ટેક્સ્ટ બોટ્સથી વિડિયો ડોક્ટર્સ સુધી
લાર્જ લેંગ્વેજ મોડલ્સ (LLMs) લાંબા સમયથી ટેક્સ્ટમાંથી તબીબી તથ્યો મેળવવામાં શ્રેષ્ઠ રહ્યા છે, પરંતુ તેમને 'બેડસાઇડ મેનર' (દર્દી સાથે વાતચીત કરવાની રીત) આપવી મુશ્કેલ સાબિત થઈ છે. પરંપરાગત AI સહાયકો સ્થિર ચેટ વિન્ડોમાં જવાબ આપે છે; તેઓ દર્દીના ચહેરાના હાવભાવ વાંચી શકતા નથી અથવા વાતચીત જેમ આગળ વધે તેમ પોતાનો લહેકો બદલી શકતા નથી. AMIE (Video) આ અંતરને ઘટાડવાનો પ્રયાસ કરે છે, જેમાં વાતચીતને લાઈવ વિડિયો લિંક પર લઈ જવામાં આવે છે, જ્યાં AI એ વાતચીતની ગતિ સાથે ચાલવું પડે છે, ફોલો-અપ પ્રશ્નો પૂછવા પડે છે અને વિઝ્યુઅલ સંકેતો (visual cues) પર પ્રતિસાદ આપવો પડે છે.
ટેક્સ્ટથી વિડિયો પર સ્વિચ કરવું એ માત્ર UI માં ફેરફાર નથી. તે મોડલને સતત ઓડિયોવિઝ્યુઅલ ડેટા પ્રોસેસ કરવા, વાસ્તવિક એપોઇન્ટમેન્ટની લયનું અનુકરણ કરવા અને અટક્યા વગર વાતચીતના અનેક વિષયોને સંભાળવા માટે મજબૂર કરે છે. વ્યવહારમાં, આ ક્ષમતા AI ને ફ્રન્ટ-લાઇન ટ્રાયજ એજન્ટ (તબીબી પ્રાથમિકતા નક્કી કરનાર) તરીકે સેવા આપવા દેશે, જે રૂટિન સમસ્યાઓનું સંચાલન કરશે અને ડોક્ટરોને જટિલ કેસો માટે મુક્ત કરશે.
પરીક્ષણ કેવી રીતે કરવામાં આવ્યું
Google એ એક પરીક્ષણ માળખું બનાવ્યું જેમાં જટિલ લક્ષણો ધરાવતા દર્દીઓની ભૂમિકા ભજવવા માટે પંદર તાલીમબદ્ધ અભિનેતાઓનો સમાવેશ કરવામાં આવ્યો હતો. અભિનેતાઓએ પાંચ અંગ પ્રણાલીઓ (organ systems) માં ફેલાયેલા ક્લિનિકલ સિનારીયોમાં ઇમ્પ્રુવાઇઝેશન કર્યું:
- કાર્ડિયોપલ્મોનરી (હૃદય અને ફેફસાં સંબંધિત) ફરિયાદો
- પેટની સમસ્યાઓ
- માથું-આંખ-કાન-નાક-ગળું (HEENT) સમસ્યાઓ
- ન્યુરોલોજીકલ અને મનોચિકિત્સા સ્થિતિઓ
- મસ્ક્યુલોસ્કેલેટલ (અસ્થિ અને સ્નાયુ) વિકારો
ત્યારબાદ સ્વતંત્ર ક્લિનિકલ મૂલ્યાંકકોએ નિદાનની ચોકસાઈ, પ્રશ્ન પૂછવાની વ્યૂહરચના અને સહાનુભૂતિપૂર્ણ વાતચીતના આધારે AI નું રેટિંગ કર્યું. સ્કોર્સ મુજબ AMIE (Video) એ તે જ પ્રકારના કેસો સંભાળતા પ્રાઇમરી-કેર ફિઝિશિયન (પ્રાથમિક સારવારના ડોક્ટરો) ને મળતા રેટિંગ જેટલું જ પ્રદર્શન કર્યું હતું.
