वॉटसन ने डॉक्टर को नहीं काटा, और बहुत अच्छा

हालाँकि, कई अन्य क्षेत्रों की तरह, नैदानिक ​​​​विफलताओं की एक श्रृंखला के बाद डॉक्टरों को एआई से बदलने का उत्साह कुछ हद तक कम हो गया है, एआई-आधारित दवा विकसित करने पर काम अभी भी जारी है। क्योंकि, फिर भी, वे अभी भी अपने कई क्षेत्रों में संचालन की दक्षता में सुधार करने के लिए बेहतरीन अवसर और मौका प्रदान करते हैं।

आईबीएम की घोषणा 2015 में की गई थी और 2016 में इसे चार प्रमुख रोगी डेटा कंपनियों (1) से डेटा तक पहुंच प्राप्त हुई। सबसे प्रसिद्ध, कई मीडिया रिपोर्टों के लिए धन्यवाद, और साथ ही आईबीएम की उन्नत कृत्रिम बुद्धिमत्ता का उपयोग करने वाली सबसे महत्वाकांक्षी परियोजना ऑन्कोलॉजी से संबंधित थी। वैज्ञानिकों ने विशाल डेटा संसाधनों का उपयोग करके उन्हें अच्छी तरह से तैयार कैंसर-विरोधी उपचारों में बदलने के लिए संसाधित करने का प्रयास किया है। दीर्घकालिक लक्ष्य वॉटसन को न्याय दिलाना था क्लिनिकल परीक्षण और परिणाम, बिल्कुल वैसे ही जैसे एक डॉक्टर करता है।

1. वाटसन स्वास्थ्य चिकित्सा प्रणाली के विज़ुअलाइज़ेशन में से एक

हालाँकि, यह वैसा ही निकला वाटसन स्वतंत्र रूप से चिकित्सा साहित्य से परामर्श नहीं कर सकता और मरीजों के इलेक्ट्रॉनिक मेडिकल रिकॉर्ड से जानकारी प्राप्त नहीं कर सकता। हालाँकि, उन पर सबसे गंभीर आरोप यह था एक नए रोगी की अन्य पुराने कैंसर रोगियों के साथ प्रभावी ढंग से तुलना करने और पहली नज़र में दिखाई न देने वाले लक्षणों का पता लगाने में असमर्थता.

बेशक, कुछ ऑन्कोलॉजिस्ट थे जिन्होंने उनके फैसले पर भरोसा करने का दावा किया था, हालांकि ज्यादातर मानक उपचार के लिए वॉटसन के सुझावों के संदर्भ में या अतिरिक्त, पूरक चिकित्सा राय के रूप में। कई लोगों ने संकेत दिया कि यह प्रणाली चिकित्सकों के लिए एक उत्कृष्ट स्वचालित लाइब्रेरियन होगी।

बहुत अच्छी समीक्षा न होने के परिणामस्वरूप, आई.बी.एम अमेरिकी चिकित्सा संस्थानों को वॉटसन प्रणाली बेचने में समस्याएँ. आईबीएम के बिक्री प्रतिनिधि इसे भारत, दक्षिण कोरिया, थाईलैंड और अन्य देशों के कुछ अस्पतालों में बेचने में सक्षम थे। भारत में, डॉक्टरों () ने स्तन कैंसर के 638 मामलों पर वॉटसन की सिफारिशों का मूल्यांकन किया। उपचार की सिफारिशों के अनुपालन की दर 73% है। ज़्यादा बुरा वाटसन दक्षिण कोरिया के गैचॉन मेडिकल सेंटर में पढ़ाई छोड़ दी, जहां 656 कोलोरेक्टल कैंसर रोगियों के लिए उनकी सर्वश्रेष्ठ सिफारिशें केवल 49 प्रतिशत समय में विशेषज्ञों की सिफारिशों से मेल खाती थीं। डॉक्टरों ने इसका आकलन किया वॉटसन ने वृद्ध रोगियों के साथ अच्छा काम नहीं कियाउन्हें कुछ मानक दवाएँ प्रदान करने में असफल होकर, और आक्रामक उपचार के लिए मेटास्टेटिक रोग से पीड़ित कुछ रोगियों को निगरानी में रखकर एक गंभीर त्रुटि की।

