ওয়াটসন ডাক্তারকে কামড়ালেন না, এবং খুব ভাল

যদিও, অন্যান্য অনেক ক্ষেত্রের মতো, AI দিয়ে ডাক্তারদের প্রতিস্থাপনের উত্সাহটি ডায়াগনস্টিক ব্যর্থতার সিরিজের পরে কিছুটা হ্রাস পেয়েছে, AI-ভিত্তিক ওষুধের বিকাশের কাজ এখনও চলছে। কারণ, তা সত্ত্বেও, তারা এখনও এর অনেক ক্ষেত্রে ক্রিয়াকলাপের দক্ষতা উন্নত করার দুর্দান্ত সুযোগ এবং একটি সুযোগ অফার করে।

IBM 2015 সালে ঘোষণা করা হয়েছিল, এবং 2016 সালে এটি চারটি প্রধান রোগীর ডেটা কোম্পানি (1) থেকে ডেটাতে অ্যাক্সেস পেয়েছে। সর্বাধিক বিখ্যাত, অসংখ্য মিডিয়া রিপোর্টের জন্য ধন্যবাদ, এবং একই সময়ে আইবিএম থেকে উন্নত কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে সবচেয়ে উচ্চাভিলাষী প্রকল্পটি অনকোলজি সম্পর্কিত ছিল। বিজ্ঞানীরা ডেটার বিশাল সম্পদ ব্যবহার করার চেষ্টা করছেন যাতে সেগুলিকে ভালভাবে অভিযোজিত অ্যান্টি-ক্যান্সার থেরাপিতে পরিণত করা যায়। দীর্ঘমেয়াদী লক্ষ্য ছিল ওয়াটসনকে রেফারি করা ক্লিনিকাল ট্রায়াল এবং ফলাফল একজন ডাক্তার হিসাবে হবে।

1. ওয়াটসন হেলথ মেডিক্যাল সিস্টেমের একটি ভিজ্যুয়ালাইজেশন

যাইহোক, এটা পরিণত ওয়াটসন স্বাধীনভাবে চিকিৎসা সাহিত্য উল্লেখ করতে পারে না, এবং রোগীদের ইলেকট্রনিক মেডিকেল রেকর্ড থেকে তথ্য বের করতে পারে না। তবে তার বিরুদ্ধে সবচেয়ে গুরুতর অভিযোগ ছিল সেটি অন্য বয়স্ক ক্যান্সার রোগীদের সাথে একটি নতুন রোগীকে কার্যকরভাবে তুলনা করতে এবং প্রথম নজরে অদৃশ্য লক্ষণগুলি সনাক্ত করতে ব্যর্থতা.

স্বীকৃতভাবে, কিছু ক্যান্সার বিশেষজ্ঞ ছিলেন যারা তার রায়ে আস্থা রাখার দাবি করেছিলেন, যদিও বেশিরভাগই স্ট্যান্ডার্ড চিকিত্সার জন্য ওয়াটসনের পরামর্শের পরিপ্রেক্ষিতে বা একটি অতিরিক্ত, অতিরিক্ত চিকিৎসা মতামত হিসাবে। অনেকে উল্লেখ করেছেন যে এই সিস্টেমটি চিকিত্সকদের জন্য একটি দুর্দান্ত স্বয়ংক্রিয় গ্রন্থাগারিক হবে।

IBM থেকে খুব চাটুকার রিভিউ না ফলে মার্কিন চিকিৎসা প্রতিষ্ঠানে ওয়াটসন সিস্টেম বিক্রির সমস্যা. আইবিএম বিক্রয় প্রতিনিধিরা এটি ভারত, দক্ষিণ কোরিয়া, থাইল্যান্ড এবং অন্যান্য দেশের কিছু হাসপাতালে বিক্রি করতে সক্ষম হয়েছিল। ভারতে, ডাক্তাররা () স্তন ক্যান্সারের 638 টি ক্ষেত্রে ওয়াটসনের সুপারিশ মূল্যায়ন করেছেন। চিকিত্সার সুপারিশগুলির জন্য সম্মতির হার হল 73%। আরও খারাপ ওয়াটসন দক্ষিণ কোরিয়ার গ্যাচন মেডিক্যাল সেন্টারে ড্রপ আউট, যেখানে 656 কোলোরেক্টাল ক্যান্সার রোগীদের জন্য তার সেরা সুপারিশগুলি বিশেষজ্ঞের সুপারিশের সাথে মিলেছে মাত্র 49 শতাংশ সময়। চিকিৎসকরা তা মূল্যায়ন করেছেন ওয়াটসন বয়স্ক রোগীদের সাথে ভাল করেননিতাদের নির্দিষ্ট মানসম্পন্ন ওষুধ দিতে ব্যর্থ হয়ে, এবং মেটাস্ট্যাটিক রোগে আক্রান্ত কিছু রোগীর জন্য আক্রমনাত্মক চিকিত্সা নজরদারি করার গুরুতর ভুল করেছে।

