خبر

2007 ۾ آئي بي ايم واٽسن جي شروعات کان وٺي، انسان مسلسل طبي مصنوعي ذهانت (AI) جي ترقي جي ڪوشش ڪري رهيا آهن. هڪ قابل استعمال ۽ طاقتور طبي AI نظام ۾ جديد طب جي سڀني پهلوئن کي ٻيهر شڪل ڏيڻ جي وڏي صلاحيت آهي، هوشيار، وڌيڪ صحيح، ڪارآمد، ۽ جامع سنڀال کي فعال بڻائي، طبي ڪارڪنن ۽ مريضن جي ڀلائي آڻيندي، ۽ ان سان انساني صحت کي تمام گهڻو بهتر بڻائي ٿي. گذريل 16 سالن ۾، جيتوڻيڪ طبي AI محقق مختلف ننڍن شعبن ۾ گڏ ٿيا آهن، هن مرحلي تي، اهي اڃا تائين سائنس فڪشن کي حقيقت ۾ آڻڻ جي قابل نه آهن.

هن سال، چيٽ جي پي ٽي جهڙي AI ٽيڪنالاجي جي انقلابي ترقي سان، طبي AI ڪيترن ئي پهلوئن ۾ وڏي ترقي ڪئي آهي. طبي AI جي صلاحيت ۾ بي مثال پيش رفت: نيچر جرنل مسلسل طبي وڏي ٻولي ماڊل ۽ طبي تصوير جي بنيادي ماڊل جي تحقيق شروع ڪئي آهي؛ گوگل ميڊ-پي ايل ايم ۽ ان جي جانشين کي جاري ڪري ٿو، آمريڪي طبي عملي جي امتحان جي سوالن ۾ ماهر جي سطح تائين پهچي ٿو. مکيه تعليمي جرنل طبي AI تي ڌيان ڏيندا: نيچر جنرل ميڊيڪل AI جي بنيادي ماڊل تي نظر ثاني جاري ڪري ٿو؛ هن سال جي شروعات ۾ دوائن ۾ AI جي جائزي جي هڪ سلسلي جي پٺيان، نيو انگلينڊ جرنل آف ميڊيسن (NEJM) 30 نومبر تي پنهنجو پهريون ڊجيٽل صحت جائزو شايع ڪيو، ۽ 12 ڊسمبر تي NEJM سب جرنل NEJM AI جو پهريون شمارو شروع ڪيو. ميڊيڪل AI لينڊنگ مٽي وڌيڪ پختو آهي: JAMA سب جرنل عالمي طبي تصوير ڊيٽا شيئرنگ جي شروعات شايع ڪئي؛ يو ايس فوڊ اينڊ ڊرگ ايڊمنسٽريشن (FDA) طبي AI جي ضابطي لاءِ هدايتن جو مسودو تيار ڪري رهيو آهي.

هيٺ، اسين 2023 ۾ قابل استعمال طبي AI جي هدايت ۾ دنيا جي محققن جي اهم ترقي جو جائزو وٺون ٿا.

ميڊيڪل AI بنيادي ماڊل

طبي AI بنيادي ماڊل جي تعمير بلاشبہ هن سال جو سڀ کان وڌيڪ گرم تحقيقي مرڪز آهي. نيچر جرنلز سال دوران صحت جي سار سنڀال جي عالمگير بنيادي ماڊل ۽ صحت جي سار سنڀال جي وڏي ٻولي ماڊل تي جائزو آرٽيڪل شايع ڪيا آهن. صنعت ۾ اعليٰ جرنل، طبي تصويري تجزيي، طبي تصويري تجزيي ۾ بنيادي ماڊل ريسرچ جي چئلينجن ۽ موقعن جو جائزو ورتو ۽ ان جو انتظار ڪيو، ۽ طبي AI جي بنيادي ماڊل ريسرچ جي ترقي کي مختصر ڪرڻ ۽ رهنمائي ڪرڻ لاءِ "بنيادي ماڊل جي نسب" جو تصور پيش ڪيو. صحت جي سار سنڀال لاءِ بنيادي AI ماڊلز جو مستقبل واضح ٿي رهيو آهي. چيٽ جي پي ٽي جهڙن وڏن ٻولي ماڊلز جي ڪامياب مثالن تي مبني، وڌيڪ ترقي يافته خود نگراني ٿيل پري ٽريننگ طريقن ۽ تربيتي ڊيٽا جي وسيع جمع کي استعمال ڪندي، طبي AI جي شعبي ۾ محقق 1) بيماري جي مخصوص بنيادي ماڊل، 2) عام بنيادي ماڊل، ۽ 3) ملٽي ماڊل وڏا ماڊل ٺاهڻ جي ڪوشش ڪري رهيا آهن جيڪي وڏي پيماني تي پيرا ميٽرز ۽ اعليٰ صلاحيتن سان طريقن جي وسيع رينج کي ضم ڪن ٿا.

