आपको यह सोचने के लिए माफ़ किया जा सकता है कि AI जल्द ही मानव चिकित्सकों की जगह सुर्खियों में आ जाएगा, जैसे “The AI Doctor Will See Now, ” “Your Future Doctor May Not Be Human, ” और “This AI Just Beat Human Doctors on a Clinical Exam "लेकिन विशेषज्ञों का कहना है कि वास्तविकता एक निष्कासन की तुलना में अधिक सहयोग की है: मरीजों को जल्द ही मानव चिकित्सकों के साथ काम करने वाली एआई सेवाओं के हाथों आंशिक रूप से अपना जीवन मिल सकता है।
चिकित्सा समुदाय में एआई के बारे में आशावाद की कोई कमी नहीं है। लेकिन कई लोग एअर इंडिया के आस-पास के प्रचार को वास्तविक नैदानिक सेटिंग्स में महसूस करते हैं। एआई सेवाओं का सबसे बड़ा प्रभाव कैसे पड़ सकता है, इसके लिए अलग-अलग दृष्टिकोण भी हैं। और यह अभी भी स्पष्ट नहीं है कि क्या एआई रोगियों के जीवन में सुधार करेगा या सिलिकॉन वैली कंपनियों, स्वास्थ्य देखभाल संगठनों और बीमाकर्ताओं के लिए सिर्फ नीचे की रेखा।
"मुझे लगता है कि हमारे सभी रोगियों को वास्तव में एआई प्रौद्योगिकियों को स्वास्थ्य देखभाल प्रणाली में कमजोरियों को सहन करने के लिए लाया जाना चाहिए, लेकिन हमें इसे गैर-सिलिकॉन वैली प्रचार के तरीके से करने की आवश्यकता है, " इसहाक कोहेन, एक बायोमेडिकल इंफॉर्मेटिक्स में कहते हैं हार्वर्ड मेडिकल स्कूल।
यदि एआई वादा के अनुसार काम करता है, तो यह संयुक्त राज्य अमेरिका में एक अंडरस्टैंडेड समुदायों और कम लागत के लिए पहुँच को बढ़ाकर स्वास्थ्य देखभाल को लोकतांत्रित कर सकता है, जो कि प्रति व्यक्ति औसत वार्षिक स्वास्थ्य देखभाल लागत $ 10, 710 के बावजूद कई स्वास्थ्य उपायों पर खराब है। एआई सिस्टम डॉक्टरों को ओवरवर्क मुक्त कर सकता है और हर साल अमेरिकी रोगियों में से हजारों की नहीं, तो दसियों को मारने वाली चिकित्सा त्रुटियों के जोखिम को कम कर सकता है। और राष्ट्रीय चिकित्सक की कमी वाले कई देशों में, जैसे कि चीन जहां भीड़भाड़ वाले शहरी अस्पतालों के आउट पेशेंट विभाग प्रति दिन 10, 000 लोगों को देख सकते हैं, ऐसी तकनीकों को मददगार साबित करने के लिए सही सटीकता की आवश्यकता नहीं होती है।
लेकिन आलोचकों का कहना है कि एआई ट्राम के मरीज की निजता के अधिकारों को लागू करने की हड़बड़ी, पक्षपात और सीमाओं को नजरअंदाज करने या ज्यादातर लोगों के लिए स्वास्थ्य के परिणामों में सुधार करने में इस तरह से सेवाओं को लागू करने में विफल रहने पर वह सब वादा गायब हो सकता है।
"उसी तरह से कि तकनीक असमानताओं को बंद कर सकती है, वे असमानताओं को समाप्त कर सकते हैं, " जयंत कोमारनेनी, मानव निदान परियोजना (मानव डीएक्स) के संस्थापक और अध्यक्ष कहते हैं, एक सार्वजनिक लाभ निगम, जो चिकित्सा विशेषज्ञता की भीड़ पर केंद्रित है। "और कुछ भी एआई जैसी असमानताओं को खत्म करने की क्षमता नहीं है"