শেষ পর্যন্ত, যদিও একজন ডায়াগনস্টিশিয়ান এবং চিকিত্সক হিসাবে তার কাজকে অসফল বলে মনে করা হয়, তবে এমন কিছু ক্ষেত্র রয়েছে যেখানে তিনি অত্যন্ত দরকারী প্রমাণিত হয়েছেন। পণ্য জিনোমিক্সের জন্য ওয়াটসন, যা নর্থ ক্যারোলিনা বিশ্ববিদ্যালয়, ইয়েল বিশ্ববিদ্যালয় এবং অন্যান্য প্রতিষ্ঠানের সহযোগিতায় বিকশিত হয়েছিল, ব্যবহার করা হয় ক্যান্সার বিশেষজ্ঞদের জন্য রিপোর্ট প্রস্তুত করার জন্য জেনেটিক পরীক্ষাগার. ওয়াটসন তালিকা ফাইল ডাউনলোড করে জেনেটিক মিউটেশন একটি রোগীর মধ্যে এবং মিনিটের মধ্যে একটি প্রতিবেদন তৈরি করতে পারে যাতে সমস্ত গুরুত্বপূর্ণ ওষুধ এবং ক্লিনিকাল ট্রায়ালের পরামর্শ অন্তর্ভুক্ত থাকে। ওয়াটসন আপেক্ষিক সহজে জেনেটিক তথ্য পরিচালনা করেকারণ সেগুলি কাঠামোগত ফাইলগুলিতে উপস্থাপিত হয় এবং এতে অস্পষ্টতা থাকে না - হয় একটি মিউটেশন আছে বা কোন মিউটেশন নেই।

উত্তর ক্যারোলিনা বিশ্ববিদ্যালয়ের IBM অংশীদাররা 2017 সালে দক্ষতার উপর একটি গবেষণাপত্র প্রকাশ করেছে। ওয়াটসন সম্ভাব্য গুরুত্বপূর্ণ মিউটেশন খুঁজে পেয়েছেন যা তাদের মধ্যে 32% মানুষের গবেষণা দ্বারা চিহ্নিত করা হয়নি। রোগীদের অধ্যয়ন, নতুন ওষুধের জন্য তাদের ভাল প্রার্থী তৈরি করে। যাইহোক, এখনও কোন প্রমাণ নেই যে ব্যবহার ভাল চিকিত্সার ফলাফলের দিকে পরিচালিত করে।

প্রোটিনের গৃহস্থালীকরণ

এটি এবং আরও অনেক উদাহরণ ক্রমবর্ধমান বিশ্বাসে অবদান রাখে যে স্বাস্থ্যসেবার সমস্ত ঘাটতিগুলি সমাধান করা হচ্ছে, তবে আমাদের এমন অঞ্চলগুলি সন্ধান করতে হবে যেখানে এটি সত্যিই সাহায্য করতে পারে, কারণ সেখানে লোকেরা খুব ভাল কাজ করছে না। যেমন একটি ক্ষেত্র, উদাহরণস্বরূপ, প্রোটিন গবেষণা. গত বছর, তথ্য উঠেছিল যে এটি তাদের অনুক্রমের উপর ভিত্তি করে প্রোটিনের আকৃতি সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে (2)। এটি একটি ঐতিহ্যগত কাজ, শুধুমাত্র মানুষের ক্ষমতার বাইরে নয়, এমনকি শক্তিশালী কম্পিউটারও। আমরা যদি প্রোটিন অণুর মোচড়ের সুনির্দিষ্ট মডেলিং আয়ত্ত করি, তাহলে জিন থেরাপির জন্য বিশাল সুযোগ থাকবে। বিজ্ঞানীরা আশা করেন যে আলফাফোল্ডের সাহায্যে আমরা হাজার হাজারের কার্যকারিতা অধ্যয়ন করব এবং এর ফলে আমাদের অনেক রোগের কারণগুলি বোঝার অনুমতি দেবে।

