एआई ने रक्त विषाक्तता का इलाज करने और फ्रैक्चर का निदान करने के लिए प्रशिक्षित किया

और यद्यपि एआई अब तक हर बीमारी का सामना नहीं करता है, लेकिन इसके काम के परिणाम पहले से ही आशाजनक दिखते हैं

रोगियों के प्रभावी उपचार के लिए प्रशिक्षण और अनुभव के संयोजन की आवश्यकता होती है। यह एक कारण है कि लोग चिकित्सा में एआई का उपयोग करने की संभावनाओं की तलाश कर रहे हैं: एल्गोरिदम को हजारों डॉक्टरों के अनुभव का उपयोग करने के लिए प्रशिक्षित किया जा सकता है, उन्हें किसी भी व्यक्ति को पचाने की तुलना में अधिक जानकारी दी जा सकती है।

अक्टूबर के अंत में, कुछ सबूत थे कि सॉफ्टवेयर इन उम्मीदों को पूरा करने के करीब आ सकता है। निदान और उपचार के लिए एआई का उपयोग करने के उत्कृष्ट प्रारंभिक परिणामों का वर्णन करते हुए दो पेपर प्रकाशित किए गए हैं। कागजात पूरी तरह से अलग-अलग कार्यों और दृष्टिकोणों को इंगित करते हैं, जो यह बताता है कि एआई की स्थिति में उपयोगी स्थितियों की सीमा बहुत व्यापक है।

उपचार के तरीकों की पसंद

एक अध्ययन सेप्सिस (रक्त विषाक्तता) पर केंद्रित है जो तब होता है जब प्रतिरक्षा प्रणाली संक्रमण के लिए अत्यधिक प्रतिक्रिया करती है। सेप्सिस दुनिया भर में मौत का तीसरा सबसे आम कारण है, और अस्पताल में भर्ती होने के बाद भी एक समस्या बनी हुई है। रोगियों के इलाज के तरीके मौजूद हैं, लेकिन आंकड़ों के आधार पर, स्थिति में सुधार के महत्वपूर्ण अवसर हैं। इसलिए, ब्रिटेन और संयुक्त राज्य अमेरिका के वैज्ञानिकों की एक छोटी टीम ने जांचने का फैसला किया कि क्या सॉफ्टवेयर इस सुधार को प्रदान कर सकता है।

उन्होंने सुदृढीकरण सीखने के एल्गोरिथ्म का उपयोग किया जो "दुर्लभ इनाम संकेतों" के साथ स्थितियों में प्रभावी माना जाता था। दूसरे शब्दों में, जनसंख्या के इतने बड़े नमूने के साथ, शरीर में सेप्सिस को छोड़कर कई अन्य चीजें होंगी, जो किसी भी उपचार के परिणामों को प्रभावित करेगा, और इसलिए प्रभावी उपचार के लिए संकेत कमजोर और भेद करना मुश्किल होगा। यह दृष्टिकोण उनकी मान्यता की संभावनाओं को बढ़ाने के लिए विकसित किया गया था।

सॉफ्टवेयर को प्रशिक्षित करने के लिए एक बड़े आधार का उपयोग किया गया था: 17,000 से अधिक पुनर्जीवन रोगियों और 125,000 से अधिक क्लीनिकों से 79,000 अस्पताल में भर्ती मरीजों को। रोगी डेटा में महत्वपूर्ण संकेतक और प्रयोगशाला परीक्षणों से लेकर जनसांख्यिकी तक 48 सूचना पैरामीटर थे। एल्गोरिथ्म ने उपचार का उपयोग करने के लिए डेटा का उपयोग किया जो रोगी को 90 दिनों तक जीवित रहने की संभावना को अधिकतम करता है। शोधकर्ताओं ने परिणामी सॉफ़्टवेयर को "AI क्लिनिशियन" कहा।

