप्सिस मॉनिटर को FDA की 510(k) मंज़ूरी मिल गई है, और यह मंज़ूरी पाने वाला यह पहला लगातार सेप्सिस मॉनिटर है। यह सॉफ़्टवेयर Johns Hopkins के रिसर्च से निकला है, अस्पताल में भर्ती हर मरीज़ पर नज़र रखता है और डॉक्टर को शक होने से पहले ही सेप्सिस का संकेत दे देता है। अस्पतालों के लिए यह ऐसी बीमारी का मंज़ूर टूल है जिस पर हर साल अस्पतालों का 50 अरब डॉलर से ज़्यादा खर्च होता है, और इससे Medicare के ऐड-ऑन भुगतान का रास्ता भी खुल सकता है।
अस्पताल सेप्सिस को अक्सर देर से क्यों पकड़ पाते हैं
सेप्सिस देर से पकड़ में आता है, क्योंकि यह चुपचाप उभरता है और ज़्यादातर टूल तब तक इंतज़ार करते हैं जब तक डॉक्टर को शक न हो। STAT के मुताबिक, अमेरिका में यह बीमारी हर साल 350,000 से ज़्यादा लोगों की जान लेती है, और Bayesian Health इसे अमेरिकी अस्पतालों में मौत की एक प्रमुख वजह बताती है। कंपनी के अनुसार, इलाज में हर घंटे की देरी से बचने की संभावना 7.6 प्रतिशत तक घट जाती है।
पाँच साल पहले सैकड़ों अस्पतालों ने इलेक्ट्रॉनिक हेल्थ रिकॉर्ड कंपनी Epic का सेप्सिस एल्गोरिदम अपनाया था। STAT की रिपोर्ट है कि यह असल दुनिया में नाकाम रहा और इतने अलर्ट भेजता था कि डॉक्टर उन्हें अनदेखा करने लगे या अस्पतालों ने उन्हें बंद कर दिया। Bayesian का कहना है कि FDA से मंज़ूर दूसरे सेप्सिस प्रोडक्ट तभी काम करते हैं जब किसी क्लिनिशियन को पहले सेप्सिस का शक हो, क्योंकि वे ब्लड टेस्ट या उसी से बने रिस्क स्कोर पर टिके हैं।
हिसाब बेरहम है। Bayesian में क्लिनिकल एंटरप्राइज़ के प्रमुख डॉ. नेरी कोहेन (MD, PhD) के मुताबिक, एक्यूट केयर में सेप्सिस का प्रसार सिर्फ़ 2 से 4 प्रतिशत है। इसलिए जो मॉनिटर हर मरीज़ पर नज़र रखता है, उसे गलत अलार्म से स्टाफ़ को परेशान किए बिना गिने-चुने असली मामले ढूँढने होते हैं।
"डॉक्टर को शक होने से पहले सेप्सिस पकड़ना भूसे के ढेर में सुई ढूँढने जैसा है।" नेरी कोहेन, Bayesian Health में क्लिनिकल एंटरप्राइज़ के प्रमुख
Johns Hopkins के रिसर्च से Bayesian Health ने क्या बनाया
मंज़ूरी पाने वाला प्रोडक्ट एक सेप्सिस फ़्लैगिंग डिवाइस है, जो Bayesian के रियल टाइम क्लिनिकल इंटेलिजेंस प्लेटफ़ॉर्म का एक मॉड्यूल है। यह प्लेटफ़ॉर्म मूल रूप से Johns Hopkins University के शोधकर्ताओं ने बनाया था, और Medical Device Network इसे Targeted Real-time Early Warning System यानी TREWS बताता है। यह मंज़ूरी FDA से पहले मिले Breakthrough Device Designation की अगली कड़ी है। कंपनी की CEO और संस्थापक सुची सरिया (PhD) कहती हैं कि इसके पीछे का काम एक दशक से ज़्यादा पुराना है।
वार्ड में सेप्सिस अर्ली वॉर्निंग सिस्टम कैसे काम करता है
