ಪಠ್ಯ ಬಾಟ್ಗಳಿಂದ ವಿಡಿಯೋ ವೈದ್ಯರವರೆಗೆ
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLMs) ಪಠ್ಯದಿಂದ ವೈದ್ಯಕೀಯ ಸತ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯುವಲ್ಲಿ ಬಹಳ ಕಾಲದಿಂದ ಪರಿಣಿತವಾಗಿವೆ, ಆದರೆ ಅವುಗಳಿಗೆ 'ಬೆಡ್ಸೈಡ್ ಮ್ಯಾನರ್' (ರೋಗಿಯೊಂದಿಗೆ ಮೃದುವಾಗಿ ವರ್ತಿಸುವ ರೀತಿ) ನೀಡುವುದು ಕಷ್ಟಕರವಾಗಿತ್ತು. ಸಾಂಪ್ರದಾಯಿಕ AI ಸಹಾಯಕರು ಸ್ಥಿರವಾದ ಚಾಟ್ ವಿಂಡೋದಲ್ಲಿ ಉತ್ತರಿಸುತ್ತಾರೆ; ಅವರು ರೋಗಿಯ ಮುಖಭಾವವನ್ನು ಓದಲು ಅಥವಾ ಸಂಭಾಷಣೆ ನಡೆಯುತ್ತಿದ್ದಂತೆ ಧ್ವನಿಯ ಏರಿಳಿತವನ್ನು ಬದಲಾಯಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. AMIE (Video) ಸಂವಹನವನ್ನು ಲೈವ್ ವಿಡಿಯೋ ಲಿಂಕ್ಗೆ ವರ್ಗಾಯಿಸುವ ಮೂಲಕ ಆ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ, ಅಲ್ಲಿ AI ಸಂಭಾಷಣೆಯ ವೇಗಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳಬೇಕು, ಅನುಸರಣಾ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಬೇಕು ಮತ್ತು ದೃಶ್ಯ ಸಂಕೇತಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಬೇಕು.
ಪಠ್ಯದಿಂದ ವಿಡಿಯೋಗೆ ಬದಲಾಗುವುದು ಕೇವಲ UI ಬದಲಾವಣೆಯಲ್ಲ. ಇದು ಮಾದರಿಯು ನಿರಂತರ ಆಡಿಯೋ-ವಿಡಿಯೋ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು, ನೈಜ ಅಪಾಯಿಂಟ್ಮೆಂಟ್ನ ಲಯವನ್ನು ಅನುಕರಿಸಲು ಮತ್ತು ವಿರಾಮವಿಲ್ಲದೆ ಹಲವಾರು ಸಂಭಾಷಣೆಯ ವಿಷಯಗಳನ್ನು ನಿಭಾಯಿಸಲು ಒತ್ತಾಯಿಸುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಈ ಸಾಮರ್ಥ್ಯವು AI ಅನ್ನು ಮುಂಚೂಣಿಯ ಟ್ರೈಯೇಜ್ (triage) ಏಜೆಂಟ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡಬಹುದು, ಇದು ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ನಿಭಾಯಿಸುವ ಮೂಲಕ ವೈದ್ಯರನ್ನು ಸಂಕೀರ್ಣ ಪ್ರಕರಣಗಳಿಗಾಗಿ ಮುಕ್ತಗೊಳಿಸುತ್ತದೆ.
ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸಿದ ವಿಧಾನ
ಸಂಕೀರ್ಣ ಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರುವ ರೋಗಿಗಳಂತೆ ನಟಿಸಲು ಹದಿನೈದು ತರಬೇತಿ ಪಡೆದ ನಟರನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ Google ಒಂದು ಪರೀಕ್ಷಾ ಚೌಕಟ್ಟನ್ನು ನಿರ್ಮಿಸಿತು. ನಟರು ಐದು ಅಂಗ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಒಳಗೊಂಡ ಕ್ಲಿನಿಕಲ್ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ನಟಿಸಿದರು:
- ಹೃದಯ-ಶ್ವಾಸಕೋಶದ ದೂರುಗಳು
- ಹೊಟ್ಟೆಯ ಸಮಸ್ಯೆಗಳು
- ತಲೆ-ಕಣ್ಣು-ಕಿವಿ-ಮೂಗು-ಗಂಟಲು (HEENT) ಸಮಸ್ಯೆಗಳು
- ನರಮಂಡಲ ಮತ್ತು ಮಾನಸಿಕ ಸ್ಥಿತಿಗಳು
- ಸ್ನಾಯು-ಅಸ್ಥಿಪಂಜರ ಅಸ್ವಸ್ಥತೆಗಳು
ಸ್ವತಂತ್ರ ಕ್ಲಿನಿಕಲ್ ಮೌಲ್ಯಮಾಪಕರು ನಂತರ ರೋಗನಿರ್ಣಯದ ನಿಖರತೆ, ಪ್ರಶ್ನಿಸುವ ತಂತ್ರ ಮತ್ತು ಸಹಾನುಭೂತಿಯ ಸಂವಹನದ ಆಧಾರದ ಮೇಲೆ AI ಅನ್ನು ರೇಟ್ ಮಾಡಿದರು. ಈ ಅಂಕಗಳು AMIE (Video) ಅನ್ನು ಅದೇ ಪ್ರಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಪ್ರಾಥಮಿಕ ಆರವಾಹಿ ವೈದ್ಯರಿಗೆ ಸಾಮಾನ್ಯವಾಗಿ ನೀಡಲಾಗುವ ರೇಟಿಂಗ್ಗಳೊಂದಿಗೆ ಸಮಾನವಾಗಿರಿಸಿದವು.
