ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ സഹായത്തോടെ ആരോഗ്യമേഖലയിൽ സംഭവിക്കാൻ പോകുന്ന മുന്നേറ്റങ്ങൾ എന്തെല്ലാം? ഡോ. അരുൺ ഉമ്മൻ എഴുതുന്നു

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ സഹായത്തോടെ ആരോഗ്യമേഖലയിൽ സംഭവിക്കാൻ പോകുന്ന മുന്നേറ്റങ്ങളെ സംബന്ധിച്ച് ഡോ. അരുൺ ഉമ്മൻ എഴുതുന്നു,

എവിടെ നോക്കിയാലും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിനെ (എ ഐ) കുറിച്ചാണ് ചർച്ച മുഴുവനും. കൃത്യമായി എന്താണ് എ ഐ? മനുഷ്യ ബുദ്ധിയുടെ വശങ്ങൾ അനുകരിക്കുന്ന കമ്പ്യൂട്ടറൈസ്ഡ് ടൂളുകളെയാണ് ഈ പദം സൂചിപ്പിക്കുന്നത്.

ഈയിടെയായി, ആരോഗ്യ പരിപാലനത്തിലെ എ ഐയെ കുറിച്ചുള്ള പരാമർശം എടുത്തുപറയേണ്ട ഒന്നാണ്. കരുതലുള്ള ഡോക്ടർമാർക്ക് പകരം വികാരമില്ലാത്ത റോബോട്ടുകൾ വരുമോ, വൈദ്യശാസ്ത്രം മനുഷ്യൻ്റെ ഊഷ്മളതയും രോഗശാന്തിയുടെ അവിഭാജ്യമായ അവബോധവും കവർന്നെടുക്കുമോ? ഇതൊക്കെയാണ് നിലവിൽ ഉയർന്നു വരുന്ന ചോദ്യങ്ങൾ.

ALSO READ: ഓര്‍ത്തഡോക്സ്-യാക്കോബായ പള്ളിത്തര്‍ക്കം; വഴങ്ങാതെ യാക്കോബായ വിഭാഗം, സഹകരിക്കണമന്ന് പൊലീസ്

എ ഐ- യെ പിന്താങ്ങിയുള്ള മുന്നേറ്റങ്ങളുടെ പട്ടിക വളരെ വലുതാണ്, എന്നാൽ വിദഗ്ധരുടെ അഭിപ്രായത്തിൽ, ഈ സാങ്കേതികവിദ്യ തടസ്സങ്ങൾക്കും പരിമിതികൾക്കും വിധേയമാണ്. സമീപ വർഷങ്ങളിലെ പ്രധാന സാങ്കേതിക മുന്നേറ്റങ്ങൾ അർത്ഥമാക്കുന്നത് നമ്മളിൽ പലരും വിചാരിച്ചതിലും വേഗത്തിൽ എ ഐ വൈദ്യശാസ്ത്രത്തിലേക്ക് വരുന്നു എന്നാണ്. ആരോഗ്യ സംരക്ഷണത്തിൻ്റെ മിക്കവാറും എല്ലാ മേഖലകളിലും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉൾപെട്ടിരിക്കും എന്നത് എടുത്തു പറയേണ്ടിയിരിക്കുന്നു.

ഹെൽത്ത് കെയർ കമ്പനികളിലെ എ ഐ ടെക് ബജറ്റുകൾ 2022-ൽ 6% ആയിരുന്നത് ഈ വർഷം 11% ആയി വളരുമെന്നാണ് പ്രതീക്ഷിക്കുന്നത്. കൂടാതെ എഐ എങ്ങനെ പരിചരണത്തെ പ്രതികൂലമായി ബാധിക്കാം എന്നതിനെക്കുറിച്ച് ധാരാളം ആശങ്കകൾ നിലനിൽക്കുന്നുണ്ടെങ്കിലും, ജീവൻ രക്ഷ പ്രവർത്തനങ്ങളിൽ അവയുടെ സജീവ സാന്നിധ്യം വിസ്മരിക്കാൻ പറ്റുന്നവയല്ല. നൂതന അൽഗോരിതങ്ങളുടെയും മെഷീൻ ലേണിംഗിൻ്റെയും ശക്തി പ്രയോജനപ്പെടുത്തുന്നതിലൂടെ, എ ഐ ആപ്ലിക്കേഷനുകൾ കൂടുതൽ കൃത്യമായ ഡയഗ്നോസ്റ്റിക്സ്, വ്യക്തിഗതമാക്കിയ ചികിത്സാ പദ്ധതികൾ, കാര്യക്ഷമമായ അഡ്മിനിസ്ട്രേറ്റീവ് പ്രക്രിയകൾ എന്നിവയിലേക്ക് കാര്യമായ സംഭാവന നൽകുന്നു എന്ന് വേണം പറയാൻ. ആരോഗ്യ പരിരക്ഷയിൽ എ ഐ-യുടെ സംയോജനം, കൂടുതൽ ഡാറ്റാധിഷ്ഠിതവും രോഗി കേന്ദ്രീകൃതവുമായ സമീപനത്തിലേക്ക് വ്യവസായത്തിൽ ഒരു മാതൃകാപരമായ മാറ്റം സൃഷ്ടിക്കാൻ സഹായിക്കുന്നു.

