तेज़ और कुशल चिकित्सा निदान के लिए कृत्रिम बुद्धिमत्ता (एआई)

हाल के अध्ययनों ने महत्वपूर्ण बीमारियों के चिकित्सकीय निदान में कृत्रिम बुद्धिमत्ता प्रणाली की क्षमता को दिखाया है

आर्टिफिशियल इंटेलिजेंस (एआई) सिस्टम काफी समय से मौजूद हैं और अब समय के साथ स्मार्ट और बेहतर होते जा रहे हैं। AI इसका अनुप्रयोग अनेक क्षेत्रों में है और अब यह अधिकांश क्षेत्रों का अभिन्न अंग है। एआई एक आवश्यक और उपयोगी घटक हो सकता है मेडिकल विज्ञान और अनुसंधान के रूप में इसमें स्वास्थ्य सेवा उद्योग को प्रभावित करने की अपार संभावनाएं हैं।

चिकित्सा निदान में आर्टिफिशियल इंटेलिजेंस?

स्वास्थ्य देखभाल में समय सबसे मूल्यवान संसाधन है और किसी बीमारी के अंतिम परिणाम के लिए शीघ्र उचित निदान बहुत महत्वपूर्ण है। स्वास्थ्य देखभाल अक्सर एक लंबी और समय और संसाधन लेने वाली प्रक्रिया है, जिससे प्रभावी निदान में देरी होती है और बदले में सही उपचार में देरी होती है। AI रोगियों के निदान में गति और सटीकता को शामिल करके डॉक्टरों द्वारा उपलब्धता और समय प्रबंधन के बीच के अंतर को भरने में मदद मिल सकती है। यह विशेष रूप से निम्न और मध्यम आय वाले देशों में संसाधनों और स्वास्थ्य देखभाल पेशेवरों की सीमाओं को दूर करने में मदद कर सकता है। AI सीखने और सोचने की एक प्रक्रिया है मनुष्य गहन-शिक्षा नामक एक अवधारणा के माध्यम से। डीप लर्निंग स्वयं निर्णय वृक्ष बनाने के लिए नमूना डेटा के व्यापक सेट का उपयोग करता है। इस गहन शिक्षा के साथ, एक एआई सिस्टम वास्तव में इंसानों की तरह ही सोच सकता है, यदि बेहतर नहीं है, और इसलिए एआई को चिकित्सा कार्यों को पूरा करने के लिए उपयुक्त माना जा सकता है। मरीजों का निदान करते समय, एआई सिस्टम समान बीमारियों वाले मरीजों के बीच पैटर्न की तलाश करते रहते हैं। समय के साथ, ये पैटर्न बीमारियों के प्रकट होने से पहले ही उनकी भविष्यवाणी करने के लिए आधार तैयार कर सकते हैं।

हाल ही में एक अध्ययन में¹ में प्रकाशित सेल, शोधकर्ताओं ने इस्तेमाल किया है कृत्रिम सामान्य लेकिन अंधे रेटिनल रोगों वाले रोगियों की जांच करने के लिए एक नया कम्प्यूटेशनल उपकरण विकसित करने के लिए खुफिया और मशीन सीखने की तकनीक, संभावित रूप से तेजी से निदान और उपचार। शोधकर्ताओं ने एक गैर-आक्रामक तकनीक के साथ किए गए 200,000 से अधिक आंखों के स्कैन की समीक्षा करने के लिए एआई-आधारित तंत्रिका नेटवर्क का उपयोग किया, जो ऊतक के 2 डी और 3 डी प्रतिनिधित्व बनाने के लिए रेटिना से प्रकाश को उछालता है। फिर उन्होंने 'ट्रांसफर लर्निंग' नामक एक तकनीक को नियोजित किया जिसमें एक समस्या को हल करने में प्राप्त ज्ञान को कंप्यूटर द्वारा संग्रहीत किया जाता है और विभिन्न लेकिन संबंधित समस्याओं पर लागू किया जाता है। उदाहरण के लिए, आंख की असतत संरचनात्मक संरचनाओं, जैसे कि रेटिना, कॉर्निया या ऑप्टिक तंत्रिका को पहचानने के लिए अनुकूलित एआई तंत्रिका नेटवर्क, पूरी आंख की छवियों की जांच करते समय अधिक तेज़ी से और कुशलता से उनकी पहचान और मूल्यांकन कर सकता है। यह प्रक्रिया एआई सिस्टम को पारंपरिक तरीकों की तुलना में बहुत छोटे डेटासेट के साथ धीरे-धीरे सीखने की अनुमति देती है जिसके लिए बड़े डेटासेट की आवश्यकता होती है जो उन्हें महंगा और समय लेने वाला बनाता है।

