ਖ਼ਬਰਾਂ

2007 ਵਿੱਚ IBM ਵਾਟਸਨ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਲੈ ਕੇ, ਮਨੁੱਖ ਮੈਡੀਕਲ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਵਿਕਾਸ ਲਈ ਲਗਾਤਾਰ ਯਤਨਸ਼ੀਲ ਰਹੇ ਹਨ। ਇੱਕ ਵਰਤੋਂ ਯੋਗ ਅਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮੈਡੀਕਲ AI ਸਿਸਟਮ ਵਿੱਚ ਆਧੁਨਿਕ ਦਵਾਈ ਦੇ ਸਾਰੇ ਪਹਿਲੂਆਂ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣ ਦੀ ਵਿਸ਼ਾਲ ਸੰਭਾਵਨਾ ਹੈ, ਜੋ ਕਿ ਚੁਸਤ, ਵਧੇਰੇ ਸਹੀ, ਕੁਸ਼ਲ ਅਤੇ ਸੰਮਲਿਤ ਦੇਖਭਾਲ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ, ਡਾਕਟਰੀ ਕਰਮਚਾਰੀਆਂ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਤੰਦਰੁਸਤੀ ਲਿਆਉਂਦੀ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਮਨੁੱਖੀ ਸਿਹਤ ਵਿੱਚ ਬਹੁਤ ਸੁਧਾਰ ਕਰਦੀ ਹੈ। ਪਿਛਲੇ 16 ਸਾਲਾਂ ਵਿੱਚ, ਹਾਲਾਂਕਿ ਮੈਡੀਕਲ AI ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵੱਖ-ਵੱਖ ਛੋਟੇ ਖੇਤਰਾਂ ਵਿੱਚ ਇਕੱਠਾ ਕੀਤਾ ਹੈ, ਇਸ ਪੜਾਅ 'ਤੇ, ਉਹ ਅਜੇ ਤੱਕ ਵਿਗਿਆਨ ਗਲਪ ਨੂੰ ਹਕੀਕਤ ਵਿੱਚ ਲਿਆਉਣ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਏ ਹਨ।

ਇਸ ਸਾਲ, ਚੈਟਜੀਪੀਟੀ ਵਰਗੀ ਏਆਈ ਤਕਨਾਲੋਜੀ ਦੇ ਇਨਕਲਾਬੀ ਵਿਕਾਸ ਦੇ ਨਾਲ, ਮੈਡੀਕਲ ਏਆਈ ਨੇ ਕਈ ਪਹਿਲੂਆਂ ਵਿੱਚ ਬਹੁਤ ਤਰੱਕੀ ਕੀਤੀ ਹੈ। ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਬੇਮਿਸਾਲ ਸਫਲਤਾ: ਨੇਚਰ ਜਰਨਲ ਨੇ ਮੈਡੀਕਲ ਵੱਡੀ ਭਾਸ਼ਾ ਮਾਡਲ ਅਤੇ ਮੈਡੀਕਲ ਚਿੱਤਰ ਮੂਲ ਮਾਡਲ ਦੀ ਖੋਜ ਨੂੰ ਲਗਾਤਾਰ ਸ਼ੁਰੂ ਕੀਤਾ ਹੈ; ਗੂਗਲ ਨੇ ਮੈਡ-ਪੈਐਲਐਮ ਅਤੇ ਇਸਦੇ ਉੱਤਰਾਧਿਕਾਰੀ ਨੂੰ ਜਾਰੀ ਕੀਤਾ, ਯੂਐਸ ਮੈਡੀਕਲ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਪ੍ਰੀਖਿਆ ਪ੍ਰਸ਼ਨਾਂ ਵਿੱਚ ਇੱਕ ਮਾਹਰ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚਿਆ। ਪ੍ਰਮੁੱਖ ਅਕਾਦਮਿਕ ਜਰਨਲ ਮੈਡੀਕਲ ਏਆਈ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਨਗੇ: ਨੇਚਰ ਜਨਰਲ ਮੈਡੀਕਲ ਏਆਈ ਦੇ ਮੂਲ ਮਾਡਲ 'ਤੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਜਾਰੀ ਕਰਦਾ ਹੈ; ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਮੈਡੀਸਨ ਵਿੱਚ ਏਆਈ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਤੋਂ ਬਾਅਦ, ਨਿਊ ਇੰਗਲੈਂਡ ਜਰਨਲ ਆਫ਼ ਮੈਡੀਸਨ (NEJM) ਨੇ 30 ਨਵੰਬਰ ਨੂੰ ਆਪਣੀ ਪਹਿਲੀ ਡਿਜੀਟਲ ਸਿਹਤ ਸਮੀਖਿਆ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤੀ, ਅਤੇ 12 ਦਸੰਬਰ ਨੂੰ NEJM ਸਬ-ਜਰਨਲ NEJM AI ਦਾ ਪਹਿਲਾ ਅੰਕ ਲਾਂਚ ਕੀਤਾ। ਮੈਡੀਕਲ ਏਆਈ ਲੈਂਡਿੰਗ ਮਿੱਟੀ ਹੋਰ ਪਰਿਪੱਕ ਹੈ: JAMA ਸਬ-ਜਰਨਲ ਨੇ ਗਲੋਬਲ ਮੈਡੀਕਲ ਚਿੱਤਰ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਪਹਿਲਕਦਮੀ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤੀ; ਯੂਐਸ ਫੂਡ ਐਂਡ ਡਰੱਗ ਐਡਮਿਨਿਸਟ੍ਰੇਸ਼ਨ (FDA) ਮੈਡੀਕਲ ਏਆਈ ਦੇ ਨਿਯਮ ਲਈ ਡਰਾਫਟ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ।

ਹੇਠਾਂ, ਅਸੀਂ 2023 ਵਿੱਚ ਵਰਤੋਂ ਯੋਗ ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਦੁਨੀਆ ਭਰ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਗਤੀ ਦੀ ਸਮੀਖਿਆ ਕਰਦੇ ਹਾਂ।

ਮੈਡੀਕਲ ਏਆਈ ਬੇਸਿਕ ਮਾਡਲ

ਮੈਡੀਕਲ ਏਆਈ ਬੇਸਿਕ ਮਾਡਲ ਦਾ ਨਿਰਮਾਣ ਇਸ ਸਾਲ ਦਾ ਸਭ ਤੋਂ ਗਰਮ ਖੋਜ ਕੇਂਦਰ ਹੈ। ਨੇਚਰ ਜਰਨਲਜ਼ ਨੇ ਸਾਲ ਦੌਰਾਨ ਸਿਹਤ ਸੰਭਾਲ ਦੇ ਯੂਨੀਵਰਸਲ ਬੇਸਿਕ ਮਾਡਲ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਦੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ 'ਤੇ ਸਮੀਖਿਆ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਹਨ। ਉਦਯੋਗ ਦੇ ਚੋਟੀ ਦੇ ਜਰਨਲ, ਮੈਡੀਕਲ ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਮੈਡੀਕਲ ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਬੁਨਿਆਦੀ ਮਾਡਲ ਖੋਜ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਅਤੇ ਮੌਕਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਅਤੇ ਉਮੀਦ ਕੀਤੀ, ਅਤੇ ਮੈਡੀਕਲ ਏਆਈ ਦੇ ਬੁਨਿਆਦੀ ਮਾਡਲ ਖੋਜ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸੰਖੇਪ ਅਤੇ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਲਈ "ਮੂਲ ਮਾਡਲ ਦੀ ਵੰਸ਼ਾਵਲੀ" ਦੀ ਧਾਰਨਾ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ। ਸਿਹਤ ਸੰਭਾਲ ਲਈ ਬੁਨਿਆਦੀ ਏਆਈ ਮਾਡਲਾਂ ਦਾ ਭਵਿੱਖ ਸਪੱਸ਼ਟ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ। ਚੈਟਜੀਪੀਟੀ ਵਰਗੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀਆਂ ਸਫਲ ਉਦਾਹਰਣਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦੇ ਹੋਏ, ਵਧੇਰੇ ਉੱਨਤ ਸਵੈ-ਨਿਗਰਾਨੀ ਵਾਲੇ ਪੂਰਵ-ਸਿਖਲਾਈ ਤਰੀਕਿਆਂ ਅਤੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਵਿਸ਼ਾਲ ਸੰਗ੍ਰਹਿ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਮੈਡੀਕਲ ਏਆਈ ਦੇ ਖੇਤਰ ਵਿੱਚ ਖੋਜਕਰਤਾ 1) ਬਿਮਾਰੀ-ਵਿਸ਼ੇਸ਼ ਬੇਸ ਮਾਡਲ, 2) ਆਮ ਬੇਸ ਮਾਡਲ, ਅਤੇ 3) ਮਲਟੀਮੋਡਲ ਵੱਡੇ ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ ਜੋ ਵਿਸ਼ਾਲ ਮਾਪਦੰਡਾਂ ਅਤੇ ਉੱਤਮ ਸਮਰੱਥਾਵਾਂ ਵਾਲੇ ਮੋਡਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ।

