ടെക്സ്റ്റ് ബോട്ടുകളിൽ നിന്ന് വീഡിയോ ഡോക്ടർമാരിലേക്ക്

ടെക്സ്റ്റുകളിൽ നിന്ന് വൈദ്യശാസ്ത്രപരമായ വസ്തുതകൾ വേർതിരിച്ചെടുക്കുന്നതിൽ Large language models (LLMs) കാലങ്ങളായി മികവ് പുലർത്തുന്നുണ്ടെങ്കിലും, അവയ്ക്ക് രോഗികളോട് സംസാരിക്കാനുള്ള രീതി (bedside manner) നൽകുക എന്നത് പ്രയാസകരമായിരുന്നു. പരമ്പരാഗത AI അസിസ്റ്റന്റുകൾ ഒരു സ്റ്റാറ്റിക് ചാറ്റ് വിൻഡോയിലൂടെയാണ് മറുപടി നൽകുന്നത്; സംഭാഷണം മുന്നോട്ട് പോകുമ്പോൾ രോഗിയുടെ മുഖഭാവങ്ങൾ വായിക്കാനോ സംസാരശൈലി മാറ്റാനോ അവയ്ക്ക് കഴിയില്ല. സംഭാഷണം ഒരു ലൈവ് വീഡിയോ ലിങ്കിലേക്ക് മാറ്റുന്നതിലൂടെ ആ വിടവ് നികത്താനാണ് AMIE (Video) ശ്രമിക്കുന്നത്. അവിടെ AI-ക്ക് സംഭാഷണത്തിനൊപ്പം സഞ്ചരിക്കാനും, തുടർചോദ്യങ്ങൾ ചോദിക്കാനും, കാഴ്ചയിലൂടെ ലഭിക്കുന്ന സൂചനകൾക്ക് (visual cues) അനുസരിച്ച് പ്രതികരിക്കാനും സാധിക്കണം.

ടെക്സ്റ്റിൽ നിന്ന് വീഡിയോയിലേക്കുള്ള മാറ്റം വെറുമൊരു UI മാറ്റം മാത്രമല്ല. ഓഡിയോവിഷ്വൽ ഡാറ്റയുടെ നിരന്തരമായ ഒഴുക്ക് പ്രോസസ്സ് ചെയ്യാനും, ഒരു യഥാർത്ഥ ഡോക്ടർ കൺസൾട്ടേഷന്റെ താളം അനുകരിക്കാനും, ഇടവേളകളില്ലാതെ ഒന്നിലധികം സംഭാഷണങ്ങൾ കൈകാര്യം ചെയ്യാനും ഇത് മോഡലിനെ നിർബന്ധിക്കുന്നു. പ്രായോഗികമായി പറഞ്ഞാൽ, ഈ കഴിവ് ഉപയോഗിച്ച് AI-ക്ക് ഒരു ഫ്രണ്ട്-ലൈൻ ട്രയാജ് ഏജന്റായി (triage agent) പ്രവർത്തിക്കാൻ കഴിയും; ഇത് സാധാരണ പ്രശ്നങ്ങൾ കൈകാര്യം ചെയ്യുകയും സങ്കീർണ്ണമായ കേസുകൾക്കായി ഡോക്ടർമാരെ സ്വതന്ത്രരാക്കുകയും ചെയ്യും.

പരീക്ഷണം എങ്ങനെയാണ് നടത്തിയത്

സങ്കീർണ്ണമായ രോഗലക്ഷണങ്ങളുള്ള രോഗികളായി അഭിനയിക്കാൻ പതിനഞ്ച് പരിശീലനം ലഭിച്ച നടന്മാരെ ഉൾപ്പെടുത്തിക്കൊണ്ട് Google ഒരു ടെസ്റ്റിംഗ് ഫ്രെയിംവർക്ക് നിർമ്മിച്ചു. അഞ്ച് അവയവ വ്യവസ്ഥകളെ (organ systems) ഉൾക്കൊള്ളുന്ന ക്ലിനിക്കൽ സാഹചര്യങ്ങളിൽ വെച്ചാണ് നടന്മാർ അഭിനയിച്ചത്:

  • ഹൃദയ-ശ്വാസകോശ സംബന്ധമായ പരാതികൾ
  • വയറിലെ പ്രശ്നങ്ങൾ
  • തല-കണ്ണ്-ചെവി-മൂക്ക്-തൊണ്ട (HEENT) സംബന്ധമായ പ്രശ്നങ്ങൾ
  • നാഡീവ്യൂഹപരവും മാനസികവുമായ അവസ്ഥകൾ
  • പേശീ-അസ്ഥി സംബന്ധമായ അസുഖങ്ങൾ

തുടർന്ന്, രോഗനിർണ്ണയ കൃത്യത, ചോദ്യം ചെയ്യൽ രീതി, സഹാനുഭൂതിയോടെയുള്ള ആശയവിനിമയം എന്നിവയുടെ അടിസ്ഥാനത്തിൽ സ്വതന്ത്ര ക്ലിനിക്കൽ വിലയിരുത്തലുകൾ നടന്നു. ഈ സ്കോറുകൾ പ്രകാരം, സമാനമായ കേസുകൾ കൈകാര്യം ചെയ്യുന്ന പ്രൈമറി കെയർ ഫിസിഷ്യന്മാർക്ക് നൽകുന്ന റേറ്റിംഗിന് തുല്യമായ നിലവാരം AMIE (Video) പുലർത്തുന്നു.

