आर्टिफिशियल इंटेलिजेंस विजन को बनाए रखने में मदद करता है

चिकित्सा में कृत्रिम बुद्धि का उपयोग आज निदान की सटीकता को गंभीरता से सुधार सकता है, रोगियों के लिए जीवन को आसान बना सकता है। यह उम्मीद की जाती है कि एआई बीमारियों के निदान और परिशोधन में अपरिहार्य हो जाएगा। डेटा की तुलना करने, जानकारी एकत्र करने और संश्लेषित करने की क्षमता के कारण, निदान में एआई की भागीदारी से चिकित्सकीय त्रुटियों के आंकड़ों को गुणात्मक रूप से बेहतर बनाने में मदद मिल सकती है, रोगों की रोकथाम और रोकथाम की भूमिका बढ़ सकती है।



अनुसंधान कंपनी रिसर्च एंड मार्केट्स के पूर्वानुमान के अनुसार, 2020 तक कृत्रिम बुद्धिमत्ता का वैश्विक बाजार 5.05 बिलियन डॉलर तक बढ़ जाएगा। इसी समय, स्वास्थ्य सेवा सबसे तेजी से बढ़ने वाला खंड बन जाएगा। अंतर्राष्ट्रीय अध्ययनों के अनुसार, चिकित्सा में कृत्रिम बुद्धि का उपयोग स्वास्थ्य उद्योग में कंपनियों के मुनाफे को बढ़ा सकता है।

2016 में, यूरोपीय एआई बाजार में हिस्सेदारी 270 मिलियन डॉलर थी, जिसकी अनुमानित वार्षिक वृद्धि 35% से अधिक थी। बीआईएस रिसर्च के अनुसार, 2025 तक स्वास्थ्य सेवा में कुल AI बाजार $ 28 बिलियन तक पहुंच जाएगा, जिसमें वार्षिक वार्षिक वृद्धि 45.1% से अधिक होगी, और मेडिकल इमेजिंग और डायग्नोस्टिक्स के लिए AI बाजार 2.5 बिलियन डॉलर तक पहुंच जाएगा।

एआई और रेटिना की बीमारियों की समस्या

विश्व स्वास्थ्य संगठन के अनुसार, दृष्टि संबंधी समस्याएं ग्रह पर बीस लोगों में लगभग एक से सीधे संबंधित हैं, और इन समस्याओं के लगभग 80% निवारक उपायों के माध्यम से बचा जा सकता था। उदाहरण के लिए, प्रारंभिक अवस्था में रेटिना की बीमारियों का पता लगाना बहुत महत्वपूर्ण है, लेकिन नेत्र रोग विशेषज्ञों के पास इस बीमारी के गहन अध्ययन और निदान के लिए पर्याप्त संसाधन नहीं हैं। आर्टिफिशियल इंटेलिजेंस इसमें उनकी मदद कर सकता है और इस तरह लाखों मरीजों की आंखों की रोशनी बचा सकता है।

मधुमेह (डायबिटिक रेटिनोपैथी) से जटिलताएं दृष्टि की समस्याओं के प्रमुख कारणों में से एक हैं। मधुमेह वाले लोगों की कुल संख्या 2000 और 2030 के बीच दोगुनी होने की उम्मीद है, दुनिया भर में नेत्र रोगों के मामलों में काफी वृद्धि हुई है।


आधे से अधिक द्वारा प्रारंभिक निदान गंभीर दृष्टि हानि की घटना को कम करता है। दुर्भाग्य से, रोगियों की परीक्षा के दौरान प्रारंभिक चरण में रेटिना संबंधी बीमारियों का पता लगाने में प्रगति छोटी है। इन बीमारियों से सबसे अधिक पीड़ित देशों में, मरीज़ नियमित परीक्षाओं से नहीं गुजरते हैं, और नेत्र रोग विशेषज्ञों ने आंखों की अलग-अलग परीक्षाओं के साथ रेटिना रोगों को सही ढंग से पहचानने और निदान करने में कम सटीकता है। उसी समय, अन्य जीवन-धमकाने वाली बीमारियों के विपरीत जो आज हर कोई सुन रहा है, रेटिना की बीमारियां और दृश्य हानि सार्वजनिक आंखों में इतनी ध्यान देने योग्य नहीं हैं। इसलिए, समस्या को अक्सर कम करके आंका जाता है।