ਮੈਡੀਕਲ ਡੇਟਾ ਪ੍ਰਾਪਤੀ AI ਮਾਡਲ

ਡਾਊਨਸਟ੍ਰੀਮ ਕਲੀਨਿਕਲ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜਾਂ ਵਿੱਚ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਣ ਵਾਲੇ ਵੱਡੇ ਏਆਈ ਮਾਡਲਾਂ ਤੋਂ ਇਲਾਵਾ, ਅੱਪਸਟ੍ਰੀਮ ਕਲੀਨਿਕਲ ਡੇਟਾ ਪ੍ਰਾਪਤੀ ਵਿੱਚ, ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲਾਂ ਦੁਆਰਾ ਦਰਸਾਈ ਗਈ ਤਕਨਾਲੋਜੀ ਵੀ ਉਭਰੀ ਹੈ। ਏਆਈ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਡੇਟਾ ਪ੍ਰਾਪਤੀ ਦੀ ਪ੍ਰਕਿਰਿਆ, ਗਤੀ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿੱਚ ਕਾਫ਼ੀ ਸੁਧਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਨੇਚਰ ਬਾਇਓਮੈਡੀਕਲ ਇੰਜੀਨੀਅਰਿੰਗ ਨੇ ਤੁਰਕੀ ਦੀ ਸਟ੍ਰੇਟਸ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ ਇੱਕ ਅਧਿਐਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜੋ ਕਲੀਨਿਕਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਪੈਥੋਲੋਜਿਕ ਚਿੱਤਰ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਨਿਦਾਨ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਜਨਰੇਟਿਵ AI ਦੀ ਵਰਤੋਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਸੀ। ਸਰਜਰੀ ਦੌਰਾਨ ਜੰਮੇ ਹੋਏ ਭਾਗ ਦੇ ਟਿਸ਼ੂ ਵਿੱਚ ਕਲਾਤਮਕ ਤੱਤ ਤੇਜ਼ ਨਿਦਾਨ ਮੁਲਾਂਕਣ ਵਿੱਚ ਇੱਕ ਰੁਕਾਵਟ ਹਨ। ਹਾਲਾਂਕਿ ਫਾਰਮੇਲਿਨ ਅਤੇ ਪੈਰਾਫਿਨ ਏਮਬੈਡਡ (FFPE) ਟਿਸ਼ੂ ਇੱਕ ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲਾ ਨਮੂਨਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇਸਦੀ ਉਤਪਾਦਨ ਪ੍ਰਕਿਰਿਆ ਸਮਾਂ ਲੈਣ ਵਾਲੀ ਹੈ ਅਤੇ ਅਕਸਰ 12-48 ਘੰਟੇ ਲੈਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਸਰਜਰੀ ਵਿੱਚ ਵਰਤੋਂ ਲਈ ਅਯੋਗ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਖੋਜ ਟੀਮ ਨੇ AI-FFPE ਨਾਮਕ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਰੱਖਿਆ, ਜੋ ਜੰਮੇ ਹੋਏ ਭਾਗ ਵਿੱਚ ਟਿਸ਼ੂ ਦੀ ਦਿੱਖ ਨੂੰ FFPE ਦੇ ਸਮਾਨ ਬਣਾ ਸਕਦਾ ਹੈ। ਐਲਗੋਰਿਦਮ ਨੇ ਸਫਲਤਾਪੂਰਵਕ ਜੰਮੇ ਹੋਏ ਭਾਗਾਂ ਦੀਆਂ ਕਲਾਤਮਕ ਤੱਤਾਂ ਨੂੰ ਠੀਕ ਕੀਤਾ, ਚਿੱਤਰ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ, ਅਤੇ ਉਸੇ ਸਮੇਂ ਕਲੀਨਿਕਲ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਿਆ। ਕਲੀਨਿਕਲ ਪ੍ਰਮਾਣਿਕਤਾ ਵਿੱਚ, AI-FFPE ਐਲਗੋਰਿਦਮ ਟਿਊਮਰ ਉਪ-ਕਿਸਮਾਂ ਲਈ ਪੈਥੋਲੋਜਿਸਟਾਂ ਦੀ ਡਾਇਗਨੌਸਟਿਕ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਕਲੀਨਿਕਲ ਨਿਦਾਨ ਸਮੇਂ ਨੂੰ ਬਹੁਤ ਛੋਟਾ ਕਰਦਾ ਹੈ।

ਸੈੱਲ ਰਿਪੋਰਟਸ ਮੈਡੀਸਨ ਜਿਲਿਨ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਤੀਜੇ ਕਲੀਨਿਕਲ ਕਾਲਜ, ਰੇਡੀਓਲੋਜੀ ਵਿਭਾਗ, ਫੁਡਾਨ ਯੂਨੀਵਰਸਿਟੀ ਨਾਲ ਸੰਬੰਧਿਤ ਝੋਂਗਸ਼ਾਨ ਹਸਪਤਾਲ, ਅਤੇ ਸ਼ੰਘਾਈ ਯੂਨੀਵਰਸਿਟੀ ਆਫ਼ ਸਾਇੰਸ ਐਂਡ ਟੈਕਨਾਲੋਜੀ [25] ਦੀ ਇੱਕ ਟੀਮ ਦੁਆਰਾ ਇੱਕ ਖੋਜ ਕਾਰਜ ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ। ਇਹ ਅਧਿਐਨ ਉੱਚ ਬਹੁਪੱਖੀਤਾ ਅਤੇ ਲਚਕਤਾ ਦੇ ਨਾਲ ਇੱਕ ਆਮ-ਉਦੇਸ਼ ਵਾਲੀ ਡੂੰਘੀ ਸਿਖਲਾਈ ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੀ ਪੁਨਰ ਨਿਰਮਾਣ ਫਿਊਜ਼ਨ ਫਰੇਮਵਰਕ (ਹਾਈਬ੍ਰਿਡ DL-IR) ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦਾ ਹੈ, ਜੋ ਤੇਜ਼ MRI, ਘੱਟ ਖੁਰਾਕ CT, ਅਤੇ ਤੇਜ਼ PET ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਚਿੱਤਰ ਪੁਨਰ ਨਿਰਮਾਣ ਪ੍ਰਦਰਸ਼ਨ ਦਰਸਾਉਂਦਾ ਹੈ। ਐਲਗੋਰਿਦਮ 100 ਸਕਿੰਟਾਂ ਵਿੱਚ MR ਸਿੰਗਲ-ਆਰਗਨ ਮਲਟੀ-ਸੀਕੁਐਂਸ ਸਕੈਨਿੰਗ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਰੇਡੀਏਸ਼ਨ ਖੁਰਾਕ ਨੂੰ CT ਚਿੱਤਰ ਦੇ ਸਿਰਫ 10% ਤੱਕ ਘਟਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਸ਼ੋਰ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ PET ਪ੍ਰਾਪਤੀ ਤੋਂ ਛੋਟੇ ਜਖਮਾਂ ਨੂੰ 2 ਤੋਂ 4 ਗੁਣਾ ਪ੍ਰਵੇਗ ਨਾਲ ਦੁਬਾਰਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਗਤੀ ਕਲਾਕ੍ਰਿਤੀਆਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।

ਮੈਡੀਕਲ ਵਰਕਰਾਂ ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਮੈਡੀਕਲ ਏ.ਆਈ.

