வாட்சன் டாக்டரை கடிக்கவில்லை, நன்றாக இருந்தது

பல துறைகளைப் போலவே, மருத்துவர்களுக்குப் பதிலாக AI ஐப் பயன்படுத்துவதற்கான உற்சாகம், தொடர்ச்சியான நோய் கண்டறிதல் தோல்விகளுக்குப் பிறகு சற்றே குறைந்திருந்தாலும், AI- அடிப்படையிலான மருத்துவத்தின் வளர்ச்சிக்கான பணிகள் இன்னும் நடந்துகொண்டிருக்கின்றன. இருப்பினும், அவை இன்னும் சிறந்த வாய்ப்புகளையும் அதன் பல பகுதிகளில் செயல்பாடுகளின் செயல்திறனை மேம்படுத்துவதற்கான வாய்ப்பையும் வழங்குகின்றன.

IBM 2015 இல் அறிவிக்கப்பட்டது, மேலும் 2016 இல் நான்கு பெரிய நோயாளி தரவு நிறுவனங்களிடமிருந்து தரவு அணுகலைப் பெற்றது (1). மிகவும் பிரபலமானது, பல ஊடக அறிக்கைகளுக்கு நன்றி, அதே நேரத்தில் IBM இன் மேம்பட்ட செயற்கை நுண்ணறிவைப் பயன்படுத்தும் மிகவும் லட்சிய திட்டம் புற்றுநோயியல் தொடர்பானது. அறிவியலாளர்கள், தரவுகளின் பரந்த வளங்களைப் பயன்படுத்தி அவற்றை நன்கு தழுவிய புற்றுநோய் எதிர்ப்பு சிகிச்சைகளாக மாற்றுவதற்கு அவற்றைச் செயல்படுத்த முயற்சித்துள்ளனர். வாட்சனை நடுவராகப் பெறுவதே நீண்ட கால இலக்காக இருந்தது மருத்துவ பரிசோதனைகள் மற்றும் ஒரு மருத்துவரின் முடிவுகள்.

1. வாட்சன் ஹெல்த் மருத்துவ முறையின் காட்சிப்படுத்தல்களில் ஒன்று

இருப்பினும், அது மாறியது வாட்சன் மருத்துவ இலக்கியங்களை சுயாதீனமாக குறிப்பிட முடியாது, மேலும் நோயாளிகளின் மின்னணு மருத்துவ பதிவுகளிலிருந்து தகவலைப் பிரித்தெடுக்க முடியாது. இருப்பினும், அவர் மீது மிகக் கடுமையான குற்றச்சாட்டு இருந்தது புதிய நோயாளியை மற்ற வயதான புற்றுநோயாளிகளுடன் ஒப்பிட இயலாமை மற்றும் முதல் பார்வையில் கண்ணுக்கு தெரியாத அறிகுறிகளைக் கண்டறிய இயலாமை.

ஒப்புக்கொண்டபடி, சில புற்றுநோயியல் நிபுணர்கள் அவருடைய தீர்ப்பில் நம்பிக்கை இருப்பதாகக் கூறினர், இருப்பினும் பெரும்பாலும் நிலையான சிகிச்சைகளுக்கான வாட்சனின் பரிந்துரைகள் அல்லது கூடுதல், கூடுதல் மருத்துவக் கருத்து. இந்த அமைப்பு மருத்துவர்களுக்கு ஒரு சிறந்த தானியங்கி நூலகமாக இருக்கும் என்று பலர் சுட்டிக்காட்டியுள்ளனர்.