***
आज, सबसे लोकप्रिय एआई तकनीक मशीन सीखने और उसके छोटे चचेरे भाई, गहरी सीखने हैं। कंप्यूटर प्रोग्रामों के विपरीत, जो मनुष्यों द्वारा लिखे गए नियमों का कठोरता से पालन करते हैं, मशीन लर्निंग और डीप लर्निंग एल्गोरिदम दोनों एक डेटासेट को देख सकते हैं, उससे सीख सकते हैं और नई भविष्यवाणियां कर सकते हैं। विशेष रूप से दीप सीखने से डेटा पैटर्न की खोज करके प्रभावशाली भविष्यवाणियां की जा सकती हैं जो लोगों को याद आ सकती हैं।
लेकिन स्वास्थ्य देखभाल में इन भविष्यवाणियों में से अधिकांश बनाने के लिए, एआई इसे अकेले नहीं जा सकता है। इसके बजाय, मनुष्यों को अभी भी ऐसे निर्णय लेने में मदद करनी चाहिए जिनके प्रमुख स्वास्थ्य और वित्तीय परिणाम हो सकते हैं। क्योंकि एआई सिस्टम में मनुष्यों की सामान्य बुद्धि की कमी होती है, वे चौंकाने वाली भविष्यवाणी कर सकते हैं जो चिकित्सकों और अस्पतालों को निर्विवाद रूप से पालन करने पर हानिकारक साबित हो सकती हैं।
क्लासिक उदाहरण रिच कारुआना, माइक्रोसॉफ्ट रिसर्च के एक वरिष्ठ शोधकर्ता से आता है, जैसा कि उन्होंने पिछले साल इंजीनियरिंग और प्रौद्योगिकी पत्रिका में बताया था। 1990 के दशक में, कारूआना ने एक ऐसी परियोजना पर काम किया, जिसमें मशीन सीखने के पुराने रूप का उपयोग करके यह अनुमान लगाने की कोशिश की गई कि क्या निमोनिया का रोगी कम जोखिम वाला या उच्च जोखिम वाला मामला है। लेकिन परेशानी तब पैदा हुई जब मशीन लर्निंग मॉडल ने अस्थमा पीड़ितों के लिए मामले की भविष्यवाणी करने की कोशिश की, जो उच्च जोखिम वाले हैं क्योंकि उनकी सांस लेने में कठिनाई उन्हें निमोनिया के प्रति संवेदनशील बनाती है। मॉडल ने इन रोगियों को कम जोखिम के रूप में देखा, जिन्हें अस्पताल में भर्ती होने के बजाय मामूली हस्तक्षेप की आवश्यकता थी - ऐसा एक मानव विशेषज्ञ ने कभी नहीं किया होगा।
यदि आप मॉडल का आँख बंद करके अनुसरण करते हैं, तो स्टैनफोर्ड सेंटर फ़ॉर बायोमेडिकल इंफॉर्मेटिक्स रिसर्च के शोध वैज्ञानिक केनेथ जंग कहते हैं, “तब आप एचओडी हो चुके हैं। क्योंकि मॉडल कह रही है: 'ओह, अस्थमा के साथ यह बच्चा आया और उन्हें निमोनिया हो गया, लेकिन हमें उनके बारे में चिंता करने की ज़रूरत नहीं है और हम उन्हें कुछ एंटीबायोटिक दवाओं के साथ घर भेज रहे हैं।' '
दीप-लर्निंग भविष्यवाणियां भी विफल हो सकती हैं यदि वे असामान्य डेटा बिंदुओं का सामना करते हैं, जैसे कि अद्वितीय चिकित्सा मामले, पहली बार, या जब वे विशिष्ट डेटासेट में अजीब पैटर्न सीखते हैं जो नए चिकित्सा मामलों को अच्छी तरह से सामान्य नहीं करते हैं।