চিত্র 2. ডিপমাইন্ডের আলফাফোল্ডের সাথে মডেল করা প্রোটিন টুইস্টিং।

এখনই আমরা দুইশ মিলিয়ন প্রোটিন জানি, কিন্তু আমরা তাদের একটি ছোট অংশের গঠন এবং কার্যকারিতা সম্পূর্ণরূপে বুঝতে পারি। প্রোটিন এটি জীবন্ত প্রাণীর মৌলিক বিল্ডিং ব্লক। কোষে ঘটে যাওয়া বেশিরভাগ প্রক্রিয়ার জন্য তারা দায়ী। তারা কিভাবে কাজ করে এবং তারা কি করে তা তাদের 50D গঠন দ্বারা নির্ধারিত হয়। তারা পদার্থবিদ্যার আইন দ্বারা পরিচালিত কোনো নির্দেশ ছাড়াই উপযুক্ত রূপ নেয়। কয়েক দশক ধরে, প্রোটিনের আকৃতি নির্ধারণের জন্য পরীক্ষামূলক পদ্ধতিই প্রধান পদ্ধতি। XNUMX এর দশকে, ব্যবহার এক্স-রে ক্রিস্টালোগ্রাফিক পদ্ধতি. গত দশকে, এটি পছন্দের গবেষণার হাতিয়ার হয়ে উঠেছে। ক্রিস্টাল মাইক্রোস্কোপি. 80 এবং 90 এর দশকে, প্রোটিনের আকৃতি নির্ধারণের জন্য কম্পিউটার ব্যবহার করে কাজ শুরু হয়। তবে, ফলাফল এখনও বিজ্ঞানীদের সন্তুষ্ট করতে পারেনি। কিছু প্রোটিনের জন্য কাজ করে এমন পদ্ধতি অন্যদের জন্য কাজ করেনি।

ইতিমধ্যে 2018 সালে আলফাফোল্ড বিশেষজ্ঞদের কাছ থেকে স্বীকৃতি পেয়েছেন প্রোটিন মডেলিং. যাইহোক, সেই সময়ে এটি অন্যান্য প্রোগ্রামের মতোই পদ্ধতি ব্যবহার করেছিল। বিজ্ঞানীরা কৌশল পরিবর্তন করেছেন এবং আরেকটি তৈরি করেছেন, যা প্রোটিন অণুগুলির ভাঁজ করার ক্ষেত্রে শারীরিক এবং জ্যামিতিক সীমাবদ্ধতার তথ্যও ব্যবহার করেছে। আলফাফোল্ড অসম ফলাফল দিয়েছে। কখনো সে ভালো করেছে, কখনো খারাপ করেছে। কিন্তু তার ভবিষ্যদ্বাণীর প্রায় দুই-তৃতীয়াংশ পরীক্ষামূলক পদ্ধতির মাধ্যমে প্রাপ্ত ফলাফলের সাথে মিলে যায়। 2 বছরের শুরুতে, অ্যালগরিদম SARS-CoV-3 ভাইরাসের বেশ কয়েকটি প্রোটিনের গঠন বর্ণনা করেছিল। পরে, এটি পাওয়া গেছে যে Orf2020a প্রোটিনের ভবিষ্যদ্বাণী পরীক্ষামূলকভাবে প্রাপ্ত ফলাফলের সাথে সামঞ্জস্যপূর্ণ।