ALSO READ: ഇതാണ് മലയാളി! അര്‍ജുനായി കേരളത്തില്‍ നിന്ന് റെസ്‌ക്യു ടീം

നമ്മുടെ ആരോഗ്യ പരിരക്ഷാ സംവിധാനം രണ്ട് നിർണായക വെല്ലുവിളികൾ ആണ് അഭിമുഖീകരിക്കുന്നതു: ജീവനക്കാരുടെ കുറവും ആരോഗ്യ സംരക്ഷണ ആവശ്യകതയും. അടുത്ത 10 , 20 വർഷത്തേക്ക് ഡാറ്റയിലും സാങ്കേതികവിദ്യയിലും നിക്ഷേപം നടത്തി പരിചരണത്തിൻ്റെ ഗുണനിലവാരം വർധിപ്പിക്കുന്ന തരത്തിൽ ഈ പ്രശ്‌നങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യാമെന്ന് കണ്ടെത്തുന്നതാണ് യഥാർത്ഥ പരീക്ഷണം.

രോഗിക്ക് ചേരുന്ന മജ്ജ ദാതാക്കളെ കണ്ട് പിടിക്കുന്നതിനും കാൻസറിനുള്ള നൂതന ചികിൽസ സാധ്യതകൾ വിലയിരുത്തുന്നതിനും ഉയർന്ന കാൻസർ റിസ്ക് ഉള്ളവരെ കണ്ടെത്തുന്നതിനും ആവശ്യമുള്ളിടത്ത് ടാർഗെറ്റ് ഇടപെടലുകൾ നടത്തുന്നതിനും, ഒപിയോയിഡ് ദുരുപയോഗം, കുറിപ്പടി തട്ടിപ്പ് എന്നിവയ്ക്ക് സാധ്യതയുള്ള രോഗികളെ കണ്ടെത്തുന്നതിനും എ ഐ ഉപയോഗിക്കുന്നു.

ഭാവിയിൽ, നേരത്തെയുള്ള രോഗം കണ്ടുപിടിക്കുന്നതിൽ എഐ കൂടുതൽ വൈദഗ്ധ്യം നേടുമെന്നും പാർശ്വഫലങ്ങൾ കുറച്ച് കൂടുതൽ വ്യക്തിഗതമാക്കിയ ചികിത്സാ പദ്ധതികൾ പ്രാപ്തമാക്കുമെന്നും പ്രതീക്ഷിക്കുന്നു. ഇത് മരുന്നുകളുടെ കണ്ടുപിടുത്തവും വികസനവും കാര്യക്ഷമമാക്കുകയും രോഗം പൊട്ടിപ്പുറപ്പെടുന്നത്, രോഗികളുടെ പ്രവേശന നിരക്കുകൾ, മറ്റ് പ്രധാന ആരോഗ്യ പരിപാലന പ്രവണതകൾ എന്നിവയെ കുറിച്ചുള്ള നേരത്തെയുള്ള പ്രവചനങ്ങൾ നൽകാൻ സഹായകമാവുകയും ചെയ്യുന്നു.

