घातक संक्रमण से लड़ने के लिए डॉक्टर मशीन लर्निंग का उपयोग करते हैं।

आधुनिक प्रौद्योगिकियां कंप्यूटर सिस्टम को अधिक से अधिक "स्मार्ट" बनाती हैं। विशेष रूप से, मशीन सीखने का उपयोग फेसबुक, Google, अमेज़ॅन द्वारा किया जाता है - उदाहरण के लिए, भाषण को पाठ में बदलने, चेहरे को पहचानने और व्यक्तिगत विज्ञापन देने के लिए। एक ही तकनीक विभिन्न विशिष्टताओं के डॉक्टरों की मदद करती है। संयुक्त राज्य अमेरिका में, मशीन लर्निंग और AI के कमजोर रूप का उपयोग खतरनाक जीवाणु क्लोस्ट्रीडियम डिफिसाइल से निपटने के लिए किया जाता है। विकिपीडिया का कहना है कि जीवाणु स्यूडोमेम्ब्रोनस कोलाइटिस का प्रेरक एजेंट है, जो एक गंभीर संक्रामक आंत्र रोग है जो कमजोर शरीर वाले व्यक्ति की मृत्यु का कारण बन सकता है।

अस्पताल के मरीज सिर्फ कमजोर शरीर वाले लोगों की श्रेणी में आते हैं, जो रोगजनक वायरस और बैक्टीरिया से निपटने में लगभग असमर्थ हैं। अकेले संयुक्त राज्य अमेरिका में, कोलाइटिस के 453 हजार मामले प्रति वर्ष दर्ज किए जाते हैं, जिसमें 29,000 मामले रोगी की मृत्यु का कारण बनते हैं। किसी भी मामले में, 2015 के लिए रिपोर्ट में ऐसे आंकड़े दिए गए थे। सामान्य चिकित्सा विधियाँ संक्रमण को रोकने में मदद नहीं करती हैं - हाथ धोना, फर्श, एंटीसेप्टिक्स इत्यादि। बहुत प्रभावी नहीं है।

इस कारण से, डॉक्टरों ने अन्य तरीकों का उपयोग करने का फैसला किया जो सीधे आधुनिक प्रौद्योगिकियों से संबंधित हैं, जिनकी चर्चा ऊपर की गई थी। मिशिगन विश्वविद्यालय की टीम ने विभिन्न रोगियों में कोलाइटिस की संभावना का अनुमान लगाने के लिए एक विधि विकसित की है। इसके लिए, किसी व्यक्ति के कार्ड के मेडिकल डेटा का उपयोग किया जाता है। अब तक, प्रौद्योगिकी का केवल परीक्षण किया गया है, लेकिन इसने पहले ही उत्कृष्ट परिणाम दिखाए हैं।

कुछ सप्ताह पहले, मैसाचुसेट्स अस्पताल में 374,000 अस्पताल में कंप्यूटर वैज्ञानिकों द्वारा बनाई गई तकनीक का उपयोग करके विश्लेषण किया गया था। वैज्ञानिक बीमारी की घटना और उन कारकों के बीच एक संबंध ढूंढना चाहते हैं जिनके कारण बीमारी हुई।

विश्लेषण के दौरान, मशीन लगभग 4000 विभिन्न कारकों की जांच करती है, जिसमें रोगी के बिस्तर की नियुक्ति, डॉक्टर की उसकी यात्रा, अन्य रोगियों के बिस्तर का प्लेसमेंट और अन्य सभी डेटा शामिल हैं। आमतौर पर, inpatients एक ही स्थान पर नहीं होते हैं, लेकिन अस्पताल के चारों ओर ले जाया जाता है। और अगर कहीं संक्रमण का स्रोत है, तो यह काम करता है। मुख्य बात समय में इस स्रोत की पहचान करना है।

चिकित्सा में मशीन एल्गोरिदम के उपयोग का एक अन्य उदाहरण मधुमेह रेटिनोपैथी का पता लगाने के लिए रेटिना का विश्लेषण है। रेटिनोपैथी रेटिनल वाहिकाओं का एक घाव है, जिससे रेटिना को रक्त की आपूर्ति का उल्लंघन होता है, इसकी गिरावट, ऑप्टिक तंत्रिका और अंधापन का शोष। यह मधुमेह रोगियों के लिए एक सामान्य बीमारी है, जिसका समय पर निदान किया जाना चाहिए ताकि लोग प्रगतिशील रेटिनोपैथी के परिणामस्वरूप अपनी दृष्टि न खोएं। यह काफी सामान्य है - 2011 में , लगभग 126 मिलियन मामले दर्ज किए गए , 2030 तक उनकी संख्या 51% बढ़ सकती है।

विशेषज्ञों ने एक तंत्रिका नेटवर्क बनाया, जिसे भारत और अमेरिका में रोगियों की आंखों की 128 हजार छवियों के उदाहरण पर प्रशिक्षित किया गया था। उन चित्रों को डॉक्टरों को दिखाया गया था जो कंप्यूटर से परिचित होने से पहले विकास के विभिन्न चरणों में रेटिनोपैथी का निदान करते थे। फिर सभी प्राप्त डेटा को कंप्यूटर में डाउनलोड किया गया था। तंत्रिका नेटवर्क प्रशिक्षण के माध्यम से जाने के बाद, इसे एक अलग डेटा सेट पर जांचा गया था, और इस मामले में इसके परिणाम डॉक्टरों की तुलना में अधिक थे।

अब इस उपकरण को विकसित करने वाले विशेषज्ञों की टीम इसे भारत में पेश करने की योजना बना रही है, जहाँ इस निदान के साथ बड़ी संख्या में रोगी हैं। और संयुक्त राज्य अमेरिका या अन्य देशों में, यह भी एक समस्या है। वर्तमान में प्रौद्योगिकी भारत के कई अस्पतालों में नैदानिक ​​परीक्षणों से गुजर रही है।

पिछले साल, अमेरिकी नियामक ने अस्पतालों में चुंबकीय अनुनाद छवियों के विश्लेषण के लिए एक विशेष उपकरण की शुरुआत को मंजूरी दी थी। डिवाइस केवल 30 सेकंड में छवि का विश्लेषण करता है, जबकि डॉक्टर एक ही काम पर लगभग 45 मिनट खर्च करता है। "यह एक सामान्य स्थिति में बहुत अधिक विशेषज्ञ समय लेने वाली नियमित प्रक्रियाओं का एक स्वचालन है," आर्टर्स के प्रवक्ता कार्ला लीबोविट्ज़ कहते हैं, जिन्होंने इस प्रणाली को विकसित किया।

सामान्य तौर पर, मशीन लर्निंग और AI चिकित्सा में अधिक व्यापक होते जा रहे हैं। मूल रूप से, हम किसी भी नियमित प्रक्रियाओं के स्वचालन के बारे में बात कर रहे हैं जो बीमारी के निदान के लिए महत्वपूर्ण हैं, लेकिन डॉक्टर के लिए बहुत समय लगता है। और डॉक्टर जितना अधिक समय ऐसी नौकरी पर बिताता है, उतना ही वह थक जाता है। नतीजतन, एक ही एक्स-रे छवियों का विश्लेषण उस व्यक्ति द्वारा किया जाता है जो काम की शुरुआत में कई घंटों की तुलना में कई घंटों तक काम करने के बाद कम ध्यान देता है। तदनुसार, निदान की सटीकता भी गिर जाती है।