IBM இன் மிகவும் புகழ்ச்சியான மதிப்புரைகளின் விளைவாக அமெரிக்க மருத்துவ நிறுவனங்களில் வாட்சன் அமைப்பின் விற்பனையில் சிக்கல்கள். ஐபிஎம் விற்பனை பிரதிநிதிகள் அதை இந்தியா, தென் கொரியா, தாய்லாந்து மற்றும் பிற நாடுகளில் உள்ள சில மருத்துவமனைகளுக்கு விற்க முடிந்தது. இந்தியாவில், 638 மார்பக புற்றுநோய்க்கான வாட்சனின் பரிந்துரைகளை மருத்துவர்கள் () மதிப்பீடு செய்தனர். சிகிச்சை பரிந்துரைகளுக்கான இணக்க விகிதம் 73% ஆகும். மோசமானது வாட்சன் தென் கொரியாவில் உள்ள கச்சோன் மருத்துவ மையத்தில் இருந்து வெளியேறினார், அங்கு 656 பெருங்குடல் புற்றுநோய் நோயாளிகளுக்கு அவரது சிறந்த பரிந்துரைகள் நிபுணர் பரிந்துரைகளுடன் 49 சதவீத நேரம் மட்டுமே பொருந்துகின்றன. என்று டாக்டர்கள் மதிப்பிட்டுள்ளனர் வாட்சன் வயதான நோயாளிகளுடன் நன்றாகச் செயல்படவில்லைசில நிலையான மருந்துகளை அவர்களுக்கு வழங்காததன் மூலம், மெட்டாஸ்டேடிக் நோயால் பாதிக்கப்பட்ட சில நோயாளிகளுக்கு தீவிரமான சிகிச்சை கண்காணிப்பை மேற்கொள்வதில் முக்கியமான தவறு.

இறுதியில், நோயறிதல் நிபுணராகவும் மருத்துவராகவும் அவரது பணி தோல்வியடைந்ததாகக் கருதப்பட்டாலும், அவர் மிகவும் பயனுள்ளதாக இருந்த பகுதிகள் உள்ளன. தயாரிப்பு மரபியலுக்கு வாட்சன், இது வட கரோலினா பல்கலைக்கழகம், யேல் பல்கலைக்கழகம் மற்றும் பிற நிறுவனங்களுடன் இணைந்து உருவாக்கப்பட்டது. புற்றுநோயியல் நிபுணர்களுக்கான அறிக்கைகளைத் தயாரிப்பதற்கான மரபணு ஆய்வகங்கள். வாட்சன் பட்டியல் கோப்பைப் பதிவிறக்குகிறார் மரபணு மாற்றங்கள் ஒரு நோயாளி மற்றும் அனைத்து முக்கியமான மருந்துகள் மற்றும் மருத்துவ பரிசோதனைகளுக்கான பரிந்துரைகளை உள்ளடக்கிய ஒரு அறிக்கையை நிமிடங்களில் உருவாக்க முடியும். வாட்சன் மரபணு தகவல்களை ஒப்பீட்டளவில் எளிதாகக் கையாளுகிறார்ஏனெனில் அவை கட்டமைக்கப்பட்ட கோப்புகளில் வழங்கப்படுகின்றன மற்றும் தெளிவற்ற தன்மைகளைக் கொண்டிருக்கவில்லை - ஒன்று பிறழ்வு உள்ளது அல்லது பிறழ்வு இல்லை.

நார்த் கரோலினா பல்கலைக்கழகத்தின் IBM கூட்டாளிகள் 2017 இல் செயல்திறன் பற்றிய ஒரு ஆய்வறிக்கையை வெளியிட்டனர். அவற்றில் 32% மனித ஆய்வுகளால் அடையாளம் காணப்படாத முக்கியமான பிறழ்வுகளை வாட்சன் கண்டறிந்தார். நோயாளிகள் ஆய்வு செய்தனர், புதிய மருந்துக்கான நல்ல வேட்பாளர்களை உருவாக்கினர். இருப்பினும், பயன்பாடு சிறந்த சிகிச்சை விளைவுகளுக்கு வழிவகுக்கும் என்பதற்கு இன்னும் எந்த ஆதாரமும் இல்லை.