طبي ڊيٽا حاصل ڪرڻ واري AI ماڊل

وڏن AI ماڊلز کان علاوه جيڪي ڊائون اسٽريم ڪلينڪل ڊيٽا تجزيي جي ڪمن ۾ وڏو ڪردار ادا ڪن ٿا، اپ اسٽريم ڪلينڪل ڊيٽا حاصل ڪرڻ ۾، جنريٽو AI ماڊلز جي نمائندگي ڪندڙ ٽيڪنالاجي پڻ ابھري آهي. ڊيٽا حاصل ڪرڻ جي عمل، رفتار، ۽ معيار کي AI الگورتھم ذريعي خاص طور تي بهتر بڻائي سگهجي ٿو.

هن سال جي شروعات ۾، نيچر بايو ميڊيڪل انجنيئرنگ ترڪي جي اسٽريٽس يونيورسٽي مان هڪ مطالعي شايع ڪئي جيڪا ڪلينڪل ايپليڪيشنن ۾ پيٿولوجڪ تصوير جي مدد سان تشخيص جي مسئلي کي حل ڪرڻ لاءِ جنريٽو AI استعمال ڪرڻ تي ڌيان ڏنو. سرجري دوران منجمد سيڪشن ٽشو ۾ موجود شيون تيز تشخيصي تشخيص ۾ رڪاوٽ آهن. جيتوڻيڪ فارملين ۽ پيرافين ايمبيڊڊ (FFPE) ٽشو هڪ اعليٰ معيار جو نمونو فراهم ڪري ٿو، ان جي پيداوار جو عمل وقت وٺندڙ آهي ۽ اڪثر ڪري 12-48 ڪلاڪ وٺندو آهي، جيڪو ان کي سرجري ۾ استعمال لاءِ نا مناسب بڻائي ٿو. تنهن ڪري ريسرچ ٽيم AI-FFPE نالي هڪ الگورتھم پيش ڪيو، جيڪو منجمد سيڪشن ۾ ٽشو جي ظاهر کي FFPE وانگر بڻائي سگهي ٿو. الگورتھم ڪاميابي سان منجمد سيڪشن جي آرٽيفيڪٽس کي درست ڪيو، تصوير جي معيار کي بهتر بڻايو، ۽ ساڳئي وقت ڪلينڪ طور تي لاڳاپيل خاصيتن کي برقرار رکيو. ڪلينڪل تصديق ۾، AI-FFPE الگورتھم خاص طور تي ٽيومر جي ذيلي قسمن لاءِ پيٿولوجسٽن جي تشخيصي درستگي کي بهتر بڻائي ٿو، جڏهن ته ڪلينڪل تشخيص جي وقت کي تمام گهڻو گهٽائي ٿو.

سيل رپورٽس ميڊيسن جيلن يونيورسٽي جي ٽئين ڪلينڪل ڪاليج، ريڊيالاجي ڊپارٽمينٽ، فوڊان يونيورسٽي سان لاڳاپيل زونگشان اسپتال، ۽ شنگھائي يونيورسٽي آف سائنس اينڊ ٽيڪنالاجي [25] جي هڪ ٽيم پاران هڪ تحقيقي ڪم جي رپورٽ ڪري ٿي. هي مطالعو هڪ عام مقصد جي ڊيپ لرننگ ۽ ٻيهر تعميراتي فيوزن فريم ورڪ (هائبرڊ ڊي ايل-آئي آر) کي اعليٰ ورسٽائلٽي ۽ لچڪداريءَ سان پيش ڪري ٿو، جيڪو تيز ايم آر آءِ، گهٽ دوز سي ٽي، ۽ تيز پي اي ٽي ۾ بهترين تصوير جي تعميراتي ڪارڪردگي ڏيکاري ٿو. الگورتھم 100 سيڪنڊن ۾ ايم آر سنگل آرگن ملٽي سيڪونس اسڪيننگ حاصل ڪري سگھي ٿو، ريڊيئيشن ڊوز کي سي ٽي تصوير جي صرف 10٪ تائين گھٽائي سگھي ٿو، ۽ شور کي ختم ڪري سگھي ٿو، ۽ پي اي ٽي حاصل ڪرڻ کان ننڍڙن زخمن کي 2 کان 4 ڀيرا تيز رفتاري سان ٻيهر تعمير ڪري سگھي ٿو، جڏهن ته حرڪت جي نمونن جي اثر کي گھٽائي سگھي ٿو.