अध्ययन में अपरिवर्तनीय अंधेपन के दो सामान्य कारणों पर ध्यान केंद्रित किया गया है जिनका जल्दी पता चलने पर इलाज संभव है। मशीन से प्राप्त निदान की तुलना पांच नेत्र रोग विशेषज्ञों के निदान से की गई जिन्होंने समान स्कैन की समीक्षा की। चिकित्सीय निदान करने के अलावा, एआई प्लेटफ़ॉर्म ने एक रेफरल और उपचार अनुशंसा भी तैयार की जो पिछले किसी भी अध्ययन में नहीं की गई है। यह प्रशिक्षित एआई सिस्टम एक अच्छी तरह से प्रशिक्षित नेत्र रोग विशेषज्ञ की तरह काम करता है और 30 प्रतिशत से अधिक सटीकता के साथ 95 सेकंड के भीतर यह निर्णय ले सकता है कि मरीज को इलाज के लिए रेफर किया जाना चाहिए या नहीं। उन्होंने छाती के एक्स-रे के मशीन विश्लेषण के आधार पर बचपन के निमोनिया के निदान में एआई उपकरण का भी परीक्षण किया, जो दुनिया भर में बच्चों (5 वर्ष से कम उम्र) में मृत्यु का एक प्रमुख कारण है। दिलचस्प बात यह है कि कंप्यूटर प्रोग्राम वायरल और के बीच अंतर करने में सक्षम था बैक्टीरियल 90 प्रतिशत से अधिक सटीकता के साथ निमोनिया। यह महत्वपूर्ण है क्योंकि यद्यपि वायरल निमोनिया अपने पाठ्यक्रम के बाद शरीर द्वारा स्वाभाविक रूप से छुटकारा पा लेता है, दूसरी ओर बैक्टीरियल निमोनिया अधिक गंभीर स्वास्थ्य खतरा बन जाता है और एंटीबायोटिक दवाओं के साथ तत्काल उपचार की आवश्यकता होती है।

एक और बड़ी छलांग में² चिकित्सा निदान के लिए कृत्रिम बुद्धिमत्ता प्रणालियों में, वैज्ञानिकों ने पाया कि किसी व्यक्ति के रेटिना से ली गई तस्वीरों का विश्लेषण मशीन-लर्निंग एल्गोरिदम या सॉफ़्टवेयर द्वारा किया जा सकता है, जो हृदय रोग के संकेतक संकेतों की पहचान करके हृदय संबंधी हृदय जोखिम का अनुमान लगा सकते हैं। आंखों में रक्त वाहिकाओं की स्थिति जो तस्वीरों में कैद है, उम्र, लिंग, जातीयता, रक्तचाप, किसी भी पूर्व दिल के दौरे और धूम्रपान की आदतों का सटीक अनुमान लगाने के लिए दिखाया गया था और ये सभी कारक सामूहिक रूप से किसी व्यक्ति में हृदय संबंधी बीमारियों की भविष्यवाणी करते हैं।

सूचना ब्लॉक के रूप में आंख

स्वास्थ्य का निदान करने के लिए आंख की तस्वीरों को देखने का विचार पिछले कुछ समय से है। यह अच्छी तरह से स्थापित है कि मानव आंखों की पिछली आंतरिक दीवार में बहुत सारी रक्त वाहिकाएं होती हैं जो शरीर के समग्र स्वास्थ्य को दर्शाती हैं। एक कैमरा और एक माइक्रोस्कोप के साथ इन रक्त वाहिकाओं की उपस्थिति का अध्ययन और विश्लेषण करके, किसी व्यक्ति के रक्तचाप, उम्र, धूम्रपान करने वाले या धूम्रपान न करने आदि के बारे में बहुत सारी जानकारी की भविष्यवाणी की जा सकती है और ये सभी व्यक्ति के दिल के स्वास्थ्य के महत्वपूर्ण संकेतक हैं। . हृदय रोग (सीवीडी) विश्व स्तर पर मृत्यु का नंबर एक कारण है और किसी भी अन्य बीमारी या स्थिति की तुलना में सीवीडी से अधिक लोग मरते हैं। यह निम्न और मध्यम आय वाले देशों में अधिक प्रचलित है और अर्थव्यवस्था और मानव जाति पर बहुत बड़ा बोझ है। कार्डियोवैस्कुलर जोखिम व्यायाम और आहार के संयोजन में जीन, आयु, जातीयता, लिंग जैसे कई कारकों पर निर्भर करता है। संभावित जोखिमों को दूर करने के लिए जीवनशैली में महत्वपूर्ण बदलाव करके तंबाकू, मोटापा, शारीरिक निष्क्रियता और अस्वास्थ्यकर आहार जैसे व्यवहार संबंधी जोखिमों को संबोधित करके अधिकांश हृदय रोगों को रोका जा सकता है।