बड़े पैमाने पर डेटासेट जैसे चीन में लागू होने पर एआई भविष्यवाणियां सबसे अच्छा करती हैं, जिसमें बड़ी आबादी और रोगी डेटा तक पहुंचने के लिए एआई सिस्टम को प्रशिक्षित करने में एक फायदा है। फरवरी में, जर्नल नेचर मेडिसिन ने चीन के सैन डिएगो और गुआंगझोउ में स्थित शोधकर्ताओं के एक अध्ययन को प्रकाशित किया, जिसमें 567, 000 से अधिक बच्चों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के आधार पर कई सामान्य बचपन की बीमारियों के निदान में वादा दिखाया गया था।
लेकिन यहां तक कि बड़े डेटासेट भी समस्याएं पैदा कर सकते हैं, खासकर जब शोधकर्ता अपने एल्गोरिदम को एक नई आबादी पर लागू करने का प्रयास करते हैं। नेचर मेडिसिन के अध्ययन में, सभी आधा मिलियन मरीज गुआंगज़ौ में एक चिकित्सा केंद्र से आए, जिसका मतलब है कि कोई भी गारंटी नहीं है कि उस पर प्रशिक्षण से सीखा नैदानिक सबक बाल चिकित्सा मामलों पर कहीं और लागू होगा। प्रत्येक चिकित्सा केंद्र रोगियों के अपने स्वयं के अनूठे सेट को आकर्षित कर सकता है - एक अस्पताल जो अपने हृदय केंद्र के लिए जाना जाता है, उदाहरण के लिए, अधिक महत्वपूर्ण हृदय की स्थिति को आकर्षित कर सकता है। और एक ग्वांगडोंग अस्पताल से निष्कर्ष जो ज्यादातर जातीय चीनी रोगियों को आकर्षित करता है, शंघाई में विदेशी-जन्मे, गैर-चीनी रोगियों की अधिक संख्या के साथ अनुवाद नहीं कर सकता है।
इस 2017 टेडएक्स टॉक में, जॉन्स हॉपकिंस अस्पताल की शिंजिनी कुंडू बताती हैं कि कैसे एआई उपकरण में केवल डॉक्टरों की तुलना में चिकित्सा छवियों से अधिक चमकने की क्षमता है - जिसमें मरीजों को लक्षण दिखाने से पहले बीमारियों की भविष्यवाणी करना शामिल है।
यह अतिरिक्तकरण अन्य स्थितियों में भी मुश्किल साबित होगा। उदाहरण के लिए, टोरंटो विश्वविद्यालय में एक कंप्यूटर वैज्ञानिक और बायोमेडिकल इंजीनियर मरज़ेह घस्सेमी कहते हैं, आपके पास बेथ इज़राइल डेकोनेस मेडिकल सेंटर में आईसीयू के 40, 000 मरीज हैं - जो एक शहर में सिर्फ एक अस्पताल है। “और इसलिए मेरे पास ये सभी कागजात हैं जिन्होंने इस डेटा के साथ भविष्यवाणियां की हैं। क्या यह बोस्टन में एक और अस्पताल के साथ काम करता है? शायद। क्या यह दूसरे राज्य के अस्पताल के लिए काम करता है? क्या यह दूसरे देश में काम करेगा? हम नहीं जानते। ”
***
जबकि एआई मॉडल हर मामले में काम नहीं कर सकते हैं, घाससेमी को लगता है कि प्रौद्योगिकी अभी भी तलाशने लायक है। "मैं इन मॉडलों को बेंच से बेडसाइड में ले जाने के पक्ष में हूं, " वह कहती हैं, "लेकिन वास्तव में आक्रामक एहतियाती कदमों के साथ।"
उन कदमों को पूरे एआई विकास और तैनाती के लिए मौजूद रहने की आवश्यकता है, आई। ग्लेन कोहेन, हार्वर्ड विश्वविद्यालय के एक कानून के प्रोफेसर और प्रेसिजन मेडिसिन, आर्टिफिशियल इंटेलिजेंस और लॉ के प्रोजेक्ट के लिए एक नेता हैं। इसमें AI पूर्वानुमानों की सटीकता और पारदर्शिता की पुष्टि करना शामिल हो सकता है। और डेटा संग्रह के दौरान, शोधकर्ताओं को एआई के प्रशिक्षण के लिए रोगी के डेटा का उपयोग करने के लिए रोगी की गोपनीयता की रक्षा करने और सहमति मांगने की भी आवश्यकता होगी