এটি কেবল প্রোটিন ভাঁজ করার অভ্যন্তরীণ উপায়গুলি অধ্যয়ন করার বিষয়ে নয়, নকশা সম্পর্কেও। NIH BRAIN এর উদ্যোগে গবেষকরা ব্যবহার করেন মেশিন লার্নিং একটি প্রোটিন বিকাশ করুন যা বাস্তব সময়ে মস্তিষ্কের সেরোটোনিনের মাত্রা ট্র্যাক করতে পারে। সেরোটোনিন একটি নিউরোকেমিক্যাল যা মস্তিষ্ক কীভাবে আমাদের চিন্তাভাবনা এবং অনুভূতি নিয়ন্ত্রণ করে তার মূল ভূমিকা পালন করে। উদাহরণ স্বরূপ, অনেক এন্টিডিপ্রেসেন্টকে সেরোটোনিন সংকেত পরিবর্তন করার জন্য ডিজাইন করা হয়েছে যা নিউরনের মধ্যে প্রেরিত হয়। সেল জার্নালের একটি নিবন্ধে, বিজ্ঞানীরা বর্ণনা করেছেন কিভাবে তারা উন্নত ব্যবহার করে জেনেটিক ইঞ্জিনিয়ারিং পদ্ধতি একটি ব্যাকটেরিয়া প্রোটিনকে একটি নতুন গবেষণার টুলে পরিণত করে যা বর্তমান পদ্ধতির চেয়ে বেশি নির্ভুলতার সাথে সেরোটোনিন সংক্রমণ ট্র্যাক করতে সাহায্য করতে পারে। প্রিক্লিনিকাল পরীক্ষাগুলি, বেশিরভাগ ইঁদুরের মধ্যে, দেখিয়েছে যে সেন্সর ঘুম, ভয় এবং সামাজিক মিথস্ক্রিয়া চলাকালীন মস্তিষ্কের সেরোটোনিন স্তরের সূক্ষ্ম পরিবর্তনগুলি তাত্ক্ষণিকভাবে সনাক্ত করতে পারে এবং নতুন সাইকোঅ্যাকটিভ ওষুধের কার্যকারিতা পরীক্ষা করতে পারে।

মহামারীর বিরুদ্ধে লড়াই সবসময় সফল হয়নি

সর্বোপরি, এটিই প্রথম মহামারী যা আমরা এমটি-তে লিখেছিলাম। যাইহোক, উদাহরণস্বরূপ, যদি আমরা মহামারীটির বিকাশের প্রক্রিয়াটি সম্পর্কে কথা বলি, তবে প্রাথমিক পর্যায়ে, এআই একটি ব্যর্থতা বলে মনে হয়েছিল। এমন অভিযোগ করেছেন পণ্ডিতরা কৃত্রিম বুদ্ধিমত্তা পূর্ববর্তী মহামারী থেকে পাওয়া তথ্যের ভিত্তিতে করোনাভাইরাস ছড়িয়ে পড়ার পরিমাণ সঠিকভাবে অনুমান করতে পারে না। “এই সমাধানগুলি কিছু ক্ষেত্রে ভাল কাজ করে, যেমন নির্দিষ্ট সংখ্যক চোখ এবং কান আছে এমন মুখগুলি সনাক্ত করা। SARS-CoV-2 মহামারী এগুলি পূর্বে অজানা ঘটনা এবং অনেক নতুন পরিবর্তনশীল, তাই এটিকে প্রশিক্ষণের জন্য ব্যবহৃত ঐতিহাসিক তথ্যের উপর ভিত্তি করে কৃত্রিম বুদ্ধিমত্তা ভালভাবে কাজ করে না। মহামারীটি দেখিয়েছে যে আমাদের অন্যান্য প্রযুক্তি এবং পদ্ধতির সন্ধান করতে হবে,” স্কোলটেকের ম্যাক্সিম ফেডোরভ রাশিয়ান মিডিয়াকে এপ্রিল 2020 এর বিবৃতিতে বলেছিলেন।

সময়ের সাথে সাথে ছিল তবে অ্যালগরিদম যা COVID-19-এর বিরুদ্ধে লড়াইয়ে AI-এর দুর্দান্ত উপযোগিতা প্রমাণ করে. মার্কিন যুক্তরাষ্ট্রের বিজ্ঞানীরা 2020 সালের শরত্কালে একটি সিস্টেম তৈরি করেছিলেন যাতে COVID-19 আক্রান্ত ব্যক্তিদের মধ্যে কাশির বৈশিষ্ট্যগুলি সনাক্ত করা যায়, এমনকি তাদের অন্য কোনও লক্ষণ না থাকলেও।