புரதங்களின் வீட்டுவசதி

இது மற்றும் பல எடுத்துக்காட்டுகள் சுகாதாரப் பராமரிப்பில் உள்ள அனைத்து குறைபாடுகளும் நிவர்த்தி செய்யப்படுகின்றன என்ற நம்பிக்கைக்கு பங்களிக்கின்றன, ஆனால் இது உண்மையில் உதவக்கூடிய பகுதிகளை நாம் தேட வேண்டும், ஏனென்றால் மக்கள் அங்கு சிறப்பாக செயல்படவில்லை. அத்தகைய புலம், எடுத்துக்காட்டாக, புரத ஆராய்ச்சி. கடந்த ஆண்டு, புரதங்களின் வடிவத்தை அவற்றின் வரிசையின் அடிப்படையில் துல்லியமாக கணிக்க முடியும் என்ற தகவல் வெளிவந்தது (2). இது ஒரு பாரம்பரிய பணியாகும், இது மக்களின் சக்திக்கு அப்பாற்பட்டது, ஆனால் சக்திவாய்ந்த கணினிகள் கூட. புரத மூலக்கூறுகளின் முறுக்கலின் துல்லியமான மாதிரியை நாம் மாஸ்டர் செய்தால், மரபணு சிகிச்சைக்கான பெரிய வாய்ப்புகள் இருக்கும். ஆல்பாஃபோல்டின் உதவியுடன் ஆயிரக்கணக்கானவர்களின் செயல்பாடுகளை ஆய்வு செய்வோம் என்று விஞ்ஞானிகள் நம்புகின்றனர், மேலும் இது பல நோய்களுக்கான காரணங்களை புரிந்து கொள்ள அனுமதிக்கும்.

படம் 2. டீப் மைண்டின் ஆல்ஃபாஃபோல்டு மாதிரியான புரத முறுக்கு.

இப்போது இருநூறு மில்லியன் புரதங்கள் நமக்குத் தெரியும், ஆனால் அவற்றில் ஒரு சிறிய பகுதியின் கட்டமைப்பு மற்றும் செயல்பாட்டை நாங்கள் முழுமையாக புரிந்துகொள்கிறோம். புரதங்கள் இது உயிரினங்களின் அடிப்படை கட்டுமானத் தொகுதியாகும். உயிரணுக்களில் நிகழும் பெரும்பாலான செயல்முறைகளுக்கு அவை பொறுப்பு. அவர்கள் எப்படி வேலை செய்கிறார்கள் மற்றும் என்ன செய்கிறார்கள் என்பது அவர்களின் 50D கட்டமைப்பால் தீர்மானிக்கப்படுகிறது. அவை இயற்பியல் விதிகளால் வழிநடத்தப்படும் எந்த அறிவுறுத்தலும் இல்லாமல் பொருத்தமான வடிவத்தை எடுக்கின்றன. பல தசாப்தங்களாக, சோதனை முறைகள் புரதங்களின் வடிவத்தை தீர்மானிப்பதற்கான முக்கிய முறையாகும். XNUMX களில், பயன்பாடு எக்ஸ்ரே படிக முறைகள். கடந்த தசாப்தத்தில், இது தேர்வுக்கான ஆராய்ச்சி கருவியாக மாறியுள்ளது. படிக நுண்ணோக்கி. 80 மற்றும் 90 களில், புரதங்களின் வடிவத்தை தீர்மானிக்க கணினிகளைப் பயன்படுத்தும் வேலை தொடங்கியது. இருப்பினும், முடிவுகள் இன்னும் விஞ்ஞானிகளை திருப்திப்படுத்தவில்லை. சில புரதங்களுக்கு வேலை செய்யும் முறைகள் மற்றவர்களுக்கு வேலை செய்யவில்லை.