यह सिस्टम तय नियमों पर अलर्ट देने के बजाय मरीज़ का पूरा रिकॉर्ड लगातार पढ़ता है। यह हर मरीज़ के लिए एक बेसलाइन तय करता है, समय के साथ अहम बदलाव पहचानता है और जिन मरीज़ों पर ध्यान देने की ज़रूरत है, उन्हें अगले कदमों के साथ उसी इलेक्ट्रॉनिक हेल्थ रिकॉर्ड वर्कफ़्लो में दिखाता है जिसका क्लिनिशियन पहले से इस्तेमाल करते हैं। यह अस्पताल में भर्ती हर मरीज़ पर चलता है, उन पर भी जो अभी बीमार नहीं दिखते। Bayesian का कहना है कि यही डिज़ाइन हालत बिगड़ने के दूसरे रूपों, जैसे रेस्पिरेटरी फ़ेल्योर और दिल से जुड़ी घटनाओं को भी कवर करता है, लेकिन FDA की मंज़ूरी सिर्फ़ सेप्सिस फ़्लैगिंग डिवाइस पर लागू होती है।
Nature Medicine की स्टडी में क्या मापा गया
सबूत के तौर पर Nature Medicine में छपी 2022 की एक पीयर रिव्यू स्टडी है। इसमें पाँच एकेडमिक और कम्युनिटी अस्पतालों के 764,707 मरीज़ मामले शामिल थे, जिनमें 17,538 सेप्सिस के थे, और वहाँ 2,000+ प्रोवाइडर्स ने यह सॉफ़्टवेयर इस्तेमाल किया। जब क्लिनिशियन ने इसके अलर्ट पर समय रहते कार्रवाई की, तो सेप्सिस मरीज़ों की अस्पताल में मौत की आशंका 18% कम रही। सिस्टम ने 82% सेंसिटिविटी पर मामले 5.7 घंटे पहले पकड़े, फ़्लैग किए गए हर 3 में से 1 मामले की डॉक्टरों ने पुष्टि की, और प्रोवाइडर्स में इसका इस्तेमाल 89% तक पहुँचा।
अस्पताल के कामकाज और फ़ाइनेंस के लिए क्या बदलता है
किसी हेल्थ सिस्टम के लिए इसकी कीमत एक रेगुलेटेड अलर्ट में है जिस पर क्लिनिशियन कार्रवाई करते हैं, और जो एक महंगी बीमारी को निशाना बनाता है। अस्पतालों के दो प्रमुखों ने इस मंज़ूरी पर टिप्पणी की। Cleveland Clinic Enterprise Sepsis Steering Committee के चेयर डॉ. जेम्स मॉरिसन ने इसे एक अहम पड़ाव बताया। University of Rochester Medicine के चीफ़ डिजिटल एंड इन्फ़ॉर्मेशन ऑफ़िसर डॉ. ग्रेग निकांद्री ने कहा कि कई सेप्सिस टूल परखने के बाद वहाँ के क्लिनिशियन को ऊँची सटीकता के साथ जल्दी पहचान मिल रही है।
पैसे का फ़ायदा अभी एक अनुमान ही है। Bayesian का कहना है कि इस मंज़ूरी से वह Centers for Medicare and Medicaid Services के New Technology Add-on Payment प्रोग्राम, यानी NTAP, की दौड़ में है, जो अक्टूबर 2026 से शुरू होगा। इस पर अंतिम फ़ैसला अगस्त की शुरुआत में आना है। मंज़ूरी मिली तो इस डिवाइस का इस्तेमाल करने वाले अस्पतालों को उन मामलों के लिए अतिरिक्त भुगतान मिल सकता है जिनमें इसका इस्तेमाल हुआ।
सेप्सिस सॉफ़्टवेयर मार्केट के लिए इस मंज़ूरी का मतलब
मार्केट में फिर से भीड़ है। STAT के मुताबिक, Epic ने अपने एल्गोरिदम का नया रूप जारी किया है, स्टार्टअप हेल्थ सिस्टम्स में मॉडल परख रहे हैं, और एक टीम क्लिनिकल नोट्स में सेप्सिस के संकेत खोजने के लिए लार्ज लैंग्वेज मॉडल इस्तेमाल करती है। Mednition के KATE AI मॉडल को ब्रेकथ्रू डिवाइस डेज़िग्नेशन मिला है, जिसने एक रेट्रोस्पेक्टिव स्टडी में 95% सेंसिटिविटी और 96% स्पेसिफ़िसिटी दिखाई। STAT का यह भी तर्क है कि सिर्फ़ परफ़ॉर्मेंस से विजेता तय नहीं होगा, क्योंकि अस्पताल AI कैसे अपनाते हैं, इस पर Epic का दबदबा है।
सवाल और जवाब
क्या Bayesian Health के सेप्सिस डिवाइस को FDA की मंज़ूरी मिली है?
