एआई सिंगापुर में एक पैथोलॉजिस्ट की मदद कर रहा है ताकि रोगी के मामलों को बनाए रखा जा सके

सिंगापुर जनरल अस्पताल में एनाटोमिकल पैथोलॉजी विभाग के प्रमुख डॉ। चेंग ची लियोंग के साथ बातचीत पर आधारित यह निबंध है। इस साक्षात्कार को लंबाई और स्पष्टता के लिए संपादित किया गया है।

मैं पैथोलॉजी के लिए तैयार हूं क्योंकि सटीक निदान उचित उपचार और प्रबंधन के लिए महत्वपूर्ण प्रारंभिक बिंदु है। मेरे क्षेत्र में, हम एक मरीज की बीमारी या स्थिति को निर्धारित करने के लिए माइक्रोस्कोप के तहत ऊतकों की जांच करते हैं।

पैथोलॉजिस्ट को हमारे अभ्यास की बढ़ती जटिलता से निपटने में अधिक समय बिताने की आवश्यकता है। एआई में हमारी उत्पादकता में सुधार करने की क्षमता है।

बढ़ती उम्र बढ़ने की आबादी के साथ, हम अधिक जटिल रोगियों के साथ काम करेंगे। हमारी बुजुर्ग आबादी लंबे समय तक रह रही है, और हमारे पास एक ही समय में कई स्थितियों वाले रोगी होंगे।

हम हमेशा जनशक्ति की सापेक्ष कमी के साथ काम कर रहे हैं, और यह इस तथ्य से जटिल है कि हमें वास्तव में ऊतक के साथ अधिक से अधिक करने के लिए कहा जा रहा है।

उदाहरण के लिए, अतीत में, प्रोस्टेट बायोप्सी को पूरे मामले के लिए चार मापदंडों की आवश्यकता हो सकती है। अब, हमें प्रत्येक व्यक्तिगत नमूने के लिए अधिक विशिष्ट मापदंडों से निपटना होगा।

कभी -कभी, नमूनों की संख्या 20 से 30 तक पहुंच सकती है, जो कि कम से कम 10 से 20 गुना काम की मात्रा है जो हम वास्तव में उपयोग करते हैं। यह बहुत टिकाऊ नहीं है क्योंकि आप कभी भी 10 से 20 बार चीजों से निपटने के लिए आवश्यक जनशक्ति की संख्या में वृद्धि नहीं कर पाएंगे।

यही वह जगह है जहां एआई को अंदर आने की आवश्यकता होगी, जिससे हमें कम के साथ अधिक करने और संसाधनों की मात्रा में वृद्धि के बिना अधिक मापदंडों से निपटने की अनुमति मिलेगी।

एआई उच्च आवर्धन के तहत जांच कर सकते हैं, इससे अधिक तेजी से ब्याज के क्षेत्रों को उजागर कर सकता है, जिससे आत्मविश्वास और दक्षता दोनों में सुधार हो सकता है।

AI वर्षों से पैथोलॉजी का हिस्सा है

मैं बीस से अधिक वर्षों से चिकित्सा सूचना विज्ञान में शामिल रहा हूं, जब मैं सिंगापुर सशस्त्र बलों में एक चिकित्सा अधिकारी था।

हम लगभग एक दशक पहले डिजिटल पैथोलॉजी छवियों के लिए मशीन लर्निंग-आधारित उपकरणों के संपर्क में थे।

2020 से 2021 तक सिंगापुर जनरल अस्पताल और एआई सिंगापुर के बीच एक परियोजना ने फाइब्रोएपिथेलियल घावों नामक ट्यूमर को अलग करने के लिए एआई का उपयोग करने पर ध्यान केंद्रित किया। ये आपके पारंपरिक स्तन कैंसर नहीं हैं, बल्कि दो संबंधित स्थितियां हैं जो कभी -कभी एक दूसरे की नकल कर सकती हैं: फाइब्रोडेनोमास और फाइलोड्स ट्यूमर।