एक AI चिकित्सक के काम की गुणवत्ता का आकलन करने के लिए, रोगियों के चिकित्सा इतिहास का एक अलग सेट इस्तेमाल किया गया था। एल्गोरिथ्म का उपयोग एक उपचार पद्धति का चयन करने के लिए किया गया था, जिसके बाद प्रस्तावित एल्गोरिथ्म के साथ रोगियों के वास्तविक उपचार की तुलना की गई थी। सामान्य तौर पर, सॉफ़्टवेयर ने इंजेक्शन की कम खुराक और वैसोकॉन्स्ट्रिक्टर दवाओं की उच्च खुराक की सिफारिश की थी। जिन लोगों का उपचार ऐसी सिफारिशों के साथ हुआ, वे रोगियों के अन्य समूहों की तुलना में अधिक बार बच गए।

निदान

दूसरे पेपर में, विशेष रूप से, अस्थि भंग, उपचार की आवश्यकता वाली समस्याओं का पता लगाने की क्षमता का मूल्यांकन किया गया। अक्सर ऐसी समस्याएं देखने में आसान होती हैं, लेकिन किसी विशेषज्ञ के लिए एक छोटी सी चिप या छोटी दरार भी नोटिस करना मुश्किल होता है। ज्यादातर मामलों में, निदान एक विशेषज्ञ के कंधों पर नहीं होता है, लेकिन एक डॉक्टर जो एम्बुलेंस में काम करता है। नया अध्ययन डॉक्टरों को बदलने के लिए एआई बनाने की कोशिश नहीं करता है, यह केवल उनकी मदद करना चाहता है।

टीम ने कलाई के संभावित फ्रैक्चर की 135,000 छवियों का निदान करने के लिए 18 ऑर्थोपेडिक सर्जनों से पूछा, और फिर इस डेटा का उपयोग एल्गोरिथ्म को प्रशिक्षित करने के लिए किया, एक गहन तंत्रिका नेटवर्क जिसमें गहराई से प्रशिक्षण दिया गया । एल्गोरिथ्म का उपयोग उन क्षेत्रों को चिह्नित करने के लिए किया गया था जो डॉक्टर जो आर्थोपेडिक्स के विशेषज्ञ नहीं हैं, उन्हें ध्यान देना चाहिए। वास्तव में, उन्होंने उन्हें उन क्षेत्रों पर ध्यान केंद्रित करने में मदद की, जहां फ्रैक्चर की संभावना सबसे अधिक थी।

अतीत में, बहुत से निदानों को ऐसे परीक्षण दिए गए थे, और डॉक्टरों ने सहज मामलों में अतिरिक्त परीक्षणों की सिफारिश की थी। लेकिन इस मामले में, निदान की सटीकता में वृद्धि हुई, और झूठी सकारात्मकता कम हो गई। फ्रैक्चर को निर्धारित करने की संवेदनशीलता (या क्षमता) 81% से बढ़कर 92% हो गई, और सटीकता (एक सही निदान करने की क्षमता) 88% से बढ़कर 94% हो गई। संक्षेप में, इसका मतलब है कि एम्बुलेंस डॉक्टरों ने गलत निदान की संख्या को लगभग आधा कर दिया होगा।

दोनों अध्ययनों में, सॉफ्टवेयर का उपयोग एक संदर्भ में नहीं किया गया था जो पूरी तरह से चिकित्सा परिस्थितियों को प्रतिबिंबित करता था। आपातकालीन चिकित्सक और सेप्सिस डॉक्टर (जो एक ही लोग हो सकते हैं) आमतौर पर उत्तेजना और ध्यान भंग होने के कई अतिरिक्त कारण होंगे, इसलिए एआई को अपने काम में एकीकृत करना मुश्किल होगा। लेकिन इन प्रयासों की सफलता बताती है कि एआई के नैदानिक ​​परीक्षण पहले के विचार से पहले शुरू हो सकते हैं, और उसके बाद हम वास्तव में सीखेंगे कि एआई कैसे वास्तविक निदान करने और उपचार को निर्धारित करने में मदद कर सकता है।