ஏற்கனவே 2018 இல் ஆல்பாஃபோல்ட் உள்ள நிபுணர்களிடமிருந்து அங்கீகாரம் பெற்றது புரத மாதிரியாக்கம். இருப்பினும், அந்த நேரத்தில் அது மற்ற நிரல்களுக்கு மிகவும் ஒத்த முறைகளைப் பயன்படுத்தியது. விஞ்ஞானிகள் தந்திரோபாயங்களை மாற்றி மற்றொன்றை உருவாக்கினர், இது புரத மூலக்கூறுகளின் மடிப்புகளில் உடல் மற்றும் வடிவியல் கட்டுப்பாடுகள் பற்றிய தகவல்களையும் பயன்படுத்தியது. ஆல்பாஃபோல்ட் சீரற்ற முடிவுகளை அளித்தது. சில நேரங்களில் அவர் சிறப்பாக செய்தார், சில நேரங்களில் மோசமாக செய்தார். ஆனால் அவரது கணிப்புகளில் கிட்டத்தட்ட மூன்றில் இரண்டு பங்கு சோதனை முறைகளால் பெறப்பட்ட முடிவுகளுடன் ஒத்துப்போனது. 2 ஆம் ஆண்டின் தொடக்கத்தில், SARS-CoV-3 வைரஸின் பல புரதங்களின் கட்டமைப்பை அல்காரிதம் விவரித்தது. பின்னர், Orf2020a புரதத்திற்கான கணிப்புகள் சோதனை ரீதியாக பெறப்பட்ட முடிவுகளுடன் ஒத்துப்போகின்றன என்று கண்டறியப்பட்டது.

இது மடிப்பு புரதங்களின் உள் வழிகளைப் படிப்பது மட்டுமல்ல, வடிவமைப்பையும் பற்றியது. NIH BRAIN முன்முயற்சியின் ஆராய்ச்சியாளர்கள் பயன்படுத்துகின்றனர் இயந்திர வழி கற்றல் மூளையின் செரோடோனின் அளவை உண்மையான நேரத்தில் கண்காணிக்கக்கூடிய ஒரு புரதத்தை உருவாக்கவும். செரோடோனின் ஒரு நரம்பியல் வேதியியல் ஆகும், இது மூளை எவ்வாறு நமது எண்ணங்களையும் உணர்வுகளையும் கட்டுப்படுத்துகிறது என்பதில் முக்கிய பங்கு வகிக்கிறது. எடுத்துக்காட்டாக, பல ஆண்டிடிரஸன்ட்கள் நியூரான்களுக்கு இடையே பரவும் செரோடோனின் சமிக்ஞைகளை மாற்ற வடிவமைக்கப்பட்டுள்ளன. செல் இதழில் ஒரு கட்டுரையில், விஞ்ஞானிகள் அவர்கள் மேம்பட்டதை எவ்வாறு பயன்படுத்துகிறார்கள் என்பதை விவரித்தனர் மரபணு பொறியியல் முறைகள் தற்போதைய முறைகளை விட அதிக துல்லியத்துடன் செரோடோனின் பரிமாற்றத்தைக் கண்காணிக்க உதவும் புதிய ஆராய்ச்சிக் கருவியாக ஒரு பாக்டீரியா புரதத்தை மாற்றவும். தூக்கம், பயம் மற்றும் சமூக தொடர்புகளின் போது மூளையின் செரோடோனின் அளவுகளில் ஏற்படும் நுட்பமான மாற்றங்களை சென்சார் உடனடியாகக் கண்டறிந்து, புதிய மனோதத்துவ மருந்துகளின் செயல்திறனைச் சோதிக்கும் என்று பெரும்பாலும் எலிகளில் முன்கூட்டிய பரிசோதனைகள் காட்டுகின்றன.