कृत्रिम बुद्धिमत्ता की टकटकी के नीचे

कृत्रिम बुद्धिमत्ता (एआई) संभावित रूप से रेटिना रोगों के मामलों में महत्वपूर्ण कमी में योगदान कर सकता है, नेत्र रोग विशेषज्ञों को इस बीमारी का अधिक प्रभावी ढंग से पता लगाने और मानव अनुभव के पूरक होने में मदद करता है। लेनोवो के सहयोग से, बार्सिलोना सुपरकंप्यूटिंग सेंटर (BSC) ने जांच करने का निर्णय लिया कि AI स्क्रीनिंग प्रक्रिया की सटीकता में कैसे सुधार कर सकता है और संभवतः सामान्य से पहले रेटिना की बीमारी का पता लगा सकता है। एआई तकनीक से बीमारी की शुरुआती पहचान होने की संभावना बढ़ जाती है, जिससे अपर्याप्त कवरेज वाले देशों में रोगियों की जांच अधिक सुलभ और तेज हो जाती है। इसके अलावा, रोगी स्वतंत्र रूप से एक विशेष एप्लिकेशन के साथ अपने स्मार्टफोन का उपयोग करके कुछ ही मिनटों के भीतर एक प्रारंभिक परीक्षा से गुजर सकते हैं।


चिकित्सा का भविष्य रोग की रोकथाम है। इसलिए, प्रारंभिक निदान की सटीकता को बढ़ाना महत्वपूर्ण है।

डायबिटिक रेटिनोपैथी के अलावा, आंखों की बीमारियाँ कई अन्य विकृति का कारण बनती हैं, जैसे कि ग्लूकोमा, मैक्यूलर डिजनरेशन, नेवस और एपेराइटल झिल्ली। मशीन लर्निंग मॉडल वर्तमान स्क्रीनिंग विधियों की तुलना में इन विभिन्न विकृति को आसानी से पहचानना संभव बनाते हैं। बार्सिलोना सुपरकम्प्यूटर केंद्र में मानद शोधकर्ता डारियो गार्सिया-गसुला, इस तकनीक का उपयोग करने की संभावनाओं के बारे में आशावादी हैं: "इन दृष्टि समस्याओं का अध्ययन करने के लिए मशीन लर्निंग मॉडल का स्केलिंग, प्रशिक्षण और सत्यापन एक जटिल प्रक्रिया हो सकती है। लेकिन क्षमता बहुत बड़ी है, क्योंकि चिकित्सा के अन्य क्षेत्रों में और कई औद्योगिक अनुप्रयोगों में समान दृष्टिकोण लागू किया जा सकता है। ”

मॉडल प्रशिक्षण और डेटा की कमी के मुद्दों पर काबू पाने

कुछ रेटिना संबंधी बीमारियों का पता लगाने के लिए एआई मॉडल को सीखने में समस्या तंत्रिका नेटवर्क के प्रशिक्षण के लिए उपलब्ध "स्वच्छ" आंकड़ों की कमी है। डेटा सेट की सीमित उपलब्धता (उदाहरण के लिए, 5000 से कम छवियों) के साथ विकृति के लिए, खरोंच से तंत्रिका नेटवर्क का विश्वसनीय गहन प्रशिक्षण संभव नहीं हो सकता है। इस मामले में, आप "प्रशिक्षण के हस्तांतरण" का उपयोग कर सकते हैं।