ਮੈਡੀਕਲ ਏਆਈ ਦੇ ਤੇਜ਼ ਵਿਕਾਸ ਨੇ ਡਾਕਟਰੀ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਵਿਚਾਰ ਕਰਨ ਅਤੇ ਖੋਜ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕੀਤਾ ਹੈ ਕਿ ਕਲੀਨਿਕਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਏਆਈ ਨਾਲ ਕਿਵੇਂ ਸਹਿਯੋਗ ਕਰਨਾ ਹੈ। ਇਸ ਸਾਲ ਜੁਲਾਈ ਵਿੱਚ, ਡੀਪਮਾਈਂਡ ਅਤੇ ਇੱਕ ਬਹੁ-ਸੰਸਥਾਗਤ ਖੋਜ ਟੀਮ ਨੇ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਪੂਰਕ ਡ੍ਰਾਈਵਨ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋ ਡਿਲੇ (CoDoC) ਨਾਮਕ ਇੱਕ ਏਆਈ ਸਿਸਟਮ ਦਾ ਪ੍ਰਸਤਾਵ ਰੱਖਿਆ। ਡਾਇਗਨੌਸਟਿਕ ਪ੍ਰਕਿਰਿਆ ਦਾ ਪਹਿਲਾਂ ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੀ ਏਆਈ ਸਿਸਟਮ ਦੁਆਰਾ ਨਿਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਫਿਰ ਪਿਛਲੇ ਨਤੀਜੇ 'ਤੇ ਕਿਸੇ ਹੋਰ ਏਆਈ ਸਿਸਟਮ ਦੁਆਰਾ ਨਿਰਣਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਜੇਕਰ ਕੋਈ ਸ਼ੱਕ ਹੈ, ਤਾਂ ਅੰਤ ਵਿੱਚ ਇੱਕ ਕਲੀਨੀਸ਼ੀਅਨ ਦੁਆਰਾ ਡਾਇਗਨੌਸਟਿਕ ਸ਼ੁੱਧਤਾ ਅਤੇ ਸੰਤੁਲਨ ਕੁਸ਼ਲਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਨਿਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦੀ ਜਾਂਚ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ CoDoC ਨੇ ਯੂਕੇ ਵਿੱਚ ਮੌਜੂਦਾ "ਡਬਲ-ਰੀਡ ਆਰਬਿਟਰੇਸ਼ਨ" ਪ੍ਰਕਿਰਿਆ ਦੇ ਮੁਕਾਬਲੇ, ਉਸੇ ਝੂਠੇ ਨਕਾਰਾਤਮਕ ਦਰ ਦੇ ਨਾਲ ਗਲਤ ਸਕਾਰਾਤਮਕ ਦਰਾਂ ਨੂੰ 25% ਘਟਾ ਦਿੱਤਾ, ਜਦੋਂ ਕਿ ਕਲੀਨੀਸ਼ੀਅਨ ਵਰਕਲੋਡ ਨੂੰ 66% ਘਟਾ ਦਿੱਤਾ। ਟੀਬੀ ਵਰਗੀਕਰਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਸੁਤੰਤਰ ਏਆਈ ਅਤੇ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋ ਦੇ ਮੁਕਾਬਲੇ ਉਸੇ ਝੂਠੇ ਨਕਾਰਾਤਮਕ ਦਰ ਦੇ ਨਾਲ ਗਲਤ ਸਕਾਰਾਤਮਕ ਦਰਾਂ ਨੂੰ 5 ਤੋਂ 15 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਘਟਾ ਦਿੱਤਾ ਗਿਆ।

ਇਸੇ ਤਰ੍ਹਾਂ, ਲੰਡਨ, ਯੂਕੇ ਵਿੱਚ ਖੀਰੋਨ ਕੰਪਨੀ ਦੀ ਐਨੀ ਵਾਈ. ਐਨਜੀ ਅਤੇ ਹੋਰਾਂ ਨੇ ਡਬਲ-ਰੀਡ ਆਰਬਿਟਰੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਕੋਈ ਰੀਕਾਲ ਨਤੀਜੇ ਨਾ ਹੋਣ 'ਤੇ ਨਤੀਜਿਆਂ ਦੀ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰਨ ਲਈ ਵਾਧੂ ਏਆਈ ਰੀਡਰ (ਮਨੁੱਖੀ ਜਾਂਚਕਰਤਾਵਾਂ ਦੇ ਸਹਿਯੋਗ ਨਾਲ) ਪੇਸ਼ ਕੀਤੇ, ਜਿਸ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ ਵਿੱਚ ਖੁੰਝੇ ਹੋਏ ਖੋਜ ਦੀ ਸਮੱਸਿਆ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ, ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਲਗਭਗ ਕੋਈ ਗਲਤ ਸਕਾਰਾਤਮਕ ਨਹੀਂ ਸੀ। ਇੱਕ ਹੋਰ ਅਧਿਐਨ, ਜੋ ਕਿ ਟੈਕਸਾਸ ਯੂਨੀਵਰਸਿਟੀ ਮੈਕਗਵਰਨ ਮੈਡੀਕਲ ਸਕੂਲ ਦੀ ਇੱਕ ਟੀਮ ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਸੀ ਅਤੇ ਚਾਰ ਸਟ੍ਰੋਕ ਸੈਂਟਰਾਂ 'ਤੇ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਨੇ ਵੱਡੇ ਵੈਸਕੁਲਰ ਓਕਲੂਸਿਵ ਇਸਕੇਮਿਕ ਸਟ੍ਰੋਕ (LVO) ਦੀ ਖੋਜ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਲਈ ਕੰਪਿਊਟਿਡ ਟੋਮੋਗ੍ਰਾਫੀ ਐਂਜੀਓਗ੍ਰਾਫੀ (CTA) -ਅਧਾਰਤ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕੀਤਾ। ਕਲੀਨੀਸ਼ੀਅਨ ਅਤੇ ਰੇਡੀਓਲੋਜਿਸਟਸ CT ਇਮੇਜਿੰਗ ਪੂਰੀ ਹੋਣ ਦੇ ਕੁਝ ਮਿੰਟਾਂ ਦੇ ਅੰਦਰ ਆਪਣੇ ਮੋਬਾਈਲ ਫੋਨਾਂ 'ਤੇ ਰੀਅਲ-ਟਾਈਮ ਅਲਰਟ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ LVO ਦੀ ਸੰਭਾਵਿਤ ਮੌਜੂਦਗੀ ਬਾਰੇ ਸੂਚਿਤ ਕਰਦੇ ਹਨ। ਇਹ AI ਪ੍ਰਕਿਰਿਆ ਤੀਬਰ ਇਸਕੇਮਿਕ ਸਟ੍ਰੋਕ ਲਈ ਹਸਪਤਾਲ ਵਿੱਚ ਵਰਕਫਲੋ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੀ ਹੈ, ਇਲਾਜ ਵਿੱਚ ਦਾਖਲੇ ਤੋਂ ਲੈ ਕੇ ਘਰ-ਘਰ ਤੱਕ ਦੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ ਅਤੇ ਸਫਲ ਬਚਾਅ ਲਈ ਮੌਕੇ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਇਹ ਖੋਜਾਂ JAMA ਨਿਊਰੋਲੋਜੀ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।