रेटिना छवियों का उपयोग कर स्वास्थ्य निदान

Google और इसकी अपनी स्वास्थ्य प्रौद्योगिकी कंपनी वेरीली लाइफ साइंसेज के शोधकर्ताओं द्वारा किए गए इस अध्ययन से पता चला है कि लगभग 280,000, 12000 रोगियों की रेटिना तस्वीरों के एक बड़े डेटासेट पर एक आर्टिफिशियल इंटेलिजेंस एल्गोरिदम का उपयोग किया गया था और यह एल्गोरिदम पूरी तरह से दो में हृदय जोखिम कारकों की सफलतापूर्वक भविष्यवाणी करने में सक्षम था। लगभग 1000 और 70 रोगियों के स्वतंत्र डेटासेट काफी अच्छी सटीकता के साथ। छवि और दिल के दौरे के जोखिम के बीच संबंध को मापने के लिए एल्गोरिदम ने रेटिना की पूरी तस्वीर का उपयोग किया। यह एल्गोरिथम एक रोगी में 71 प्रतिशत समय कार्डियोवैस्कुलर घटना की भविष्यवाणी कर सकता है और वास्तव में एक धूम्रपान करने वाला और धूम्रपान न करने वाला भी इस परीक्षण में XNUMX प्रतिशत समय में अलग-अलग था। एल्गोरिथ्म उच्च रक्तचाप की भविष्यवाणी भी कर सकता है जो हृदय की स्थिति का संकेत देता है और सिस्टोलिक रक्तचाप की भविष्यवाणी करता है - जब दिल धड़कता है तो वाहिकाओं में दबाव- उच्च रक्तचाप वाले या बिना अधिकांश रोगियों की सीमा के भीतर। लेखकों के अनुसार, इस भविष्यवाणी की सटीकता प्रयोगशाला में कार्डियोवैस्कुलर जांच के समान ही है, जहां रोगी के इतिहास के समानांतर कोलेस्ट्रॉल के स्तर को मापने के लिए रोगी से रक्त खींचा जाता है। इस अध्ययन में एल्गोरिथम, में प्रकाशित प्रकृति बायोमेडिकल इंजीनियरिंग, सबसे अधिक संभावना में एक प्रमुख हृदय घटना की घटना की भविष्यवाणी भी कर सकता है - जैसे दिल का दौरा।

इन अध्ययनों का एक अत्यंत दिलचस्प और महत्वपूर्ण पहलू यह था कि कंप्यूटर यह बता सकता है कि निदान पर पहुंचने के लिए वह एक छवि में कहां देख रहा है, जिससे हमें भविष्यवाणी प्रक्रिया को समझने की अनुमति मिलती है। उदाहरण के लिए, Google द्वारा किए गए अध्ययन ने सटीक रूप से दिखाया कि "रेटिना के किन हिस्सों" ने भविष्यवाणी एल्गोरिथम में योगदान दिया, दूसरे शब्दों में एल्गोरिदम भविष्यवाणी कैसे कर रहा था। यह समझ न केवल इस विशेष मामले में मशीन सीखने की विधि को समझने के लिए महत्वपूर्ण है, बल्कि इसे पारदर्शी बनाकर इस पूरी पद्धति में विश्वास और विश्वास पैदा करने के लिए भी महत्वपूर्ण है।

चुनौतियां

इस तरह की चिकित्सा छवियां अपनी चुनौतियों के साथ आती हैं क्योंकि मुख्य रूप से इन छवियों में कई विशेषताओं, रंगों, मूल्यों, आकृतियों आदि के कारण ऐसी छवियों के आधार पर संघों का अवलोकन करना और उनकी मात्रा निर्धारित करना सीधा नहीं है। यह अध्ययन मानव शरीर रचना विज्ञान (शरीर की आंतरिक आकृति विज्ञान) और बीमारी के बीच संबंधों, संघों और संबंधों को निकालने के लिए गहन शिक्षा का उपयोग करता है, ठीक उसी तरह जैसे एक स्वास्थ्य देखभाल पेशेवर करेगा जब वह रोगियों के लक्षणों को एक बीमारी के साथ सहसंबद्ध कर रहा हो। . नैदानिक ​​​​सेटिंग में उपयोग किए जाने से पहले इन एल्गोरिदम को अधिक परीक्षण की आवश्यकता होती है।

चर्चाओं और चुनौतियों के बावजूद, एआई में विश्लेषण और वर्गीकरण करके रोग निदान और प्रबंधन में क्रांति लाने की बहुत बड़ी क्षमता है जिसमें भारी मात्रा में डेटा शामिल है जो मानव विशेषज्ञों के लिए मुश्किल है। यह तेज, लागत प्रभावी, गैर-आक्रामक वैकल्पिक छवि-आधारित नैदानिक ​​उपकरण प्रदान करता है। एआई सिस्टम की सफलता के लिए महत्वपूर्ण कारक उच्च कम्प्यूटेशनल शक्ति और लोगों का अधिक अनुभव होगा। एक संभावित भविष्य में मानव निर्देशन या निरीक्षण के बिना एआई के साथ नई चिकित्सा अंतर्दृष्टि और निदान प्राप्त किया जा सकता है।

***

स्रोत (रों)

1. केर्मनी डीएस एट अल। 2018. छवि-आधारित गहन शिक्षण द्वारा चिकित्सा निदान और उपचार योग्य रोगों की पहचान करना। कक्ष। 172(5). https://doi.org/10.1016/j.cell.2018.02.010

2. पोपलिन आर एट अल। 2018 डीप लर्निंग के जरिए रेटिनल फंडस फोटोग्राफ्स से कार्डियोवस्कुलर रिस्क फैक्टर्स की भविष्यवाणी। नेचर बायोमेडिकल इंजीनियरिंग। 2. https://doi.org/10.1038/s41551-018-0195-0

***