एक अन्य तंत्रिका नेटवर्क को एक्स-रे द्वारा समस्या का निदान करने के लिए सिखाया गया था

Google, आईबीएम और अन्य एआई (इसके कमजोर रूप) बनाने के लिए लंबे समय से काम कर रहे हैं, जो एक्स-रे छवियों का विश्लेषण कर सकते हैं। क्यों? समस्या यह है कि रेडियोलॉजिस्ट, और न केवल उन्हें, चिकित्सा छवियों का विश्लेषण करने में बहुत समय बिताना पड़ता है। ऐसी बहुत सी तस्वीरें हैं, लेकिन आपको एक निश्चित समय के लिए प्रत्येक को देखने और अपना जवाब देने की आवश्यकता है।

उसी एक्स-रे का विश्लेषण करने के लिए विशेषज्ञ के पास बहुत कम समय होता है। और यह अच्छा है अगर डॉक्टर छवि को देखते समय ताजा और सतर्क है। लेकिन क्या होगा अगर यह पहले से ही काम कर रहे दिन के अंत में काम करता है, एक ही छवियों के सैकड़ों को देखने के बाद? यहां मानवीय कारक बहुत मजबूत है, और त्रुटि की संभावना कई बार बढ़ जाती है। विशेषज्ञ के कार्य को सुविधाजनक बनाने के लिए, वैज्ञानिक कृत्रिम बुद्धि की क्षमताओं का उपयोग करने की कोशिश कर रहे हैं।

डॉक्टरों के लिए एक और समस्या है जो नियमित रूप से चिकित्सा छवियों को देखते हैं (जरूरी नहीं कि रेडियोग्राफ) "खोज संतुष्टि" त्रुटि है। यह इस तथ्य में निहित है कि डॉक्टर जो तस्वीर को देखता है, समस्या की खोज कर रहा है, हो सकता है कि वह दूसरों की खोज में न लगे हों, यह तय करते हुए कि उनकी धारणा सही है, और तुरंत निदान करें। रोगी के लिए परिणाम काफी गंभीर हो सकते हैं, यह देखते हुए कि पहचानी गई समस्या हमेशा अंतर्निहित बीमारी का प्रकटन नहीं है।

अब एक तंत्रिका नेटवर्क का विकास जो चिकित्सा छवियों में विभिन्न रोगों की अभिव्यक्तियों के लिए एक खोज का संचालन करेगा, जिसे एंड्रयू यूएन के नेतृत्व में वैज्ञानिकों की एक टीम द्वारा किया गया था। विशेषज्ञों ने एक तंत्रिका नेटवर्क बनाया, जिसे 14 हजार से अधिक चिकित्सा संस्थानों से प्राप्त कई दसियों छवियों (लगभग 50 हजार) से युक्त एक डेटाबेस के उदाहरण पर प्रशिक्षित किया गया था। उसी समय, प्रत्येक चित्र को पहले डॉक्टरों द्वारा विश्लेषण किया गया था जिन्होंने रेडियोग्राफ़ को सामान्य या रोगविज्ञान के रूप में निदान और चिह्नित किया था।


तंत्रिका नेटवर्क और तीन रेडियोलॉजिस्ट-डॉक्टरों के परिणाम

प्रशिक्षण के बाद तंत्रिका नेटवर्क की प्रभावशीलता की तुलना तीन रेडियोलॉजिस्ट और डॉक्टरों के काम के साथ की गई थी। जैसा कि यह पता चला है, दो मामलों में तंत्रिका नेटवर्क लगभग एक व्यक्ति से पीछे नहीं रहा, और एक में - इसे पार कर गया। सामान्य तौर पर, कंप्यूटर ने 74.9% मामलों में क्षति का सही पता लगाया। यह ध्यान देने योग्य है कि वैज्ञानिकों ने दुनिया के लिए अपने शोध के परिणामों और सामग्रियों की खोज की है। इसलिए, जिस डेटाबेस पर तंत्रिका नेटवर्क को प्रशिक्षित किया गया था, उसे सार्वजनिक डोमेन में रखा गया है और यह स्टैनफोर्ड वेबसाइट पर उपलब्ध है। यह अन्य तंत्रिका नेटवर्क के प्रशिक्षण के लिए उपयोग करने के लिए तैयार है।