കൂടുതൽ ആരോഗ്യ പരിപാലന വിദഗ്ധർ എഐ-യെ പ്രവർത്തനക്ഷമമാക്കുന്നതിനാൽ, ചെലവ്, ആശുപത്രി പ്രവേശനം, കാര്യക്ഷമത തുടങ്ങിയ വെല്ലുവിളികളെ അഭിമുഖീകരിക്കുന്നതോടൊപ്പം, വ്യക്തിഗതമാക്കിയ മരുന്ന്, കാര്യക്ഷമമായ അഡ്മിനിസ്ട്രേഷൻ, മെച്ചപ്പെടുത്തിയ രോഗി പരിചരണവും ഫലങ്ങളും – ആരോഗ്യ പരിപാലനത്തിൽ ശ്രദ്ധേയമായ മുന്നേറ്റങ്ങൾ കണ്ടുതുടങ്ങിയിരിക്കുന്നു.

# രോഗങ്ങളുടെ ആദ്യകാല രോഗനിർണയം #

യുഒസിയുടെ കമ്പ്യൂട്ടർ സയൻസ്, മൾട്ടിമീഡിയ, ടെലികമ്മ്യൂണിക്കേഷൻസ് ഫാക്കൽറ്റി അംഗവും യുഒസിയുടെ ഇ-ഹെൽത്ത് സെൻ്ററിലെ കോഗ്നിറ്റീവ് ന്യൂറോ സയൻസ് ആൻഡ് അപ്ലൈഡ് ഡാറ്റ സയൻസ് ലാബിലെ ഗവേഷകയുമായ ലയ സുബിരാറ്റ്‌സ് അഭിപ്രായപ്പെടുന്നു, ഇത് ഏറ്റവും വലിയ പുരോഗതി കൈവരിച്ച മേഖലകളിലൊന്നാണ്.

പുതിയ സെൻസറും ഇമേജ് പ്രോസസ്സിംഗ് ടെക്നിക്കുകളും, കൂടാതെ നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് (NLP), ഇലക്ട്രോണിക് ഹെൽത്ത് റെക്കോർഡുകൾക്കുള്ള ഫെഡറേറ്റഡ് ലേണിംഗ് (EHRs) എന്നിങ്ങനെയുള്ള വിവിധ സാങ്കേതിക വിദ്യകളും AI പ്രധാനം ചെയ്യുന്നു എന്ന് അവർ ചൂണ്ടിക്കാട്ടുന്നു. ഉദാഹരണത്തിന്, സീഡാർസ്-സിനായ് മെഡിക്കൽ സെൻ്റർ, സ്റ്റാൻഫോർഡ് യൂണിവേഴ്സിറ്റി എന്നിവിടങ്ങളിൽ നിന്നുള്ള ഒരു കൂട്ടം US ഗവേഷകർ എക്കോകാർഡിയോഗ്രാം വിലയിരുത്തുന്നതിൽ AI മനുഷ്യനേക്കാൾ മികച്ചതാണെന്ന് കണ്ടെത്തി. ഹൃദയ സംബന്ധമായ രോഗനിർണയത്തിനായി, കൂടാതെ ശ്വാസകോശ കാൻസർ രോഗികളിൽ അതിജീവന നിരക്ക് വർദ്ധിപ്പിക്കുന്നതിനുള്ള ആദ്യകാല രോഗനിർണയവും സ്ക്രീനിംഗുമാണ് അടങ്ങുന്ന ആപ്ലിക്കേഷൻ വികസിപ്പിച്ചെടുക്കുന്നതിനായി UK-യിൽ പരീക്ഷണം നടന്നു കൊണ്ടിരിക്കുകയാണ്.