अंततः, हालांकि निदानकर्ता और चिकित्सक के रूप में उनका काम असफल माना जाता है, फिर भी ऐसे क्षेत्र हैं जिनमें वे बेहद उपयोगी साबित हुए हैं। उत्पाद जीनोमिक्स के लिए वाटसन, जिसे उत्तरी कैरोलिना विश्वविद्यालय, येल विश्वविद्यालय और अन्य संस्थानों के सहयोग से विकसित किया गया था, का उपयोग किया जाता है ऑन्कोलॉजिस्ट के लिए रिपोर्ट तैयार करने के लिए आनुवंशिक प्रयोगशालाएँ. वॉटसन सूची फ़ाइल डाउनलोड करता है आनुवंशिक उत्परिवर्तन रोगी और मिनटों में एक रिपोर्ट तैयार कर सकता है जिसमें सभी महत्वपूर्ण दवाओं और नैदानिक ​​​​परीक्षणों के लिए सुझाव शामिल हैं। वॉटसन आनुवंशिक जानकारी को अपेक्षाकृत आसानी से संभालता हैक्योंकि वे संरचित फाइलों में प्रस्तुत किए जाते हैं और उनमें अस्पष्टता नहीं होती है - या तो उत्परिवर्तन होता है या कोई उत्परिवर्तन नहीं होता है।

उत्तरी कैरोलिना विश्वविद्यालय में आईबीएम भागीदारों ने 2017 में दक्षता पर एक पेपर प्रकाशित किया। वॉटसन ने संभावित रूप से महत्वपूर्ण उत्परिवर्तन पाए जो उनमें से 32% में मानव अध्ययन द्वारा पहचाने नहीं गए थे। रोगियों का अध्ययन किया, जिससे वे नई दवा के लिए अच्छे उम्मीदवार बन गए। हालाँकि, अभी भी इस बात का कोई प्रमाण नहीं है कि इसके उपयोग से उपचार के बेहतर परिणाम मिलते हैं।

गिलहरियों को वश में करना

यह और कई अन्य उदाहरण इस बढ़ते विश्वास में योगदान करते हैं कि स्वास्थ्य देखभाल में सभी कमियों को संबोधित किया जा रहा है, लेकिन हमें उन क्षेत्रों की तलाश करने की ज़रूरत है जहां यह वास्तव में मदद कर सकता है, क्योंकि वहां लोग बहुत अच्छा नहीं कर रहे हैं। ऐसा क्षेत्र है, उदाहरण के लिए, प्रोटीन अनुसंधान. पिछले साल, यह बताया गया था कि यह प्रोटीन के अनुक्रम (2) के आधार पर उनके आकार की सटीक भविष्यवाणी कर सकता है। यह परंपरागत रूप से न केवल लोगों की, बल्कि शक्तिशाली कंप्यूटरों की भी शक्ति से परे का कार्य है। यदि हम प्रोटीन अणुओं की तह का सटीक मॉडल बना सकें, तो जीन थेरेपी की संभावना बहुत अधिक होगी। वैज्ञानिकों को उम्मीद है कि अल्फाफोल्ड के साथ हम हजारों लोगों के कार्यों का अध्ययन करेंगे और इससे हमें कई बीमारियों के कारणों को समझने में मदद मिलेगी।