ਯੂਨੀਵਰਸਲ ਲਾਭ ਲਈ ਇੱਕ ਏਆਈ ਹੈਲਥਕੇਅਰ ਮਾਡਲ

2023 ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਚੰਗੇ ਕੰਮ ਵੀ ਦੇਖਣ ਨੂੰ ਮਿਲਣਗੇ ਜੋ ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਨੁੱਖੀ ਅੱਖ ਲਈ ਅਦਿੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਵਰਤਦੇ ਹਨ ਜੋ ਵਧੇਰੇ ਆਸਾਨੀ ਨਾਲ ਉਪਲਬਧ ਡੇਟਾ ਤੋਂ, ਵਿਆਪਕ ਨਿਦਾਨ ਅਤੇ ਪੈਮਾਨੇ 'ਤੇ ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੇ ਹਨ। ਸਾਲ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ, ਨੇਚਰ ਮੈਡੀਸਨ ਨੇ ਸਨ ਯੈਟ-ਸੇਨ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਝੋਂਗਸ਼ਾਨ ਆਈ ਸੈਂਟਰ ਅਤੇ ਫੁਜਿਆਨ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਦੂਜੇ ਐਫੀਲੀਏਟਿਡ ਹਸਪਤਾਲ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਅਧਿਐਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ। ਸਮਾਰਟਫੋਨ ਨੂੰ ਐਪਲੀਕੇਸ਼ਨ ਟਰਮੀਨਲ ਵਜੋਂ ਵਰਤਦੇ ਹੋਏ, ਉਨ੍ਹਾਂ ਨੇ ਬੱਚਿਆਂ ਦੀ ਨਿਗਾਹ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਨ ਅਤੇ ਬੱਚਿਆਂ ਦੇ ਨਿਗਾਹ ਵਿਵਹਾਰ ਅਤੇ ਚਿਹਰੇ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਲਈ ਕਾਰਟੂਨ ਵਰਗੀਆਂ ਵੀਡੀਓ ਤਸਵੀਰਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਅਤੇ 85% ਤੋਂ ਵੱਧ ਦੀ ਔਸਤ ਸਕ੍ਰੀਨਿੰਗ ਸ਼ੁੱਧਤਾ ਦੇ ਨਾਲ, ਜਮਾਂਦਰੂ ਮੋਤੀਆਬਿੰਦ, ਜਮਾਂਦਰੂ ਪਟੋਸਿਸ ਅਤੇ ਜਮਾਂਦਰੂ ਗਲਾਕੋਮਾ ਸਮੇਤ 16 ਅੱਖਾਂ ਦੀਆਂ ਬਿਮਾਰੀਆਂ ਦੀ ਸਫਲਤਾਪੂਰਵਕ ਪਛਾਣ ਕਰਨ ਲਈ ਡੂੰਘੀ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਅਸਧਾਰਨ ਮਾਡਲਾਂ ਦਾ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ। ਇਹ ਬੱਚਿਆਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਗਤ ਕਾਰਜ ਕਮਜ਼ੋਰੀ ਅਤੇ ਸੰਬੰਧਿਤ ਅੱਖਾਂ ਦੀਆਂ ਬਿਮਾਰੀਆਂ ਦੀ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ ਲਈ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਪ੍ਰਸਿੱਧ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਤਕਨੀਕੀ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਸਾਲ ਦੇ ਅੰਤ ਵਿੱਚ, ਨੇਚਰ ਮੈਡੀਸਨ ਨੇ ਦੁਨੀਆ ਭਰ ਦੇ 10 ਤੋਂ ਵੱਧ ਮੈਡੀਕਲ ਅਤੇ ਖੋਜ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਕੰਮ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ, ਜਿਸ ਵਿੱਚ ਸ਼ੰਘਾਈ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਪੈਨਕ੍ਰੀਆਟਿਕ ਡਿਜ਼ੀਜ਼ ਅਤੇ ਝੇਜਿਆਂਗ ਯੂਨੀਵਰਸਿਟੀ ਦਾ ਪਹਿਲਾ ਐਫੀਲੀਏਟਿਡ ਹਸਪਤਾਲ ਸ਼ਾਮਲ ਹੈ। ਲੇਖਕ ਨੇ ਸਰੀਰਕ ਜਾਂਚ ਕੇਂਦਰਾਂ, ਹਸਪਤਾਲਾਂ, ਆਦਿ ਵਿੱਚ ਲੱਛਣ ਰਹਿਤ ਲੋਕਾਂ ਦੀ ਪੈਨਕ੍ਰੀਆਟਿਕ ਕੈਂਸਰ ਸਕ੍ਰੀਨਿੰਗ ਲਈ AI ਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਤਾਂ ਜੋ ਪਲੇਨ ਸਕੈਨ ਸੀਟੀ ਚਿੱਤਰਾਂ ਵਿੱਚ ਜਖਮ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕੇ ਜਿਨ੍ਹਾਂ ਦਾ ਸਿਰਫ਼ ਨੰਗੀ ਅੱਖ ਨਾਲ ਪਤਾ ਲਗਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ, ਤਾਂ ਜੋ ਪੈਨਕ੍ਰੀਆਟਿਕ ਕੈਂਸਰ ਦੀ ਕੁਸ਼ਲ ਅਤੇ ਗੈਰ-ਹਮਲਾਵਰ ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾ ਸਕੇ। 20,000 ਤੋਂ ਵੱਧ ਮਰੀਜ਼ਾਂ ਦੇ ਡੇਟਾ ਦੀ ਸਮੀਖਿਆ ਕਰਦੇ ਹੋਏ, ਮਾਡਲ ਨੇ ਕਲੀਨਿਕ ਤੌਰ 'ਤੇ ਖੁੰਝੇ ਹੋਏ ਜਖਮਾਂ ਦੇ 31 ਮਾਮਲਿਆਂ ਦੀ ਵੀ ਪਛਾਣ ਕੀਤੀ, ਜਿਸ ਨੇ ਕਲੀਨਿਕਲ ਨਤੀਜਿਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕੀਤਾ।

ਮੈਡੀਕਲ ਡੇਟਾ ਸਾਂਝਾ ਕਰਨਾ

2023 ਵਿੱਚ, ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਸੰਪੂਰਨ ਡੇਟਾ ਸਾਂਝਾਕਰਨ ਵਿਧੀਆਂ ਅਤੇ ਸਫਲ ਮਾਮਲੇ ਸਾਹਮਣੇ ਆਏ ਹਨ, ਜੋ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਦੀ ਰੱਖਿਆ ਦੇ ਅਧਾਰ 'ਤੇ ਬਹੁ-ਕੇਂਦਰ ਸਹਿਯੋਗ ਅਤੇ ਡੇਟਾ ਖੁੱਲੇਪਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ।

ਪਹਿਲਾਂ, ਖੁਦ AI ਤਕਨਾਲੋਜੀ ਦੀ ਮਦਦ ਨਾਲ, AI ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮੈਡੀਕਲ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ ਹੈ। ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ ਵਿੱਚ ਰਟਗਰਜ਼ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਕਿਊ ਚਾਂਗ ਅਤੇ ਹੋਰਾਂ ਨੇ ਨੇਚਰ ਕਮਿਊਨੀਕੇਸ਼ਨਜ਼ ਵਿੱਚ ਇੱਕ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਵੰਡੇ ਗਏ ਸਿੰਥੈਟਿਕ ਐਡਵਰਸਰੀਅਲ ਨੈਟਵਰਕਸ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਸੰਘੀ ਸਿਖਲਾਈ ਫਰੇਮਵਰਕ DSL ਦਾ ਪ੍ਰਸਤਾਵ ਰੱਖਿਆ ਗਿਆ, ਜੋ ਕਿ ਮਲਟੀ-ਸੈਂਟਰਾਂ ਦੇ ਖਾਸ ਤਿਆਰ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਜਨਰੇਟਿਵ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਮਲਟੀ-ਸੈਂਟਰਾਂ ਦੇ ਅਸਲ ਡੇਟਾ ਨੂੰ ਤਿਆਰ ਕੀਤੇ ਡੇਟਾ ਨਾਲ ਬਦਲਦਾ ਹੈ। ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਦੇ ਹੋਏ ਮਲਟੀਸੈਂਟਰ ਵੱਡੇ ਡੇਟਾ 'ਤੇ ਅਧਾਰਤ AI ਸਿਖਲਾਈ ਨੂੰ ਯਕੀਨੀ ਬਣਾਓ। ਉਹੀ ਟੀਮ ਜਨਰੇਟ ਕੀਤੇ ਪੈਥੋਲੋਜੀਕਲ ਚਿੱਤਰਾਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਅਨੁਸਾਰੀ ਐਨੋਟੇਸ਼ਨਾਂ ਦੇ ਡੇਟਾਸੈਟ ਨੂੰ ਵੀ ਓਪਨ-ਸੋਰਸ ਕਰਦੀ ਹੈ। ਜਨਰੇਟ ਕੀਤੇ ਡੇਟਾ ਸੈੱਟ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਡਲ ਅਸਲ ਡੇਟਾ ਦੇ ਸਮਾਨ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ।