അതായത് ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് ഒരു നിശ്ചിത സമയമെടുക്കും, പക്ഷേ, AI ഉപയോഗിച്ച്, ഡാറ്റ തത്സമയം വിശകലനം ചെയ്യാം, എന്തെങ്കിലും അപാകതകൾ കണ്ടെത്തുന്നത് വേഗത്തിലാക്കാം. ഇത് നിരീക്ഷണത്തിനും ശസ്ത്രക്രിയാ സഹായത്തിനും ബാധകമാക്കാം എന്നത് എടുത്തുപറയേണ്ടിയിരിക്കുന്നു. AI ഇതിനകം തന്നെ ഗവേഷണത്തിൽ വൻ കുതിച്ചുചാട്ടം സൃഷ്ടിച്ചിരിക്കുന്നു എന്ന് വേണം പറയാൻ. യേൽ സ്കൂൾ ഓഫ് മെഡിസിനിലെ ബയോ ഇൻഫോർമാറ്റിക്‌സ് ആൻഡ് ഡാറ്റ സയൻസസ് പ്രൊഫസറും ചീഫ് ഡിജിറ്റൽ ഹെൽത്ത് ഓഫീസറുമായ ലീ ഷ്വാം, എം.ഡി. പറയുന്നതെന്തെന്നാൽ “ഉദാഹരണത്തിന്, മനുഷ്യൻ്റെ DNA-യിലെ ഓരോ ത്രിമാന പ്രോട്ടീനിനും അതിൻ്റേതായ രൂപമുണ്ടെന്ന് വിദഗ്ധർക്ക് പണ്ടേ അറിയാമായിരുന്നു, ഈ ധാരണ ഒരു പ്രത്യേക പ്രോട്ടീനുമായി ബന്ധിപ്പിക്കുന്ന മരുന്നുകളും വാക്സിനുകളും സൃഷ്ടിക്കുന്നതിലേക്ക് നയിച്ചു, പക്ഷേ ഓരോന്നും ദൃശ്യവൽക്കരിക്കുക അസാധ്യമായിരുന്നു – AI വരുന്നത് വരെ. കൂടുതൽ ടാർഗെറ്റുചെയ്‌തതും ഫലപ്രദവുമായ മരുന്നുകളിലേക്കുള്ള വാതിൽ അതുവഴി തുറക്കപ്പെടുകയാണ്.

# ടെസ്റ്റ് ഇമേജുകൾ നന്നായി വ്യാഖ്യാനം ചെയ്യാൻ AI സാഹായകമാവുന്നു #

X-ray, CT സ്കാനുകൾ, മറ്റ് ചിത്രങ്ങൾ എന്നിവ വ്യാഖ്യാനിക്കാൻ സഹായിക്കുക എന്നതാണ് AI ഇതിനകം ഉപയോഗിക്കുന്ന ഏറ്റവും വലിയ മാർഗം. AI ഉപയോഗിക്കുന്ന അൽഗോരിതങ്ങൾ ഒരു ഇമേജ് നോക്കുന്നതിനും ഒരു പാറ്റേൺ തിരിച്ചറിയുന്നതിനും വളരെ അനുയോജ്യമാണ്. ചിത്രങ്ങൾ അവലോകനം ചെയ്യാൻ AI-യെ അനുവദിക്കുന്നത് രോഗം കണ്ടെത്തുന്നത് വർദ്ധിപ്പിക്കുമെന്ന് പഠനങ്ങൾ തെളിയിക്കുന്നു. വിദഗ്ധരായ ഫിസിഷ്യൻമാർ പോലും കാണാതെ പോയ പാടുകൾ മാമോഗ്രാമിൽ AI പതിവായി കണ്ടെത്തുന്നു, തത്സമയം കൊളോനോസ്‌കോപ്പികളിൽ AI ചേർക്കുമ്പോൾ, ഗണ്യമായി കൂടുതൽ പോളിപ്പുകൾ കണ്ടെത്തുന്നു.
ഇവിടെ നാം മനസ്സിലാക്കേണ്ടത് AI ഒരിക്കലും ഒരു മനുഷ്യബുദ്ധിക്ക് പകരമാവുന്നില്ല എന്നതാണ്. കാൽക്കുലേറ്ററുകൾ ഒരിക്കലും അക്കൗണ്ടൻ്റുമാരെ മാറ്റിയില്ല, പക്ഷേ കണക്കുകൂട്ടുന്നതിനേക്കാൾ ജോലിയുടെ പ്രധാന ഭാഗങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ അവരെ സ്വതന്ത്രരാക്കി എന്നതാണ്. AI Chest X-ray ആദ്യമായി വായിക്കാൻ അനുവദിച്ച ഒരു പഠനത്തിൽ, അത് ഫ്ലാഗ് ചെയ്ത ചിത്രങ്ങൾ റേഡിയോളജിസ്റ്റുകളെ സാധ്യമായ പ്രശ്നങ്ങളുള്ള രോഗികൾക്ക് മുൻഗണന നൽകാനും സാധാരണയായി 1-2 ദിവസത്തിനുള്ളിൽ അവലോകനം ചെയ്യപ്പെടുന്ന സ്കാനുകൾ മിനിറ്റുകൾക്കുള്ളിൽ അവലോകനം ചെയ്യാനും സഹായിച്ചു.
ഇത് കൂടാതെ ഹൃദയത്തിന്റെ MRI-കളും പ്രമേഹമുള്ളവരിൽ നേത്രരോഗം കണ്ടെത്തുന്നതിനുള്ള പതിവ് നേത്ര പരിശോധനകളും ഉൾപ്പെടുന്നു.

