हाल के वर्षों में, कृत्रिम बुद्धि को दवा में तेजी से विश्वास दिलाया गया है, लेकिन अधिकांश सिस्टम पाठ डेटा या व्यक्तिगत कार्यों के साथ काम करते हैं। गूगल से नए शोध में एक अलग स्तर पर बातचीत होती है: कंपनी ने लाइव वीडियो परामर्श पर अपने प्रयोगात्मक AMIE प्रणाली का परीक्षण किया और परिणाम चिकित्सकों के काम के बराबर थे। इसका मतलब यह नहीं है कि एआई डॉक्टरों को प्रतिस्थापित करने के लिए तैयार है, लेकिन यह पहले से ही परीक्षा आयोजित कर सकता है और प्राथमिक देखभाल विशेषज्ञ के स्तर पर चिकित्सा इतिहास एकत्र कर सकता है।
क्या अध्ययन से पता चला
परीक्षण में 15 पेशेवर अभिनेता शामिल थे जिन्होंने पांच क्षेत्रों में शिकायतों के साथ रोगियों को खेला: कार्डियोपल्मोनरी मुद्दे, पेट में दर्द, ईएनटी और आंखों के लक्षण, न्यूरोलॉजिकल और मानसिक स्थिति, साथ ही साथ मस्कुलोस्केलेटल विकृति। प्रत्येक परामर्श एक तुल्यकालिक वीडियो प्रारूप में हुआ: AMIE ने वास्तविक समय में अभिनेता के साथ बातचीत की, प्रश्नों से पूछा, और आभासी परीक्षा करने का प्रयास किया।
20 अनुभवी प्राथमिक देखभाल चिकित्सकों के एक स्वतंत्र पैनल ने मानकीकृत नैदानिक रूब्रिक्स का उपयोग करके इन संवादों का मूल्यांकन किया। आश्चर्य था कि एआई का स्कोर उसी योजना के तहत काम करने वाले जीवित डॉक्टरों के बराबर था। यह न केवल शिकायतों को इकट्ठा करने के लिए बल्कि नैदानिक सटीकता, सिफारिशों की उपयुक्तता और संचार की गुणवत्ता के लिए भी लागू होता है। वीडियो प्रारूप को टेक्स्ट चैट पर भी फायदा हुआ: चिकित्सकों ने आभासी परीक्षाओं के माध्यम से भौतिक संकेतों और मार्गदर्शक अभिनेताओं की पहचान के लिए एक वीडियो स्ट्रीम उच्च के साथ काम करने वाली प्रणाली को रेट किया। अभिनेताओं ने खुद को भी पसंद किया वीडियो-उन्होंने समस्याओं का वर्णन करने के लिए इसे अधिक सुविधाजनक और प्रभावी पाया और उपचार में सहानुभूति और आत्मविश्वास का एक उच्च स्तर का उल्लेख किया।
कैसे काम करता है
इसकी सफलता का रहस्य एक असामान्य वास्तुकला में निहित है। AMIE एक अतुल्यकालिक बहु एजेंट योजना का उपयोग करता है जहां तीन स्वतंत्र एजेंट प्रक्रिया के लिए जिम्मेदार हैं। पहला, वार्ताकार, सीधे रोगी के साथ बातचीत का संचालन करता है: इसका कार्य संवाद को बनाए रखना है, प्रश्नों को स्पष्ट करना और बयानों का जवाब देना है। दूसरा एजेंट, प्लानर, पृष्ठभूमि में चुपचाप काम करता है: यह लगातार अंतर निदान और उपचार योजना को अद्यतन करता है, ट्रैक करता है कि डेटा क्या गायब है, और प्रश्न रणनीति को समायोजित करता है। तीसराधारणा-हाथ संवेदन: यह वीडियो और ऑडियो स्ट्रीम का विश्लेषण करता है, गैर-मौखिक संकेतों को चुनता है, दृश्यमान भौतिक संकेतों को रिकॉर्ड करता है, और यहां तक कि खांसी या साँस लेने जैसी आवाज़ भी होती है।
श्रम का यह प्रभाग वार्ताकार एजेंट को धीमी पृष्ठभूमि की गणना के लिए इंतजार किए बिना तुरंत जवाब देने की अनुमति देता है। नतीजतन, बातचीत प्राकृतिक महसूस करती है, बिना ठहराव के, जबकि सभी बुद्धिमान काम दृश्यों के पीछे होता है। यह पारंपरिक chatbots से एक महत्वपूर्ण अंतर है, जो पूर्ण रूप से एक अनुरोध को संसाधित करता है और उसके बाद एक प्रतिक्रिया वापस आती है।
