“बौद्धिक साम्राज्य” खंडित करा: कृत्रिम बुद्धिमत्ता आरोग्य सेवेमध्ये असंतुलित खाते कसे बनवते

जेव्हा जेव्हा रुग्णाला टेक्सास मेडिकल युनिव्हर्सिटी शाखेत (यूटीएमबी) सीटी स्कॅन मिळते, तेव्हा परिणामी प्रतिमा आपोआप हृदयरोग विभागात पाठविली जातात, ज्याचे विश्लेषण कृत्रिम बुद्धिमत्तेद्वारे केले जाते आणि हृदयाच्या जोखमीची डिग्री सेट केली जाते.

फक्त काही महिन्यांतच, एका साध्या अल्गोरिदमबद्दल धन्यवाद, कृत्रिम बुद्धिमत्तेने बर्‍याच रूग्णांना उच्च हृदय व रक्तवाहिन्यासंबंधी आणि रक्तवाहिन्यांचा धोका असल्याचे सांगितले. सीटी स्कॅनला हृदयाशी जोडले जाण्याची गरज नाही; रुग्णाला हृदयाची समस्या नसते. प्रत्येक परीक्षा आपोआप मूल्यांकन करते.

कृत्रिम बुद्धिमत्तेद्वारे सक्षम केलेली ही एक स्पष्ट प्रतिबंधात्मक काळजी आहे, ज्यामुळे वैद्यकीय सुविधेस शेवटी मोठ्या प्रमाणात डेटा वापरण्यास प्रारंभ होऊ शकेल.

“डेटा तिथे बसला आहे,” यूटीएमबीचे मुख्य कृत्रिम गुप्तचर अधिकारी पीटर अंटरी. “या प्रकरणात मला काय आवडते ते म्हणजे अ‍ॅम्नेस्टी इंटरनेशनलने काहीही सुपर केले पाहिजे. हे कमी विचारांचे कार्य करते, परंतु खूप मोठ्या आकारात, आणि तरीही हे बरेच मूल्य प्रदान करते, कारण आपल्याला सतत ज्या गोष्टी चुकतात त्या आपल्याला सापडतात.”

मी कबूल करतो, “आम्हाला माहित आहे की आम्ही गोष्टी चुकवतो. यापूर्वी आमच्याकडे परत येण्याची आणि ती शोधण्याची साधने नव्हती.”

हृदय व रक्तवाहिन्यासंबंधीचा धोका निश्चित करण्यासाठी कृत्रिम बुद्धिमत्ता यूटीएमबी कशी मदत करावी

बर्‍याच आरोग्य सुविधांप्रमाणेच, यूटीएमबी बर्‍याच भागात कृत्रिम बुद्धिमत्ता लागू करते. वापराच्या पहिल्या प्रकरणांपैकी एक म्हणजे हृदयाची जोखीम तपासणे. मॉडेल्सना कॅज्युअल कोरोनरी आर्टरी (आयसीएसी) साठी स्कॅनिंग करण्याचे प्रशिक्षण दिले गेले आहे, जे हृदय व रक्तवाहिन्यासंबंधी जोखमीचे एक मजबूत सूचक आहे. मॅकफरी यांनी स्पष्ट केले की हृदयविकाराच्या संपर्कात असलेल्या रूग्णांना ओळखणे हे लक्ष्य आहे ज्यांना दुसर्‍या मार्गाने दुर्लक्ष केले गेले असेल कारण ते कोणतीही स्पष्ट लक्षणे दर्शवित नाहीत.

परीक्षा कार्यक्रमाद्वारे, प्रत्येक सीटी स्कॅनचे कोरोनरी कॅल्सीफिकेशन शोधण्यासाठी एआय वापरुन आपोआप सुविधेत विश्लेषण केले जाते. परीक्षेचा हृदयविकाराचा कोणताही संबंध नसावा; मणक्याच्या फ्रॅक्चरमुळे किंवा फुफ्फुसांच्या असामान्य मतांमुळे याची विनंती केली जाऊ शकते.

सर्वेक्षण ऑपरेशन्स सीएनएनमध्ये फीड असतात, जे अ‍ॅगॅटस्टन पदवीची गणना करते, जे रुग्णाच्या रक्तवाहिन्यांमध्ये प्लेगचे संचय दर्शवते. अ‍ॅस्ट्रेटने स्पष्ट केले की हे सहसा मानवी रेडिओलॉजिस्टद्वारे मोजले जाते.