# AI രോഗനിർണയം നടത്തി ചികിത്സകൾ നിർദ്ദേശിക്കാൻ സഹായിക്കുന്നു #

വിവിധ സ്രോതസ്സുകളിൽ നിന്നുള്ള വിവരങ്ങൾ സമന്വയിപ്പിച്ച് സമർത്ഥമായ നിഗമനങ്ങളിൽ എത്തിച്ചേരാൻ AI ഉപയോഗിക്കാൻ തുടങ്ങിയിരിക്കുന്നു. ജനറേറ്റീവ് AI ഇതിൻ്റെ ഒരു പ്രധാന ഭാഗമാണ്. വ്യത്യസ്ത ചിത്രങ്ങൾ നോക്കി വിവരങ്ങൾ സമന്വയിപ്പിക്കുക’ മാത്രമല്ല, ‘ വായിക്കാൻ കഴിയുന്ന ഒരു റിപ്പോർട്ട് സൃഷ്ടിക്കുക എന്നതാണ് AI ചെയ്യുന്നത്.

ഏതൊക്കെ കിടപ്പുരോഗികളുടെ അവസ്ഥ അപകടകരമാം വിധം വഷളാകുന്നുവെന്ന് പ്രവചിക്കാൻ കഴിയുമോ എന്നറിയാൻ ആരോഗ്യ പരിരക്ഷാ ദാതാവ് കൈസർ പെർമനൻ്റെ അടുത്ത കാലത്തായി 19 ആശുപത്രികളിൽ AI ചേർത്തു, മേൽനോട്ടം വഹിക്കാൻ ധാരാളം രോഗികൾ ഉള്ളപ്പോൾ ഡോക്ടർമാർക്കും നഴ്‌സുമാർക്കും ട്രാക്ക് സൂക്ഷിക്കാൻ പ്രയാസമാണ്. എല്ലാ രോഗികൾക്കും ലാബ് പരിശോധനാ ഫലങ്ങൾ, സുപ്രധാന സൂചനകൾ, നഴ്‌സുമാരുടെ റിപ്പോർട്ടുകൾ, മെഡിക്കൽ ചരിത്രങ്ങൾ, മറ്റ് ഘടകങ്ങൾ എന്നിവയുൾപ്പെടെയുള്ള പതിവ് ഇൻപുട്ടുകൾ AI ടൂളിന് ലഭിച്ചു, തുടർന്ന് അവരുടെ കെയർ ടീമുകൾക്ക് അവരുടെ ചികിത്സ മാറ്റാൻ കഴിയുന്ന തരത്തിൽ രോഗം കുറയുന്നതിൻ്റെ ലക്ഷണങ്ങൾ കാണിക്കുന്നവർക്ക് അലേർട്ടുകൾ നൽകി. 2.5 വർഷത്തിനിടയിൽ 35,000-ത്തിലധികം രോഗികളിൽ, അലേർട്ടിനെ തുടർന്നുള്ള 30 ദിവസങ്ങളിൽ 16% കുറവ് മരണങ്ങൾ ഉണ്ടായി, റിപ്പോർട്ട് ചെയ്തു. സാങ്കേതികവിദ്യ ഇതുവരെ ലഭ്യമായിട്ടില്ലെങ്കിലും AI രോഗികൾക്കുള്ള ചികിത്സാ പദ്ധതികളും ഉടൻ നിർദ്ദേശിച്ചേക്കാം. ഒരു നല്ല ചികിത്സാ പദ്ധതി തയ്യാറാക്കുന്നതിൽ AI ഏകദേശം 70% കൃത്യതയുണ്ടെന്ന് ആരോഗ്യ സംരക്ഷണ വിദഗ്ധൻ ജനറൽ ബ്രിഗാം കണ്ടെത്തി. ഇത് ആശ്രയിക്കാൻ പര്യാപ്തമല്ല, എന്നാൽ കൂടെ മെച്ചപ്പെടുത്തലുകൾ ചെയ്യാൻ സാധ്യമാണെന്ന് ആരോഗ്യ സംവിധാനത്തിലെ നവീകരണത്തിൻ്റെയും വാണിജ്യവൽക്കരണത്തിൻ്റെയും അസോസിയേറ്റ് ചെയർ മാർക്ക് സുച്ചി, M D പറയുന്നു. AI സഹായിക്കുമെന്ന് തോന്നുന്ന ഒരു അവസ്ഥയാണ് സ്ട്രോക്ക്; രോഗികളുടെ പരിശോധനാ ഫലങ്ങൾ വിലയിരുത്താൻ ഡോക്ടർമാർ AI യോട് ആവശ്യപ്പെട്ടപ്പോൾ, നിർദ്ദിഷ്ട ചികിത്സകളിൽ നിന്ന് പ്രയോജനം നേടുന്ന ചിലരെ അത് ഫലപ്രദമായി തിരിച്ചറിഞ്ഞതായി ഗവേഷണത്തിൻ്റെ ഒരു സംഗ്രഹം കാണിക്കുന്നു.

