सिंगापुर में शोधकर्ताओं ने दिखाया है कि उन्नत कृत्रिम बुद्धिमत्ता (एआई) तकनीक बड़े स्थानीय डेटासेट की आवश्यकता के बिना संसाधन-सीमित देशों में नैदानिक ​​​​निदान में काफी सुधार कर सकती है।

ड्यूक-एनयूएस स्कूल ऑफ मेडिसिन की एक टीम ने कार्डियक अरेस्ट के बाद रोगी के परिणामों की भविष्यवाणी करने के लिए ट्रांसफर लर्निंग को सफलतापूर्वक लागू किया, एक ऐसी तकनीक जो एक कार्य के लिए विकसित मॉडल को दूसरे के लिए शुरुआती बिंदु के रूप में पुन: उपयोग करती है।

एनपीजे डिजिटल मेडिसिन में प्रकाशित अध्ययन, निम्न और मध्यम आय वाले देशों में एआई अपनाने में एक आम चुनौती का समाधान करता है, जिसमें एल्गोरिथम मॉडल को शुरू से प्रशिक्षित करने के लिए आवश्यक व्यापक, उच्च गुणवत्ता वाले डेटा की कमी है।

ट्रांसफर लर्निंग की प्रभावशीलता का परीक्षण करने के लिए, शोधकर्ताओं ने मस्तिष्क रिकवरी भविष्यवाणी मॉडल का उपयोग किया जो मूल रूप से जापान में बनाया गया था, जिसमें अस्पताल के बाहर कार्डियक अरेस्ट के 46,918 रोगियों के डेटा का उपयोग किया गया था। उन्होंने इस मॉडल को वियतनाम में उपयोग के लिए अनुकूलित किया और 243 रोगियों के एक छोटे समूह पर इसका परीक्षण किया।

परिणामों से पता चला कि निदान सटीकता में काफी सुधार हुआ था। जब मूल जापानी मॉडल को सीधे वियतनामी संदर्भ में लागू किया गया, तो यह 46% सटीकता के साथ उच्च और निम्न जोखिम वाले रोगियों के बीच अंतर करने में सक्षम था। हालाँकि, अनुकूलित स्थानांतरण शिक्षण मॉडल ने लगभग 80% की सटीकता दर हासिल की।

ड्यूक-एनयूएस सेंटर फॉर बायोमेडिकल डेटा साइंस के एसोसिएट प्रोफेसर लियू नान ने कहा, “इस अध्ययन से पता चलता है कि एआई मॉडल को प्रत्येक नई सेटिंग के लिए नए सिरे से बनाने की आवश्यकता नहीं है।” “मौजूदा उपकरणों को सुरक्षित रूप से और प्रभावी ढंग से अपनाने से, ट्रांसफर लर्निंग लागत को कम करने, विकास के समय में तेजी लाने और कम संसाधनों के साथ एआई के लाभों को स्वास्थ्य देखभाल प्रणालियों तक बढ़ाने में मदद कर सकती है।”

स्वास्थ्य सेवा में एआई की बढ़ती क्षमता के बावजूद, दुनिया भर में प्रौद्योगिकी को अपनाना असमान बना हुआ है। नेचर हेल्थ में प्रकाशित एक अन्य अध्ययन में, ड्यूक-एनयूएस के शोधकर्ताओं और यूनिवर्सिटी कॉलेज लंदन (यूसीएल) सहित सहयोगियों ने नोट किया कि सर्वेक्षण में शामिल 63% स्वास्थ्य सेवा प्रदाता एआई उपकरणों का उपयोग कर रहे थे, लेकिन उच्च-आय और उच्च-मध्यम-आय वाले देशों में इसे अपनाना अधिक व्यापक था।

यह अध्ययन निम्न और मध्यम आय वाले देशों में देखभाल, निदान और नैदानिक ​​​​निर्णय लेने की पहुंच में सुधार के लिए बड़े पैमाने पर भाषा मॉडल (एलएलएम) की क्षमता पर प्रकाश डालता है, जो सीमित बुनियादी ढांचे और विशेषज्ञता जैसी कार्यान्वयन बाधाओं का सामना करना जारी रखते हैं।

उदाहरणों में सिएरा लियोन शामिल है। वहां, सामुदायिक स्वास्थ्य कार्यकर्ता रक्त स्मीयरों से मलेरिया संक्रमण का पता लगाने के लिए एक स्मार्टफोन ऐप का उपयोग करते हैं। यह पारंपरिक माइक्रोस्कोप-आधारित प्रणालियों की तुलना में अधिक लागत प्रभावी तरीका है। और दक्षिण अफ्रीका में, चैटबॉट गर्भवती माताओं को प्रसवपूर्व सलाह प्रदान कर रहे हैं।