طبي ڪارڪنن جي تعاون سان ميڊيڪل اي آءِ

طبي AI جي تيز ترقي طبي ماهرن کي سنجيدگي سان غور ڪرڻ ۽ ڳولڻ تي مجبور ڪيو آهي ته ڪلينڪل عملن کي بهتر بڻائڻ لاءِ AI سان ڪيئن تعاون ڪجي. هن سال جولاءِ ۾، ڊيپ مائنڊ ۽ هڪ ملٽي انسٽيٽيوٽيشل ريسرچ ٽيم گڏيل طور تي هڪ AI سسٽم پيش ڪيو جنهن کي Complementary Driven Clinical Workflow Delay (CoDoC) سڏيو ويندو آهي. تشخيصي عمل جي پهرين تشخيص هڪ اڳڪٿي ڪندڙ AI سسٽم ذريعي ڪئي ويندي آهي، پوءِ پوئين نتيجي تي ٻئي AI سسٽم ذريعي فيصلو ڪيو ويندو آهي، ۽ جيڪڏهن ڪو شڪ آهي، ته تشخيص جي درستگي ۽ توازن جي ڪارڪردگي کي بهتر بڻائڻ لاءِ تشخيص آخرڪار هڪ ڪلينڪ طرفان ڪئي ويندي آهي. جڏهن بريسٽ ڪينسر جي اسڪريننگ جي ڳالهه اچي ٿي، ته CoDoC ساڳئي غلط منفي شرح سان غلط مثبت شرحن کي 25٪ گهٽائي ڇڏيو، جڏهن ته برطانيه ۾ موجوده "ڊبل ريڊ آربيٽريشن" عمل جي مقابلي ۾ ڪلينڪ جي ڪم جي لوڊ کي 66٪ گهٽائي ڇڏيو. ٽي بي جي درجه بندي جي لحاظ کان، آزاد AI ۽ ڪلينڪل ورڪ فلو جي مقابلي ۾ ساڳئي غلط منفي شرح سان غلط مثبت شرحن کي 5 کان 15 سيڪڙو گهٽائي ڇڏيو ويو.

ساڳئي طرح، لنڊن، برطانيه ۾ ڪيهرون ڪمپني جي ايني وائي اين جي ۽ ٻين، نتيجن کي ٻيهر جانچڻ لاءِ (انساني معائنو ڪندڙن جي تعاون سان) اضافي AI ريڊرز متعارف ڪرايا جڏهن ڊبل ريڊ آربيٽريشن عمل ۾ ڪو به ريڪول نتيجا نه هئا، جنهن شروعاتي بريسٽ ڪينسر اسڪريننگ ۾ مس ٿيل سڃاڻپ جي مسئلي کي بهتر بڻايو، ۽ عمل ۾ تقريبن ڪو به غلط مثبت نه هو. هڪ ٻيو مطالعو، جيڪو يونيورسٽي آف ٽيڪساس ميڪ گورن ميڊيڪل اسڪول جي هڪ ٽيم جي اڳواڻي ۾ ڪيو ويو ۽ چار اسٽروڪ سينٽرن تي مڪمل ڪيو ويو، وڏي ويسڪولر اوڪليوسو اسڪيمڪ اسٽروڪ (LVO) جي ڳولا کي خودڪار ڪرڻ لاءِ ڪمپيوٽيڊ ٽوموگرافي اينجيوگرافي (CTA) تي ٻڌل AI ٽيڪنالاجي لاڳو ڪئي وئي. ڪلينڪ ۽ ريڊيالوجسٽ CT اميجنگ مڪمل ٿيڻ جي منٽن اندر پنهنجي موبائل فون تي ريئل ٽائيم الرٽ حاصل ڪندا آهن، انهن کي LVO جي ممڪن موجودگي جي اطلاع ڏيندا آهن. هي AI عمل تيز اسڪيمڪ اسٽروڪ لاءِ اسپتال ۾ ڪم جي وهڪري کي بهتر بڻائي ٿو، علاج ۾ داخل ٿيڻ کان وٺي دروازي تائين گرين وقت کي گهٽائي ٿو ۽ ڪامياب بچاءُ جا موقعا فراهم ڪري ٿو. نتيجا JAMA نيورولوجي ۾ شايع ٿيل آهن.

عالمگير فائدي لاءِ هڪ AI هيلٿ ڪيئر ماڊل

2023 ۾ ڪيترائي سٺا ڪم پڻ ڏسڻ ۾ ايندا جيڪي طبي AI استعمال ڪندي انساني اک لاءِ نظر نه ايندڙ خاصيتون ڳولڻ لاءِ وڌيڪ آساني سان دستياب ڊيٽا مان، عالمگير تشخيص ۽ پيماني تي ابتدائي اسڪريننگ کي فعال بڻائيندا آهن. سال جي شروعات ۾، نيچر ميڊيسن سن يت سين يونيورسٽي جي زونگشان آئي سينٽر ۽ فوجيان ميڊيڪل يونيورسٽي جي ٻئي الحاق ٿيل اسپتال پاران ڪيل مطالعي کي شايع ڪيو. اسمارٽ فونز کي ايپليڪيشن ٽرمينل طور استعمال ڪندي، انهن ٻارن جي نظر کي متاثر ڪرڻ ۽ ٻارن جي نظر جي رويي ۽ چهري جي خاصيتن کي رڪارڊ ڪرڻ لاءِ ڪارٽون جهڙيون وڊيو تصويرون استعمال ڪيون، ۽ ڊيپ لرننگ ماڊلز کي استعمال ڪندي غير معمولي ماڊلز جو وڌيڪ تجزيو ڪيو ته جيئن 16 اکين جي بيمارين جي ڪاميابي سان سڃاڻپ ڪري سگهجي، جن ۾ پيدائشي موتي بند، پيدائشي ptosis ۽ پيدائشي گلوڪوما شامل آهن، جن جي سراسري اسڪريننگ جي درستگي 85 سيڪڙو کان وڌيڪ آهي. هي ٻارڙن جي بصري ڪم جي خرابي ۽ لاڳاپيل اکين جي بيمارين جي وڏي پيماني تي ابتدائي اسڪريننگ لاءِ هڪ مؤثر ۽ مقبول ڪرڻ ۾ آسان ٽيڪنيڪل وسيلا فراهم ڪري ٿو.