# പകർച്ച വ്യാധികൾ നേരത്തെ തന്നെ AI തിരിച്ചറിയുന്നു #

ഉയർന്നുവരുന്ന രോഗങ്ങളിൽ, വാർത്താ റിപ്പോർട്ടുകൾ, പ്രാദേശിക ആരോഗ്യ വകുപ്പിൻ്റെ ബുള്ളറ്റിനുകൾ, ഓൺലൈൻ മെഡിക്കൽ പ്രസിദ്ധീകരണങ്ങൾ, കൂടാതെ മറ്റ് പല സ്ഥലങ്ങളിലും പ്രധാനപ്പെട്ട വിവരങ്ങൾ ലോകമെമ്പാടും ചിതറിക്കിടക്കുന്നു. മെഡിക്കൽ സയൻസ് മോണിറ്ററിലെ ഈയിടെ എഡിറ്റോറിയൽ നിരീക്ഷിച്ചതുപോലെ, AI അൽഗോരിതങ്ങൾക്ക് ഈ വിവരങ്ങളെല്ലാം അടുക്കാനും പകർച്ചവ്യാധി സാധ്യതയുള്ള രോഗാണുക്കളെ ഫ്ലാഗ് ചെയ്യാനും കഴിയും.

2019 ഡിസംബറിൽ തന്നെ, ലോകമെമ്പാടും COVID-19 നെക്കുറിച്ച് റെഡ് ഫ്ലാഗുകൾ ഉയർത്തുന്നതിന് മുമ്പ്, ഒരു ഓൺലൈൻ പകർച്ചവ്യാധി നിരീക്ഷണ സംവിധാനം ന്യുമോണിയ പോലുള്ള രോഗലക്ഷണങ്ങളുടെ ഒരു സംശയാസ്പദമായ ക്ലസ്റ്ററിനെ പരാമർശിച്ചതായി എഡിറ്റോറിയൽ അഭിപ്രായപ്പെട്ടു. AI ജോലിയിലായിരുന്നെങ്കിൽ, അത് എപ്പിഡെമിയോളജിസ്റ്റുകൾക്ക് മുന്നറിയിപ്പ് നൽകാമായിരുന്നു.അവർക്ക് കോവിഡിനെ തടയാൻ ഉചിതമായ പ്രതിരോധ നടപടികൾ നേരത്തെ തന്നെ സ്വീകരിക്കാൻ കഴിയുമായിരുന്നു, കൂടാതെ കോവിഡ് പാൻഡെമിക്കിനെ വലിയ തോതിൽ നിയന്ത്രിക്കാമായിരുന്നു.

