शोधकर्ताओं ने ईआर डॉक्टरों के खिलाफ एआई मॉडल का परीक्षण किया और पाया कि मॉडल ने इंसानों से बेहतर प्रदर्शन किया।
शेपचार्ज/ई+/गेटी इमेजेज
कैप्शन छुपाएं
कैप्शन टॉगल करें
शेपचार्ज/ई+/गेटी इमेजेज़
अस्पताल में एक मरीज फुफ्फुसीय अंतःशल्यता के साथ आता है – एक रक्त का थक्का जो फेफड़ों तक पहुंच गया है। शुरुआत में सुधार के बाद, उनके लक्षण खराब होने लगते हैं। मेडिकल टीम को संदेह है कि दवा काम नहीं कर रही है।
चरणों में कृत्रिम बुद्धिमत्ता – अपने स्वयं के सिद्धांत के साथ।
इसने मेडिकल रिकॉर्ड को स्कैन किया है और संदेह है कि ल्यूपस का इतिहास, एक ऑटोइम्यून स्थिति जो हृदय की सूजन का कारण बन सकती है, यह बता सकती है कि वास्तव में रोगी को क्या बीमारी थी।
पता चला, AI मॉडल सही है।
जर्नल में गुरुवार को प्रकाशित एक अध्ययन के अनुसार, इस प्रकार का परिदृश्य निकट भविष्य में वास्तविकता बन सकता है। विज्ञान.
हार्वर्ड मेडिकल स्कूल और बेथ इज़राइल डेकोनेस मेडिकल सेंटर के शोधकर्ताओं ने पाया कि ओपनएआई द्वारा विकसित एक एआई रीजनिंग मॉडल, मरीजों का निदान करने और उनकी देखभाल के प्रबंधन के बारे में निर्णय लेने में उत्कृष्ट है। यह डॉक्टरों और पहले के AI मॉडल, GPT-4 से मेल खाता था और अक्सर उनसे बेहतर प्रदर्शन करता था।
शोधकर्ताओं ने इसके नैदानिक कौशल का परीक्षण करने के लिए एआई मॉडल पर प्रयोगों की एक श्रृंखला चलाई – जिसमें ल्यूपस रोगी जैसे वास्तविक मामले भी शामिल थे, जिनका पहले बोस्टन में बेथ इज़राइल के आपातकालीन विभाग में इलाज किया गया था।
टीम ने मूल्यांकन किया कि एआई मॉडल ईआर में ट्राइएज चरण से लेकर अस्पताल में भर्ती होने तक, तीन क्षणों में कितनी अच्छी तरह सटीक निदान प्रदान कर सकता है।
कुल मिलाकर, एआई ने दो अनुभवी चिकित्सकों से बेहतर प्रदर्शन किया – और ऐसा केवल इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और उस समय चिकित्सकों के लिए उपलब्ध सीमित जानकारी के साथ किया।
बेथ इज़राइल के नैदानिक शोधकर्ता और अध्ययन लेखकों में से एक डॉ. एडम रोडमैन ने कहा, “यह मेरे लिए बड़ा निष्कर्ष है – यह आपातकालीन विभाग के अव्यवस्थित वास्तविक दुनिया के डेटा के साथ काम करता है।” “यह वास्तविक दुनिया में निदान करने के लिए काम करता है।”
अध्ययन के अन्य भाग में प्रकाशित केस रिपोर्टों पर केंद्रित हैं न्यू इंग्लैंड जर्नल ऑफ मेडिसिन और क्लिनिकल विगनेट्स यह पता लगाने के लिए कि क्या एआई मॉडल अच्छी तरह से स्थापित “बेंचमार्क” को पूरा कर सकता है और कांटेदार नैदानिक प्रश्नों का समाधान कर सकता है।