যখন ভ্যাকসিনগুলি উপস্থিত হয়েছিল, তখন জনসংখ্যাকে টিকা দেওয়ার জন্য এই ধারণার জন্ম হয়েছিল। তিনি উদাহরণস্বরূপ, পারে মডেল পরিবহন এবং ভ্যাকসিন সরবরাহ সাহায্য. এছাড়াও মহামারীটি দ্রুত মোকাবেলা করার জন্য কোন জনসংখ্যাকে প্রথমে টিকা দেওয়া উচিত তা নির্ধারণ করার জন্য। এটি চাহিদার পূর্বাভাস এবং দ্রুত লজিস্টিক সমস্যা এবং প্রতিবন্ধকতা সনাক্ত করে টিকাকরণের সময় এবং গতি অপ্টিমাইজ করতে সাহায্য করবে। অবিচ্ছিন্ন পর্যবেক্ষণের সাথে অ্যালগরিদমগুলির সংমিশ্রণ সম্ভাব্য পার্শ্ব প্রতিক্রিয়া এবং স্বাস্থ্য ইভেন্টগুলির বিষয়ে দ্রুত তথ্য সরবরাহ করতে পারে।

এই এআই ব্যবহার করে সিস্টেম স্বাস্থ্যসেবা অপ্টিমাইজ করা এবং উন্নত করা ইতিমধ্যে পরিচিত। তাদের ব্যবহারিক সুবিধার প্রশংসা করা হয়েছিল; উদাহরণস্বরূপ, মার্কিন যুক্তরাষ্ট্রের স্ট্যানফোর্ড ইউনিভার্সিটিতে ম্যাক্রো-আইস দ্বারা তৈরি স্বাস্থ্যসেবা ব্যবস্থা। অন্যান্য অনেক চিকিৎসা প্রতিষ্ঠানের মতোই, সমস্যা ছিল রোগীদের অভাব যারা অ্যাপয়েন্টমেন্টের জন্য দেখায়নি। ম্যাক্রো আইস এমন একটি সিস্টেম তৈরি করা হয়েছে যা নির্ভরযোগ্যভাবে ভবিষ্যদ্বাণী করতে পারে কোন রোগীদের সেখানে থাকার সম্ভাবনা নেই। কিছু পরিস্থিতিতে, তিনি ক্লিনিকের জন্য বিকল্প সময় এবং অবস্থানেরও পরামর্শ দিতে পারেন, যা রোগী দেখানোর সম্ভাবনা বাড়িয়ে তুলবে। পরবর্তীতে, অনুরূপ প্রযুক্তির সাহায্যে আরকানসাস থেকে নাইজেরিয়া পর্যন্ত বিভিন্ন জায়গায় প্রয়োগ করা হয়েছিল, বিশেষ করে, ইউএস এজেন্সি ফর ইন্টারন্যাশনাল ডেভেলপমেন্ট i.

তানজানিয়ায়, ম্যাক্রো-আইস লক্ষ্য করে একটি প্রকল্পে কাজ করেছিল শিশু টিকা দেওয়ার হার বৃদ্ধি. সফ্টওয়্যারটি বিশ্লেষণ করে যে একটি প্রদত্ত টিকা কেন্দ্রে কত ডোজ ভ্যাকসিন পাঠাতে হবে। কোন পরিবারগুলি তাদের বাচ্চাদের টিকা দিতে অনিচ্ছুক তাও তিনি মূল্যায়ন করতে সক্ষম হয়েছিলেন, তবে উপযুক্ত যুক্তি দিয়ে এবং একটি সুবিধাজনক স্থানে একটি টিকা কেন্দ্রের অবস্থানের সাথে তাদের রাজি করানো যেতে পারে। এই সফ্টওয়্যার ব্যবহার করে, তানজানিয়া সরকার তার টিকাদান কর্মসূচির কার্যকারিতা 96% বৃদ্ধি করতে সক্ষম হয়েছে। এবং প্রতি 2,42 জনে 100 টিকা বর্জ্য হ্রাস করুন।

সিয়েরা লিওনে, যেখানে বাসিন্দাদের স্বাস্থ্যের ডেটা অনুপস্থিত ছিল, সংস্থাটি শিক্ষা সম্পর্কিত তথ্যের সাথে এটি মেলানোর চেষ্টা করেছিল। দেখা গেল যে শিক্ষক এবং তাদের ছাত্রদের সংখ্যা 70 শতাংশ ভবিষ্যদ্বাণী করার জন্য যথেষ্ট। স্থানীয় ক্লিনিকের বিশুদ্ধ পানির অ্যাক্সেস আছে কিনা তার নির্ভুলতা, যা ইতিমধ্যেই সেখানে বসবাসকারী মানুষের স্বাস্থ্যের তথ্যের একটি পদচিহ্ন (3)।