2. प्रोटीन फोल्डिंग को डीपमाइंड के अल्फाफोल्ड का उपयोग करके तैयार किया गया।

अब हम दो सौ मिलियन प्रोटीन जानते हैं, लेकिन हम उनके एक छोटे से हिस्से की संरचना और कार्य को पूरी तरह से समझते हैं। प्रोटीन यह जीवित जीवों का बुनियादी निर्माण खंड है। वे कोशिकाओं में होने वाली अधिकांश प्रक्रियाओं के लिए जिम्मेदार हैं। वे कैसे काम करते हैं और क्या करते हैं यह उनकी त्रि-आयामी संरचना से निर्धारित होता है। वे भौतिकी के नियमों द्वारा निर्देशित, बिना किसी निर्देश के उचित रूप लेते हैं। दशकों से, प्रोटीन के आकार को निर्धारित करने की मुख्य विधि प्रायोगिक विधियाँ रही हैं। 50 के दशक में उपयोग करें एक्स-रे क्रिस्टलोग्राफिक तरीके. पिछले दशक में यह पसंदीदा अनुसंधान उपकरण बन गया है क्रिस्टल माइक्रोस्कोपी. 80 और 90 के दशक में प्रोटीन का आकार निर्धारित करने के लिए कंप्यूटर का उपयोग करने पर काम शुरू हुआ। हालाँकि, परिणाम अभी भी वैज्ञानिकों को संतुष्ट नहीं करते हैं। कुछ प्रोटीनों के लिए काम करने वाली विधियाँ दूसरों के लिए काम नहीं करतीं।

पहले से ही 2018 में अल्फाफोल्ड में विशेषज्ञों से मान्यता प्राप्त की प्रोटीन मॉडलिंग. हालाँकि, उस समय इसमें अन्य कार्यक्रमों के समान ही तरीकों का उपयोग किया गया था। वैज्ञानिकों ने अपनी रणनीति बदल दी और एक और रणनीति बनाई जिसमें प्रोटीन तह की भौतिक और ज्यामितीय बाधाओं के बारे में जानकारी का भी उपयोग किया गया। अल्फाफोल्ड असमान परिणाम दिये। कभी-कभी चीजें उसके लिए बेहतर होती गईं, कभी-कभी बदतर। लेकिन उनकी लगभग दो-तिहाई भविष्यवाणियाँ प्रायोगिक तरीकों से प्राप्त परिणामों से मेल खाती थीं। 2 वर्षों की शुरुआत में, एल्गोरिदम ने SARS-CoV-3 वायरस के कई प्रोटीनों की संरचना का वर्णन किया। Orf2020a प्रोटीन की भविष्यवाणियाँ बाद में प्रयोगात्मक परिणामों के अनुरूप पाई गईं।

यह केवल यह सीखने के बारे में नहीं है कि प्रोटीन आंतरिक रूप से कैसे मुड़ते हैं, यह डिज़ाइन के बारे में भी है। एनआईएच ब्रेन इनिशिएटिव के शोधकर्ताओं ने प्रयोग किया यंत्र अधिगम एक प्रोटीन विकसित करें जो वास्तविक समय में मस्तिष्क में सेरोटोनिन के स्तर की निगरानी कर सके। सेरोटोनिन एक न्यूरोकेमिकल है जो मस्तिष्क हमारे विचारों और भावनाओं को कैसे नियंत्रित करता है, इसमें महत्वपूर्ण भूमिका निभाता है। उदाहरण के लिए, कई एंटीडिप्रेसेंट सेरोटोनिन संकेतों को बदलने के लिए डिज़ाइन किए गए हैं जो न्यूरॉन्स के बीच प्रसारित होते हैं। जर्नल सेल के एक लेख में, वैज्ञानिकों ने बताया कि वे उन्नत का उपयोग कैसे करते हैं जेनेटिक इंजीनियरिंग के तरीके एक जीवाणु प्रोटीन को एक नए शोध उपकरण में बदल दें जो वर्तमान तरीकों की तुलना में अधिक सटीकता के साथ सेरोटोनिन संचरण को ट्रैक करने में मदद कर सकता है। प्रीक्लिनिकल प्रयोगों, ज्यादातर चूहों में, से पता चला है कि सेंसर नींद, डर और सामाजिक संपर्क के दौरान मस्तिष्क में सेरोटोनिन के स्तर में सूक्ष्म परिवर्तनों का तुरंत पता लगा सकता है, साथ ही नई साइकोएक्टिव दवाओं की प्रभावशीलता का परीक्षण भी कर सकता है।