தொற்றுநோய்க்கு எதிரான போராட்டம் எப்போதும் வெற்றிகரமாக இல்லை

எல்லாவற்றிற்கும் மேலாக, எம்டியில் நாங்கள் எழுதிய முதல் தொற்றுநோய் இதுதான். இருப்பினும், எடுத்துக்காட்டாக, தொற்றுநோயின் வளர்ச்சியின் செயல்முறையைப் பற்றி நாம் பேசினால், ஆரம்ப கட்டத்தில், AI தோல்வியுற்றதாகத் தோன்றியது. என்று அறிஞர்கள் புகார் தெரிவித்துள்ளனர் செயற்கை நுண்ணறிவு முந்தைய தொற்றுநோய்களின் தரவுகளின் அடிப்படையில் கொரோனா வைரஸின் பரவலின் அளவை சரியாக கணிக்க முடியாது. "குறிப்பிட்ட எண்ணிக்கையிலான கண்கள் மற்றும் காதுகளைக் கொண்ட முகங்களை அடையாளம் காண்பது போன்ற சில பகுதிகளில் இந்த தீர்வுகள் நன்றாக வேலை செய்கின்றன. SARS-CoV-2 தொற்றுநோய் இவை முன்னர் அறியப்படாத நிகழ்வுகள் மற்றும் பல புதிய மாறிகள், எனவே அதைப் பயிற்றுவிக்கப் பயன்படுத்தப்பட்ட வரலாற்றுத் தரவுகளின் அடிப்படையில் செயற்கை நுண்ணறிவு நன்றாக வேலை செய்யாது. பிற தொழில்நுட்பங்களையும் அணுகுமுறைகளையும் நாம் தேட வேண்டும் என்பதை தொற்றுநோய் காட்டுகிறது, ”என்று ஸ்கோல்டெக்கிலிருந்து மாக்சிம் ஃபெடோரோவ் ஏப்ரல் 2020 இல் ரஷ்ய ஊடகங்களுக்கு அளித்த அறிக்கையில் கூறினார்.

காலப்போக்கில் இருந்தன இருப்பினும் கோவிட்-19க்கு எதிரான போராட்டத்தில் AI இன் சிறந்த பயனை நிரூபிக்கும் வழிமுறைகள். கோவிட்-2020 நோயால் பாதிக்கப்பட்டவர்களுக்கு வேறு எந்த அறிகுறிகளும் இல்லாவிட்டாலும், அவர்களின் இருமல் வடிவங்களை அடையாளம் காண அமெரிக்க விஞ்ஞானிகள் 19 இலையுதிர்காலத்தில் ஒரு அமைப்பை உருவாக்கியுள்ளனர்.

தடுப்பூசிகள் தோன்றியபோது, ​​மக்களுக்கு தடுப்பூசி போட உதவும் யோசனை பிறந்தது. உதாரணமாக, அவளால் முடியும் தடுப்பூசிகளின் மாதிரி போக்குவரத்து மற்றும் தளவாடங்களுக்கு உதவும். தொற்றுநோயை விரைவாக சமாளிக்க எந்த மக்களுக்கு முதலில் தடுப்பூசி போட வேண்டும் என்பதை தீர்மானிப்பதில். இது தேவையை முன்னறிவிக்கவும், தளவாடங்களில் உள்ள சிக்கல்கள் மற்றும் இடையூறுகளை விரைவாகக் கண்டறிவதன் மூலம் தடுப்பூசியின் நேரம் மற்றும் வேகத்தை மேம்படுத்தவும் உதவும். தொடர்ச்சியான கண்காணிப்புடன் கூடிய அல்காரிதம்களின் கலவையானது சாத்தியமான பக்க விளைவுகள் மற்றும் சுகாதார நிகழ்வுகள் பற்றிய தகவலை விரைவாக வழங்க முடியும்.

