एआई वीकली: डब्ल्यूएचओ समावेशी एआई स्वास्थ्य देखभाल प्रणाली बनाने के लिए कदमों की रूपरेखा तैयार करता है

Posted on

एआई अपनाने की अवस्था में आपका उद्यम कहां खड़ा है? पता लगाने के लिए हमारे एआई सर्वेक्षण में भाग लें।


इस सप्ताह, विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) ने स्वास्थ्य में एआई पर अपनी पहली वैश्विक रिपोर्ट जारी की, साथ ही डिजाइन, विकास और परिनियोजन के लिए छह मार्गदर्शक सिद्धांत भी जारी किए। डब्ल्यूएचओ द्वारा नियुक्त विशेषज्ञों के साथ दो साल के परामर्श का फल, काम एआई के लाभों को कम करके आंकने के खिलाफ चेतावनी देता है, जबकि यह बताता है कि इसका उपयोग बीमारियों के लिए स्क्रीनिंग में सुधार करने, नैदानिक ​​​​देखभाल में सहायता करने के लिए कैसे किया जा सकता है।

स्वास्थ्य देखभाल उद्योग भारी मात्रा में डेटा का उत्पादन करता है। IDC के एक अध्ययन का अनुमान है कि सालाना बनाए गए स्वास्थ्य डेटा की मात्रा, जो 2020 में 2,000 से अधिक एक्साबाइट तक पहुंच गई, साल दर साल 48% की दर से बढ़ती रहेगी। प्रवृत्ति ने एआई और मशीन लर्निंग में महत्वपूर्ण प्रगति को सक्षम किया है, जो अस्पताल के बिस्तर की क्षमता से लेकर एमआरआई में घातक ट्यूमर की उपस्थिति तक की भविष्यवाणी करने के लिए बड़े डेटासेट पर निर्भर करते हैं। लेकिन अन्य क्षेत्रों के विपरीत, जिन पर एआई को लागू किया गया है, स्वास्थ्य देखभाल डेटा की संवेदनशीलता और पैमाना इसे एकत्र करना और इसे एक विकट चुनौती बनाता है।

डब्ल्यूएचओ की रिपोर्ट इस बात को स्वीकार करती है, यह इंगित करती है कि एआई द्वारा लाए गए अवसर जोखिमों से जुड़े हैं। एल्गोरिदम में एन्कोड किए गए नुकसान के पूर्वाग्रह रोगियों, समुदायों और देखभाल प्रदाताओं का कारण बन सकते हैं। उदाहरण के लिए, उच्च आय वाले देशों के लोगों के डेटा पर मुख्य रूप से प्रशिक्षित सिस्टम, निम्न और मध्यम आय वाले रोगियों के लिए अच्छा प्रदर्शन नहीं कर सकते हैं। इसके अलावा, एआई का अनियंत्रित उपयोग व्यावसायिक हितों या निगरानी में लगी सरकारों के पक्ष में रोगियों के अधिकारों को कमजोर कर सकता है।

एआई सिस्टम को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटासेट जो अल्जाइमर, मधुमेह, मधुमेह रेटिनोपैथी, स्तन कैंसर और सिज़ोफ्रेनिया जैसी स्थितियों की शुरुआत की भविष्यवाणी कर सकते हैं, कई स्रोतों से आते हैं। लेकिन कई मामलों में, रोगियों को पूरी तरह से पता नहीं होता है कि उनकी जानकारी उनमें शामिल है। 2017 में, यूके के नियामक ने निष्कर्ष निकाला कि द रॉयल फ्री लंदन एनएचएस फाउंडेशन ट्रस्ट, लंदन में स्थित यूके की राष्ट्रीय स्वास्थ्य सेवा का एक प्रभाग, Google के डीपमाइंड को उनकी सहमति के बिना 1.6 मिलियन रोगियों पर डेटा प्रदान करता है।

स्रोत के बावजूद, इस डेटा में पूर्वाग्रह शामिल हो सकते हैं, बीमारियों के निदान के लिए प्रशिक्षित एआई एल्गोरिदम में असमानताओं को कायम रखना। यूके के वैज्ञानिकों की एक टीम ने पाया कि लगभग सभी नेत्र रोग डेटासेट उत्तरी अमेरिका, यूरोप और चीन के रोगियों से आते हैं, जिसका अर्थ है कि नेत्र रोग-निदान एल्गोरिदम कम प्रतिनिधित्व वाले देशों के नस्लीय समूहों के लिए अच्छी तरह से काम करने के लिए कम निश्चित हैं। एक अन्य अध्ययन में, टोरंटो विश्वविद्यालय, वेक्टर इंस्टीट्यूट और एमआईटी के शोधकर्ताओं ने दिखाया कि व्यापक रूप से इस्तेमाल किए जाने वाले छाती एक्स-रे डेटासेट में नस्लीय, लिंग और सामाजिक आर्थिक पूर्वाग्रह होते हैं।