ಈ ಫಲಿತಾಂಶ ಏಕೆ ಮುಖ್ಯ
ಒಂದು AI ರೋಗಿ-ನಟನೊಂದಿಗೆ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಸಂಭಾಷಣೆ ನಡೆಸಬಲ್ಲದು ಮತ್ತು ಮಾನವ ವೈದ್ಯರಂತೆಯೇ ತೀರ್ಮಾನಕ್ಕೆ ಬರಬಲ್ಲದು ಎಂದರೆ, ಸಿಬ್ಬಂದಿ ಕೊರತೆಯ ನಡುವೆ ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಗಳು ಕಡಿಮೆ ವೆಚ್ಚದ, ವಿಸ್ತರಿಸಬಹುದಾದ ಪ್ರವೇಶಿಕೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳಬಹುದು. ವಿಡಿಯೋ ಸೌಲಭ್ಯವಿರುವ AI ತುರ್ತು ರಹಿತ ಕಾಳಜಿಗಳನ್ನು ಟ್ರೈಯೇಜ್ ಮಾಡಬಹುದು, ಫಾಲೋ-ಅಪ್ಗಳನ್ನು ನಿಗದಿಪಡಿಸಬಹುದು ಅಥವಾ ಪ್ರಾಥಮಿಕ ಸಲಹೆಯನ್ನು ನೀಡಬಹುದು—ಇವೆಲ್ಲವೂ ಭೌತಿಕ ಪರೀಕ್ಷಾ ಕೊಠಡಿಯ ಅಗತ್ಯವಿಲ್ಲದೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ. ದೂರದ ಅಥವಾ ಕಡಿಮೆ ಸೌಲಭ್ಯವಿರುವ ಪ್ರದೇಶಗಳ ರೋಗಿಗಳಿಗೆ, ವರ್ಚುವಲ್ "ಮೊದಲ ಸಾಲಿನ" ಕ್ಲಿನಿಕಲ್ ವೈದ್ಯರು ಕಾಯುವ ಸಮಯವನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡಬಹುದು.
ಎಚ್ಚರಿಕೆಯ ಅಂಶಗಳು
ಈ ಅಧ್ಯಯನವು ಕೇವಲ ಸಿಮ್ಯುಲೇಶನ್ ವಲಯಕ್ಕೆ ಸೀಮಿತವಾಗಿತ್ತು. ನಟರು ಎಷ್ಟೇ ನುರಿತವರಾಗಿದ್ದರೂ, ವೈಯಕ್ತಿಕ ಇತಿಹಾಸ, ಸಹ-ಅಸ್ವಸ್ಥತೆಗಳು (comorbidities) ಮತ್ತು ಭಾವನಾತ್ಮಕ ಅಸ್ಥಿರತೆಯನ್ನು ಹೊತ್ತು ತರುವ ನೈಜ ರೋಗಿಗಳ ಅನಿರೀಕ್ಷಿತತೆಯನ್ನು ಅನುಕರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮೌಲ್ಯಮಾಪನವು AI ನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಮಾನವ ರೇಟರ್ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿತ್ತು; ಯಾವುದೇ ಸ್ಕೋರಿಂಗ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ವ್ಯಕ್ತಿನಿಷ್ಠ ಪೂರ್ವಾಗ್ರಹವು (subjective bias) ಇರಬಹುದು.