# AI ആരോഗ്യ സംരക്ഷണത്തെ കൂടുതൽ കാര്യക്ഷമവും പേഷ്യന്റ് ഫ്രണ്ട്‌ലിയും ആക്കുന്നു #

BJC ഹെൽത്ത്‌കെയർ നിലവിൽ ഒരു ക്ലിനിക്ക് സന്ദർശനത്തിൽ AI ഉപയോഗിക്കുന്ന ഒരു സിസ്റ്റം പരീക്ഷിച്ചുകൊണ്ടിരിക്കുകയാണ്, ഇത് രോഗിയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ ഫിസിഷ്യനെ സ്വതന്ത്രനാക്കുന്നു. “ഇത് വളരെ കൃത്യമാണെന്ന് കണ്ടെത്തുന്നു,” ഡോ. മാഡോക്സ് പറയുന്നു, അപ്പോയിൻ്റ്മെൻ്റിന് ശേഷം വിവരങ്ങൾ വായിക്കുന്ന ഡോക്ടർമാർ കുറച്ച് കാര്യങ്ങൾ മാത്രം ട്വീക്ക് ചെയ്യുന്നു. ഇതിലും മികച്ചത്, രോഗിയുടെ ഇഷ്ടപ്പെട്ട ഭാഷയിലും അവരുടെ വായനാ തലത്തിലും സന്ദർശനത്തിൻ്റെ ഒരു സംഗ്രഹം സൃഷ്ടിക്കാൻ AI-ന് കഴിയും. ഡോക്‌ടർമാർ അവരുടെ അപ്പോയിൻ്റ്‌മെൻ്റിന് മിനിറ്റുകൾക്ക് മുമ്പ് ഒരു രോഗിയുടെ ചാർട്ട് സംഗ്രഹിക്കാൻ AI-യോട് ആവശ്യപ്പെടുന്നതിലൂടെ അവർക്ക് രോഗാവസ്ഥയെ കുറിച്ചുള്ള വലിയ ആശങ്കകൾ മനസ്സിലാക്കാൻ എളുപ്പത്തിൽ സാധിക്കുന്നു.

AI-യ്ക്ക് ഷെഡ്യൂളിംഗ് വളരെയധികം മെച്ചപ്പെടുത്താൻ കഴിയുമെന്ന് വിദഗ്ധർ കരുതുന്നു. രോഗിയുടെ മെഡിക്കൽ ഹിസ്റ്ററി ഡാറ്റയെ അടിസ്ഥാനമാക്കി കൂടുതൽ കൃത്യമായ വിലയിരുത്തലുകൾ നടത്താൻ AI-ക്ക് കഴിയുന്നു. രോഗികൾ നൽകേണ്ട വിവിധ ഫോളോ-അപ്പ് ടെസ്റ്റുകൾ ട്രാക്ക് ചെയ്യാനും അവ ഷെഡ്യൂൾ ചെയ്യുന്നുവെന്ന് ഉറപ്പാക്കാനും ഇത് ഉപയോഗിച്ചേക്കാം-നിലവിൽ അതൊരു വലിയ സംരംഭമാണ്.

# സാധ്യമായ പ്രശ്നങ്ങൾ ധാരാളം #

അവയിൽ പ്രായം, വംശം, ലിംഗഭേദം, ലൈംഗികത എന്നിവയുമായി ബന്ധപ്പെട്ട് പക്ഷപാതിത്വം നിലനിർത്തുന്നത് AI യുടെ നിഗമനങ്ങളിൽ കാണപ്പെടുന്നു. AI സ്വയം ചിന്തിക്കുന്നില്ല, എന്നാൽ മുൻകാല ഡാറ്റയിൽ നിന്ന് പഠിക്കുക മാത്രമാണ് ചെയ്യുന്നത്. AI യും നിലവിൽ തെറ്റുകൾക്ക് സാധ്യതയുണ്ട്. അടുത്തിടെ നടത്തിയ ഒരു പഠനം ChatGPT യോട് മരുന്നുകളെ കുറിച്ച് നിരവധി ഡസൻ ചോദ്യങ്ങൾ ചോദിക്കുകയും അത് ഏകദേശം മുക്കാൽ ഭാഗവും തെറ്റായ അല്ലെങ്കിൽ അപൂർണ്ണമായ വിവരങ്ങൾ നൽകുകയും ചെയ്തു. മറ്റൊരു പ്രശ്നം, കമ്പ്യൂട്ടറുകൾ വളരെ സൂക്ഷ്മതയുള്ളതും ആരോഗ്യപ്രശ്നങ്ങൾ ഉണ്ടാക്കാത്ത കാര്യങ്ങൾ ഫ്ലാഗുചെയ്യുന്നതുമാണ്, ഇത് രോഗികളെ അനാവശ്യമായ ഉത്കണ്ഠയിലേക്ക് നയിക്കുന്നു.