यूसीएल आई इंस्टीट्यूट और मूरफील्ड्स आई हॉस्पिटल्स एनएचएस फाउंडेशन ट्रस्ट के निदेशक सिगफ्राइड वैगनर ने कहा, “एलएलएम के पास उन सेटिंग्स में स्वास्थ्य देखभाल को बदलने का सबसे बड़ा अवसर है जहां विशेषज्ञों की सबसे अधिक कमी है, लेकिन वैश्विक स्वास्थ्य समुदाय को उन क्षेत्रों में एलएलएम कार्यान्वयन का समर्थन सुनिश्चित करने के लिए कुछ तत्परता के साथ मिलकर काम करने की जरूरत है, जहां इसे लागू करना सबसे कठिन है।”

ड्यूक-एनयूएस बायोमेडिकल डेटा साइंस सेंटर के एक वरिष्ठ शोधकर्ता निंग यिलिन ने कहा कि एलएलएम को स्वास्थ्य सेवा में एकीकृत करते समय लोगों को सशक्त बनाना प्राथमिकता होनी चाहिए।

“डिजिटल साक्षरता को मजबूत करने और इन उपकरणों का उपयोग करने में आत्मविश्वास बढ़ाने से यह सुनिश्चित होगा कि एआई कार्यबल को बाधित करने के बजाय समर्थन करता है। अनुकूलित कौशल विकास मार्ग अल्प-संसाधन वाले श्रमिकों को अनुकूलन और बढ़ने में मदद करेंगे, और एआई को नैदानिक ​​​​और प्रबंधकीय भूमिकाओं में सुधार करने और मूल्य जोड़ने में सक्षम बनाएंगे,” उन्होंने कहा।

अंतर्राष्ट्रीय शासन की तलाश करें
एआई उपकरणों में स्वास्थ्य देखभाल वितरण में सुधार करने की क्षमता है, लेकिन प्रौद्योगिकी को सुरक्षित और नैतिक रूप से तैनात करने के लिए शासन ढांचा महत्वपूर्ण है। वर्तमान में, चिकित्सा प्रौद्योगिकी नियम अक्सर एआई के अद्वितीय जोखिमों, जैसे गोपनीयता के मुद्दे, मॉडल भ्रम, सुरक्षा और नए उपकरणों की निगरानी की आवश्यकता को संबोधित नहीं करते हैं।

इन मुद्दों को संबोधित करने के लिए, ड्यूक-एनयूएस के नेतृत्व में शोधकर्ताओं ने हेल्थकेयर (पोलारिस-जीएम) में इंटेलिजेंट सिस्टम जेनरेशन मॉडल के विनियमन में निगरानी, ​​नेतृत्व और जवाबदेही के लिए साझेदारी नामक एक अंतरराष्ट्रीय संघ के निर्माण का प्रस्ताव दिया है।

कंसोर्टियम का लक्ष्य नए उपकरणों को विनियमित करना, उनके प्रभाव की निगरानी करना, सुरक्षा रेलिंग स्थापित करना और उन्हें संसाधन-सीमित सेटिंग्स में अनुकूलित करने के लिए मार्गदर्शन प्रदान करना है। पोलारिस-जीएम स्वास्थ्य सेवा में एआई प्रशासन पर वैश्विक सहमति की दिशा में काम करने से पहले मौजूदा शोध की समीक्षा करने के लिए दुनिया भर के स्वास्थ्य देखभाल नेताओं, नियामकों, नैतिकतावादियों और रोगी संगठनों को एक साथ लाता है।

जैस्मीन ओंग, ड्यूक-एनयूएस ‘एआई और मेडिकल साइंसेज इनिशिएटिव, चीफ क्लिनिकल फार्मासिस्ट, सिंगापुर जनरल हॉस्पिटल, ने कहा: “स्पष्ट निरीक्षण और स्पष्ट रूप से परिभाषित दिशानिर्देशों के साथ, स्वास्थ्य प्रणालियां संभावित नुकसान से बचते हुए स्वास्थ्य परिणामों में सुधार करने के लिए एआई की कई शक्तियों का आत्मविश्वास से लाभ उठा सकती हैं। इस लक्ष्य को वास्तविकता बनाने में नीति निर्माताओं से लेकर रोगी समूहों तक सभी हितधारकों की महत्वपूर्ण भूमिका है।” कंप्यूटर साप्ताहिक