3. আফ্রিকায় এআই-চালিত স্বাস্থ্যসেবা প্রোগ্রামগুলির ম্যাক্রো-আইস চিত্রণ।

যন্ত্র ডাক্তারের মিথ মুছে যায় না

ব্যর্থতা সত্ত্বেও ওয়াটসন নতুন ডায়গনিস্টিক পন্থা এখনও তৈরি করা হচ্ছে এবং আরও বেশি উন্নত বলে বিবেচিত হচ্ছে। 2020 সালের সেপ্টেম্বরে সুইডেনে তুলনা করা হয়েছে। স্তন ক্যান্সারের ইমেজিং ডায়গনিস্টিকসে ব্যবহৃত হয় দেখিয়েছেন যে তাদের মধ্যে সেরা একজন রেডিওলজিস্টের মতো একইভাবে কাজ করে। অ্যালগরিদমগুলি রুটিন স্ক্রীনিংয়ের সময় প্রাপ্ত প্রায় নয় হাজার ম্যামোগ্রাফি চিত্র ব্যবহার করে পরীক্ষা করা হয়েছে। AI-1, AI-2 এবং AI-3 হিসাবে মনোনীত তিনটি সিস্টেম, 81,9%, 67% এর নির্ভুলতা অর্জন করেছে। এবং 67,4%। তুলনার জন্য, রেডিওলজিস্টরা যারা এই চিত্রগুলিকে প্রথম হিসাবে ব্যাখ্যা করেন, এই সংখ্যাটি ছিল 77,4%, এবং এর ক্ষেত্রে রেডিওলজিস্টদ্বিতীয় কে এটি বর্ণনা করে, এটি ছিল 80,1 শতাংশ। সেরা অ্যালগরিদমগুলি এমন ক্ষেত্রেও সনাক্ত করতে সক্ষম হয়েছিল যেগুলি রেডিওলজিস্টরা স্ক্রিনিংয়ের সময় মিস করেছিলেন এবং মহিলাদের এক বছরেরও কম সময়ের মধ্যে অসুস্থ হিসাবে নির্ণয় করা হয়েছিল।

গবেষকদের মতে, এসব ফলাফল তা প্রমাণ করে কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদম রেডিওলজিস্টদের দ্বারা তৈরি মিথ্যা-নেতিবাচক নির্ণয়ের সংশোধন করতে সহায়তা করুন। একজন গড় রেডিওলজিস্টের সাথে AI-1-এর ক্ষমতা একত্রিত করার ফলে শনাক্ত হওয়া স্তন ক্যান্সারের সংখ্যা 8% বৃদ্ধি পেয়েছে। এই গবেষণা পরিচালনাকারী রয়্যাল ইনস্টিটিউটের দলটি আশা করে যে AI অ্যালগরিদমের গুণমান ক্রমাগত বৃদ্ধি পাবে। পরীক্ষার একটি সম্পূর্ণ বিবরণ JAMA অনকোলজিতে প্রকাশিত হয়েছিল।

পাঁচ-পয়েন্ট স্কেলে W. বর্তমানে, আমরা একটি উল্লেখযোগ্য প্রযুক্তিগত ত্বরণ প্রত্যক্ষ করছি এবং IV স্তরে (উচ্চ স্বয়ংক্রিয়তা) পৌঁছেছি, যখন সিস্টেম স্বয়ংক্রিয়ভাবে প্রাপ্ত ডেটা প্রক্রিয়া করে এবং বিশেষজ্ঞকে পূর্ব-বিশ্লেষিত তথ্য সরবরাহ করে। এটি সময় বাঁচায়, মানুষের ভুল এড়ায় এবং আরও দক্ষ রোগীর যত্ন প্রদান করে। কয়েক মাস আগে তিনি এটাই বিচার করেছেন স্ট্যান এ.আই. চিকিৎসা ক্ষেত্রে তার ঘনিষ্ঠ অধ্যাপক ড. জানুস ব্রাজিউইচ পোলিশ সোসাইটি ফর নিউক্লিয়ার মেডিসিন থেকে পোলিশ প্রেস এজেন্সির কাছে একটি বিবৃতিতে।