तिथून, कृत्रिम बुद्धिमत्ता अतिरिक्त माहितीच्या आधारे 100 ते तीन “जोखीम पातळी” वर किंवा त्यापेक्षा जास्त आयसीएसी मिळविणार्‍या रूग्णांना (जसे की ते दोन आहेत की नाही किंवा त्यांनी हृदयरोगतज्ज्ञांसह भेट दिली आहे) खासगती केली आहे. अ‍ॅस्ट्रेटने स्पष्ट केले की हे कार्य नियमांवर अवलंबून आहे आणि इलेक्ट्रॉनिक हेल्थ रेजिस्ट्री (ईएचआर) मधील स्वतंत्र मूल्यांमधून काढले जाऊ शकते किंवा n म्नेस्टी इंटरनेशनल जीपीटी -4 ओ वापरुन क्लिनिकल भेट नोट्स सारख्या विनामूल्य मजकूरावर प्रक्रिया करून मूल्ये परिभाषित करू शकते.

डिजिटल संदेश 100 किंवा अधिक 100 किंवा त्यापेक्षा जास्त पासून स्वयंचलितपणे पाठविले जातात, हृदय किंवा उपचारांना भेट देण्याची कोणतीही ज्ञात तारीख, डिजिटल संदेश पाठविले जातात. सिस्टम मुख्य डॉक्टरांना एक चिठ्ठी देखील पाठवते. आयसीएसी म्हणून ओळखले जाणारे रुग्ण 300 पेक्षा जास्त किंवा उच्च फोन कॉल देखील आहेत.

अ‍ॅस्ट्रेटने स्पष्ट केले की फोन कॉल वगळता जवळजवळ प्रत्येक गोष्ट स्वयंचलित आहे; तथापि, सुविधा स्वयंचलित ध्वनी कॉल स्वयंचलित करण्याच्या आशेने साधनांचा प्रयोग करीत आहे. स्वयंचलित अधिसूचना सुरू ठेवण्यापूर्वी कृत्रिम बुद्धिमत्ता आणि जोखीम विमानातून काढलेल्या कॅल्शियमच्या डिग्रीची पुष्टी करण्यासाठी मानवांनी भागातील एकमेव क्षेत्र आहे.

२०२24 च्या उत्तरार्धात हा कार्यक्रम सुरू झाल्यापासून, वैद्यकीय सुविधेने दरमहा सुमारे 450 परीक्षांचे मूल्यांकन केले आहे, त्यापैकी पाच ते दहा प्रकरणांमध्ये दरमहा अत्यंत धोकादायक आहे, ज्यासाठी हस्तक्षेप आवश्यक आहे, असे अस्टारीच्या म्हणण्यानुसार.

त्यांनी असे निदर्शनास आणून दिले की “येथे सारांश म्हणजे आपल्याला हा रोग असल्याचा संशय घेण्यास कोणीही नाही आणि या रोगाचा अभ्यास कोणालाही मागितला जाऊ नये.”

स्ट्रोक आणि फुफ्फुसीय अडथळा शोधण्यासाठी एआयचा आणखी एक गंभीर वापर आहे. यूटीएमबी उपचारांना गती देण्यासाठी फोटोग्राफीच्या सेकंदात विशिष्ट लक्षणे आणि विज्ञान काळजी कार्यसंघ शोधण्यासाठी प्रशिक्षित विशेष अल्गोरिदम वापरते.

आयसीएसी नोंदणी साधनाप्रमाणेच, सीएनएन, जे स्ट्रोक आणि फुफ्फुसाच्या अडथळ्यावर सलग प्रशिक्षण दिले जाते, स्वयंचलितपणे संगणकीकृत टोमोग्राफी चाचण्या प्राप्त करतात आणि रक्त प्रवाह किंवा अचानक रक्तवाहिन्या दिल्या जातात अशा निर्देशकांचा शोध घेतात.

“मानवी रेडिओलॉजिस्ट ही व्हिज्युअल वैशिष्ट्ये शोधू शकतात, परंतु येथे स्वयंचलित शोध आहे आणि केवळ सेकंदातच उद्भवते,” अ‍ॅझेट्री म्हणाले.