सहमति का मुद्दा फिर से आता है जब एआई मॉडल वास्तविक रोगियों के साथ प्रयोगात्मक नैदानिक परीक्षण के लिए तैयार है। "क्या मरीजों को यह बताया जाना चाहिए कि आप उन पर एल्गोरिथ्म का उपयोग कर रहे हैं, और क्या इससे कोई फर्क नहीं पड़ता कि एआई पूरी तरह से देखभाल कर रहा है या मार्गदर्शक की देखभाल कर रहा है?" कोहेन पूछता है। "इन सवालों पर बहुत कम सोच है।"
घासेमी जातीयता, लिंग, आयु और स्वास्थ्य बीमा के आधार पर लोगों के विभिन्न समूहों में निष्पक्षता और सटीकता सुनिश्चित करने के लिए अक्सर एआई एल्गोरिदम का ऑडिट करने की वकालत करती है। यह महत्वपूर्ण है कि कैसे अन्य क्षेत्रों में एआई अनुप्रयोगों ने पहले ही दिखाया है कि वे आसानी से पूर्वाग्रह उठा सकते हैं।
उन सभी चरणों के बाद, एआई सेवाएं प्रदान करने वाले लोगों और कंपनियों को अपरिहार्य गलतियों के मामले में कानूनी दायित्व को सुलझाने की आवश्यकता होगी। और अधिकांश चिकित्सा उपकरणों के विपरीत, जिन्हें आमतौर पर सिर्फ एक नियामक अनुमोदन की आवश्यकता होती है, एआई सेवाओं को नए डेटा से सीखने पर अतिरिक्त समीक्षा की आवश्यकता हो सकती है।
कुछ नियामक एजेंसियां इस बात पर पुनर्विचार कर रही हैं कि अप्रैल में स्वास्थ्य देखभाल का आकलन कैसे किया जाएगा। अप्रैल में, यूएस फूड एंड ड्रग एडमिनिस्ट्रेशन (एफडीए) ने संबंधित नियामक समीक्षा को अपडेट करने के बारे में सार्वजनिक प्रतिक्रिया प्राप्त करने के लिए एक चर्चा पत्र जारी किया। डिजिटल स्वास्थ्य के निदेशक बकुल पटेल कहते हैं, '' हम यहां लगातार प्रयास कर रहे हैं, ताकि लोगों तक प्रौद्योगिकियों को पहुंचाने के अपने लक्ष्य को वापस मिल सके, लेकिन हम यह भी महसूस कर रहे हैं कि हमारे मौजूदा तरीके काफी कारगर नहीं हैं। एफडीए। "इसलिए हमें पूरे उत्पाद जीवन चक्र के समग्र दृष्टिकोण को देखने की आवश्यकता है।"
आसपास की पहुँच, गोपनीयता और नियमों के मुद्दों के अलावा, यह भी स्पष्ट नहीं है कि एआई स्वास्थ्य देखभाल सेवाओं से सबसे अधिक लाभ उठाने के लिए कौन खड़ा है। पहले से ही स्वास्थ्य देखभाल असमानताएं हैं: विश्व बैंक और विश्व स्वास्थ्य संगठन के अनुसार, दुनिया की आधी आबादी के पास आवश्यक स्वास्थ्य देखभाल सेवाओं तक पहुंच का अभाव है और लगभग 100 मिलियन लोगों को स्वास्थ्य देखभाल के खर्चों से अत्यधिक गरीबी में धकेल दिया जाता है। यह कैसे तैनात किया जाता है, इस पर निर्भर करते हुए, एआई इन असमानताओं को सुधार सकता है, या उन्हें बदतर बना सकता है।
स्विट्जरलैंड में फेडरल इंस्टीट्यूट ऑफ टेक्नोलॉजी के बायोएथिसिस्ट एफी वायना कहती हैं, "स्वास्थ्य देखभाल का लोकतांत्रिककरण कैसे किया जाए, और मैं यह देखना चाहता हूं कि ऐसा होने के बारे में बहुत सी एआई चर्चा हुई है।"