4. মেডিকেল ইমেজ মেশিন দেখার

অ্যালগরিদম, যেমন বিশেষজ্ঞদের মতে অধ্যাপক ড. ব্রাজিয়েভিচএমনকি এই শিল্পে অপরিহার্য। কারণ হল ডায়াগনস্টিক ইমেজিং পরীক্ষার সংখ্যা দ্রুত বৃদ্ধি। শুধুমাত্র 2000-2010 সময়ের জন্য। এমআরআই পরীক্ষা এবং পরীক্ষার সংখ্যা দশগুণ বেড়েছে। দুর্ভাগ্যবশত, সহজলভ্য বিশেষজ্ঞ চিকিৎসকের সংখ্যা যারা দ্রুত এবং নির্ভরযোগ্যভাবে তাদের পরিচালনা করতে পারে তাদের সংখ্যা বৃদ্ধি পায়নি। যোগ্য টেকনিশিয়ানেরও অভাব রয়েছে। এআই-ভিত্তিক অ্যালগরিদম বাস্তবায়ন সময় সাশ্রয় করে এবং পদ্ধতির সম্পূর্ণ প্রমিতকরণ, সেইসাথে মানুষের ত্রুটি এড়ানো এবং রোগীদের জন্য আরও দক্ষ, ব্যক্তিগতকৃত চিকিত্সার অনুমতি দেয়।

এটা পরিণত হিসাবে, এছাড়াও ফরেনসিক মেডিসিন থেকে উপকৃত হতে পারে কৃত্রিম বুদ্ধিমত্তার বিকাশ. এই ক্ষেত্রের বিশেষজ্ঞরা মৃত টিস্যুতে খাওয়ানো কৃমি এবং অন্যান্য প্রাণীর নিঃসরণগুলির রাসায়নিক বিশ্লেষণের মাধ্যমে মৃত ব্যক্তির মৃত্যুর সঠিক সময় নির্ধারণ করতে পারেন। একটি সমস্যা দেখা দেয় যখন বিভিন্ন ধরণের নেক্রোফেজ থেকে ক্ষরণের মিশ্রণ বিশ্লেষণে অন্তর্ভুক্ত করা হয়। এখানেই মেশিন লার্নিং কার্যকর হয়। ইউনিভার্সিটি অফ আলবানি-এর বিজ্ঞানীরা এটি তৈরি করেছেন একটি কৃত্রিম বুদ্ধিমত্তা পদ্ধতি যা কীট প্রজাতির দ্রুত সনাক্তকরণের অনুমতি দেয় তাদের "রাসায়নিক আঙ্গুলের ছাপের" উপর ভিত্তি করে। দলটি ছয় প্রজাতির মাছি থেকে রাসায়নিক ক্ষরণের বিভিন্ন সংমিশ্রণের মিশ্রণ ব্যবহার করে তাদের কম্পিউটার প্রোগ্রামকে প্রশিক্ষণ দিয়েছে। তিনি ভর স্পেকট্রোমেট্রি ব্যবহার করে পোকামাকড়ের লার্ভার রাসায়নিক স্বাক্ষরের পাঠোদ্ধার করেন, যা একটি আয়নের বৈদ্যুতিক চার্জের ভরের অনুপাত সঠিকভাবে পরিমাপ করে রাসায়নিক সনাক্ত করে।

সুতরাং, আপনি দেখতে পারেন, যাইহোক তদন্তকারী গোয়েন্দা হিসেবে এআই খুব ভালো নয়, এটি ফরেনসিক ল্যাবে খুব কার্যকর হতে পারে। সম্ভবত আমরা এই পর্যায়ে তার কাছ থেকে খুব বেশি আশা করেছিলাম, অ্যালগরিদমগুলিকে প্রত্যাশিত করে যা ডাক্তারদের কাজের বাইরে রাখবে (5)। আমরা তাকান যখন কৃত্রিম বুদ্ধিমত্তা আরও বাস্তবসম্মতভাবে, সাধারণের পরিবর্তে নির্দিষ্ট ব্যবহারিক সুবিধার উপর মনোযোগ কেন্দ্রীভূত করে, তার চিকিৎসা পেশা আবার খুব আশাব্যঞ্জক দেখাচ্ছে।

5. ডাক্তারের গাড়ির দৃষ্টি