हाँ। Bayesian Health ने 12 मई 2026 को घोषणा की कि उसके सेप्सिस फ़्लैगिंग डिवाइस को FDA 510(k) मंज़ूरी मिल गई है। कंपनी के मुताबिक, यह मंज़ूरी पाने वाला यह पहला लगातार AI सेप्सिस मॉनिटर है।
Bayesian Health का AI सेप्सिस डिटेक्शन कितना सटीक है?
2022 की Nature Medicine स्टडी में सिस्टम की सेंसिटिविटी 82% थी, फ़्लैग किए गए हर 3 में से 1 मामले की डॉक्टरों ने पुष्टि की, और अलर्ट 5.7 घंटे पहले आए। जब क्लिनिशियन ने समय रहते अलर्ट पर कार्रवाई की, तो मरीज़ों की मौत की आशंका 18% कम रही।
क्या इसके इस्तेमाल पर अस्पतालों को अतिरिक्त भुगतान मिलेगा?
अभी नहीं। Medicare और Medicaid से NTAP पर फ़ैसला अगस्त की शुरुआत में आने की उम्मीद है, और प्रोग्राम अक्टूबर 2026 से शुरू होगा। Bayesian को मंज़ूरी की उम्मीद है, लेकिन तब तक कोई भी अतिरिक्त भुगतान एक अनुमान ही है।
MOZGII की राय
हम इसे कैसे बनाते
अगर हम ऐसा मॉनिटर बनाते, तो किसी भी मॉडल से पहले तीन चीज़ें ज़रूरी होतीं: लगभग रियल टाइम में मरीज़ के पूरे रिकॉर्ड की लगातार फ़ीड, कन्फ़र्म सेप्सिस केस का साफ़ नियम, और हर अलर्ट का ज़िम्मेदार एक तय नर्स या डॉक्टर। हम शुरुआत रिकॉर्ड फ़ीड से करते। लैब का कोई छूटा नतीजा या देर से आया वाइटल साइन मॉडल को गलत दिखाता है, जबकि असली समस्या डेटा में होती है।
अस्पताल में सॉफ़्टवेयर सबसे ज़्यादा वहाँ काम आता है जहाँ लोग हर समय नज़र नहीं रख सकते: हर बेड, हर घंटा, हर नया नतीजा। यही हिस्सा हम ऑटोमेट करते। इलाज का फ़ैसला क्लिनिशियन के पास ही रहता, और हर अलर्ट अपने पीछे की वजहें दिखाता, ताकि डॉक्टर उसे सेकंडों में मान या खारिज कर सके। हम हर खारिज अलर्ट को लॉग करते, क्योंकि खारिज अलर्ट टीम को बताते हैं कि मॉडल कहाँ शोर कर रहा है।
सिस्टम दो जगह टूटता है। जिन मरीज़ों के बारे में टीम पहले से जानती है, उन पर आए अलर्ट अनदेखे हो जाते हैं, और एक अस्पताल में ट्रेन हुआ मॉडल दूसरे अस्पताल में मरीज़ों और आदतों के बदलने से भटक जाता है। हम हर वार्ड का परफ़ॉर्मेंस अलग से मापते और नए अस्पताल जोड़ने से पहले लोकल डेटा पर मॉडल को दोबारा ट्रेन करते।
हम जिस एक मीट्रिक पर नज़र रखते, वह है उन अलर्ट का हिस्सा जिन पर क्लिनिशियन कार्रवाई करते हैं, और उसे कन्फ़र्म मामलों के साथ पढ़ा जाता। स्टडी का 89% अडॉप्शन रेट पैमाना है। इसके बाद हम अलर्ट को सेप्सिस ऑर्डर सेट से जोड़ते, ताकि उस पर कार्रवाई कई कदमों के बजाय एक कदम में हो जाए।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।
- 01New sepsis detection algorithms challenge Epic's market hold | STATstatnews.com
- 02Bayesian Health Receives First-Ever FDA Clearance for Continuous AI Sepsis Monitoring - BioSpacebiospace.com
- 03Bayesian Health secures first FDA clearance for AI-driven continuous sepsis monitor - Medical Device Networkmedicaldevice-network.com