سال جي آخر ۾، نيچر ميڊيسن دنيا جي 10 کان وڌيڪ طبي ۽ تحقيقي ادارن پاران ڪيل ڪم جي رپورٽ ڏني، جنهن ۾ شنگھائي انسٽيٽيوٽ آف پينڪريٽڪ ڊيزيز ۽ جيجيانگ يونيورسٽي جي پهرين لاڳاپيل اسپتال شامل آهن. ليکڪ جسماني معائني مرڪزن، اسپتالن وغيره ۾ علامتي ماڻهن جي پينڪريٽڪ ڪينسر جي اسڪريننگ تي AI لاڳو ڪيو، سادي اسڪين سي ٽي تصويرن ۾ زخم جي خاصيتن کي ڳولڻ لاءِ جيڪي صرف ننگي اک سان ڳولڻ ڏکيو آهن، ته جيئن پينڪريٽڪ ڪينسر جي موثر ۽ غير ناگوار ابتدائي سڃاڻپ حاصل ڪري سگهجي. 20,000 کان وڌيڪ مريضن جي ڊيٽا جو جائزو وٺڻ ۾، ماڊل ڪلينڪ طور تي مس ٿيل زخمن جي 31 ڪيسن جي پڻ سڃاڻپ ڪئي، جنهن ڪلينڪل نتيجن کي خاص طور تي بهتر بڻايو.

طبي ڊيٽا جي حصيداري

2023 ۾، دنيا ۾ ڪيترائي وڌيڪ مڪمل ڊيٽا شيئرنگ ميڪانيزم ۽ ڪامياب ڪيس سامهون آيا آهن، جيڪي ڊيٽا جي رازداري ۽ سيڪيورٽي جي تحفظ جي بنياد تي ملٽي سينٽر تعاون ۽ ڊيٽا جي کليل هجڻ کي يقيني بڻائين ٿا.

پهرين، خود AI ٽيڪنالاجي جي مدد سان، AI محققن طبي ڊيٽا جي حصيداري ۾ حصو ورتو آهي. آمريڪا ۾ رٽگرز يونيورسٽي مان ڪيو چانگ ۽ ٻين نيچر ڪميونيڪيشن ۾ هڪ مضمون شايع ڪيو، جنهن ۾ ورهايل مصنوعي مخالف نيٽ ورڪن تي ٻڌل هڪ وفاقي سکيا وارو فريم ورڪ DSL پيش ڪيو ويو، جيڪو ملٽي سينٽرن جي مخصوص پيدا ٿيل ڊيٽا کي تربيت ڏيڻ لاءِ جنريٽو AI استعمال ڪري ٿو، ۽ پوءِ ملٽي سينٽرن جي حقيقي ڊيٽا کي پيدا ٿيل ڊيٽا سان تبديل ڪري ٿو. ڊيٽا جي رازداري جي حفاظت ڪندي ملٽي سينٽر بگ ڊيٽا تي ٻڌل AI تربيت کي يقيني بڻايو. ساڳي ٽيم پيدا ٿيل پيٿولوجيڪل تصويرن ۽ انهن جي لاڳاپيل تشريحن جي ڊيٽا سيٽ کي پڻ اوپن سورس ڪري ٿي. پيدا ٿيل ڊيٽا سيٽ تي تربيت يافته سيگمينٽيشن ماڊل حقيقي ڊيٽا سان ملندڙ نتيجا حاصل ڪري سگهي ٿو.

سنگهوا يونيورسٽي جي دائي ڪيونگائي جي ٽيم اين پي جي ڊجيٽل هيلٿ تي هڪ پيپر شايع ڪيو، جنهن ۾ رلي لرننگ جي تجويز پيش ڪئي وئي، جيڪا مقامي ڊيٽا خودمختياري ۽ ڪراس سائيٽ نيٽ ورڪ ڪنيڪشن جي بنياد تي اي آءِ ماڊلز کي تربيت ڏيڻ لاءِ ملٽي سائيٽ بگ ڊيٽا استعمال ڪري ٿي. اهو اي آءِ ڪارڪردگي جي حصول سان ڊيٽا سيڪيورٽي ۽ رازداري جي خدشن کي متوازن ڪري ٿو. ساڳئي ٽيم بعد ۾ گڏيل طور تي CAIMEN، هڪ چيسٽ سي ٽي پين-ميڊياسٽينل ٽيومر تشخيص سسٽم کي ترقي ۽ تصديق ڪئي، جيڪو وفاقي سکيا تي ٻڌل آهي، گوانگزو ميڊيڪل يونيورسٽي جي پهرين لاڳاپيل اسپتال ۽ ملڪ جي 24 اسپتالن جي تعاون سان. سسٽم، جيڪو 12 عام ميڊياسٽينل ٽيومر تي لاڳو ڪري سگهجي ٿو، صرف انساني ماهرن جي استعمال جي ڀيٽ ۾ 44.9 سيڪڙو بهتر درستگي حاصل ڪئي، ۽ جڏهن انساني ماهرن جي مدد ڪئي وئي ته 19 سيڪڙو بهتر تشخيص جي درستگي حاصل ڪئي.