इस बिंदु को और स्पष्ट करते हुए, स्टैनफोर्ड के शोधकर्ताओं ने पाया कि यूएस फूड एंड ड्रग एडमिनिस्ट्रेशन (एफडीए) द्वारा अनुमोदित कुछ एआई-संचालित चिकित्सा उपकरण डेटा शिफ्ट और कम प्रतिनिधित्व वाले रोगियों के प्रति पूर्वाग्रह के प्रति संवेदनशील हैं। यहां तक ​​​​कि जैसे ही एआई अधिक चिकित्सा उपकरणों में अंतर्निहित हो जाता है – एफडीए ने पिछले साल 65 से अधिक एआई उपकरणों को मंजूरी दी थी – इन एल्गोरिदम की सटीकता का कड़ाई से अध्ययन नहीं किया जा रहा है, क्योंकि संभावित अध्ययनों द्वारा उनका मूल्यांकन नहीं किया जा रहा है।

विशेषज्ञों का तर्क है कि संभावित अध्ययन, जो परिनियोजन के साथ समवर्ती होने के बजाय परीक्षण डेटा एकत्र करते हैं, विशेष रूप से एआई चिकित्सा उपकरणों के लिए आवश्यक हैं क्योंकि उनका वास्तविक उपयोग इच्छित उपयोग से भिन्न हो सकता है। उदाहरण के लिए, अधिकांश कंप्यूटर-संचालित डायग्नोस्टिक सिस्टम प्राथमिक डायग्नोस्टिक टूल के बजाय निर्णय-समर्थन उपकरण के रूप में डिज़ाइन किए गए हैं। एक संभावित अध्ययन से पता चल सकता है कि चिकित्सक निदान के लिए एक उपकरण का दुरुपयोग कर रहे हैं, जिससे परिणाम अपेक्षित से विचलित हो सकते हैं।

डेटासेट चुनौतियों से परे, सहकर्मी समीक्षा की कमी वाले मॉडल वास्तविक दुनिया में तैनात होने पर बाधाओं का सामना कर सकते हैं। हार्वर्ड के वैज्ञानिकों ने पाया कि सीटी स्कैन को पहचानने और वर्गीकृत करने के लिए प्रशिक्षित एल्गोरिदम कुछ सीटी मशीन निर्माताओं से स्कैन प्रारूपों के पक्षपाती हो सकते हैं। इस बीच, Google द्वारा प्रकाशित एक श्वेतपत्र ने थाईलैंड के अस्पतालों में एक नेत्र रोग-पूर्वानुमान प्रणाली को लागू करने में चुनौतियों का खुलासा किया, जिसमें स्कैन सटीकता के मुद्दे भी शामिल हैं।

जोखिमों को सीमित करने और स्वास्थ्य के लिए एआई के लाभों को अधिकतम करने के लिए, डब्ल्यूएचओ स्वायत्तता की रक्षा, पारदर्शिता और व्याख्यात्मकता सुनिश्चित करने, जिम्मेदारी और जवाबदेही को बढ़ावा देने और समावेश और इक्विटी की दिशा में काम करने के लिए कदम उठाने की सिफारिश करता है। सिफारिशों में भलाई, सुरक्षा और सार्वजनिक हित को बढ़ावा देना शामिल है, साथ ही एआई जो उत्तरदायी और टिकाऊ है।

डब्ल्यूएचओ का कहना है कि एल्गोरिदम के आधार पर निर्णयों से प्रतिकूल रूप से प्रभावित लोगों के लिए निवारण उपलब्ध होना चाहिए, और यह भी कि डिजाइनरों को यह निर्धारित करने के लिए एआई ऐप्स का “निरंतर” मूल्यांकन करना चाहिए कि क्या वे अपेक्षाओं और आवश्यकताओं के साथ संरेखित कर रहे हैं। इसके अलावा, WHO सरकारों और कंपनियों दोनों को स्वचालित प्रणालियों के कारण कार्यस्थल में आने वाले व्यवधानों को दूर करने की सलाह देता है, जिसमें एआई के उपयोग के लिए स्वास्थ्य देखभाल कर्मचारियों के लिए प्रशिक्षण शामिल है।