महामारी के खिलाफ लड़ाई हमेशा सफल नहीं रही है

आख़िरकार, यह पहली महामारी थी जिसके बारे में हमने एमटी में लिखा था। हालाँकि, उदाहरण के लिए, अगर हम महामारी के विकास के बारे में ही बात करें, तो शुरुआती चरण में AI कुछ हद तक विफल लग रहा था। वैज्ञानिकों ने इसकी शिकायत की कृत्रिम बुद्धि पिछली महामारी के आंकड़ों के आधार पर कोरोना वायरस के प्रसार की सीमा का सही अनुमान नहीं लगाया जा सकता है। “ये समाधान कुछ क्षेत्रों में अच्छा काम करते हैं, जैसे कि एक निश्चित संख्या में आँखों और कानों से चेहरे को पहचानना। SARS-CoV-2 महामारी ये पहले से अज्ञात घटनाएँ और कई नए चर हैं, इसलिए ऐतिहासिक डेटा पर आधारित कृत्रिम बुद्धिमत्ता जिसका उपयोग इसे प्रशिक्षित करने के लिए किया गया था, अच्छी तरह से काम नहीं करती है। महामारी ने दिखाया है कि हमें अन्य प्रौद्योगिकियों और दृष्टिकोणों की तलाश करने की आवश्यकता है, ”रूसी मीडिया को दिए एक बयान में अप्रैल 2020 में स्कोलटेक के मैक्सिम फेडोरोव ने कहा।

समय के साथ वहाँ प्रकट हुआ हालाँकि, एल्गोरिदम जो COVD-19 के खिलाफ लड़ाई में AI की अधिक उपयोगिता साबित करते प्रतीत होते हैं. 2020 के अंत में संयुक्त राज्य अमेरिका के वैज्ञानिकों ने COVID-19 वाले लोगों की विशिष्ट खांसी के पैटर्न को पहचानने के लिए एक प्रणाली विकसित की, भले ही उनमें कोई अन्य लक्षण न हों।

जब टीके उपलब्ध हो गए, तो जनसंख्या के टीकाकरण अभियान में मदद करने का विचार पैदा हुआ। उदाहरण के लिए, वह ऐसा कर सकती थी मॉडल वैक्सीन परिवहन और लॉजिस्टिक्स में मदद करें. साथ ही यह निर्धारित करने में भी कि महामारी से शीघ्रता से निपटने के लिए किन जनसंख्या समूहों को पहले टीका लगाया जाना चाहिए। यह मांग का पूर्वानुमान लगाने और टीकाकरण के समय और गति को अनुकूलित करने, समस्याओं और रसद बाधाओं की शीघ्र पहचान करने में भी मदद करेगा। निरंतर निगरानी के साथ एल्गोरिदम का संयोजन भी संभावित दुष्प्रभावों और स्वास्थ्य घटनाओं के बारे में तुरंत जानकारी प्रदान कर सकता है।

इन एआई का उपयोग करने वाले सिस्टम स्वास्थ्य देखभाल के अनुकूलन और सुधार में पहले से ही ज्ञात हैं। उनके व्यावहारिक लाभों की सराहना की गई; उदाहरण के लिए, अमेरिकी स्टैनफोर्ड विश्वविद्यालय में मैक्रो-आइज़ द्वारा विकसित स्वास्थ्य देखभाल प्रणाली। जैसा कि कई अन्य चिकित्सा संस्थानों में होता है, समस्या उन रोगियों की कमी थी जो नियुक्तियों के लिए नहीं आते थे। स्थूल आंखें एक ऐसी प्रणाली का निर्माण किया जो विश्वसनीय रूप से भविष्यवाणी कर सकती थी कि कौन से मरीज़ संभवतः वहां नहीं होंगे। कुछ स्थितियों में, वह वैकल्पिक क्लिनिक समय और स्थान भी सुझा सकता है, जिससे मरीज़ के आने की संभावना बढ़ जाएगी। इसी तरह की तकनीक को बाद में अन्य लोगों के अलावा, यूएस एजेंसी फॉर इंटरनेशनल डेवलपमेंट के समर्थन से अरकंसास से नाइजीरिया तक स्थानों पर लागू किया गया था।