"यदि आप किसी कट्टरपंथी सेवा प्रावधान के साथ समाप्त होते हैं जो वैसे भी अच्छी स्वास्थ्य देखभाल का खर्च उठा सकते हैं, " वह कहती हैं, "मुझे यकीन नहीं है कि अगर हम उस बदलाव की तलाश कर रहे हैं।"
यह सब कैसे होता है यह एआई को लागू करने के लिए अलग-अलग दृष्टिकोणों पर निर्भर करता है। प्रारंभिक विकास ने बहुत ही संकीर्ण नैदानिक अनुप्रयोगों पर ध्यान केंद्रित किया है, जैसे त्वचा कैंसर या नाखून कवक के संकेत के लिए छवियों की जांच करना या छाती का एक्स-रे पढ़ना। लेकिन अधिक हाल के प्रयासों ने एक साथ कई स्वास्थ्य स्थितियों का निदान करने की कोशिश की है।
अगस्त 2018 में, यूनाइटेड किंगडम और डीपमाइंड में मूरफील्ड्स आई हॉस्पिटल। Google की मूल कंपनी अल्फाबेट के स्वामित्व वाली लंदन स्थित एआई लैब ने दिखाया कि उन्होंने स्कैन में 50 से अधिक नेत्र रोगों की पहचान करने के लिए एक एआई प्रणाली को सफलतापूर्वक प्रशिक्षित किया था, जो प्रमुख विशेषज्ञों के प्रदर्शन से मेल खाता था। इसी तरह व्यापक महत्वाकांक्षाओं ने सैन डिएगो और ग्वांगझोउ अध्ययन को प्रभावित किया जिसने एआई को बच्चों में सामान्य बीमारियों का निदान करने के लिए प्रशिक्षित किया। बाद के वरिष्ठ चिकित्सकों की तुलना में बाल रोग का निदान करने में उतना अच्छा नहीं था, लेकिन यह कुछ जूनियर चिकित्सकों की तुलना में बेहतर प्रदर्शन करता था।
ऐसे एआई सिस्टम को स्वास्थ्य देखभाल को लोकतांत्रिक बनाने में मदद करने के लिए सबसे अच्छे मानव विशेषज्ञों से बेहतर प्रदर्शन की आवश्यकता नहीं हो सकती है, लेकिन बस वर्तमान चिकित्सा मानकों तक पहुंच का विस्तार करना है। फिर भी, अभी तक कई प्रस्तावित एआई आवेदन किफायती स्वास्थ्य देखभाल को फैलाने के बजाय देखभाल के मौजूदा मानक में सुधार करने पर केंद्रित हैं, कोहेन कहते हैं: "डेमोक्रेटेटिंग जो हमारे पास पहले से ही है वह आपके हिरन के लिए एक बड़ा धमाका होगा जो हमारे पास है। कई क्षेत्र। ”
एक परामर्श फर्म, एक्सेंचर, भविष्यवाणी करती है कि शीर्ष एआई अनुप्रयोग 2026 तक अमेरिकी अर्थव्यवस्था को प्रति वर्ष $ 150 बिलियन बचा सकते हैं। लेकिन यह स्पष्ट नहीं है कि करदाता डॉलर द्वारा पूरक रोगियों और स्वास्थ्य देखभाल प्रणालियों को फायदा होगा, या यदि अधिक पैसा बस टेक कंपनियों को मिलेगा, स्वास्थ्य देखभाल प्रदाताओं, और बीमा कंपनियों।
कोहेन कहते हैं, "सवाल यह है कि इसे चलाने वाला कौन है और इसके लिए कौन भुगतान करने जा रहा है, यह एक महत्वपूर्ण सवाल है।" "उन सभी व्यावसायिक योजनाओं के बारे में कुछ बानगी यह है कि उन्हें लगता है कि वे जानते हैं कि यह कैसे काम करेगा।"