આ પરિણામ શા માટે મહત્વનું છે
જો AI કોઈ પેશન્ટ-એક્ટર સાથે વિશ્વસનીય રીતે વાતચીત કરી શકે અને માનવ ક્લિનિશિયન જેટલા જ નિષ્કર્ષ પર પહોંચી શકે, તો આરોગ્ય પ્રણાલીઓ કર્મચારીઓની અછત વચ્ચે ઓછા ખર્ચાળ અને સ્કેલેબલ એન્ટ્રી પોઈન્ટ તરીકે તેનો ઉપયોગ કરી શકે છે. વિડિયો-સક્ષમ AI બિન-તાકીદની સમસ્યાઓનું ટ્રાયજ કરી શકે છે, ફોલો-અપ શેડ્યૂલ કરી શકે છે અથવા પ્રાથમિક સલાહ આપી શકે છે—તે પણ ફિઝિકલ એક્ઝામ રૂમની જરૂરિયાત વગર. અંતરિયાળ અથવા પછાત વિસ્તારોના દર્દીઓ માટે, વર્ચ્યુઅલ "ફર્સ્ટ-લાઇન" ક્લિનિશિયન રાહ જોવાનો સમય નોંધપાત્ર રીતે ઘટાડી શકે છે.
સાવચેતીના પાસાઓ
આ અભ્યાસ સિમ્યુલેશન ઝોન પૂરતો મર્યાદિત રહ્યો. અભિનેતાઓ ગમે તેટલા કુશળ હોય, તેઓ વાસ્તવિક દર્દીઓની અનિશ્ચિતતાનું અનુકરણ કરી શકતા નથી, જેઓ પોતાની વ્યક્તિગત હિસ્ટ્રી, સહ-રોગો (comorbidities) અને ભાવનાત્મક અસ્થિરતા સાથે આવે છે. મૂલ્યાંકન માનવ રેટર્સ દ્વારા AI ના પ્રદર્શનના અર્થઘટન પર પણ આધારિત હતું; કોઈપણ સ્કોરિંગ સિસ્ટમમાં વ્યક્તિલક્ષી પક્ષપાત (subjective bias) આવી શકે છે.
રેગ્યુલેટરી ક્લિયરન્સ (નિયમનકારી મંજૂરી) એもう એક અવરોધ છે. વર્તમાન મેડિકલ-ડિવાઇસ ફ્રેમવર્ક નિદાન અથવા ટ્રાયજ કાર્યોને મંજૂરી આપતા પહેલા વાસ્તવિક દુનિયાના ઉપયોગના પુરાવા માંગે છે. તે ડેટા વિના, કોઈપણ ઉપયોગ સંશોધન સેટિંગ્સ અથવા ભારે દેખરેખ હેઠળના પાયલોટ પ્રોજેક્ટ્સ પૂરતો જ મર્યાદિત રહેશે. જવાબદારીનો પ્રશ્ન પણ સામે આવે છે: જો AI કોઈ વિઝ્યુઅલ સંકેતને ખોટી રીતે વાંચે અને ખોટો ઉપચાર સૂચવે, તો તેની જવાબદારી કોની રહેશે—ડેવલપરની, હોસ્ટિંગ પ્લેટફોર્મની, કે દેખરેખ રાખતા ક્લિનિશિયનની?
હવે આગળ શું
Google એ સંકેત આપ્યો છે કે આગામી તબક્કામાં વાસ્તવિક દર્દીઓ સાથે પરીક્ષણો કરવામાં આવશે, જેમાં અધિકૃત હેલ્થ રેકોર્ડ્સ અને વિવિધ વસ્તી વિષયક પૃષ્ઠભૂમિનો સમાવેશ થશે. તે અભ્યાસોએ માત્ર ક્લિનિકલ રિઝનિંગમાં સમાનતા જ નહીં, પરંતુ સુરક્ષા, ડેટા પ્રાઇવસી અને વસ્તીના વિવિધ જૂથોમાં સમાન પ્રદર્શન પણ સાબિત કરવું પડશે.
નિષ્કર્ષ
AMIE (Video) દર્શાવે છે કે લાર્જ-લેંગ્વેજ-મોડલ-સંચાલિત AI સિમ્યુલેટેડ વિડિયો એપોઇન્ટમેન્ટમાં પોતાનું સ્થાન બનાવી શકે છે, અને વિવિધ પ્રકારની સ્થિતિઓમાં પ્રાઇમરી-કેર ડોક્ટર જેટલા જ ક્લિનિકલ રેટિંગ્સ મેળવી શકે છે. આ સફળતા AI-સંચાલિત ફ્રન્ટ-લાઇન કેર માટેના દ્વાર ખોલે છે, પરંતુ વાસ્તવિક દર્દીઓના પરીક્ષણો, નિયમનકારી મંજૂરી અને સ્પષ્ટ જવાબદારીના માળખા નક્કી કરશે કે આ ટેકનોલોજી લેબમાંથી ક્લિનિક સુધી પહોંચશે કે નહીં.