ٻئي طرف، محفوظ، عالمي، وڏي پيماني تي طبي ڊيٽا سيٽ ٺاهڻ لاءِ ڪيترائي قدم جاري آهن. نومبر 2023 ۾، هارورڊ ميڊيڪل اسڪول جي بايوميڊيڪل انفارميٽڪس ڊپارٽمينٽ جي آگسٽينا سينز ۽ ٻين لينسيٽ ڊجيٽل هيلٿ ۾ آن لائن شايع ڪيو طبي تصويري ڊيٽا شيئر ڪرڻ لاءِ هڪ عالمي فريم ورڪ جنهن کي مصنوعي ذهانت ڊيٽا فار آل هيلٿ ڪيئر (MAIDA) سڏيو ويندو آهي. اهي دنيا جي صحت جي سار سنڀال تنظيمن سان گڏ ڪم ڪري رهيا آهن ته جيئن ڊيٽا گڏ ڪرڻ ۽ سڃاڻپ ختم ڪرڻ تي جامع هدايت فراهم ڪري سگهجي، ڊيٽا شيئرنگ کي معياري بڻائڻ لاءِ آمريڪي فيڊرل ڊيمونسٽريشن پارٽنر (FDP) ٽيمپليٽ استعمال ڪندي. اهي بتدريج دنيا جي مختلف علائقن ۽ ڪلينڪل سيٽنگن ۾ گڏ ڪيل ڊيٽا سيٽ جاري ڪرڻ جو ارادو رکن ٿا. پهرين ڊيٽا سيٽ 2024 جي شروعات ۾ جاري ٿيڻ جي اميد آهي، جڏهن ته ڀائيواري وڌندي وڌيڪ ايندي. هي منصوبو عوامي طور تي دستياب AI ڊيٽا جو هڪ عالمي، وڏي پيماني تي ۽ متنوع سيٽ ٺاهڻ جي هڪ اهم ڪوشش آهي.

تجويز جي نتيجي ۾، برطانيه جي بايو بينڪ هڪ مثال قائم ڪيو آهي. برطانيه جي بايو بينڪ 30 نومبر تي پنهنجي 500,000 شرڪت ڪندڙن جي پوري جينوم ترتيب مان نئون ڊيٽا جاري ڪيو. ڊيٽابيس، جيڪو 500,000 برطانوي رضاڪارن مان هر هڪ جي مڪمل جينوم ترتيب شايع ڪري ٿو، دنيا جو سڀ کان وڏو مڪمل انساني جينوم ڊيٽابيس آهي. دنيا ڀر جا محقق هن غير سڃاڻپ ٿيل ڊيٽا تائين رسائي جي درخواست ڪري سگهن ٿا ۽ ان کي صحت ۽ بيماري جي جينياتي بنياد جي جاچ لاءِ استعمال ڪري سگهن ٿا. جينياتي ڊيٽا ماضي ۾ تصديق لاءِ هميشه انتهائي حساس رهيو آهي، ۽ برطانيه جي بايو بينڪ جي هي تاريخي ڪاميابي ثابت ڪري ٿي ته هڪ کليل، رازداري کان پاڪ عالمي وڏي پيماني تي ڊيٽابيس ٺاهڻ ممڪن آهي. هن ٽيڪنالاجي ۽ ڊيٽابيس سان، طبي AI ايندڙ ٽپو ۾ داخل ٿيڻ جو پابند آهي.

ميڊيڪل AI جي تصديق ۽ تشخيص

طبي AI ٽيڪنالاجي جي تيز ترقي جي مقابلي ۾، طبي AI جي تصديق ۽ تشخيص جي ترقي ٿوري سست آهي. عام AI فيلڊ ۾ تصديق ۽ تشخيص اڪثر ڪري AI لاءِ ڪلينڪ ۽ مريضن جي حقيقي گهرجن کي نظرانداز ڪري ٿي. روايتي بي ترتيب ڪنٽرول ٿيل ڪلينڪل آزمائشون AI اوزارن جي تيز رفتاري سان ملائڻ لاءِ تمام گهڻي محنت ڪن ٿيون. طبي AI اوزارن لاءِ مناسب تصديق ۽ تشخيص سسٽم کي جلد کان جلد بهتر بڻائڻ سڀ کان اهم شيءِ آهي ته جيئن طبي AI کي حقيقي طور تي ڪلينڪل لينڊنگ ڏانهن ڇڪي سگهجي.