இந்த AI ஐப் பயன்படுத்தும் அமைப்புகள் சுகாதாரத்தை மேம்படுத்துவது மற்றும் மேம்படுத்துவது ஏற்கனவே அறியப்படுகிறது. அவர்களின் நடைமுறை நன்மைகள் பாராட்டப்பட்டன; எடுத்துக்காட்டாக, அமெரிக்காவில் உள்ள ஸ்டான்போர்ட் பல்கலைக்கழகத்தில் மேக்ரோ-ஐஸ் உருவாக்கிய சுகாதாரப் பாதுகாப்பு அமைப்பு. பல மருத்துவ நிறுவனங்களைப் போலவே, நோயாளிகள் நியமனம் செய்ய வராதது பிரச்சினையாக இருந்தது. மேக்ரோ கண்கள் எந்த நோயாளிகள் அங்கு இருக்க வாய்ப்பில்லை என்பதை நம்பத்தகுந்த முறையில் கணிக்கக்கூடிய ஒரு அமைப்பை உருவாக்கியது. சில சூழ்நிலைகளில், அவர் கிளினிக்குகளுக்கான மாற்று நேரங்களையும் இடங்களையும் பரிந்துரைக்கலாம், இது நோயாளியைக் காண்பிக்கும் வாய்ப்புகளை அதிகரிக்கும். பின்னர், இதேபோன்ற தொழில்நுட்பம் ஆர்கன்சாஸ் முதல் நைஜீரியா வரை பல்வேறு இடங்களில் பயன்படுத்தப்பட்டது, குறிப்பாக சர்வதேச வளர்ச்சிக்கான அமெரிக்க ஏஜென்சி ஐ.

தான்சானியாவில், மேக்ரோ-ஐஸ் ஒரு திட்டத்தில் வேலை செய்தது குழந்தைகளுக்கு நோய்த்தடுப்பு விகிதங்களை அதிகரிக்கிறது. கொடுக்கப்பட்ட தடுப்பூசி மையத்திற்கு எத்தனை தடுப்பூசிகள் அனுப்பப்பட வேண்டும் என்பதை மென்பொருள் பகுப்பாய்வு செய்தது. எந்தக் குடும்பங்கள் தங்கள் குழந்தைகளுக்கு தடுப்பூசி போடத் தயங்குகின்றன என்பதையும் அவரால் மதிப்பிட முடிந்தது, ஆனால் தகுந்த வாதங்கள் மற்றும் வசதியான இடத்தில் தடுப்பூசி மையத்தின் இடம் ஆகியவற்றைக் கொண்டு அவர்களை சமாதானப்படுத்த முடியும். இந்த மென்பொருளைப் பயன்படுத்தி, தான்சானிய அரசாங்கம் அதன் நோய்த்தடுப்புத் திட்டத்தின் செயல்திறனை 96% அதிகரிக்க முடிந்தது. மற்றும் தடுப்பூசி கழிவுகளை 2,42 பேருக்கு 100 ஆக குறைக்க வேண்டும்.

சியரா லியோனில், குடியிருப்பாளர்களின் சுகாதாரத் தரவு இல்லாத நிலையில், நிறுவனம் கல்வி பற்றிய தகவலுடன் இதைப் பொருத்த முயற்சித்தது. 70 சதவீதத்தை கணிக்க ஆசிரியர்கள் மற்றும் அவர்களது மாணவர்களின் எண்ணிக்கை மட்டுமே போதுமானது என்று மாறியது. உள்ளூர் கிளினிக்கிற்கு சுத்தமான தண்ணீர் கிடைக்குமா என்பதன் துல்லியம், இது ஏற்கனவே அங்கு வாழும் மக்களின் ஆரோக்கியம் குறித்த தரவுகளின் தடம் (3).

3. ஆப்பிரிக்காவில் AI-உந்துதல் சுகாதார திட்டங்களின் மேக்ரோ-ஐஸ் விளக்கப்படம்.