ನಿಯಂತ್ರಕ ಅನುಮೋದನೆ (Regulatory clearance) ಮತ್ತೊಂದು ಅಡೆತಡೆಯಾಗಿದೆ. ಪ್ರಸ್ತುತ ವೈದ್ಯಕೀಯ ಸಾಧನ ಚೌಕಟ್ಟುಗಳು ರೋಗನಿರ್ಣಯ ಅಥವಾ ಟ್ರೈಯೇಜ್ ಕಾರ್ಯಗಳನ್ನು ಅನುಮೋದಿಸುವ ಮೊದಲು ನೈಜ ಪ್ರಪಂಚದ ಬಳಕೆಯಿಂದ ಪುರಾವೆಗಳನ್ನು ಬಯಸುತ್ತವೆ. ಆ ಡೇಟಾ ಇಲ್ಲದೆ, ಯಾವುದೇ ನಿಯೋಜನೆಯು ಸಂಶೋಧನಾ ವಲಯಗಳಲ್ಲಿ ಅಥವಾ ಕಠಿಣ ಮೇಲ್ವಿಚಾರಣೆಯ ಪೈಲಟ್ ಯೋಜನೆಗಳಲ್ಲಿ ಮಾತ್ರ ಇರುತ್ತದೆ. ಹೊಣೆಗಾರಿಕೆಯೂ (Liability) ಒಂದು ಪ್ರಶ್ನೆಯಾಗಿದೆ: ಒಂದು ವೇಳೆ AI ದೃಶ್ಯ ಸಂಕೇತವನ್ನು ತಪ್ಪಾಗಿ ಓದಿ ತಪ್ಪು ಮಾರ್ಗವನ್ನು ಶಿಫಾರಸು ಮಾಡಿದರೆ, ಅದರ ಜವಾಬ್ದಾರಿಯನ್ನು ಯಾರು ಹೊರಬೇಕಾಗುತ್ತದೆ—ಅಭಿವೃದ್ಧಿಪಡಿಸಿದವರೇ, ಹೋಸ್ಟಿಂಗ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಅಥವಾ ಮೇಲ್ವಿಚಾರಕ ವೈದ್ಯರೇ?
ಮುಂದೆ ಏನಾಗಬಹುದು
ಮುಂದಿನ ಹಂತವು ನೈಜ ಆರೋಗ್ಯ ದಾಖಲೆಗಳು ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಜನಸಂಖ್ಯಾ ಹಿನ್ನೆಲೆಗಳನ್ನು ಹೊಂದಿರುವ ನೈಜ ರೋಗಿಗಳೊಂದಿಗೆ ಪ್ರಯೋಗಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಎಂದು Google ಸೂಚಿಸಿದೆ. ಆ ಅಧ್ಯಯನಗಳು ಕ್ಲಿನಿಕಲ್ ತರ್ಕದಲ್ಲಿ ಸಮಾನತೆಯನ್ನು ಮಾತ್ರವಲ್ಲದೆ, ಸುರಕ್ಷತೆ, ಡೇಟಾ ಗೌಪ್ಯತೆ ಮತ್ತು ಜನಸಂಖ್ಯಾ ಗುಂಪುಗಳಾದ್ಯಂತ ಸಮಾನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸಹ ಸಾಬೀತುಪಡಿಸಬೇಕಾಗುತ್ತದೆ.
ಸಂಕ್ಷಿಪ್ತ ಸಾರಾಂಶ
AMIE (Video) ಒಂದು ಸಿಮ್ಯುಲೇಟೆಡ್ ವಿಡಿಯೋ ಅಪಾಯಿಂಟ್ಮೆಂಟ್ನಲ್ಲಿ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿ ಚಾಲಿತ AI ತನ್ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಸಾಬೀತುಪಡಿಸಬಲ್ಲದು ಮತ್ತು ವಿವಿಧ ರೀತಿಯ ಆರೋಗ್ಯ ಸ್ಥಿತಿಗಳಲ್ಲಿ ಪ್ರಾಥಮಿಕ ಆರವಾಹಿ ವೈದ್ಯರಷ್ಟೇ ಕ್ಲಿನಿಕಲ್ ರೇಟಿಂಗ್ಗಳನ್ನು ಪಡೆಯಬಲ್ಲದು ಎಂದು ತೋರಿಸುತ್ತದೆ. ಈ ಕ್ರಾಂತಿಕಾರಿ ಬೆಳವಣಿಗೆಯು AI ಚಾಲಿತ ಮುಂಚೂಣಿ ಆರವಾಹೆಗೆ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ, ಆದರೆ ಈ ತಂತ್ರಜ್ಞಾನವು ಪ್ರಯೋಗಾಲಯದಿಂದ ಕ್ಲಿನಿಕ್ಗೆ ಚಲಿಸುತ್ತದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ನೈಜ ರೋಗಿಗಳ ಪ್ರಯೋಗಗಳು, ನಿಯಂತ್ರಕ ಅನುಮೋದನೆ ಮತ್ತು ಸ್ಪಷ್ಟ ಹೊಣೆಗಾರಿಕೆಯ ಚೌಕಟ್ಟುಗಳು ನಿರ್ಧರಿಸುತ್ತವೆ.