तंजानिया में, मैक्रो-आइज़ ने एक परियोजना पर काम किया जिसका उद्देश्य था बाल टीकाकरण दर में वृद्धि. सॉफ़्टवेयर ने विश्लेषण किया कि किसी दिए गए टीकाकरण केंद्र पर कितनी वैक्सीन खुराक भेजने की आवश्यकता है। वह यह आकलन करने में भी सक्षम था कि कौन से परिवार अपने बच्चों को टीका लगाने के लिए अनिच्छुक हो सकते हैं, लेकिन उचित तर्कों और सुविधाजनक स्थान पर टीकाकरण केंद्र की पहचान के माध्यम से उन्हें मनाया जा सकता है। इस सॉफ़्टवेयर का उपयोग करके, तंजानिया सरकार अपने टीकाकरण कार्यक्रम की दक्षता को 96% तक बढ़ाने में सक्षम थी। और प्रति 2,42 लोगों पर टीके की बर्बादी को 100 तक कम करें।

सिएरा लियोन में, जहां निवासियों के स्वास्थ्य पर डेटा गायब था, कंपनी ने शिक्षा पर जानकारी के साथ इसका मिलान करने की कोशिश की। यह पता चला कि अकेले शिक्षकों और उनके छात्रों की संख्या 70 प्रतिशत की भविष्यवाणी करने के लिए पर्याप्त थी। स्थानीय क्लिनिक में साफ पानी की पहुंच है या नहीं, इसकी सटीकता, जो पहले से ही वहां रहने वाले लोगों के स्वास्थ्य डेटा का एक निशान है (3)।

3. अफ्रीका में एआई-संचालित स्वास्थ्य देखभाल कार्यक्रमों का मैक्रो-आइज़ चित्रण।

मशीन डॉक्टर का मिथक कायम है

असफलताओं के बावजूद वाटसन नए निदान दृष्टिकोण अभी भी विकसित किए जा रहे हैं और तेजी से उन्नत माने जा रहे हैं। सितंबर 2020 में स्वीडन में की गई तुलना। स्तन कैंसर के इमेजिंग निदान में उपयोग किया जाता है दिखाया कि उनमें से सर्वश्रेष्ठ ने रेडियोलॉजिस्ट के रूप में भी अच्छा प्रदर्शन किया। नियमित स्क्रीनिंग के दौरान प्राप्त लगभग नौ हजार मैमोग्राफी छवियों का उपयोग करके एल्गोरिदम का परीक्षण किया गया था। AI-1, AI-2 और AI-3 नाम से नामित तीन प्रणालियों ने 81,9%, 67% की सटीकता हासिल की। और 67,4%। तुलना के लिए, इन छवियों की व्याख्या करने वाले रेडियोलॉजिस्ट के बीच, यह आंकड़ा 77,4% था, और इस मामले में रेडियोलॉजिस्टइसका वर्णन करने वाला दूसरा कौन था, यह 80,1 प्रतिशत था। सबसे अच्छा एल्गोरिदम उन मामलों का भी पता लगाने में सक्षम था जो रेडियोलॉजिस्ट स्क्रीनिंग के दौरान चूक गए थे, और महिलाओं में एक वर्ष से भी कम समय में बीमारी का निदान किया गया था।

शोधकर्ताओं के मुताबिक, ये नतीजे इस बात को साबित करते हैं कृत्रिम बुद्धिमत्ता एल्गोरिदम रेडियोलॉजिस्ट द्वारा किए गए गलत नकारात्मक निदान को ठीक करने में मदद करें। एक औसत रेडियोलॉजिस्ट के साथ एआई-1 की क्षमताओं को मिलाने से पता चले स्तन कैंसर की संख्या में 8% की वृद्धि हुई। इस शोध को करने वाली रॉयल इंस्टीट्यूशन टीम को उम्मीद है कि एआई एल्गोरिदम की गुणवत्ता में सुधार जारी रहेगा। प्रयोग का पूरा विवरण JAMA ऑन्कोलॉजी में प्रकाशित किया गया था।