ਸਿੰਹੁਆ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ ਦਾਈ ਕਿਓਂਗਹਾਈ ਦੀ ਟੀਮ ਨੇ npj ਡਿਜੀਟਲ ਹੈਲਥ 'ਤੇ ਇੱਕ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਰੀਲੇਅ ਲਰਨਿੰਗ ਦਾ ਪ੍ਰਸਤਾਵ ਰੱਖਿਆ ਗਿਆ, ਜੋ ਸਥਾਨਕ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਕਰਾਸ-ਸਾਈਟ ਨੈੱਟਵਰਕ ਕਨੈਕਸ਼ਨ ਦੇ ਆਧਾਰ 'ਤੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਮਲਟੀ-ਸਾਈਟ ਵੱਡੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ AI ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਪ੍ਰਾਪਤੀ ਨਾਲ ਡੇਟਾ ਸੁਰੱਖਿਆ ਅਤੇ ਗੋਪਨੀਯਤਾ ਚਿੰਤਾਵਾਂ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ। ਉਸੇ ਟੀਮ ਨੇ ਬਾਅਦ ਵਿੱਚ ਗੁਆਂਗਜ਼ੂ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਪਹਿਲੇ ਐਫੀਲੀਏਟਿਡ ਹਸਪਤਾਲ ਅਤੇ ਦੇਸ਼ ਭਰ ਦੇ 24 ਹਸਪਤਾਲਾਂ ਦੇ ਸਹਿਯੋਗ ਨਾਲ, ਸੰਘੀ ਸਿਖਲਾਈ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਛਾਤੀ CT ਪੈਨ-ਮੀਡੀਏਸਟਾਈਨਲ ਟਿਊਮਰ ਨਿਦਾਨ ਪ੍ਰਣਾਲੀ, CAIMEN ਨੂੰ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਵਿਕਸਤ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ। ਇਹ ਸਿਸਟਮ, ਜਿਸਨੂੰ 12 ਆਮ ਮੀਡੀਏਸਟਾਈਨਲ ਟਿਊਮਰਾਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਨੇ ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਨਾਲੋਂ ਇਕੱਲੇ ਵਰਤੇ ਜਾਣ 'ਤੇ 44.9 ਪ੍ਰਤੀਸ਼ਤ ਬਿਹਤਰ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ, ਅਤੇ ਜਦੋਂ ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਦੁਆਰਾ ਇਸਦੀ ਸਹਾਇਤਾ ਕੀਤੀ ਗਈ ਤਾਂ 19 ਪ੍ਰਤੀਸ਼ਤ ਬਿਹਤਰ ਨਿਦਾਨ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ।

ਦੂਜੇ ਪਾਸੇ, ਸੁਰੱਖਿਅਤ, ਗਲੋਬਲ, ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਮੈਡੀਕਲ ਡੇਟਾ ਸੈੱਟ ਬਣਾਉਣ ਲਈ ਕਈ ਪਹਿਲਕਦਮੀਆਂ ਚੱਲ ਰਹੀਆਂ ਹਨ। ਨਵੰਬਰ 2023 ਵਿੱਚ, ਹਾਰਵਰਡ ਮੈਡੀਕਲ ਸਕੂਲ ਦੇ ਬਾਇਓਮੈਡੀਕਲ ਇਨਫਾਰਮੇਟਿਕਸ ਵਿਭਾਗ ਦੇ ਅਗਸਤੀਨਾ ਸੇਂਜ਼ ਅਤੇ ਹੋਰਾਂ ਨੇ ਲੈਂਸੇਟ ਡਿਜੀਟਲ ਹੈਲਥ ਵਿੱਚ ਮੈਡੀਕਲ ਚਿੱਤਰ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਲਈ ਇੱਕ ਗਲੋਬਲ ਫਰੇਮਵਰਕ ਨੂੰ ਔਨਲਾਈਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਿਸਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਡੇਟਾ ਫਾਰ ਆਲ ਹੈਲਥਕੇਅਰ (MAIDA) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਉਹ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਨੂੰ ਮਾਨਕੀਕਰਨ ਕਰਨ ਲਈ ਯੂਐਸ ਫੈਡਰਲ ਡੈਮੋਨਸਟ੍ਰੇਸ਼ਨ ਪਾਰਟਨਰ (FDP) ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਡੇਟਾ ਸੰਗ੍ਰਹਿ ਅਤੇ ਪਛਾਣ ਦੀ ਪਛਾਣ ਬਾਰੇ ਵਿਆਪਕ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਦੁਨੀਆ ਭਰ ਦੇ ਸਿਹਤ ਸੰਭਾਲ ਸੰਗਠਨਾਂ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਦੁਨੀਆ ਭਰ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਅਤੇ ਕਲੀਨਿਕਲ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਇਕੱਠੇ ਕੀਤੇ ਡੇਟਾ ਸੈੱਟਾਂ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਜਾਰੀ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹਨ। ਪਹਿਲਾ ਡੇਟਾਸੈਟ 2024 ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜਾਰੀ ਕੀਤੇ ਜਾਣ ਦੀ ਉਮੀਦ ਹੈ, ਸਾਂਝੇਦਾਰੀ ਦੇ ਵਿਸਥਾਰ ਦੇ ਨਾਲ ਹੋਰ ਵੀ ਆਉਣਗੇ। ਇਹ ਪ੍ਰੋਜੈਕਟ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ AI ਡੇਟਾ ਦਾ ਇੱਕ ਗਲੋਬਲ, ਵੱਡੇ ਪੈਮਾਨੇ ਅਤੇ ਵਿਭਿੰਨ ਸੈੱਟ ਬਣਾਉਣ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕੋਸ਼ਿਸ਼ ਹੈ।

ਇਸ ਪ੍ਰਸਤਾਵ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਯੂਕੇ ਬਾਇਓਬੈਂਕ ਨੇ ਇੱਕ ਉਦਾਹਰਣ ਕਾਇਮ ਕੀਤੀ ਹੈ। ਯੂਕੇ ਬਾਇਓਬੈਂਕ ਨੇ 30 ਨਵੰਬਰ ਨੂੰ ਆਪਣੇ 500,000 ਭਾਗੀਦਾਰਾਂ ਦੇ ਪੂਰੇ ਜੀਨੋਮ ਸੀਕੁਐਂਸਿੰਗ ਤੋਂ ਨਵਾਂ ਡੇਟਾ ਜਾਰੀ ਕੀਤਾ। ਇਹ ਡੇਟਾਬੇਸ, ਜੋ 500,000 ਬ੍ਰਿਟਿਸ਼ ਵਲੰਟੀਅਰਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਦੇ ਪੂਰੇ ਜੀਨੋਮ ਸੀਕੁਐਂਸ ਨੂੰ ਪ੍ਰਕਾਸ਼ਤ ਕਰਦਾ ਹੈ, ਦੁਨੀਆ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਸੰਪੂਰਨ ਮਨੁੱਖੀ ਜੀਨੋਮ ਡੇਟਾਬੇਸ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੇ ਖੋਜਕਰਤਾ ਇਸ ਡੀ-ਪਛਾਣ ਕੀਤੇ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਦੀ ਬੇਨਤੀ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਸਿਹਤ ਅਤੇ ਬਿਮਾਰੀ ਦੇ ਜੈਨੇਟਿਕ ਅਧਾਰ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਕਰ ਸਕਦੇ ਹਨ। ਜੈਨੇਟਿਕ ਡੇਟਾ ਅਤੀਤ ਵਿੱਚ ਤਸਦੀਕ ਲਈ ਹਮੇਸ਼ਾਂ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਰਿਹਾ ਹੈ, ਅਤੇ ਯੂਕੇ ਬਾਇਓਬੈਂਕ ਦੀ ਇਹ ਇਤਿਹਾਸਕ ਪ੍ਰਾਪਤੀ ਸਾਬਤ ਕਰਦੀ ਹੈ ਕਿ ਇੱਕ ਖੁੱਲ੍ਹਾ, ਗੋਪਨੀਯਤਾ-ਮੁਕਤ ਗਲੋਬਲ ਵੱਡੇ ਪੱਧਰ ਦਾ ਡੇਟਾਬੇਸ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਅਤੇ ਡੇਟਾਬੇਸ ਦੇ ਨਾਲ, ਮੈਡੀਕਲ ਏਆਈ ਅਗਲੀ ਛਾਲ ਵਿੱਚ ਸ਼ੁਰੂਆਤ ਕਰਨ ਲਈ ਪਾਬੰਦ ਹੈ।

ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਤਸਦੀਕ ਅਤੇ ਮੁਲਾਂਕਣ

ਮੈਡੀਕਲ ਏਆਈ ਤਕਨਾਲੋਜੀ ਦੇ ਤੇਜ਼ ਵਿਕਾਸ ਦੇ ਮੁਕਾਬਲੇ, ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਤਸਦੀਕ ਅਤੇ ਮੁਲਾਂਕਣ ਦਾ ਵਿਕਾਸ ਥੋੜ੍ਹਾ ਹੌਲੀ ਹੈ। ਆਮ ਏਆਈ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਮੁਲਾਂਕਣ ਅਕਸਰ ਏਆਈ ਲਈ ਡਾਕਟਰਾਂ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਅਸਲ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ। ਰਵਾਇਤੀ ਬੇਤਰਤੀਬ ਨਿਯੰਤਰਿਤ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਏਆਈ ਟੂਲਸ ਦੇ ਤੇਜ਼ ਦੁਹਰਾਓ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਬਹੁਤ ਮਿਹਨਤੀ ਹਨ। ਮੈਡੀਕਲ ਏਆਈ ਟੂਲਸ ਲਈ ਢੁਕਵੀਂ ਤਸਦੀਕ ਅਤੇ ਮੁਲਾਂਕਣ ਪ੍ਰਣਾਲੀ ਨੂੰ ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਬਿਹਤਰ ਬਣਾਉਣਾ ਮੈਡੀਕਲ ਏਆਈ ਨੂੰ ਸੱਚਮੁੱਚ ਕਲੀਨਿਕਲ ਲੈਂਡਿੰਗ ਵਿੱਚ ਛਾਲ ਮਾਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੀਜ਼ ਹੈ।