स्वचालन डॉक्टर को अतिरिक्त समय देगा जिसका उपयोग वह रोगी की बीमारी का अध्ययन करने और सबसे सटीक निदान स्थापित करने के लिए कर सकता है। हार्वर्ड मेडिकल स्कूल के विशेषज्ञों के अनुसार, एआई प्रौद्योगिकियों के उपयोग से निदान में त्रुटियों का स्तर 85% तक कम हो जाएगा।

प्रशिक्षण का हस्तांतरण बड़े डेटा सेट के साथ कार्यों के लिए तैयार किए गए मॉडलों पर आधारित है, जिन्हें फिर से डेटा की कम उपलब्धता के साथ अन्य कार्यों को हल करने के लिए उपयोग किया जाता है। कभी-कभी इसका उपयोग चिह्नों (चिमटा) को उजागर करने के लिए किया जाता है। नतीजतन, प्रशिक्षण का हस्तांतरण भी प्रशिक्षण समय (मिनटों तक) को कम कर सकता है, अनुसंधान के घंटे बचा सकता है और अंततः, समाधान विकसित करने से जुड़ी लागतें।

विकृति	जांच की सटीकता
आंख का रोग	85.5%
रेटिना रंजकता	75.1%
एपीराइटल झिल्ली	78.8%
नेवस आँखें	65.0%
धब्बेदार अध: पतन	91.07%

एआई का उपयोग कर विभिन्न रेटिना विकृति का पता लगाने की सटीकता 75-91% है।

नई एआई प्रौद्योगिकी

फ्रैंकफर्ट में अंतर्राष्ट्रीय सुपरकंप्यूटर सम्मेलन (आईएससी) में, लेनोवो और बीएससी एक आवेदन दिखाएंगे जो दर्शाता है कि सीखने का हस्तांतरण कैसे काम करता है। इसे Morrisville, PC में Lenovo AI Innovation Center में बनाया गया था। नॉर्थ कैरोलिना (यूएसए)। आवेदन आगंतुकों को एक सहज ज्ञान युक्त अंतरफलक के माध्यम से स्वतंत्र रूप से एक मॉडल बनाने और प्रशिक्षित करने की अनुमति देगा और इस तरह रेटिना रोगों की स्क्रीनिंग में सुधार करने में सक्रिय भूमिका निभाएगा।

गार्सिया-गसुल्ला बताते हैं: "प्रदर्शन का उद्देश्य यह दिखाना है कि फीचर एक्सट्रैक्टर्स के रूप में पूर्व-प्रशिक्षित गहरे तंत्रिका नेटवर्क का उपयोग करना कितना आसान है, जो अन्य, सरल और तेज़ मॉडल (इस मामले में SVM) का आधार बन जाता है। 10 मिनट में, प्रत्येक प्रतिभागी रेटिना पैथोलॉजी की पहचान करने के लिए मशीन लर्निंग मॉडल की प्रभावशीलता को डिजाइन, प्रशिक्षित और परीक्षण करने में सक्षम होगा। एक ही विकृति विज्ञान के साथ काम करने वाले सम्मेलन प्रतिभागियों के मॉडल की तुलना इस मंच के दौरान विकसित किए गए सर्वश्रेष्ठ मॉडल को खोजने और पुरस्कार देने के लिए की जाएगी। ”


LiCO सॉफ्टवेयर और हार्डवेयर स्टैक के प्रबंधन के लिए एक सहज उपयोगकर्ता इंटरफ़ेस प्रदान करके एआई मॉडल सीखने और उच्च प्रदर्शन कंप्यूटिंग प्रणालियों की पारंपरिक तैनाती को तेज करता है।