पद्धति और परिणाम
अध्ययन को यादृच्छिक मल्टी-आर्म परीक्षण के रूप में डिजाइन किया गया था। सिंक्रोनस वीडियो AMIE की तुलना उसी सिस्टम के पाठ संस्करण के साथ की गई थी और उसी वीडियो इंटरफ़ेस का उपयोग करके दस प्रमाणित प्राथमिक देखभाल चिकित्सकों के समूह के साथ की गई थी। इसके बाद सभी परामर्शों का आकलन एक विशेषज्ञ पैनल द्वारा मापदंड के दो सेटों के खिलाफ किया गया था: समग्र नैदानिक क्षमता और परिदृश्य-विशिष्ट कौशल।
इसके अतिरिक्त, Google ने टेलीमेडिसिन क्षमता के वर्गीकरण के आधार पर एक स्वचालित मूल्यांकन सूट विकसित किया। इसका उपयोग विशिष्ट धारणा कार्यों का परीक्षण करने के लिए किया गया था - उदाहरण के लिए, शारीरिक पक्षों को अलग करने या श्वसन संकट के संकेतों को नोटिस करने की क्षमता। कुछ सिमुलेशन में, दृश्य जानकारी को पाठ विवरण के रूप में प्रदान किया गया था ताकि अंत तक वीडियो स्ट्रीम के बिना संवाद कौशल का परीक्षण किया जा सके। इससे सिस्टम में कमजोरियों की पहचान करना और अभिनेताओं के साथ परीक्षण से पहले अपने डिजाइन को परिष्कृत करना संभव हो गया।
अंतिम आकलन से पता चला कि प्रत्येक तीन एजेंट नैदानिक मेट्रिक्स में सुधार करने में योगदान देता है: इतिहास लेने, नैदानिक तर्क, उपचार सिफारिशों, संचार और प्रतिक्रिया विलंबता। वीडियो AMIE ने या तो सभी प्रमुख मेट्रिक्स में चिकित्सकों से मिलान या पीछे छोड़ दिया और अधिकांश पहलुओं में पाठ संस्करण को बेहतर बनाया। एकमात्र ऐसा क्षेत्र जहां वीडियो लैग किया गया था, शायद गति - लेकिन यहां तक कि सूचक स्वीकार्य साबित हुआ।
सीमाएं और संभावनाएं
प्रभावशाली परिणामों के बावजूद, अध्ययन लेखक खुद गंभीर सीमाओं की चेतावनी देते हैं। मुख्य यह है कि अभिनेता वास्तविक रोगियों की परिवर्तनशीलता को पूरी तरह से व्यक्त नहीं कर सकते हैं: उनके लक्षण, व्यवहार, कनेक्शन की गुणवत्ता, पर्यावरण और चिकित्सा इतिहास हमेशा एक तैयार स्क्रिप्ट से परे विस्तार करते हैं। इसके अलावा, ऐसे मामलों में जहां ऑडियोविज़ुअल धारणा विशेष रूप से महत्वपूर्ण नैदानिक जानकारी प्रदान कर सकती है, उन्हें जानबूझकर परिदृश्यों से बाहर रखा गया था - अनुकरण क्योंकि अभिनेता उन्हें स्पष्ट रूप से चित्रित नहीं कर सकते थे।
न तो स्वचालित आकलन और न ही अनुकरणीय परामर्श यह साबित करते हैं कि सिस्टम वास्तविक क्लिनिक में समान रूप से अच्छी तरह से प्रदर्शन करेगा। गूगल वर्तमान में लगभग कोई उत्पादन डेटा नहीं है-सभी वास्तविक दुनिया बाधाएं पाठ आधारित रहती हैं। इसलिए, व्यवहार में AMIE की तैनाती की किसी भी बात से पहले, वास्तविक रोगियों के साथ पूर्ण पैमाने पर परीक्षणों की आवश्यकता होती है, जहां लोगों के लक्षण और व्यवहार बहुत कम पूर्वानुमान योग्य होते हैं।
फिर भी, बहुत तथ्य यह है कि एआई एक अंतर निदान कर सकता है, एक चिकित्सा इतिहास को इकट्ठा कर सकता है और एक सामान्य चिकित्सक के स्तर पर आभासी परीक्षा का निर्माण कर सकता है। भविष्य में, ऐसी प्रणाली डॉक्टरों के लिए एक उपयोगी सहायक बन सकती है, खासकर टेलीमेडिसिन में - लेकिन अब के लिए, यह केवल एक शोध प्रोटोटाइप है, न कि एक तैयार नैदानिक उपकरण।