डब्ल्यूएचओ ने एक प्रेस विज्ञप्ति में कहा, “एआई सिस्टम को सामाजिक आर्थिक और स्वास्थ्य देखभाल सेटिंग्स की विविधता को दर्शाने के लिए सावधानीपूर्वक डिजाइन किया जाना चाहिए।” “उन्हें डिजिटल कौशल, सामुदायिक जुड़ाव और जागरूकता बढ़ाने में प्रशिक्षण के साथ होना चाहिए, विशेष रूप से उन लाखों स्वास्थ्य कर्मियों के लिए जिन्हें डिजिटल साक्षरता या फिर से प्रशिक्षण की आवश्यकता होगी यदि उनकी भूमिका और कार्य स्वचालित हैं, और जिन्हें उन मशीनों के साथ संघर्ष करना चाहिए जो चुनौती दे सकती हैं निर्णय लेने और प्रदाताओं और रोगियों की स्वायत्तता। ”

जैसे-जैसे स्वास्थ्य देखभाल में समस्याग्रस्त एआई के नए उदाहरण सामने आते हैं, व्यापक रूप से तैनात लेकिन अप्रयुक्त एल्गोरिदम से लेकर पक्षपाती त्वचाविज्ञान डेटासेट तक, यह महत्वपूर्ण होता जा रहा है कि हितधारक डब्ल्यूएचओ द्वारा उल्लिखित जवाबदेही कदमों का पालन करें। यह न केवल एआई सिस्टम में विश्वास को बढ़ावा देगा, बल्कि यह उन लाखों लोगों की देखभाल में सुधार कर सकता है जो भविष्य में एआई-पावर्ड डायग्नोस्टिक सिस्टम के अधीन हो सकते हैं।

“मशीन लर्निंग वास्तव में एक शक्तिशाली उपकरण है, अगर सही तरीके से डिज़ाइन किया गया है – अगर समस्याओं को सही ढंग से औपचारिक रूप दिया जाता है और इन बीमारियों को समझने के लिए वास्तव में नई अंतर्दृष्टि प्रदान करने के लिए तरीकों की पहचान की जाती है,” डॉ मिहेला वैन डेर शार, एक ट्यूरिंग फेलो और मशीन लर्निंग के प्रोफेसर, एआई , और कैम्ब्रिज विश्वविद्यालय और UCLA में स्वास्थ्य, ने मई 2020 में ICLR सम्मेलन में एक मुख्य वक्ता के रूप में कहा। “बेशक, हम इस क्रांति की शुरुआत में हैं, और अभी एक लंबा रास्ता तय करना है। लेकिन यह एक रोमांचक समय है। और यह ऐसी तकनीकों पर ध्यान केंद्रित करने का एक महत्वपूर्ण समय है।”

एआई कवरेज के लिए, काइल विगर्स को न्यूज टिप्स भेजें – और एआई वीकली न्यूजलेटर की सदस्यता लेना सुनिश्चित करें और हमारे एआई चैनल, द मशीन को बुकमार्क करें।

पढ़ने के लिए धन्यवाद,

काइल विगर्स

एआई स्टाफ लेखक

वेंचरबीट

तकनीकी निर्णय लेने वालों के लिए परिवर्तनकारी तकनीक और लेनदेन के बारे में ज्ञान हासिल करने के लिए वेंचरबीट का मिशन एक डिजिटल टाउन स्क्वायर बनना है।

जब आप अपने संगठनों का नेतृत्व करते हैं तो हमारा मार्गदर्शन करने के लिए हमारी साइट डेटा तकनीकों और रणनीतियों पर आवश्यक जानकारी प्रदान करती है। हम आपको हमारे समुदाय का सदस्य बनने के लिए आमंत्रित करते हैं:

  • आपकी रुचि के विषयों पर अप-टू-डेट जानकारी
  • हमारे समाचार पत्र
  • गेटेड विचार-नेता सामग्री और हमारे बेशकीमती आयोजनों के लिए रियायती पहुंच, जैसे रूपांतरण 2021: और अधिक जानें
  • नेटवर्किंग सुविधाएँ, और बहुत कुछ

सदस्य बने

Leave a Reply

Your email address will not be published. Required fields are marked *