तंत्रिका नेटवर्क अन्य प्रकार की चिकित्सा छवियों के साथ भी काम करते हैं। उदाहरण के लिए, एक गहरा तंत्रिका नेटवर्क मस्तिष्क (पीईटी) के पॉज़िट्रॉन एमिशन टोमोग्राफी की छवियों में बीमारी के निशान को पहचानना सीखता है। हम अल्जाइमर रोग के बारे में बात कर रहे हैं, जो मस्तिष्क चयापचय में मंदी के साथ अमाइलॉइड सजीले टुकड़े की उपस्थिति की विशेषता है।

पहले, वैज्ञानिकों ने पाया कि कुछ प्रकार के पीईटी स्कैन इन नकारात्मक स्थितियों के संकेतों का पता लगाने में सक्षम हैं। इसलिए, प्रौद्योगिकी मनुष्यों में हल्के संज्ञानात्मक हानि का पता लगाने के लिए काम कर सकती है, हानि जो बाद में अल्जाइमर रोग की ओर ले जाती है।

सच है, मानव वैज्ञानिकों के लिए परिणामी छवियों की व्याख्या करना कठिन है। लेकिन तंत्रिका नेटवर्क एक या दो मार्करों के लिए इस धन्यवाद के साथ काफी सामना कर सकता है। कंप्यूटर प्रणाली को प्रशिक्षित करने के लिए, विशेषज्ञों ने स्वस्थ मस्तिष्क के साथ 70 वर्ष की आयु के 182 लोगों की मस्तिष्क छवियों का इस्तेमाल किया और अल्जाइमर के निदान के साथ उसी उम्र के लोगों की 139 मस्तिष्क छवियों का उपयोग किया। नतीजतन, एआई एक स्वस्थ और रोगग्रस्त मस्तिष्क के बीच अंतर को पहचानने में सक्षम था, और उच्च सटीकता के साथ ऐसा किया - 90% से ऊपर।



एंड्रयू अन और उनकी टीम के लिए, वे तंत्रिका नेटवर्क की क्षमताओं और एक अन्य परियोजना के लिए उपयोग करने की कोशिश कर रहे हैं। हम बहुत गंभीर बीमारियों, रोगियों और उपशामक चिकित्सा के साथ रोगियों के बारे में बात कर रहे हैं। तंत्रिका नेटवर्क यह अनुमान लगाने की कोशिश कर रहा है कि रोगी की स्थिति कितनी गंभीर है (ज्यादातर हम बहुत बुजुर्ग लोगों के बारे में बात कर रहे हैं)। यदि हम एक प्रगतिशील बीमारी के बारे में बात कर रहे हैं, जो रोगी को जीवन के एक वर्ष से अधिक नहीं देती है, तो उपशामक चिकित्सक की एक टीम काम में आती है जो कुछ हद तक बीमारी (दर्द, मनोवैज्ञानिक स्थिति, आदि) की नकारात्मक अभिव्यक्तियों को दूर करने की कोशिश कर रहे हैं। समस्या यह है कि प्रभाव को अधिकतम करने के लिए टीम को एक निश्चित समय पर काम करना होगा। और यहाँ तंत्रिका नेटवर्क भी महत्वपूर्ण सफलता दिखाता है।

सामान्य तौर पर, AI (इसका कमजोर रूप) अब वैज्ञानिकों द्वारा एक सहायक चिकित्सक के रूप में माना जाता है, और कोई विकल्प नहीं है, अगर मैं ऐसा कह सकता हूं। तंत्रिका नेटवर्क एक विशेषज्ञ को विभिन्न प्रकार की समस्याओं की पहचान करने में मदद करते हैं, और पहले से ही एक मानव चिकित्सक अपने डिजिटल सहायकों की मदद से एक सटीक निदान करता है। परिणामस्वरूप, समय की बचत होती है और नैदानिक ​​सटीकता बढ़ जाती है। समय के साथ, तंत्रिका नेटवर्क विश्वसनीय चिकित्सक सहायक बन जाएंगे - आज यह अभ्यास प्रकृति में प्रयोगात्मक है, लेकिन प्राप्त परिणाम स्वास्थ्य सेवा जैसे कंप्यूटर प्रौद्योगिकी की क्षमताओं में स्वस्थ आशावाद को प्रेरित करते हैं।