कोणतीही सीटी स्कॅन “शंका” स्ट्रोक किंवा फुफ्फुसीय अडथळा आपोआप कृत्रिम बुद्धिमत्तेसाठी पाठविली जाते – उदाहरणार्थ, डॉक्टर चेहरा संपुष्टात आणू शकतो किंवा लुप्त होताना आणि “सीटी स्ट्रोक” सोडतो, ज्यामुळे अल्गोरिदम होतो.

दोन्ही अल्गोरिदममध्ये एक मेसेजिंग अनुप्रयोग समाविष्ट आहे जो निकाल लागताच संपूर्ण केअर टीमला सूचित करतो. यात घाव साइटवरील छेदनबिंदूसह फोटो स्क्रीन शॉटचा समावेश असेल.

“उपचारांच्या सुरूवातीची गती पोहोचताच ही आपत्कालीन वापराची विशेष प्रकरणे आहेत.” “आम्ही अशा परिस्थिती पाहिल्या आहेत जिथे आम्हाला कित्येक मिनिटे हस्तक्षेप मिळू शकेल कारण आमच्याकडे कृत्रिम बुद्धिमत्तेचे वेगवान डोके होते.”

भ्रम कमी करणे, पूर्वाग्रह बंधन

शक्य तितक्या मॉडेलची कार्यक्षमता सुनिश्चित करण्यासाठी, यूटीएमबी त्यांना प्रकाशनापूर्वी आणि वारंवार प्रकाशनानंतर aller लर्जी, गोपनीयता, एफ -1 डिग्री, पूर्वाग्रह आणि इतर घटकांसह परिभाषित करते.

म्हणूनच, उदाहरणार्थ, आयसीएसी अल्गोरिदम सीटी स्कॅनच्या संतुलित गटावर मॉडेल चालू करून प्रकाशित करण्यापूर्वी सत्यापित केले जाते तर रेडिओलॉजिस्ट व्यक्तिचलितपणे रेकॉर्ड केले जातात-त्यानंतर त्या दोघांची तुलना केली जाते. पोस्ट -प्रसिद्धी पुनरावलोकनात, त्याच वेळी, रेडिओलॉजिस्टला एआयच्या टोमॅटोचा यादृच्छिक उप -विभाग दिला जातो आणि कृत्रिम बुद्धिमत्तेच्या डिग्रीवर संपूर्ण आयसीएसी कृती केली जाते. अ‍ॅस्ट्रेटने स्पष्ट केले की हे त्याच्या कार्यसंघाला मॉडेलच्या फॉर्मची वारंवार गणना करण्यास आणि संभाव्य पूर्वाग्रह देखील शोधू देते (जे आकार आणि/किंवा त्रुटीच्या दिशेने बदल म्हणून पाहिले जाईल).

पक्षपातीपणाचा पक्षपात टाळण्यास मदत करण्यासाठी – कृत्रिम आणि मानवी बुद्धिमत्ता त्यांच्याकडे असलेल्या माहितीच्या पहिल्या भागावर जोरदारपणे अवलंबून असते, अशा प्रकारे निर्णय घेताना महत्त्वपूर्ण तपशील गमावतात – यूटीएमबी “पीअर लर्निंग” तंत्र वापरतो. रेडिओलॉजी चाचण्यांचा एक यादृच्छिक उपसमूह निवडला जातो, मिश्रित, अज्ञात आणि वेगवेगळ्या रेडिओलॉजिस्टमध्ये वितरित केला जातो आणि त्यांच्या उत्तरांची तुलना केली जाते.

हे केवळ वैयक्तिक रेडिओलॉजिस्टच्या कामगिरीचे मूल्यांकन करण्यास मदत करते, परंतु गमावलेले सरासरी परिणाम अभ्यासामध्ये जास्त आहेत की नाही हे देखील शोधून काढते ज्यामध्ये कृत्रिम बुद्धिमत्तेचा उपयोग विशिष्ट दृश्ये विशेषत: (ज्यामुळे संबंधात पूर्वाग्रह होतो).

उदाहरणार्थ, कृत्रिम बुद्धिमत्तेचा वापर हाडांच्या फ्रॅक्चर निश्चित करण्यासाठी आणि त्यांना एक्स -रेची माहिती देण्यासाठी केला गेला तर, हाडांच्या फ्रॅक्चरच्या त्रुटी असलेल्या अभ्यासामुळे संयुक्त जागा कमी करणे (संधिवातातील सामान्य) यासारख्या इतर घटकांकरिता मिस दर वाढल्या आहेत की नाही याकडे टीम पाहेल.