ਨੇਚਰ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਮੈਡ-ਪੈਐਲਐਮ 'ਤੇ ਗੂਗਲ ਦੇ ਖੋਜ ਪੱਤਰ ਵਿੱਚ, ਟੀਮ ਨੇ ਮਲਟੀਮੇਡਕਿਊਏ ਮੁਲਾਂਕਣ ਬੈਂਚਮਾਰਕ ਵੀ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸਦੀ ਵਰਤੋਂ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀ ਕਲੀਨਿਕਲ ਗਿਆਨ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਬੈਂਚਮਾਰਕ ਛੇ ਮੌਜੂਦਾ ਪੇਸ਼ੇਵਰ ਮੈਡੀਕਲ ਪ੍ਰਸ਼ਨ ਅਤੇ ਉੱਤਰ ਡੇਟਾਸੈੱਟਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ, ਜੋ ਪੇਸ਼ੇਵਰ ਡਾਕਟਰੀ ਗਿਆਨ, ਖੋਜ ਅਤੇ ਹੋਰ ਪਹਿਲੂਆਂ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ, ਨਾਲ ਹੀ ਇੱਕ ਔਨਲਾਈਨ ਖੋਜ ਮੈਡੀਕਲ ਪ੍ਰਸ਼ਨ ਡੇਟਾਬੇਸ ਡੇਟਾਸੈੱਟ, ਡਾਕਟਰ-ਮਰੀਜ਼ ਔਨਲਾਈਨ ਪ੍ਰਸ਼ਨ ਅਤੇ ਉੱਤਰ 'ਤੇ ਵਿਚਾਰ ਕਰਦੇ ਹੋਏ, ਕਈ ਪਹਿਲੂਆਂ ਤੋਂ AI ਨੂੰ ਇੱਕ ਯੋਗ ਡਾਕਟਰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਟੀਮ ਮਨੁੱਖੀ ਮੁਲਾਂਕਣ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਢਾਂਚਾ ਪ੍ਰਸਤਾਵਿਤ ਕਰਦੀ ਹੈ ਜੋ ਤੱਥ, ਸਮਝ, ਤਰਕ ਅਤੇ ਸੰਭਾਵਿਤ ਪੱਖਪਾਤ ਦੇ ਕਈ ਪਹਿਲੂਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੀ ਹੈ। ਇਹ ਇਸ ਸਾਲ ਪ੍ਰਕਾਸ਼ਿਤ ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ AI ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਪ੍ਰਤੀਨਿਧ ਖੋਜ ਯਤਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।

ਹਾਲਾਂਕਿ, ਕੀ ਇਹ ਤੱਥ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਉੱਚ ਪੱਧਰੀ ਏਨਕੋਡਿੰਗ ਕਲੀਨਿਕਲ ਗਿਆਨ ਦਿਖਾਉਂਦੇ ਹਨ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਕਲੀਨਿਕਲ ਕੰਮਾਂ ਲਈ ਸਮਰੱਥ ਹਨ? ਜਿਵੇਂ ਇੱਕ ਮੈਡੀਕਲ ਵਿਦਿਆਰਥੀ ਜੋ ਇੱਕ ਸੰਪੂਰਨ ਸਕੋਰ ਨਾਲ ਪੇਸ਼ੇਵਰ ਡਾਕਟਰ ਦੀ ਪ੍ਰੀਖਿਆ ਪਾਸ ਕਰਦਾ ਹੈ, ਅਜੇ ਵੀ ਇੱਕ ਸਿੰਗਲ ਚੀਫ਼ ਡਾਕਟਰ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ, ਗੂਗਲ ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਮੁਲਾਂਕਣ ਮਾਪਦੰਡ AI ਮਾਡਲਾਂ ਲਈ ਮੈਡੀਕਲ AI ਮੁਲਾਂਕਣ ਦੇ ਵਿਸ਼ੇ ਦਾ ਸੰਪੂਰਨ ਉੱਤਰ ਨਹੀਂ ਹੋ ਸਕਦਾ। 2021 ਅਤੇ 2022 ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ Decid-AI, SPIRIT-AI, ਅਤੇ INTRPRT ਵਰਗੇ ਰਿਪੋਰਟਿੰਗ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਹੈ, ਜੋ ਕਿ ਕਲੀਨਿਕਲ ਵਿਹਾਰਕਤਾ, ਸੁਰੱਖਿਆ, ਮਨੁੱਖੀ ਕਾਰਕਾਂ, ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ/ਵਿਆਖਿਆਯੋਗਤਾ ਵਰਗੇ ਕਾਰਕਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਸ਼ਰਤ ਹੇਠ ਮੈਡੀਕਲ AI ਦੇ ਸ਼ੁਰੂਆਤੀ ਵਿਕਾਸ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ। ਹੁਣੇ ਹੁਣੇ, ਜਰਨਲ ਨੇਚਰ ਮੈਡੀਸਨ ਨੇ ਆਕਸਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ "ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ" ਜਾਂ "ਆਵਰਤੀ ਸਥਾਨਕ ਪ੍ਰਮਾਣਿਕਤਾ" ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਇੱਕ ਅਧਿਐਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਹੈ। "AI ਟੂਲਸ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ।"

AI ਟੂਲਸ ਦੀ ਨਿਰਪੱਖ ਪ੍ਰਕਿਰਤੀ ਵੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਮੁਲਾਂਕਣ ਦਿਸ਼ਾ ਹੈ ਜਿਸਨੂੰ ਇਸ ਸਾਲ ਵਿਗਿਆਨ ਅਤੇ NEJM ਦੋਵਾਂ ਲੇਖਾਂ ਤੋਂ ਧਿਆਨ ਮਿਲਿਆ ਹੈ। AI ਅਕਸਰ ਪੱਖਪਾਤ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਿਖਲਾਈ ਡੇਟਾ ਤੱਕ ਸੀਮਿਤ ਹੈ। ਇਹ ਪੱਖਪਾਤ ਸਮਾਜਿਕ ਅਸਮਾਨਤਾ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ, ਜੋ ਅੱਗੇ ਐਲਗੋਰਿਦਮਿਕ ਵਿਤਕਰੇ ਵਿੱਚ ਵਿਕਸਤ ਹੁੰਦਾ ਹੈ। ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਹੈਲਥ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ Bridge2AI ਪਹਿਲਕਦਮੀ ਸ਼ੁਰੂ ਕੀਤੀ ਹੈ, ਜਿਸਦੀ ਲਾਗਤ $130 ਮਿਲੀਅਨ ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਹੈ, ਤਾਂ ਜੋ ਵਿਭਿੰਨ ਡੇਟਾਸੈੱਟ (ਉੱਪਰ ਦੱਸੇ ਗਏ MAIDA ਪਹਿਲਕਦਮੀ ਦੇ ਟੀਚਿਆਂ ਦੇ ਅਨੁਸਾਰ) ਬਣਾਏ ਜਾ ਸਕਣ ਜੋ ਮੈਡੀਕਲ AI ਟੂਲਸ ਦੀ ਨਿਰਪੱਖਤਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਇਹਨਾਂ ਪਹਿਲੂਆਂ 'ਤੇ ਮਲਟੀਮੇਡਕਿਊਏ ਦੁਆਰਾ ਵਿਚਾਰ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮੈਡੀਕਲ AI ਮਾਡਲਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪਣਾ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਹੈ ਇਸ ਸਵਾਲ 'ਤੇ ਅਜੇ ਵੀ ਵਿਆਪਕ ਅਤੇ ਡੂੰਘਾਈ ਨਾਲ ਚਰਚਾ ਦੀ ਲੋੜ ਹੈ।