भले ही एआई सेवाएं लागत-बचत की सिफारिशें करती हैं, मानव चिकित्सक और स्वास्थ्य देखभाल संगठन एआई सलाह लेने में संकोच कर सकते हैं यदि वे परिणामस्वरूप कम पैसा बनाते हैं, तो कोहेन चेतावनी देते हैं। यह शुल्क-सेवा मॉडल का उपयोग करके अमेरिकी स्वास्थ्य बीमाकर्ताओं के बड़े प्रणालीगत मुद्दे पर बात करता है, जो अक्सर परीक्षण और चिकित्सा प्रक्रियाओं को जोड़ने के लिए चिकित्सकों और अस्पतालों को पुरस्कृत करते हैं, जब भी उन्हें ज़रूरत नहीं होती है।
***
एक और एआई अवसर है जो डॉक्टरों के हाथों में अधिकांश चिकित्सा निदान छोड़ते समय देखभाल की गुणवत्ता में सुधार कर सकता है। अपनी 2019 की पुस्तक में डीप मेडिसिन, एरिक टॉपोल, स्क्रिप्स रिसर्च ट्रांसलेशनल इंस्टीट्यूट के निदेशक और संस्थापक, अनिवार्य रूप से एक सुपरचार्ज्ड मेडिकल सिरी बनाने के बारे में बात करते हैं - डॉक्टरों और उनके रोगियों के बीच बातचीत के बारे में नोट्स लेने के लिए एक AI सहायक, इलेक्ट्रॉनिक स्वास्थ्य में उन नोटों को दर्ज करें। रोगी के इतिहास के प्रासंगिक भागों के बारे में पूछने के लिए चिकित्सकों को रिकॉर्ड और याद दिलाना।
"मेरी आकांक्षा यह है कि हम डॉक्टरों के काम को कम करते हैं और उनके डेटा क्लर्क की भूमिका से छुटकारा पा लेते हैं, रोगियों को अधिक जिम्मेदारी लेने में मदद करते हैं, और डेटा को कुंजी देते हैं, इसलिए चीजों की समीक्षा करने में इतना समय नहीं लगता है, " टोपोल कहते हैं।
कोहेन कहते हैं, "कभी न भूलने वाला चिकित्सा सहायक या मुंशी, को एआई की आवश्यकता होगी जो चिकित्सकों और रोगियों के बीच स्वचालित रूप से कई आवाजों को ट्रैक और ट्रांसलेट कर सके। वह टोपोल के विचार का समर्थन करता है, लेकिन जोड़ता है कि विकास में अधिकांश एआई अनुप्रयोग ऐसे सहायकों पर केंद्रित नहीं लगते हैं। फिर भी, कुछ कंपनियों जैसे कि सक्का और डीप्सविट ने इन लाइनों के साथ सेवाओं का विकास किया है, और यहां तक कि Google ने स्टैनफोर्ड यूनिवर्सिटी के साथ मिलकर एक समान "डिजिटल मुंशी" तकनीक का परीक्षण किया है।
एक AI सहायक एक AI डॉक्टर की तुलना में कम रोमांचक लग सकता है, लेकिन यह चिकित्सकों को अपने रोगियों के साथ अधिक समय बिताने और देखभाल की समग्र गुणवत्ता में सुधार करने के लिए मुक्त कर सकता है। परिवार के चिकित्सक विशेष रूप से अक्सर अपने आधे से अधिक कार्यदिवसों को इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड में दर्ज करने में खर्च करते हैं - शारीरिक और भावनात्मक बर्नआउट के पीछे एक मुख्य कारक, जिसके गंभीर परिणाम होते हैं, जिसमें रोगी की मृत्यु भी होती है।
विडंबना यह है कि इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड को रोगी की जानकारी को और अधिक सुलभ बनाकर चिकित्सा देखभाल और कटौती की लागत में सुधार करना था। अब टोपोल और कई अन्य विशेषज्ञों ने चिकित्सा और स्वास्थ्य देखभाल में एअर इंडिया के आसपास की वर्तमान प्रवृत्ति के लिए एक सावधानी की कहानी के रूप में इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड की ओर इशारा किया।
इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के कार्यान्वयन ने पहले से ही सैकड़ों निजी विक्रेताओं के बीच एक पैचवर्क प्रणाली का निर्माण किया है जो मुख्य रूप से रोगी डेटा को अलग करने में सफल होता है और इसे चिकित्सकों और रोगियों दोनों के लिए दुर्गम बनाता है। यदि इतिहास कोई मार्गदर्शक है, तो कई तकनीकी कंपनियां और स्वास्थ्य देखभाल संगठन अपने स्वयं के एआई सिस्टम के लिए चिकित्सा डेटा जमा करके इसी तरह के मार्ग का अनुसरण करने के लिए खिंचाव महसूस करेंगे।
इसके बारे में एक तरीका सामूहिक खुफिया प्रणाली का उपयोग करना हो सकता है जो विभिन्न स्रोतों से चिकित्सा विशेषज्ञता को एकत्र और रैंक करता है, कोमारनेनी कहते हैं, जो मानव डीएक्स के साथ इस दृष्टिकोण की कोशिश कर रहा है। अमेरिकन मेडिकल एसोसिएशन जैसे प्रमुख चिकित्सा संगठनों द्वारा समर्थित, ह्यूमन डीएक्स ने विशिष्ट चिकित्सा मामलों पर हजारों चिकित्सकों से क्राउडसोर्सिंग सलाह के लिए एक ऑनलाइन मंच बनाया है। कोमारनी को उम्मीद है कि इस तरह के एक मंच, सिद्धांत रूप में, किसी दिन कई अलग-अलग AI सेवाओं से नैदानिक सलाह भी शामिल हो सकती है।
"जिस तरह से कई मानव पेशेवर भविष्य में आपके मामले को देख सकते हैं, उसी तरह से, कोई कारण नहीं है कि एकाधिक एअर इंडिया ऐसा नहीं कर सकता है" कोमारनेनी कहते हैं।
जैसा कि डॉक्टर अपने एआई सहायकों की प्रतीक्षा करते हैं, ह्यूमन डीएक्स जैसे प्रोजेक्ट्स को क्राउडसोर्सिंग "निश्चित रूप से बेहतर डायग्नॉस्टिक्स या थेरेपी के लिए बेहतर सिफारिशें दे सकता है, " टॉपॉल का कहना है, जिन्होंने मेडस्केप एडाप्टर नामक एक समान मंच पर 2018 के अध्ययन का सह-संग्रह किया। कागज का निष्कर्ष है कि सामूहिक मानव बुद्धि चिकित्सा में एआई के लिए एक "प्रतिस्पर्धी या पूरक रणनीति" हो सकती है।
लेकिन अगर एआई सेवाएं सभी परीक्षणों और वास्तविक दुनिया की जांचों को पास करती हैं, तो वे आधुनिक स्वास्थ्य देखभाल के पुनरुत्थान में मनुष्यों के लिए महत्वपूर्ण भागीदार बन सकते हैं।
"ऐसी चीजें हैं जो मशीनें कभी भी अच्छा नहीं करेंगी, और फिर अन्य जहां वे किसी भी मानव से अधिक कर सकते हैं, " टोपोल कहते हैं। "तो जब आप दोनों को एक साथ रखते हैं तो यह बहुत शक्तिशाली पैकेज होता है।"
***
जेरेमी हुस न्यूयॉर्क शहर में स्थित एक स्वतंत्र पत्रकार हैं। वह अक्सर अन्य प्रकाशनों में बैकचैनल, IEEE स्पेक्ट्रम, लोकप्रिय विज्ञान और वैज्ञानिक अमेरिकी के लिए विज्ञान और प्रौद्योगिकी के बारे में लिखते हैं।
यह लेख मूल रूप से अंडरक पर प्रकाशित हुआ था। मूल लेख पढ़ें।