نيچر ۾ شايع ٿيل ميڊ-پي ايل ايم تي گوگل جي ريسرچ پيپر ۾، ٽيم ملٽي ميڊ ڪيو ايويلويشن بينچ مارڪ پڻ شايع ڪيو، جيڪو وڏي ٻولي ماڊلز جي ڪلينڪل علم حاصل ڪرڻ جي صلاحيت جو جائزو وٺڻ لاءِ استعمال ڪيو ويندو آهي. بينچ مارڪ ڇهه موجوده پيشه ورانه طبي سوال ۽ جواب ڊيٽاسيٽس کي گڏ ڪري ٿو، پيشه ورانه طبي علم، تحقيق ۽ ٻين پهلوئن کي ڍڪيندو آهي، انهي سان گڏ هڪ آن لائن سرچ طبي سوال ڊيٽابيس ڊيٽاسيٽ، ڊاڪٽر-مريض آن لائن سوال ۽ جواب تي غور ڪندي، ڪيترن ئي پهلوئن کان هڪ قابليت رکندڙ ڊاڪٽر ۾ AI کي تربيت ڏيڻ جي ڪوشش ڪري ٿو. ان کان علاوه، ٽيم انساني تشخيص تي ٻڌل هڪ فريم ورڪ پيش ڪري ٿي جيڪا حقيقت، سمجھ، استدلال، ۽ ممڪن تعصب جي ڪيترن ئي طول و عرض کي حساب ۾ رکي ٿي. هي هن سال شايع ٿيل صحت جي سار سنڀال ۾ AI جو جائزو وٺڻ لاءِ سڀ کان وڌيڪ نمائندگي ڪندڙ تحقيقي ڪوششن مان هڪ آهي.

جڏهن ته، ڇا حقيقت اها آهي ته وڏي ٻولي جا ماڊل ڪلينڪل علم جي انڪوڊنگ جي اعليٰ سطح ڏيکارين ٿا، ان جو مطلب اهو آهي ته وڏا ٻولي جا ماڊل حقيقي دنيا جي ڪلينڪل ڪمن لاءِ قابل آهن؟ جيئن هڪ طبي شاگرد جيڪو پيشه ور طبيب جو امتحان مڪمل نمبر سان پاس ڪري ٿو، اڃا تائين هڪ سولو چيف طبيب کان پري آهي، گوگل پاران تجويز ڪيل تشخيصي معيار شايد AI ماڊلز لاءِ طبي AI تشخيص جي موضوع جو هڪ بهترين جواب نه هجي. 2021 ۽ 2022 جي شروعات ۾، محققن Decid-AI، SPIRIT-AI، ۽ INTRPRT جهڙيون رپورٽنگ هدايتون پيش ڪيون آهن، اميد ته طبي AI جي شروعاتي ترقي ۽ تصديق جي رهنمائي ڪندا، ڪلينڪل عمليت، حفاظت، انساني عنصر، ۽ شفافيت/تعبير جي عنصرن تي غور ڪرڻ جي شرط تي. تازو ئي، جرنل نيچر ميڊيسن آڪسفورڊ يونيورسٽي ۽ اسٽينفورڊ يونيورسٽي جي محققن پاران هڪ مطالعو شايع ڪيو ته ڇا "خارجي تصديق" يا "بار بار مقامي تصديق" استعمال ڪجي. "AI اوزارن جي تصديق ڪرڻ لاءِ."

AI اوزارن جي غير جانبدار نوعيت پڻ هڪ اهم تشخيصي هدايت آهي جنهن کي هن سال سائنس ۽ NEJM ٻنهي مضمونن مان ڌيان مليو آهي. AI اڪثر ڪري تعصب ڏيکاري ٿو ڇاڪاڻ ته اهو تربيتي ڊيٽا تائين محدود آهي. هي تعصب سماجي عدم مساوات کي ظاهر ڪري سگهي ٿو، جيڪو اڳتي هلي الگورتھمڪ امتياز ۾ تبديل ٿئي ٿو. نيشنل انسٽيٽيوٽ آف هيلٿ تازو ئي Bridge2AI شروعات شروع ڪئي، جنهن جي قيمت 130 ملين ڊالر آهي، متنوع ڊيٽا سيٽ ٺاهڻ لاءِ (مٿي ذڪر ڪيل MAIDA شروعات جي مقصدن جي مطابق) جيڪي طبي AI اوزارن جي غير جانبداري کي درست ڪرڻ لاءِ استعمال ڪري سگهجن ٿا. انهن پهلوئن تي MultiMedQA پاران غور نه ڪيو ويو آهي. طبي AI ماڊلز کي ڪيئن ماپڻ ۽ تصديق ڪرڻ جي سوال تي اڃا تائين وسيع ۽ گهري بحث جي ضرورت آهي.