हमने बायोप्सी सामग्री पर इन दो घावों के बीच अंतर करने का प्रयास करने के लिए AI एल्गोरिदम का निर्माण किया। लक्ष्य हमारे नैदानिक आत्मविश्वास और बेहतर गाइड उपचार निर्णयों में सुधार करना था।

एआई अचूक नहीं है – विशेष रूप से जटिल मामलों में

यहां तक कि सर्वश्रेष्ठ प्रशिक्षित एआई में त्रुटि का एक मार्जिन होगा, और इसका प्रदर्शन इनपुट डेटा पर बहुत अधिक निर्भर करता है।

एआई के पास अभी भी किसी भी तरह से जटिल डेटा को एकीकृत करने के लिए हमें सही निदान के लिए मार्गदर्शन करने के लिए जाना है जो हम माइक्रोस्कोप के तहत देखते हैं।

उदाहरण के लिए, हम अन्य डेटा, जैसे कि मरीजों के इलेक्ट्रॉनिक रिकॉर्ड और रेडियोलॉजी रिपोर्ट की जांच करते हैं, पूरे नैदानिक चित्र को बेहतर ढंग से समझने के लिए।

प्रशिक्षित पेशेवरों के विपरीत, एआई के पास अभी भी अनुकूलनशीलता और सामान्यीकरण के साथ मुद्दे हैं, जिसमें कम-से-इष्टतम परिस्थितियों में मुद्दों से निपटना शामिल है।

AI अपने प्रशिक्षण डेटा पर बहुत निर्भर है। जब AI को अलग -अलग तरीके से संसाधित किए जाने वाले ऊतक का सामना किया जाता है – उदाहरण के लिए, विदेशी प्रयोगशालाओं से नमूने जिनमें अलग -अलग रंग या दिखावे होते हैं – यह उप -रूप से प्रदर्शन कर सकता है।

कभी -कभी, एआई स्लाइड पर टिशू को एक सकारात्मक खोज के रूप में मुड़ा हुआ ऊतक की गलती करेगा जब यह नहीं होना चाहिए। एक प्रशिक्षित मानव पेशेवर उपन्यास के निष्कर्षों और स्थितियों के बारे में बताने के तरीके खोजने में सक्षम होगा, जिसके साथ वे कम अनुभव रखते हैं, बजाय इसके कि वह एक श्रेणी में मजबूर करने की कोशिश कर सकता है जो एआई कर सकता है।

अभी के लिए, लूप में मानव अपरिहार्य है। हम हमेशा यह सुनिश्चित करने के लिए सुरक्षा के एक मार्जिन का अभ्यास करते हैं कि हम गलतियाँ न करें।

आखिरकार, कई वर्षों के प्रशिक्षण ने हमें ज्ञान के आधार का निर्माण करने में मदद की जो हमें सटीक व्याख्या करने और निदान करने की अनुमति देगा।

समय के साथ, एआई, पर्याप्त प्रशिक्षण, डेटा और सही मार्गदर्शन दिया गया, वास्तव में बेहतर करने में सक्षम हो सकता है।

जबकि एआई मध्यम से लंबे समय तक डॉक्टरों या मनुष्यों की जगह नहीं लेगा, एआई की क्षमता के बिना एक मानव तेजी से विकसित स्वास्थ्य सेवा क्षेत्र के साथ नहीं रख पाएगा।

एआई अंततः हमारे काम करने के तरीके को बदल देगा। इसके लिए हमें एक अलग कौशल सेट प्राप्त करने और मांग करने की आवश्यकता होगी कि हम उच्च स्तर पर अभ्यास करें।

क्या आपके पास हेल्थकेयर में एआई के बारे में साझा करने के लिए एक कहानी है? इस रिपोर्टर से संपर्क करें cmlee@businessinsider.com।