ਜਨਵਰੀ ਵਿੱਚ, ਨੇਚਰ ਮੈਡੀਸਨ ਨੇ ਟੈਕਸਾਸ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਐਮਡੀ ਐਂਡਰਸਨ ਕੈਂਸਰ ਸੈਂਟਰ ਦੇ ਵਿਵੇਕ ਸੁਬੀਆਹ ਦੁਆਰਾ "ਦ ਨੈਕਸਟ ਜਨਰੇਸ਼ਨ ਆਫ ਐਵੀਡੈਂਸ-ਬੇਸਡ ਮੈਡੀਸਨ" ਨਾਮਕ ਇੱਕ ਰਾਏ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਕੋਵਿਡ-19 ਮਹਾਂਮਾਰੀ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਾਹਮਣੇ ਆਏ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਅਤੇ ਨਵੀਨਤਾ ਅਤੇ ਕਲੀਨਿਕਲ ਖੋਜ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪਾਲਣਾ ਵਿਚਕਾਰ ਵਿਰੋਧਾਭਾਸ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ ਗਿਆ। ਅੰਤ ਵਿੱਚ, ਇਹ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੇ ਪੁਨਰਗਠਨ ਦੇ ਭਵਿੱਖ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ - ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ, ਯਾਨੀ ਕਿ, ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਇਤਿਹਾਸਕ ਖੋਜ ਡੇਟਾ, ਅਸਲ ਸੰਸਾਰ ਡੇਟਾ, ਮਲਟੀ-ਮਾਡਲ ਕਲੀਨਿਕਲ ਡੇਟਾ, ਪਹਿਨਣਯੋਗ ਡਿਵਾਈਸ ਡੇਟਾ ਤੋਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਮੁੱਖ ਸਬੂਤ ਲੱਭਣ ਲਈ। ਕੀ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਏਆਈ ਤਕਨਾਲੋਜੀ ਅਤੇ ਏਆਈ ਕਲੀਨਿਕਲ ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਕਿਰਿਆਵਾਂ ਭਵਿੱਖ ਵਿੱਚ ਆਪਸੀ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ​​ਅਤੇ ਸਹਿ-ਵਿਕਸਤ ਹੋ ਸਕਦੀਆਂ ਹਨ? ਇਹ 2023 ਦਾ ਖੁੱਲ੍ਹਾ ਅਤੇ ਸੋਚ-ਉਕਸਾਉਣ ਵਾਲਾ ਸਵਾਲ ਹੈ।

ਮੈਡੀਕਲ ਏਆਈ ਦਾ ਨਿਯਮਨ

AI ਤਕਨਾਲੋਜੀ ਦੀ ਤਰੱਕੀ AI ਦੇ ਨਿਯਮਨ ਲਈ ਚੁਣੌਤੀਆਂ ਵੀ ਖੜ੍ਹੀ ਕਰਦੀ ਹੈ, ਅਤੇ ਦੁਨੀਆ ਭਰ ਦੇ ਨੀਤੀ ਨਿਰਮਾਤਾ ਧਿਆਨ ਨਾਲ ਅਤੇ ਧਿਆਨ ਨਾਲ ਜਵਾਬ ਦੇ ਰਹੇ ਹਨ। 2019 ਵਿੱਚ, FDA ਨੇ ਪਹਿਲੀ ਵਾਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮੈਡੀਕਲ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਸਾਫਟਵੇਅਰ ਬਦਲਾਅ ਲਈ ਇੱਕ ਪ੍ਰਸਤਾਵਿਤ ਰੈਗੂਲੇਟਰੀ ਫਰੇਮਵਰਕ (ਚਰਚਾ ਡਰਾਫਟ) ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ AI ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ-ਅਧਾਰਿਤ ਸਾਫਟਵੇਅਰ ਸੋਧਾਂ ਦੀ ਪ੍ਰੀਮਾਰਕੀਟ ਸਮੀਖਿਆ ਲਈ ਇਸਦੇ ਸੰਭਾਵੀ ਪਹੁੰਚ ਦਾ ਵੇਰਵਾ ਦਿੱਤਾ ਗਿਆ ਸੀ। 2021 ਵਿੱਚ, FDA ਨੇ "ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ/ਮਸ਼ੀਨ ਲਰਨਿੰਗ-ਅਧਾਰਤ ਸਾਫਟਵੇਅਰ ਨੂੰ ਇੱਕ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਐਕਸ਼ਨ ਪਲਾਨ ਵਜੋਂ" ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ, ਜਿਸ ਨੇ ਪੰਜ ਖਾਸ AI ਮੈਡੀਕਲ ਰੈਗੂਲੇਟਰੀ ਉਪਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕੀਤਾ। ਇਸ ਸਾਲ, FDA ਨੇ ਡਿਵਾਈਸ ਸਾਫਟਵੇਅਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੇ FDA ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਪ੍ਰੀਮਾਰਕੀਟ ਸਬਮਿਸ਼ਨ ਸਿਫ਼ਾਰਸ਼ਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਡਿਵਾਈਸ ਸਾਫਟਵੇਅਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਪ੍ਰੀਮਾਰਕੀਟ ਸਬਮਿਸ਼ਨ ਨੂੰ ਦੁਬਾਰਾ ਜਾਰੀ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਕੁਝ ਸਾਫਟਵੇਅਰ ਡਿਵਾਈਸ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਸ਼ਾਮਲ ਹਨ ਜੋ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਤਰੀਕਿਆਂ ਦੁਆਰਾ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ। FDA ਦੀ ਰੈਗੂਲੇਟਰੀ ਨੀਤੀ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਸਤਾਵ ਤੋਂ ਵਿਹਾਰਕ ਮਾਰਗਦਰਸ਼ਨ ਤੱਕ ਵਿਕਸਤ ਹੋਈ ਹੈ।

ਪਿਛਲੇ ਸਾਲ ਜੁਲਾਈ ਵਿੱਚ ਯੂਰਪੀਅਨ ਹੈਲਥ ਡੇਟਾ ਸਪੇਸ ਦੇ ਪ੍ਰਕਾਸ਼ਨ ਤੋਂ ਬਾਅਦ, ਈਯੂ ਨੇ ਇੱਕ ਵਾਰ ਫਿਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਐਕਟ ਲਾਗੂ ਕੀਤਾ ਹੈ। ਪਹਿਲੇ ਦਾ ਉਦੇਸ਼ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀ ਸਿਹਤ ਸੰਭਾਲ ਪ੍ਰਦਾਨ ਕਰਨ, ਅਸਮਾਨਤਾਵਾਂ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਰੋਕਥਾਮ, ਨਿਦਾਨ, ਇਲਾਜ, ਵਿਗਿਆਨਕ ਨਵੀਨਤਾ, ਫੈਸਲਾ ਲੈਣ ਅਤੇ ਕਾਨੂੰਨ ਬਣਾਉਣ ਲਈ ਡੇਟਾ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਸਿਹਤ ਡੇਟਾ ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤੋਂ ਕਰਨਾ ਹੈ, ਜਦੋਂ ਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਈਯੂ ਦੇ ਨਾਗਰਿਕਾਂ ਦਾ ਆਪਣੇ ਨਿੱਜੀ ਸਿਹਤ ਡੇਟਾ 'ਤੇ ਵਧੇਰੇ ਨਿਯੰਤਰਣ ਹੋਵੇ। ਬਾਅਦ ਵਾਲਾ ਇਹ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ ਕਿ ਮੈਡੀਕਲ ਨਿਦਾਨ ਪ੍ਰਣਾਲੀ ਇੱਕ ਉੱਚ-ਜੋਖਮ ਵਾਲੀ ਏਆਈ ਪ੍ਰਣਾਲੀ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਨਿਸ਼ਾਨਾਬੱਧ ਮਜ਼ਬੂਤ ​​ਨਿਗਰਾਨੀ, ਪੂਰੇ ਜੀਵਨ ਚੱਕਰ ਨਿਗਰਾਨੀ ਅਤੇ ਪੂਰਵ-ਮੁਲਾਂਕਣ ਨਿਗਰਾਨੀ ਅਪਣਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ। ਯੂਰਪੀਅਨ ਮੈਡੀਸਨ ਏਜੰਸੀ (EMA) ਨੇ ਮਰੀਜ਼ਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਕਲੀਨਿਕਲ ਖੋਜ ਨਤੀਜਿਆਂ ਦੀ ਇਕਸਾਰਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਏਆਈ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ 'ਤੇ ਜ਼ੋਰ ਦੇ ਨਾਲ, ਡਰੱਗ ਵਿਕਾਸ, ਨਿਯਮਨ ਅਤੇ ਵਰਤੋਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ 'ਤੇ ਇੱਕ ਡਰਾਫਟ ਰਿਫਲਿਕਸ਼ਨ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤਾ ਹੈ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਈਯੂ ਦਾ ਰੈਗੂਲੇਟਰੀ ਪਹੁੰਚ ਹੌਲੀ-ਹੌਲੀ ਆਕਾਰ ਲੈ ਰਿਹਾ ਹੈ, ਅਤੇ ਅੰਤਿਮ ਲਾਗੂਕਰਨ ਵੇਰਵੇ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਸਖ਼ਤ ਹੋ ਸਕਦੇ ਹਨ। ਯੂਰਪੀ ਸੰਘ ਦੇ ਸਖ਼ਤ ਨਿਯਮਾਂ ਦੇ ਬਿਲਕੁਲ ਉਲਟ, ਯੂਕੇ ਦਾ ਏਆਈ ਰੈਗੂਲੇਟਰੀ ਬਲੂਪ੍ਰਿੰਟ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ ਕਿ ਸਰਕਾਰ ਨਰਮ ਰਵੱਈਆ ਅਪਣਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ ਅਤੇ ਫਿਲਹਾਲ ਨਵੇਂ ਬਿੱਲ ਲਾਗੂ ਨਹੀਂ ਕਰਨ ਜਾਂ ਨਵੇਂ ਰੈਗੂਲੇਟਰ ਸਥਾਪਤ ਨਹੀਂ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ।