अग्रणी विक्रेताओं सहित 800 से अधिक कंपनियों द्वारा स्मार्ट चिकित्सा उत्पादों, सेवाओं और प्रक्रियाओं को पहले से ही विकसित किया जा रहा है। इस तरह के शोध के लिए, लेनोवो ने अपने एआई समाधानों का निर्माण किया , जिसमें हाल ही में जारी किए गए लेनोवो इंटेलिजेंट कंप्यूटिंग ऑर्केस्ट्रेशन (लीको) 5.1 प्लेटफॉर्म और लेनोवो एआई मान्य डिजाइन संदर्भ आर्किटेक्चर शामिल हैं जो इंटेल ज़ेओन स्केलेबल और एनवीआईडीआईए टेस्सिट आर्किटेक्चर के आधार पर विकासशील मॉडल हैं।


मॉडल प्रशिक्षण के घटक। AI सॉफ्टवेयर स्टैक तेजी से विकसित हो रहा है, जिसमें नए और अपडेटेड फ्रेमवर्क लगभग मासिक दिखाई दे रहे हैं। कई खुले स्रोत विकल्पों के बीच चयन करने में लंबा समय लग सकता है। लेनोवो थिंक आर्किटेक्चर को लेनोवो थिंक सिस्टम प्लेटफॉर्म पर परीक्षण और कॉन्फ़िगर किया गया है।

चिकित्सा में एआई: भविष्य आ गया है

चिकित्सा में कृत्रिम बुद्धिमत्ता का उपयोग व्यक्तिगत चिकित्सा, निदान, नई दवाओं के विकास, रोबोट-सहायक सर्जरी, पुरानी बीमारियों का दूर-संचार, रोगियों को दूरस्थ सहायता, सही चिकित्सा निर्णय लेने के लिए सहायता और चिकित्सा त्रुटियों की पहचान करने जैसे क्षेत्रों के विकास के माध्यम से स्वास्थ्य उद्योग में क्रांति ला सकता है।

एजेंसी फ्रॉस्ट एंड सुलिवन नोट करती है कि कृत्रिम बुद्धिमत्ता तकनीक निदान की सटीकता को 30-40% तक बढ़ा देती है, जबकि चिकित्सा देखभाल की लागत आधे से कम हो जाती है। मैकिन्से ने दिखाया है कि चिकित्सा में, 36% कार्यों को स्वचालित रूप से, मुख्य रूप से डेटा संग्रह और विश्लेषण स्तरों पर किया जा सकता है।

इस दिशा में विकास विदेशों में और रूस दोनों में सक्रिय रूप से किया जा रहा है, उदाहरण के लिए, रूसी परियोजनाओं में से एक बीमारियों के निदान के लिए एक प्रणाली है, जिसमें फेफड़ों की रेडियोग्राफी, मैमोग्राफी, कंप्यूटेड टोमोग्राफी और अल्ट्रासाउंड से प्राप्त चिकित्सा डिजिटल छवियों का उपयोग करते हुए पैथोलॉजी की मान्यता शामिल है। एक प्रोजेक्ट एक एप्लिकेशन है जिसका उपयोग उपयोगकर्ता के कार्य कंप्यूटर या स्मार्टफोन पर किया जा सकता है। यह चिकित्सा छवियों में विकृति को पहचानने के लिए प्रशिक्षित तंत्रिका नेटवर्क के आधार पर काम करता है। परियोजना का पहला चरण पैथोलॉजिकल रक्त कोशिकाओं का एक विश्लेषक है और फंडस के विकृति विज्ञान की मान्यता है। भविष्य में, यह फेफड़े के रेडियोग्राफी, मैमोग्राफी, कंप्यूटेड टोमोग्राफी, मोबाइल अल्ट्रासाउंड जैसे क्षेत्रों को कवर करेगा।

और नई परियोजनाएं लगभग हर साल दिखाई देती हैं। कई विकास अभी उपलब्ध हैं। उदाहरण के लिए, रूस में, कोब्रेन-एनालिटिक्स सूचना और विश्लेषणात्मक प्रणाली का शुभारंभ मस्तिष्क रोगों के रोगियों के लिए व्यक्तिगत चिकित्सा के निदान और तैयार करने के लिए किया गया है। चिकित्सा में कृत्रिम बुद्धि वह भविष्य है जो पहले ही आ चुका है।