இயந்திர மருத்துவர் பற்றிய கட்டுக்கதை மறைந்துவிடாது

தோல்விகள் இருந்தாலும் வாட்சன் புதிய நோயறிதல் அணுகுமுறைகள் இன்னும் உருவாக்கப்பட்டு வருகின்றன, மேலும் அவை மேலும் மேலும் மேம்பட்டதாகக் கருதப்படுகின்றன. செப்டம்பர் 2020 இல் ஸ்வீடனில் செய்யப்பட்ட ஒப்பீடு. மார்பக புற்றுநோயைக் கண்டறிவதில் இமேஜிங் பயன்படுத்தப்படுகிறது அவர்களில் சிறந்தவர்கள் ஒரு கதிரியக்க நிபுணரைப் போலவே செயல்படுகிறார்கள் என்பதைக் காட்டியது. வழக்கமான திரையிடலின் போது பெறப்பட்ட ஏறக்குறைய ஒன்பதாயிரம் மேமோகிராஃபிக் படங்களைப் பயன்படுத்தி அல்காரிதம்கள் சோதிக்கப்பட்டன. AI-1, AI-2 மற்றும் AI-3 என நியமிக்கப்பட்ட மூன்று அமைப்புகள், 81,9%, 67% துல்லியத்தை அடைந்தன. மற்றும் 67,4%. ஒப்பிடுகையில், இந்த படங்களை முதலில் விளக்கிய கதிரியக்கவியலாளர்களுக்கு, இந்த எண்ணிக்கை 77,4% ஆக இருந்தது, மேலும் கதிரியக்க வல்லுநர்கள்அதை விவரித்த இரண்டாவது யார், அது 80,1 சதவீதம். ஸ்கிரீனிங்கின் போது கதிரியக்க வல்லுநர்கள் தவறவிட்ட நிகழ்வுகளையும் சிறந்த வழிமுறைகளால் கண்டறிய முடிந்தது, மேலும் ஒரு வருடத்திற்குள் பெண்கள் நோய்வாய்ப்பட்டதாக கண்டறியப்பட்டது.

ஆராய்ச்சியாளர்களின் கூற்றுப்படி, இந்த முடிவுகள் அதை நிரூபிக்கின்றன செயற்கை நுண்ணறிவு வழிமுறைகள் கதிரியக்க வல்லுனர்களால் செய்யப்பட்ட தவறான-எதிர்மறை நோயறிதல்களை சரிசெய்ய உதவுங்கள். ஒரு சராசரி கதிரியக்க நிபுணருடன் AI-1 இன் திறன்களை இணைப்பது கண்டறியப்பட்ட மார்பக புற்றுநோய்களின் எண்ணிக்கையை 8% அதிகரித்துள்ளது. இந்த ஆய்வை மேற்கொள்ளும் ராயல் இன்ஸ்டிட்யூட்டில் உள்ள குழு, AI அல்காரிதம்களின் தரம் தொடர்ந்து வளரும் என்று எதிர்பார்க்கிறது. பரிசோதனையின் முழு விவரம் JAMA ஆன்காலஜியில் வெளியிடப்பட்டது.

ஐந்து புள்ளி அளவில் டபிள்யூ. தற்போது, ​​நாங்கள் ஒரு குறிப்பிடத்தக்க தொழில்நுட்ப முடுக்கம் மற்றும் IV நிலையை (உயர் ஆட்டோமேஷன்) அடைகிறோம், கணினி தானாகவே பெறப்பட்ட தரவை செயலாக்குகிறது மற்றும் முன் பகுப்பாய்வு செய்யப்பட்ட தகவலை நிபுணருக்கு வழங்கும் போது. இது நேரத்தை மிச்சப்படுத்துகிறது, மனித தவறுகளைத் தவிர்க்கிறது மற்றும் மிகவும் திறமையான நோயாளி கவனிப்பை வழங்குகிறது. என்று சில மாதங்களுக்கு முன் அவர் தீர்ப்பளித்தார் ஸ்டான் ஏ.ஐ. அவருக்கு நெருக்கமான மருத்துவத் துறையில், பேராசிரியர். ஜானுஸ் பிரேசிவிச் போலந்து பிரஸ் ஏஜென்சிக்கு ஒரு அறிக்கையில் அணு மருத்துவத்திற்கான போலிஷ் சொசைட்டியில் இருந்து.