हार्वर्ड मेडिकल स्कूल में बायोमेडिकल इंफॉर्मेटिक्स के सहायक प्रोफेसर राज मनराय, जो अध्ययन का हिस्सा भी थे, ने कहा, “मॉडल ने हमारे बहुत बड़े चिकित्सक बेसलाइन से बेहतर प्रदर्शन किया।”
लेखक एआई पर केवल पाठ पर निर्भर होने पर जोर देते हैं, जबकि वास्तविक जीवन में, चिकित्सकों को किसी मरीज का निदान और इलाज करते समय छवियों, ध्वनियों और गैर-मौखिक संकेतों जैसे कई अन्य इनपुट पर ध्यान देने की आवश्यकता होती है।
फिर भी, यह कार्य दर्शाता है कि पिछले कुछ वर्षों में तकनीक कितनी आगे बढ़ गई है। बड़े भाषा मॉडल के पिछले संस्करण अनिश्चितता से निपटने में और संभावित स्थितियों की एक सूची बनाने में लड़खड़ा गए थे जो लक्षणों की व्याख्या कर सकते थे, जिसे विभेदक निदान के रूप में जाना जाता है।
न्यूयॉर्क में माउंट सिनाई हेल्थ सिस्टम के मुख्य नैदानिक अधिकारी डॉ. डेविड रीच, जो इस काम में शामिल नहीं थे, कहते हैं, “यह पेपर इस बात का एक सुंदर सारांश है कि चीजों में कितना सुधार हुआ है।”
वे कहते हैं, ”आपके पास कुछ ऐसा है जो काफी सटीक है, संभवतः प्राइम टाइम के लिए तैयार है।” “अब खुला प्रश्न यह है कि आप इसे क्लिनिकल वर्कफ़्लो में कैसे पेश करते हैं जिससे वास्तव में देखभाल में सुधार होता है?”
आखिरकार, कुछ पेचीदा, अंतिम निदान पर पहुंचना – जिस पर एआई मॉडल चमकता है – जरूरी नहीं कि यह प्रतिबिंबित हो कि “वास्तविक नैदानिक चिकित्सा में” चीजें कैसे चलती हैं, रीच कहते हैं, जहां “परिणाम बहुत अधिक सूक्ष्म और शायद अधिक विविध हैं।”
और आपातकालीन विभाग रोगी की कुल चिकित्सा देखभाल का केवल एक छोटा सा हिस्सा है। रोडमैन स्वीकार करते हैं कि यह संभव नहीं है कि एआई ने इतना “प्रभावशाली” काम किया होता यदि टीम ने उसे किसी ऐसे व्यक्ति के रिकॉर्ड प्रदान किए होते जिसने अस्पताल में एक महीना बिताया था।
नए अध्ययन में शामिल लोगों में से कोई भी यह नहीं मानता कि निष्कर्ष एआई के साथ डॉक्टरों की जगह लेने का समर्थन करते हैं, “इसके बावजूद कि कुछ कंपनियां क्या कह सकती हैं और वे इन परिणामों का उपयोग कैसे कर सकती हैं,” मनराय कहते हैं।
उन्होंने आगे कहा, “मुझे लगता है कि इसका मतलब यह है कि हम प्रौद्योगिकी में वास्तव में गहरा बदलाव देख रहे हैं जो चिकित्सा को नया आकार देगा।”
लेकिन परिणाम यह स्पष्ट करते हैं कि एआई मॉडल को कठोर तरीके से परीक्षण करने की आवश्यकता है, आदर्श रूप से दूरंदेशी परीक्षणों के माध्यम से जो इस बारे में अधिक निश्चितता दे सकते हैं कि तकनीक अंततः नैदानिक अभ्यास को कैसे प्रभावित करती है।
रीच कहते हैं, “इन परीक्षणों को डिजाइन करना एक बहुत ही चुनौतीपूर्ण प्रक्रिया है, लेकिन यह अध्ययन कार्रवाई के लिए एक आदर्श आह्वान है।”