पांच-बिंदु पैमाने पर डब्ल्यू। वर्तमान में, हम महत्वपूर्ण तकनीकी त्वरण और स्तर IV (उच्च स्वचालन) तक पहुंचते हुए देख रहे हैं, जब सिस्टम स्वतंत्र रूप से प्राप्त डेटा को स्वचालित रूप से संसाधित करता है और विशेषज्ञ को पूर्व-विश्लेषणित जानकारी प्रदान करता है। इससे समय की बचत होती है, मानवीय त्रुटियों से बचा जाता है और रोगी को अधिक कुशल देखभाल प्रदान की जाती है। कुछ महीने पहले उन्होंने यही जज किया था स्टेन ए.आई. चिकित्सा के क्षेत्र में उनके करीबी प्रो. जानूस ब्रेज़ीविक्ज़ पोलिश प्रेस एजेंसी को दिए एक बयान में पोलिश सोसाइटी ऑफ न्यूक्लियर मेडिसिन की ओर से।

4. चिकित्सा छवियों की मशीन समीक्षा

एल्गोरिदम, प्रोफेसर जैसे विशेषज्ञों के अनुसार। ब्रेज़िविचइस उद्योग में भी अपूरणीय। इसका कारण डायग्नोस्टिक इमेजिंग परीक्षणों की संख्या में तेजी से वृद्धि है। केवल 2000-2010 की अवधि के लिए। एमआरआई अध्ययन और परीक्षाओं की संख्या दस गुना बढ़ गई है। दुर्भाग्य से, उपलब्ध चिकित्सा विशेषज्ञों की संख्या जो इन्हें शीघ्र और विश्वसनीय रूप से पूरा कर सकें, में वृद्धि नहीं हुई है। योग्य तकनीशियनों की भी कमी है. कृत्रिम बुद्धिमत्ता-आधारित एल्गोरिदम की शुरूआत से समय की बचत होती है और प्रक्रियाओं के पूर्ण मानकीकरण की अनुमति मिलती है, साथ ही मानवीय त्रुटियों से बचा जा सकता है और रोगियों के लिए अधिक प्रभावी, व्यक्तिगत उपचार किया जा सकता है।

जैसा कि यह भी निकला फोरेंसिक दवा से लाभ उठा सकते हैं कृत्रिम बुद्धि का विकास. इस क्षेत्र के विशेषज्ञ मृत ऊतकों को खाने वाले कीड़ों और अन्य प्राणियों के स्राव के रासायनिक विश्लेषण द्वारा मृतक की मृत्यु का सही समय निर्धारित कर सकते हैं। एक समस्या तब उत्पन्न होती है जब विभिन्न प्रकार के नेक्रोफेज से स्राव के मिश्रण को विश्लेषण में शामिल किया जाता है। यहीं पर मशीन लर्निंग काम आती है। अल्बानी विश्वविद्यालय के वैज्ञानिकों ने विकसित किया है कृत्रिम बुद्धिमत्ता विधि जो कृमि प्रजातियों की तेजी से पहचान करने की अनुमति देती है उनके "रासायनिक उंगलियों के निशान" के आधार पर। टीम ने मक्खियों की छह प्रजातियों के रासायनिक स्रावों के विभिन्न संयोजनों के मिश्रण का उपयोग करके अपने कंप्यूटर प्रोग्राम को प्रशिक्षित किया। उन्होंने मास स्पेक्ट्रोमेट्रिक तकनीक का उपयोग करके कीट लार्वा के रासायनिक संकेतों को समझा, जो आयन के द्रव्यमान और विद्युत आवेश के अनुपात को सटीक रूप से मापकर रसायनों की पहचान करता है।

हालाँकि, जैसा कि आप देख सकते हैं एक खोजी जासूस के रूप में एआई बहुत अच्छा नहीं, यह अपराध प्रयोगशाला में बहुत उपयोगी हो सकता है। हमने इस स्तर पर इसकी बहुत अधिक अपेक्षा की होगी, यह अनुमान लगाते हुए कि ऐसे एल्गोरिदम से डॉक्टरों को काम से बाहर कर दिया जाएगा (5)। जब हम देखते हैं कृत्रिम बुद्धि अधिक वास्तविक रूप से, संपूर्ण के बजाय विशिष्ट व्यावहारिक लाभों पर ध्यान केंद्रित करने से, चिकित्सा में उनका करियर फिर से बहुत आशाजनक दिखता है।

5. डॉक्टर की कार का दिखना