ഹെൽത്ത് കെയർ കമ്പനികൾ ജീവനക്കാരെ പിൻവലിക്കുമെന്നതാണ് അടുത്ത വലിയ ആശങ്ക. “രോഗികൾ ഒരു ഡോക്ടർക്ക് പകരം ഒരു AI യോട് സംസാരിക്കാൻ ആഗ്രഹിക്കുന്നുണ്ടോ? ഒരിക്കലുമില്ല “ആരോഗ്യ സംരക്ഷണം വളരെ അടിസ്ഥാനപരമായ ഒരു മനുഷ്യ ഉദ്യമമാണ്, അതിനാൽ വ്യക്തിത്വമില്ലാത്ത AI യുമായി മാത്രം ആളുകൾ ഇടപഴകുന്നത് ഒരു വലിയ പോരായ്മയാണ്,” ഡോ. മാഡോക്സ് പറയുന്നു. ഡോക്‌ടർമാർ അവയിൽ അമിതമായി ആശ്രയിക്കുകയും ഒരു രോഗിയുടെ ഫലത്തിൽ എല്ലാ മാറ്റങ്ങളും വരുത്തിയേക്കാവുന്ന സൂക്ഷ്മതകൾ നഷ്ടപ്പെടുകയും ചെയ്യും.

എന്നാൽ പണം ലാഭിക്കാൻ AI അമിതമായി ഉപയോഗിക്കാനും മനുഷ്യ പ്രൊഫഷണലുകളെ എണ്ണം കുറയുമോ എന്ന് കാത്തിരുന്ന് കാണേണ്ടിവരും. AI ആരോഗ്യ പരിപാലനത്തിലെ അസമത്വങ്ങൾ വർദ്ധിപ്പിച്ചേക്കുമെന്ന് ആശങ്കകൾ ഉയർന്നുവരുന്നുണ്ട് “ചില ഹോസ്പിറ്റൽ നെറ്റ്‌വർക്കുകൾ ചില ആളുകൾക്ക് ഡോക്ടർമാരിലേക്ക് പ്രവേശനം നൽകുന്നു, എന്നാൽ മറ്റുള്ളവർക്ക് AI-യിലേക്ക് പ്രവേശനം നൽകുന്നു,” എന്ന് വ്യഗ്ദർ പറയുന്നു, കുറഞ്ഞ വരുമാനക്കാരും ഇൻഷുറൻസ് ഇല്ലാത്തവരുമായ ആളുകൾ മെഷീനുകളിലേക്ക് മാറാനുള്ള സാധ്യത കൂടുതലാണ്. അവസാനമായി, കൂടുതൽ ദാതാക്കൾ AI-യിലേക്ക് തിരിയുമ്പോൾ, കൂടുതൽ ഡാറ്റ ഡിജിറ്റൈസ് ചെയ്യപ്പെടും, ഇത് വളരെയേറെ ആശങ്കാജനകമാണ്.

തീർച്ചയായും, ഈ അപകടങ്ങളിൽ ചിലത് തടയാൻ ഗേറ്റ് കീപ്പർമാർ ഉണ്ട്. രോഗി പരിചരണത്തിൽ ഉൾപ്പെട്ടിരിക്കുന്ന ഏതൊരു AI സാങ്കേതികവിദ്യയും FDA അംഗീകരിക്കണം, ഫെഡറൽ ഗവൺമെൻ്റ് അടുത്തിടെ AI ബില്ലിൻ്റെ ഒരു ബ്ലൂപ്രിൻ്റ് പുറത്തിറക്കി, കൂടാതെ അമേരിക്കൻ മെഡിക്കൽ അസോസിയേഷൻ ആരോഗ്യ പരിരക്ഷയിൽ AI ഉപയോഗിക്കുന്നതിനുള്ള തത്വങ്ങൾ ധാർമ്മികവും തുല്യവും സുതാര്യവുമായ രീതിയിൽ അവതരിപ്പിച്ചു.

വലിയൊരു പരിവർത്തനം വരുമെന്നതിൽ സംശയമില്ല. പല വിദഗ്‌ധരും ആവേശഭരിതരാണ്, രോഗിയുടെ ഫലങ്ങളുടെയും അനുഭവങ്ങളുടെയും കാര്യത്തിൽ നല്ലത് ചീത്തയേക്കാൾ വളരെ കൂടുതലായിരിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. ഈ സാങ്കേതികവിദ്യ ഡോക്ടർമാരുടെ ആവശ്യം ഇല്ലാതാക്കില്ല, പകരം AI ഉപയോഗിക്കുന്ന ഡോക്ടർമാർ ഉപയോഗിക്കാത്ത ഡോക്ടർമാരെ പുനഃസ്ഥാപിച്ചേക്കാം.