मॅकेफेफ्रे आणि त्याच्या टीमला असे आढळले की हंगामातील सलग दोन्ही आवृत्त्या (जीपीटी -4 ओ च्या भिन्न आवृत्त्या) आणि थरांद्वारे (जीपीटी -4.5 विरुद्ध 3.5.) मध्ये कमी भ्रम आहे. ते म्हणाले: “परंतु हे शून्य नाही आणि निर्दिष्ट केलेले नाही, जरी ते छान आहे-आम्ही केवळ भ्रमांच्या संभाव्यतेकडे दुर्लक्ष करू शकतो.”

म्हणूनच, ते सहसा एआयच्या दिलेल्या साधनांकडे आकर्षित होतात जे त्यांचे स्त्रोत उद्धृत करण्यात चांगले काम करतात. उदाहरणार्थ, एक मॉडेल जे क्लिनिकल निरीक्षणासह रुग्णाच्या वैद्यकीय मार्गाचा सारांश देते जे त्यांच्या आउटपुटचा आधार म्हणून काम करतात.

“यामुळे प्रदात्यास भ्रमनिरासांपासून संरक्षण म्हणून काम करण्याची परवानगी मिळते,” मॅकवेरी म्हणाले.

आरोग्य सेवा वाढविण्यासाठी “मूलभूत गोष्टी” चिन्ह

यूटीएमबी इतर अनेक क्षेत्रांमध्ये कृत्रिम बुद्धिमत्ता देखील वापरते, ज्यात स्वयंचलित प्रणालीसह वैद्यकीय कर्मचार्‍यांना अंतर्गत प्रवेश ऑपरेशन्स न्याय्य आहेत की नाही हे निर्धारित करण्यात मदत होते. सिस्टम एक सह -पिलॉट म्हणून कार्य करते, कारण ते स्वयंचलितपणे ईएचआरकडून सर्व रुग्ण नोट्स काढतात आणि कर्मचार्‍यांना मूल्यांकन प्रदान करण्यापूर्वी क्लॉड, जीपीटी आणि मिथुनचा सारांश आणि तपासणी करण्यासाठी वापरतात.

“हे आमच्या कर्मचार्‍यांना सर्व रुग्ण आणि उमेदवारांकडे/त्यांची क्रमवारी लावण्यास अनुमती देते,” मी स्पष्ट केले. हे साधन कर्मचार्‍यांना प्रवेश किंवा निरीक्षणास समर्थन देण्यासाठी कागदपत्रे तयार करण्यास मदत करते.

इतर क्षेत्रांमध्ये, कृत्रिम बुद्धिमत्तेचा वापर हार्ट सायन्स स्पष्टीकरण किंवा क्लिनिकल नोट्स यासारख्या अहवालांचे पुन्हा परीक्षण करण्यासाठी आणि काळजीमधील अंतर ओळखण्यासाठी केला जातो. बर्‍याच प्रकरणांमध्ये, “हे फक्त मूलभूत गोष्टींचे लक्षण आहे,” मकाफ्री म्हणाले.

त्यांनी असे निदर्शनास आणून दिले की आरोग्य सेवा गुंतागुंतीची आहे, सर्वत्र डेटा अर्कांसह, त्याने सूचित केले आहे – फोटो, डॉक्टरांच्या नोट्स, प्रयोगशाळेचे निकाल – परंतु यापैकी फारच कमी डेटा मोजली गेली कारण तेथे मानवी मानवी शक्ती नसतात.

यामुळे त्याने “विशाल आणि प्रचंड बौद्धिक बाटली मान” असे वर्णन केले. बर्‍याच डेटाची गणना केली जात नाही, जरी तेथे उत्कृष्ट क्षमता आहेत जी सक्रिय आहेत आणि आधी गोष्टी शोधतात.

“हे कोणत्याही विशिष्ट जागेसाठी दोषारोप नाही,” मॅकवेरीने पुष्टी केली. “ही सर्वसाधारणपणे आरोग्य सेवेची स्थिती आहे.” कृत्रिम बुद्धिमत्तेच्या अनुपस्थितीत, “आपण बुद्धिमत्ता, छाननी पसरवू शकत नाही आणि सर्वकाही अटक करण्यासाठी आवश्यक असलेल्या उपायांवर कार्य करू शकत नाही.”