4. மருத்துவப் படங்களை இயந்திரம் மூலம் பார்ப்பது

அல்காரிதம்கள், பேராசிரியர் போன்ற நிபுணர்களின் கூற்றுப்படி. பிரேசிவிச்இந்தத் தொழிலில் இன்றியமையாததும் கூட. காரணம் கண்டறியும் இமேஜிங் சோதனைகளின் எண்ணிக்கையில் விரைவான அதிகரிப்பு. 2000-2010 காலகட்டத்திற்கு மட்டும். MRI தேர்வுகள் மற்றும் தேர்வுகளின் எண்ணிக்கை பத்து மடங்கு அதிகரித்துள்ளது. துரதிர்ஷ்டவசமாக, அவற்றை விரைவாகவும் நம்பகத்தன்மையுடனும் மேற்கொள்ளக்கூடிய சிறப்பு மருத்துவர்களின் எண்ணிக்கை அதிகரிக்கவில்லை. தகுதியான தொழில்நுட்ப வல்லுநர்கள் பற்றாக்குறையும் உள்ளது. AI-அடிப்படையிலான அல்காரிதம்களை செயல்படுத்துவது நேரத்தை மிச்சப்படுத்துகிறது மற்றும் செயல்முறைகளின் முழு தரப்படுத்தலை அனுமதிக்கிறது, அத்துடன் மனித பிழை மற்றும் நோயாளிகளுக்கு மிகவும் திறமையான, தனிப்பயனாக்கப்பட்ட சிகிச்சைகளைத் தவிர்க்கிறது.

அது மாறியது போல், மேலும் தடயவியல் மருத்துவம் பயன் பெறலாம் செயற்கை நுண்ணறிவின் வளர்ச்சி. இந்த துறையில் உள்ள வல்லுநர்கள் இறந்த திசுக்களை உண்ணும் புழுக்கள் மற்றும் பிற உயிரினங்களின் சுரப்புகளின் இரசாயன பகுப்பாய்வு மூலம் இறந்தவரின் மரணத்தின் சரியான நேரத்தை தீர்மானிக்க முடியும். பல்வேறு வகையான நெக்ரோபேஜ்களிலிருந்து சுரக்கும் கலவைகள் பகுப்பாய்வில் சேர்க்கப்படும்போது ஒரு சிக்கல் எழுகிறது. இங்குதான் இயந்திர கற்றல் நடைமுறைக்கு வருகிறது. அல்பானி பல்கலைக்கழக விஞ்ஞானிகள் உருவாக்கியுள்ளனர் புழு வகைகளை வேகமாக அடையாளம் காண அனுமதிக்கும் செயற்கை நுண்ணறிவு முறை அவர்களின் "ரசாயன கைரேகைகள்" அடிப்படையில். ஆறு வகையான ஈக்களின் பல்வேறு இரசாயன சுரப்புகளின் கலவையைப் பயன்படுத்தி குழு அவர்களின் கணினி நிரலைப் பயிற்றுவித்தது. மாஸ் ஸ்பெக்ட்ரோமெட்ரியைப் பயன்படுத்தி பூச்சி லார்வாக்களின் இரசாயன கையொப்பங்களை அவர் புரிந்துகொண்டார், இது ஒரு அயனியின் மின் கட்டணத்திற்கு வெகுஜன விகிதத்தை துல்லியமாக அளவிடுவதன் மூலம் இரசாயனங்களை அடையாளம் காட்டுகிறது.

எனவே, நீங்கள் பார்க்க முடியும் என, எனினும் புலனாய்வு துப்பறிவாளராக AI மிகவும் நன்றாக இல்லை, தடயவியல் ஆய்வகத்தில் இது மிகவும் பயனுள்ளதாக இருக்கும். இந்த கட்டத்தில் நாங்கள் அவளிடமிருந்து அதிகமாக எதிர்பார்த்தோம், மருத்துவர்களை வேலையிலிருந்து வெளியேற்றும் வழிமுறைகளை எதிர்பார்க்கிறோம் (5). நாம் பார்க்கும் போது செயற்கை நுண்ணறிவு மிகவும் யதார்த்தமாக, பொதுவானதை விட குறிப்பிட்ட நடைமுறை நன்மைகளை மையமாகக் கொண்டு, மருத்துவத்தில் அவரது வாழ்க்கை மீண்டும் மிகவும் நம்பிக்கைக்குரியதாக தோன்றுகிறது.

5. மருத்துவரின் காரின் பார்வை