جنوري ۾، نيچر ميڊيسن يونيورسٽي آف ٽيڪساس جي ايم ڊي اينڊرسن ڪينسر سينٽر جي وويڪ سببيه پاران "دي نيسٽ جنريشن آف ايويڊننس بيسڊ ميڊيسن" نالي هڪ راءِ جو ٽڪرو شايع ڪيو، جنهن ۾ COVID-19 جي وبا جي تناظر ۾ ظاهر ٿيندڙ ڪلينڪل ٽرائلز جي حدن جو جائزو ورتو ويو ۽ جدت ۽ ڪلينڪل ريسرچ جي عمل تي عمل جي وچ ۾ تضاد کي اشارو ڪيو ويو. آخرڪار، اهو ڪلينڪل ٽرائلز جي بحالي جي مستقبل جي نشاندهي ڪري ٿو - مصنوعي ذهانت استعمال ڪندي ڪلينڪل ٽرائلز جي ايندڙ نسل، يعني، وڏي تعداد ۾ تاريخي ريسرچ ڊيٽا، حقيقي دنيا جي ڊيٽا، ملٽي ماڊل ڪلينڪل ڊيٽا، پائڻ لائق ڊوائيس ڊيٽا مان مصنوعي ذهانت جو استعمال اهم ثبوت ڳولڻ لاءِ. ڇا ان جو مطلب اهو آهي ته AI ٽيڪنالاجي ۽ AI ڪلينڪل تصديق جا عمل مستقبل ۾ باهمي طور تي مضبوط ۽ گڏيل طور تي ترقي ڪري سگهن ٿا؟ هي 2023 جو کليل ۽ سوچڻ وارو سوال آهي.

ميڊيڪل اي آءِ جو ضابطو

AI ٽيڪنالاجي جي ترقي AI جي ضابطي لاءِ چئلينج پڻ پيدا ڪري ٿي، ۽ دنيا جا پاليسي ساز احتياط ۽ احتياط سان جواب ڏئي رهيا آهن. 2019 ۾، FDA پهريون ڀيرو مصنوعي ذهانت جي طبي ڊوائيسز ۾ سافٽ ويئر تبديلين لاءِ هڪ تجويز ڪيل ريگيوليٽري فريم ورڪ (بحث جو مسودو) شايع ڪيو، جنهن ۾ AI ۽ مشين لرننگ تي هلندڙ سافٽ ويئر تبديلين جي پري مارڪيٽ جائزي لاءِ ان جي امڪاني طريقي جي تفصيل بيان ڪئي وئي. 2021 ۾، FDA "آرٽيفيشل انٽيليجنس/مشين لرننگ تي ٻڌل سافٽ ويئر هڪ ميڊيڪل ڊيوائس ايڪشن پلان جي طور تي" تجويز ڪيو، جنهن پنج مخصوص AI طبي ريگيوليٽري قدمن کي واضح ڪيو. هن سال، FDA ڊوائيس سافٽ ويئر خاصيتن جي حفاظت ۽ افاديت جي FDA جي تشخيص لاءِ پري مارڪيٽ جمع ڪرائڻ جي سفارشن تي معلومات مهيا ڪرڻ لاءِ ڊوائيس سافٽ ويئر خاصيتن لاءِ پري مارڪيٽ جمع ڪرائڻ کي ٻيهر جاري ڪيو، جنهن ۾ ڪجهه سافٽ ويئر ڊوائيس خاصيتون شامل آهن جيڪي مشين لرننگ طريقن ذريعي تربيت يافته مشين لرننگ ماڊل استعمال ڪن ٿيون. FDA جي ريگيوليٽري پاليسي هڪ ابتدائي تجويز کان عملي رهنمائي تائين ترقي ڪئي آهي.

گذريل سال جولاءِ ۾ يورپي هيلٿ ڊيٽا اسپيس جي اشاعت کان پوءِ، يورپي يونين هڪ ڀيرو ٻيهر مصنوعي ذهانت ايڪٽ نافذ ڪيو آهي. اڳوڻي جو مقصد صحت جي ڊيٽا جو بهترين استعمال ڪرڻ آهي ته جيئن اعليٰ معيار جي صحت جي سار سنڀال فراهم ڪري سگهجي، عدم مساوات کي گهٽائي سگهجي، ۽ روڪٿام، تشخيص، علاج، سائنسي جدت، فيصلو سازي ۽ قانون سازي لاءِ ڊيٽا جي حمايت ڪري سگهجي، جڏهن ته اهو يقيني بڻايو وڃي ته يورپي يونين جي شهرين کي انهن جي ذاتي صحت جي ڊيٽا تي وڌيڪ ڪنٽرول هجي. بعد ۾ اهو واضح ڪري ٿو ته طبي تشخيصي نظام هڪ اعليٰ خطري وارو AI نظام آهي، ۽ ان کي نشانو بڻايل مضبوط نگراني، پوري زندگي جي چڪر جي نگراني ۽ اڳ-تشخيص جي نگراني کي اپنائڻ جي ضرورت آهي. يورپي دوائن جي ايجنسي (EMA) دوا جي ترقي، ضابطي ۽ استعمال جي حمايت لاءِ AI جي استعمال تي هڪ ڊرافٽ ريفلڪشن پيپر شايع ڪيو آهي، جنهن ۾ مريضن جي حفاظت ۽ ڪلينڪل تحقيق جي نتيجن جي سالميت کي يقيني بڻائڻ لاءِ AI جي اعتبار کي بهتر بڻائڻ تي زور ڏنو ويو آهي. مجموعي طور تي، EU جو ريگيوليٽري طريقو بتدريج شڪل وٺي رهيو آهي، ۽ آخري عملدرآمد جي تفصيل وڌيڪ تفصيلي ۽ سخت ٿي سگهي ٿي. يورپي يونين جي سخت ضابطن جي بلڪل ابتڙ، برطانيه جو AI ريگيوليٽري بليو پرنٽ واضح ڪري ٿو ته حڪومت نرم رويو اختيار ڪرڻ جو ارادو رکي ٿي ۽ هاڻي لاءِ نوان بل لاڳو نه ڪرڻ يا نوان ريگيوليٽر قائم نه ڪرڻ جو ارادو رکي ٿي.