ਚੀਨ ਵਿੱਚ, ਨੈਸ਼ਨਲ ਮੈਡੀਕਲ ਪ੍ਰੋਡਕਟਸ ਐਡਮਿਨਿਸਟ੍ਰੇਸ਼ਨ ਦੇ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਟੈਕਨੀਕਲ ਰਿਵਿਊ ਸੈਂਟਰ (NMPA) ਨੇ ਪਹਿਲਾਂ "ਡੀਪ ਲਰਨਿੰਗ ਅਸਿਸਟੇਡ ਡਿਸੀਜ਼ਨ ਸੌਫਟਵੇਅਰ ਦੇ ਸਮੀਖਿਆ ਬਿੰਦੂ", "ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮੈਡੀਕਲ ਡਿਵਾਈਸਾਂ ਦੀ ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਸਮੀਖਿਆ ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਸਿਧਾਂਤ (ਟਿੱਪਣੀ ਲਈ ਡਰਾਫਟ)" ਅਤੇ "ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮੈਡੀਕਲ ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਾਂ ਦੇ ਵਰਗੀਕਰਨ ਅਤੇ ਪਰਿਭਾਸ਼ਾ ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਸਿਧਾਂਤਾਂ 'ਤੇ ਸਰਕੂਲਰ (2021 ਵਿੱਚ ਨੰਬਰ 47)" ਵਰਗੇ ਦਸਤਾਵੇਜ਼ ਜਾਰੀ ਕੀਤੇ ਹਨ। ਇਸ ਸਾਲ, "2023 ਵਿੱਚ ਪਹਿਲੇ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਉਤਪਾਦ ਵਰਗੀਕਰਣ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਸਾਰ" ਦੁਬਾਰਾ ਜਾਰੀ ਕੀਤਾ ਗਿਆ। ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਇਹ ਲੜੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮੈਡੀਕਲ ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ, ਵਰਗੀਕਰਨ ਅਤੇ ਨਿਯਮਨ ਨੂੰ ਸਪਸ਼ਟ ਅਤੇ ਚਲਾਉਣ ਵਿੱਚ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ, ਅਤੇ ਉਦਯੋਗ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਉੱਦਮਾਂ ਦੀਆਂ ਉਤਪਾਦ ਸਥਿਤੀ ਅਤੇ ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਰਣਨੀਤੀਆਂ ਲਈ ਸਪੱਸ਼ਟ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਇਹ ਦਸਤਾਵੇਜ਼ AI ਮੈਡੀਕਲ ਡਿਵਾਈਸਾਂ ਦੇ ਵਿਗਿਆਨਕ ਨਿਯਮਨ ਲਈ ਇੱਕ ਢਾਂਚਾ ਅਤੇ ਪ੍ਰਬੰਧਨ ਫੈਸਲੇ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਦੇਖਣਾ ਯੋਗ ਹੈ ਕਿ 21 ਤੋਂ 23 ਦਸੰਬਰ ਤੱਕ ਹਾਂਗਜ਼ੂ ਵਿੱਚ ਆਯੋਜਿਤ ਚਾਈਨਾ ਮੈਡੀਕਲ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਾਨਫਰੰਸ ਦੇ ਏਜੰਡੇ ਵਿੱਚ ਡਿਜੀਟਲ ਮੈਡੀਕਲ ਗਵਰਨੈਂਸ ਅਤੇ ਜਨਤਕ ਹਸਪਤਾਲਾਂ ਦੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਿਕਾਸ ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਟੈਸਟਿੰਗ ਅਤੇ ਮੁਲਾਂਕਣ ਤਕਨਾਲੋਜੀ ਮਾਨਕੀਕਰਨ ਉਦਯੋਗ ਵਿਕਾਸ ਫੋਰਮ 'ਤੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਫੋਰਮ ਸਥਾਪਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਉਸ ਸਮੇਂ, ਰਾਸ਼ਟਰੀ ਵਿਕਾਸ ਅਤੇ ਸੁਧਾਰ ਕਮਿਸ਼ਨ ਅਤੇ NMPA ਦੇ ਅਧਿਕਾਰੀ ਮੀਟਿੰਗ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਗੇ ਅਤੇ ਨਵੀਂ ਜਾਣਕਾਰੀ ਜਾਰੀ ਕਰ ਸਕਦੇ ਹਨ।

ਸਿੱਟਾ

2023 ਵਿੱਚ, ਮੈਡੀਕਲ ਏਆਈ ਨੇ ਪੂਰੀ ਮੈਡੀਕਲ ਅੱਪਸਟ੍ਰੀਮ ਅਤੇ ਡਾਊਨਸਟ੍ਰੀਮ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਹੋਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਹਸਪਤਾਲ ਦੇ ਡੇਟਾ ਸੰਗ੍ਰਹਿ, ਫਿਊਜ਼ਨ, ਵਿਸ਼ਲੇਸ਼ਣ, ਨਿਦਾਨ ਅਤੇ ਇਲਾਜ, ਅਤੇ ਕਮਿਊਨਿਟੀ ਸਕ੍ਰੀਨਿੰਗ ਸ਼ਾਮਲ ਹੈ, ਅਤੇ ਮੈਡੀਕਲ/ਬਿਮਾਰੀ ਨਿਯੰਤਰਣ ਕਰਮਚਾਰੀਆਂ ਨਾਲ ਜੈਵਿਕ ਤੌਰ 'ਤੇ ਸਹਿਯੋਗ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਮਨੁੱਖੀ ਸਿਹਤ ਵਿੱਚ ਤੰਦਰੁਸਤੀ ਲਿਆਉਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਵਰਤੋਂ ਯੋਗ ਮੈਡੀਕਲ ਏਆਈ ਖੋਜ ਸ਼ੁਰੂ ਹੋ ਰਹੀ ਹੈ। ਭਵਿੱਖ ਵਿੱਚ, ਮੈਡੀਕਲ ਏਆਈ ਦੀ ਪ੍ਰਗਤੀ ਨਾ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਵਿਕਾਸ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਸਗੋਂ ਉਦਯੋਗ, ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਮੈਡੀਕਲ ਖੋਜ ਦੇ ਪੂਰੇ ਸਹਿਯੋਗ ਅਤੇ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਅਤੇ ਰੈਗੂਲੇਟਰਾਂ ਦੇ ਸਮਰਥਨ ਦੀ ਵੀ ਲੋੜ ਹੈ। ਇਹ ਕਰਾਸ-ਡੋਮੇਨ ਸਹਿਯੋਗ ਏਆਈ-ਏਕੀਕ੍ਰਿਤ ਮੈਡੀਕਲ ਸੇਵਾਵਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਕੁੰਜੀ ਹੈ, ਅਤੇ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਸਿਹਤ ਦੇ ਵਿਕਾਸ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰੇਗਾ।