AI-ಚಾಲಿತ ವಿಧಾನವು ಒಬ್ಬ ತಂತ್ರಜ್ಞಾನ ಉದ್ಯಮಿಯನ್ನು ಅಪರೂಪದ ಕ್ಯಾನ್ಸರ್ ವಿರುದ್ಧ ಜಯಿಸಲು ಹೇಗೆ ಸಹಾಯ ಮಾಡಿತು

ಆರೋಗ್ಯದ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಕಾಳಜಿ ವಹಿಸುವ ಉದ್ಯಮಿಯಾದ ಕನ್ನೋ ಕ್ರಿಸ್ಟೊ (Conno Christou) ಅವರಿಗೆ ಅತ್ಯಂತ ತೀವ್ರವಾದ 'ನಾನ್-ಹಾಡ್ಜಕಿನ್ ಲಿfೊಮಾ' (non-Hodgkin’s lymphoma) ಎಂಬ ಕ್ಯಾನ್ಸರ್ ಇರುವುದು ಪತ್ತೆಯಾದಾಗ, ಅವರು ತಮ್ಮ ಬದುಕನ್ನು ಕೇವಲ ಅದೃಷ್ಟದ ಮೇಲೆ ಬಿಡಲು ನಿರಾಕರಿಸಿದರು. ತಮ್ಮ ವೈದ್ಯಕೀಯ ಹೋರಾಟವನ್ನು ಒಂದು ದೊಡ್ಡ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ನಂತೆ ಪರಿಗಣಿಸಿ, ಅವರು ಸಂಕೀರ್ಣವಾದ ಆರೋಗ್ಯ ರಕ್ಷಣಾ ವ್ಯವಸ್ಥೆಯನ್ನು ಎದುರಿಸಲು ವೇರಬಲ್ ಡೇಟಾ (wearable data) ಮತ್ತು LLMಗಳನ್ನು ಬಳಸಿಕೊಂಡರು.

ಅಪರೂಪದ ಕಾಯಿಲೆಯ ಎದುರಾದಾಗ ದತ್ತಾಂಶ ಆಧಾರಿತ ಬದುಕುಳಿಯುವಿಕೆ

ಕ್ರಿಸ್ಟೊ ಅವರ ರೋಗನಿರ್ಣಯವು ಒಂದು ಸಾಂಖ್ಯಿಕ ಅಸಹಜತೆಯಾಗಿತ್ತು: ಒಂದು ಯಾದೃಚ್ಛಿಕ ತಳಿ ರೂಪಾಂತರದಿಂದಾಗಿ (genetic mutation) ಅವರ ಎದೆಯ ಮೂಳೆ (sternum) ಹಿಂದೆ 11-ಬೈ-11-ಬೈ-8 ಸೆಂಟಿಮೀಟರ್ ಗಾತ್ರದ ಒಂದು ದ್ರವ್ಯರಾಶಿ ಇತ್ತು. 4,20,000 ಜನರಲ್ಲಿ ಒಬ್ಬರಿಗೆ ಮಾತ್ರ ಕಂಡುಬರುವ ಈ ಸ್ಥಿತಿಗೆ, ಅವರಿಗೆ ಬೇಕಾದ ನಿಖರತೆಯ ಮಟ್ಟವನ್ನು ನೀಡಲು ಸಾಮಾನ್ಯ ವೈದ್ಯಕೀಯ ಕ್ರಮಗಳು ಸಾಕಾಗುತ್ತಿರಲಿಲ್ಲ. ಇಬ್ಬರು ತಜ್ಞರಿಂದ ವಿಭಿನ್ನವಾದ ಚಿಕಿತ್ಸಾ ಶಿಫಾರಸುಗಳನ್ನು ಪಡೆದ ನಂತರ—ಒಬ್ಬರು 60% ಯಶಸ್ಸಿನ ದರವಿರುವ ಕ್ರಮವನ್ನು ಸೂಚಿಸಿದರೆ, ಇನ್ನೊಬ್ಬರು 85% ಯಶಸ್ಸಿನ ದರವಿರುವ ತೀವ್ರ ಚಿಕಿತ್ಸೆಯ ಹಾದಿಯನ್ನು ಸೂಚಿಸಿದರು—ಕ್ರಿಸ್ಟೊ ಅವರು ದತ್ತಾಂಶ ಸಂಗ್ರಹಣೆಯ (data aggregation) ಮೊರೆ ಹೋದರು.

ಅವರು ಕೇವಲ ಎರಡನೇ ಅಭಿಪ್ರಾಯಕ್ಕೆ ಸೀಮಿತವಾಗಲಿಲ್ಲ; ಅವರು 12 ತಜ್ಞರ ಅಭಿಪ್ರಾಯಗಳನ್ನು ಸಂಗ್ರಹಿಸಿದರು. ತಮ್ಮ ಚೇತರಿಕೆಯನ್ನು "ಮ್ಯಾರಥಾನ್ ಆಫ್ ಸ್ಪ್ರಿಂಟ್ಸ್" (marathon of sprints) ಎಂದು ಪರಿಗಣಿಸಿ, ರೋಗನಿರೋಧಕ ಶಕ್ತಿ ಕುಸಿತವನ್ನು ಮುನ್ಸೂಚಿಸಲು ಅವರು ತಮ್ಮ Whoop ವೇರಬಲ್ ಸಾಧನವನ್ನು ಬಳಸಿದರು ಮತ್ತು ಧ್ವನಿ ರೂಪಾಂತರದ (voice transcription) ಮೂಲಕ ಲಕ್ಷಣಗಳ ಬಗ್ಗೆ ವಿವರವಾದ ಜರ್ನಲ್ ಅನ್ನು ನಿರ್ವಹಿಸಿದರು. ಈ ಸೂಕ್ಷ್ಮ ದತ್ತಾಂಶ ಸಂಗ್ರಹಣೆಯು ಅವರು ತಮ್ಮ ಕಂಪನಿಗಳನ್ನು ಬೆಳೆಸಲು ಬಳಸುತ್ತಿದ್ದ ಅದೇ ಶಿಸ್ತಿನೊಂದಿಗೆ ನಿದ್ರೆ, ಪೋಷಣೆ ಮತ್ತು ಮಾನಸಿಕ ಸ್ಥಿತಿಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಅವರಿಗೆ ಅನುವು ಮಾಡಿಕೊಟ್ಟಿತು.

ವೈದ್ಯಕೀಯ ಜ್ಞಾನದ ಅಂತರವನ್ನು ತುಂಬಲು LLMಗಳ ಬಳಕೆ

ಕ್ರಿಸ್ಟೊ ಅವರ ಪ್ರಯಾಣದಲ್ಲಿ ಅತ್ಯಂತ ಮಹತ್ವದ ತಿರುವು ಎಂದರೆ Anthropic ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ Claude ಎಂಬ LLM ಅನ್ನು ಅವರು ಬಳಸಿಕೊಂಡಿದ್ದು. Mass General Brigham ನ ಡ್ಯಾನಿಯೆಲ್ ಬಿಟ್ಟರ್‌ಮನ್ ಅವರಂತಹ ವೈದ್ಯಕೀಯ ತಜ್ಞರು, ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ ಚಾಟ್‌ಬಾಟ್‌ಗಳು ವೈಯಕ್ತಿಕ ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ ಇನ್ನೂ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿಲ್ಲ ಎಂದು ಎಚ್ಚರಿಸಿದ್ದರೂ, ಕ್ರಿಸ್ಟೊ ಅವರು ಇದನ್ನು ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ಬಳಸಿದರು: ಉತ್ತಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು AI ಅನ್ನು ಬಳಸಿದರು.

ಅಪರೂಪದ ಲಿfೊಮಾ (lymphoma) ಪ್ರಕರಣದಲ್ಲಿ, ಒಬ್ಬ ಮಾನವ ಆಂಕಾಲಜಿಸ್ಟ್ (oncologist) ವರ್ಷಕ್ಕೆ ಕೇವಲ ಒಂದು ಬಾರಿ ಅಂತಹ ನಿರ್ದಿಷ್ಟ ಸ್ಥಿತಿಯನ್ನು ಎದುರಿಸಬಹುದು. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, LLM ಜಾಗತಿಕ ವೈದ್ಯಕೀಯ ಸಾಹಿತ್ಯದ ಬೃಹತ್ ಭಾಗವನ್ನು "ಅವಲಂಬಿಸಿಕೊಂಡಿದೆ" (absorbed). ಕ್ರಿಸ್ಟೊ ಅವರು ತಮ್ಮ ರಕ್ತದ ವರದಿಗಳು, ಸ್ಕ್ಯಾನ್ ಡೇಟಾ, ವೇರಬಲ್ ಔಟ್‌ಪುಟ್‌ಗಳು ಮತ್ತು ಜರ್ನಲ್ ಪ್ರವೇಶಗಳನ್ನು ಈ ಮಾದರಿಗೆ (model) ನೀಡಿದರು, ಇದು ಕಚ್ಚಾ ದತ್ತಾಂಶವನ್ನು ಉಪಯುಕ್ತ ಮಾಹಿತಿಯಾಗಿ ಪರಿವರ್ತಿಸಿತು ಮತ್ತು ವಿಶ್ವದರ್ಜೆಯ ತಜ್ಞರೊಂದಿಗೆ ಚರ್ಚಿಸಲು ಅವರಿಗೆ ಸಹಾಯ ಮಾಡಿತು.