چين ۾، نيشنل ميڊيڪل پراڊڪٽس ايڊمنسٽريشن جي ميڊيڪل ڊيوائس ٽيڪنيڪل ريويو سينٽر (اين ايم پي اي) اڳ ۾ دستاويز جاري ڪيا آهن جهڙوڪ "ڊيپ لرننگ اسسٽيڊ ڊسيشن سافٽ ويئر جا جائزو پوائنٽس"، "آرٽيفيشل انٽيليجنس ميڊيڪل ڊوائيسز جي رجسٽريشن جي جائزي لاءِ رهنمائي اصول (تبصري لاءِ مسودو)" ۽ "آرٽيفيشل انٽيليجنس ميڊيڪل سافٽ ويئر پراڊڪٽس جي درجه بندي ۽ تعريف لاءِ رهنمائي اصولن تي سرڪيولر (2021 ۾ نمبر 47)". هن سال، "2023 ۾ پهرين طبي ڊوائيس پراڊڪٽ جي درجه بندي جي نتيجن جو خلاصو" ٻيهر جاري ڪيو ويو. دستاويزن جو هي سلسلو مصنوعي ذهانت جي طبي سافٽ ويئر شين جي تعريف، درجه بندي ۽ ضابطي کي واضح ۽ هلائڻ ۾ آسان بڻائي ٿو، ۽ صنعت ۾ مختلف ادارن جي پيداوار جي پوزيشن ۽ رجسٽريشن جي حڪمت عملين لاءِ واضح هدايت فراهم ڪري ٿو. اهي دستاويز AI طبي ڊوائيسز جي سائنسي ضابطي لاءِ هڪ فريم ورڪ ۽ انتظامي فيصلا فراهم ڪن ٿا. اهو ڏسڻ جي قابل آهي ته 21 کان 23 ڊسمبر تائين هانگزو ۾ منعقد ٿيندڙ چائنا ميڊيڪل آرٽيفيشل انٽيليجنس ڪانفرنس جو ايجنڊا ڊجيٽل ميڊيڪل گورننس ۽ سرڪاري اسپتالن جي اعليٰ معيار جي ترقي ۽ مصنوعي ذهانت جي طبي ڊوائيس جي جانچ ۽ تشخيص ٽيڪنالاجي معيار سازي انڊسٽري ڊولپمينٽ فورم تي هڪ خاص فورم قائم ڪندو. ان وقت، نيشنل ڊولپمينٽ اينڊ ريفارم ڪميشن ۽ اين ايم پي اي جا عملدار اجلاس ۾ شرڪت ڪندا ۽ نئين معلومات جاري ڪري سگهن ٿا.

ٿڪل

2023 ۾، طبي AI پوري طبي اپ اسٽريم ۽ ڊائون اسٽريم عمل ۾ ضم ٿيڻ شروع ٿي چڪو آهي، اسپتال جي ڊيٽا گڏ ڪرڻ، فيوزن، تجزيو، تشخيص ۽ علاج، ۽ ڪميونٽي اسڪريننگ کي ڍڪيندي، ۽ طبي/بيماري ڪنٽرول ڪارڪنن سان نامياتي طور تي تعاون ڪندي، انساني صحت ۾ ڀلائي آڻڻ جي صلاحيت ڏيکاريندي. قابل استعمال طبي AI تحقيق شروع ٿي رهي آهي. مستقبل ۾، طبي AI جي ترقي نه رڳو ٽيڪنالاجي ترقي تي منحصر آهي، پر صنعت، يونيورسٽي ۽ طبي تحقيق جي مڪمل تعاون ۽ پاليسي سازن ۽ ريگيوليٽرن جي مدد جي پڻ ضرورت آهي. هي ڪراس ڊومين تعاون AI-ضم ٿيل طبي خدمتن کي حاصل ڪرڻ جي ڪنجي آهي، ۽ يقيني طور تي انساني صحت جي ترقي کي فروغ ڏيندو.