AI ಪ್ಯಾಟರ್ನ್ ರೆಕಗ್ನಿಷನ್ ಮೂಲಕ ಅನಗತ್ಯ ಚಿಕಿತ್ಸೆಯನ್ನು ತಪ್ಪಿಸುವುದು

ಕ್ರಿಸ್ಟೊ ಅವರ ಅಂತಿಮ PET ಸ್ಕ್ಯಾನ್‌ನ ಸಂದರ್ಭದಲ್ಲಿ AI ನ ನಿಜವಾದ ಶಕ್ತಿ ಎದ್ದು ಕಾಣಿಸಿತು, ಏಕೆಂದರೆ ಅದರ ಫಲಿತಾಂಶವು ಅಸ್ಪಷ್ಟವಾಗಿತ್ತು. ಅವರ ಆಂಕಾಲಜಿಸ್ಟ್ ಎರಡನೇ ಹಂತದ ಚಿಕಿತ್ಸೆಯನ್ನು ಪ್ರಾರಂಭಿಸಲು ಸೂಚಿಸಿದರು, ಇದು ಅವರ ಹೃದಯ ಮತ್ತು ಶ್ವಾಸಕೋಶದ ಹತ್ತಿರ ಅಪಾಯಕಾರಿಯಾಗಬಹುದಾದ ರೇಡಿಯೋಥೆರಪಿಯನ್ನು ಒಳಗೊಂಡಿತ್ತು.

ಆದಾಗ್ಯೂ, ಕ್ರಿಸ್ಟೊ ಅವರು ಒಂದು ನಿರ್ಣಾಯಕ ಅಂಕಿಅಂಶವನ್ನು ಗುರುತಿಸಿದರು: ಅವರ ನಿರ್ದಿಷ್ಟ ಸ್ಥಿತಿಯಲ್ಲಿ ಚಿಕಿತ್ಸೆಯ ಅಂತ್ಯದ PET ಸ್ಕ್ಯಾನ್‌ಗಳ 'ಫಾಲ್ಸ್-ಪಾಸಿಟಿವ್' (false-positive) ದರವು 60% ರಷ್ಟು ಹೆಚ್ಚಿರಬಹುದು. ಅವರು ತಮ್ಮ PET ಸ್ಕ್ಯಾನ್ ಮತ್ತು MRI ಡೇಟಾವನ್ನು Claude ಗೆ ನೀಡಿದರು, ಅದು ಒಂದು ನಿರ್ದಿಷ್ಟ ವೈದ್ಯಕೀಯ ವಿದ್ಯಮಾನವನ್ನು ಗುರುತಿಸಿತು: "ಥೈಮಸ್ ರಿಬೌಂಡ್" (thymus rebound). 40 ವರ್ಷದೊಳಗಿನ ರೋಗಿಗಳಲ್ಲಿ, ಮರುಸಕ್ರಿಯಗೊಂಡ ಥೈಮಸ್ ಗ್ರಂಥಿಯು ಇಮೇಜಿಂಗ್‌ನಲ್ಲಿ ಸಕ್ರಿಯ ಕಾಯಿಲೆಯಂತೆ ಕಾಣಿಸಿಕೊಳ್ಳಬಹುದು ಎಂದು ಮಾದರಿಯು ಸೂಚಿಸಿತು. ಈ ವಿವರಣೆಯ ಸಂಭವನೀಯತೆಯನ್ನು AI ಸುಮಾರು 90% ಎಂದು ಅಂದಾಜಿಸಿತು. ಹೆಚ್ಚಿನ ತಜ್ಞರ ಪರಿಶೀಲನೆಯ ನಂತರ, ರೋಗನಿರ್ಣಯವು ದೃಢಪಟ್ಟಿತು—ಅವರಿಗೆ ಕ್ಯಾನ್ಸರ್ ಇರಲಿಲ್ಲ, ಮತ್ತು ಅನಗತ್ಯ ರೇಡಿಯೋಥೆರಪಿಯನ್ನು ತಪ್ಪಿಸಲಾಯಿತು.

ವೈಯಕ್ತಿಕ ರೋಗಿ ವಕಾಲತ್ತಿಕೆಯ (Patient Advocacy) ಭವಿಷ್ಯ

ಕ್ರಿಸ್ಟೊ ಅವರ ಕಥೆಯು "ರೋಗಿ-ನಡೆಸುವ AI ವಕಾಲತ್ತಿಕೆ" (patient-led AI advocacy) ಎಂಬ ಬೆಳೆಯುತ್ತಿರುವ ಪ್ರವೃತ್ತಿಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ. LLMಗಳು ಹೆಚ್ಚು ಸುಧಾರಿತವಾಗುತ್ತಿದ್ದಂತೆ, ವೈದ್ಯಕೀಯ ಪರಿಣತಿ ಮತ್ತು ರೋಗಿ-ಚಾಲಿತ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆಯ ನಡುವಿನ ಗಡಿ ಮಸುಕಾಗುತ್ತಿದೆ. ಡೆವಲಪರ್‌ಗಳು ಮತ್ತು ಸಂಸ್ಥಾಪಕರಿಗೆ, ಇದು MedTech ಮತ್ತು Generative AI ನ ಸಂಗಮದಲ್ಲಿ ಒಂದು ದೊಡ್ಡ ಅವಕಾಶವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ: ವೈದ್ಯರನ್ನು ಬದಲಿಸುವ ಬದಲು, ವೈದ್ಯಕೀಯ ವ್ಯವಸ್ಥೆಯ ಮಿತಿಗಳನ್ನು ಎದುರಿಸಲು ರೋಗಿಗಳಿಗೆ ಶಕ್ತಿ ತುಂಬುವ ಸಾಧನಗಳನ್ನು ರಚಿಸುವುದು.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ದತ್ತಾಂಶ ಆಧಾರಿತ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆ: ಕ್ರಿಸ್ಟೊ ಅವರು ತಮ್ಮ ವೈದ್ಯಕೀಯ ಪ್ರಯಾಣವನ್ನು ಒಂದು ಡೇಟಾ ಸೈನ್ಸ್ ಸಮಸ್ಯೆಯಾಗಿ ಪರಿಗಣಿಸಿದರು, ತಮ್ಮ ದೈಹಿಕ ಮತ್ತು ಮಾನಸಿಕ ಸ್ಥಿತಿಯನ್ನು ನಿರ್ವಹಿಸಲು ವೇರಬಲ್ ಸಾಧನಗಳು ಮತ್ತು ನಿಖರವಾದ ಲಾಗಿಂಗ್ ಅನ್ನು ಬಳಸಿದರು.
• ತರ್ಕದ ಪದರವಾಗಿ AI: ನೇರ ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ LLMಗಳನ್ನು ಬಳಸುವ ಬದಲು, ಅವರು ಸಂಕೀರ್ಣ ದತ್ತಾಂಶವನ್ನು ಸಂಶ್ಲೇಷಿಸಲು ಮತ್ತು ತಮ್ಮ ವೈದ್ಯಕೀಯ ತಂಡಕ್ಕೆ ಉನ್ನತ ಮಟ್ಟದ ಪ್ರಶ್ನೆಗಳನ್ನು ರೂಪಿಸಲು Claude ಅನ್ನು ಬಳಸಿದರು.
• ವೈದ್ಯಕೀಯ ತಪ್ಪುಗಳನ್ನು ತಗ್ಗಿಸುವುದು: AI "ಥೈಮಸ್ ರಿಬೌಂಡ್" ವಿದ್ಯಮಾನವನ್ನು ಗುರುತಿಸಲು ಸಹಾಯ ಮಾಡಿತು, ಇದು ಅನಗತ್ಯ ಮತ್ತು ಆಕ್ರಮಣಕಾರಿ ರೇಡಿಯೋಥೆರಪಿಯನ್ನು ತಡೆಯಿತು, ಇದು ಕಡೆಗಣಿಸಲ್ಪಟ್ಟ ವೈದ್ಯಕೀಯ ಮಾದರಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವಲ್ಲಿ AI ನ ಮೌಲ್ಯವನ್ನು ಸಾಬೀತುಪಡಿಸಿತು.