ഈ ഫലം പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

ഒരു AI-ക്ക് രോഗികളോട് വിശ്വസനീയമായി സംസാരിക്കാനും ഒരു മനുഷ്യ ഡോക്ടറെപ്പോലെ തന്നെ നിഗമനങ്ങളിൽ എത്താനും കഴിയുമെങ്കിൽ, ആരോഗ്യപ്രവർത്തകരുടെ കുറവുള്ള സാഹചര്യങ്ങളിൽ കുറഞ്ഞ ചിലവിൽ ഉപയോഗിക്കാവുന്ന ഒരു സംവിധാനമായി ആരോഗ്യമേഖലയ്ക്ക് ഇതിനെ ഉപയോഗപ്പെടുത്താം. വീഡിയോ സൗകര്യമുള്ള ഒരു AI-ക്ക് അടിയന്തരമല്ലാത്ത പ്രശ്നങ്ങൾ തരംതിരിക്കാനും (triage), തുടർപരിശോധനകൾ നിശ്ചയിക്കാനും, പ്രാഥമിക നിർദ്ദേശങ്ങൾ നൽകാനും സാധിക്കും—ഇതിനായി ഒരു ഫിസിക്കൽ എക്സാമിനേഷൻ റൂമിന്റെ ആവശ്യമില്ല. വിദൂരപ്രദേശങ്ങളിലോ സേവനങ്ങൾ കുറഞ്ഞ ഇടങ്ങളിലോ ഉള്ള രോഗികൾക്ക്, ഒരു വെർച്വൽ "ഫസ്റ്റ്-ലൈൻ" ക്ലിനീഷ്യൻ കാത്തിരിപ്പ് സമയം ഗണ്യമായി കുറയ്ക്കാൻ സഹായിക്കും.

ജാഗ്രത പാലിക്കേണ്ട കാര്യങ്ങൾ

ഈ പഠനം ഒരു സിമുലേഷൻ ഘട്ടത്തിൽ മാത്രമാണ് നിലനിർത്തിയിരിക്കുന്നത്. എത്ര കഴിവുള്ളവരായാലും, വ്യക്തിപരമായ ആരോഗ്യ ചരിത്രവും മറ്റ് രോഗങ്ങളും വൈകാരികമായ മാറ്റങ്ങളും ഉള്ള യഥാർത്ഥ രോഗികളുടെ പ്രവചനാതീതമായ സ്വഭാവം അനുകരിക്കാൻ നടന്മാർക്ക് കഴിയില്ല. കൂടാതെ, AI-യുടെ പ്രകടനം വിലയിരുത്തുന്നത് മനുഷ്യരാണ്; അതിനാൽ ഏതൊരു സ്കോറിംഗ് സിസ്റ്റത്തിലും വ്യക്തിപരമായ പക്ഷപാതങ്ങൾ (subjective bias) കടന്നുകൂടാൻ സാധ്യതയുണ്ട്.

നിയന്ത്രണപരമായ അനുമതികൾ (Regulatory clearance) ലഭിക്കുക എന്നത് മറ്റൊരു വെല്ലുവിളിയാണ്. രോഗനിർണ്ണയത്തിനോ ട്രയാജിനോ അനുമതി നൽകുന്നതിന് മുമ്പ്, നിലവിലുള്ള മെഡിക്കൽ-ഡിവൈസ് ചട്ടങ്ങൾ പ്രകാരം യഥാർത്ഥ ലോകത്തെ ഉപയോഗങ്ങളിൽ നിന്നുള്ള തെളിവുകൾ ആവശ്യമാണ്. ആ ഡാറ്റയില്ലാതെ, ഇത്തരം സംവിധാനങ്ങൾ ഗവേഷണ ആവശ്യങ്ങൾക്കോ അല്ലെങ്കിൽ കർശനമായ മേൽനോട്ടത്തിലുള്ള പരീക്ഷണങ്ങൾക്കോ മാത്രമായി പരിമിതപ്പെടും. ഉത്തരവാദിത്തം (Liability) എന്ന പ്രശ്നവും ഇവിടെ നിലനിൽക്കുന്നു: ഒരു AI കാഴ്ചയിലൂടെ ലഭിക്കുന്ന സൂചന തെറ്റായി വ്യാഖ്യാനിക്കുകയും തെറ്റായ ചികിത്സാ രീതി നിർദ്ദേശിക്കുകയും ചെയ്താൽ, അതിന്റെ ഉത്തരവാദിത്തം ആർക്കായിരിക്കും—ഡെവലപ്പർക്കാണോ, ഹോസ്റ്റിംഗ് പ്ലാറ്റ്‌ഫോമിനാണോ, അതോ മേൽനോട്ടം വഹിക്കുന്ന ഡോക്ടർക്കാണോ?

അടുത്ത ഘട്ടം എന്താണ്

യഥാർത്ഥ ആരോഗ്യ രേഖകളും വൈവിധ്യമാർന്ന ജനവിഭാഗങ്ങളും ഉൾപ്പെടുത്തിക്കൊണ്ട് യഥാർത്ഥ രോഗികളുമായി പരീക്ഷണങ്ങൾ നടത്താനാണ് അടുത്ത ഘട്ടത്തിൽ Google ലക്ഷ്യമിടുന്നത്. ക്ലിനിക്കൽ യുക്തിയിൽ (clinical reasoning) മനുഷ്യന് തുല്യമായ നിലവാരം പുലർത്തുക എന്നത് മാത്രമല്ല, സുരക്ഷ, ഡാറ്റാ സ്വകാര്യത, വിവിധ ജനവിഭാഗങ്ങൾക്കിടയിലുള്ള തുല്യമായ പ്രകടനം എന്നിവയും ഈ പഠനങ്ങൾ തെളിയിക്കേണ്ടതുണ്ട്.

ചുരുക്കത്തിൽ

വൈവിധ്യമാർന്ന ആരോഗ്യ പ്രശ്നങ്ങളിൽ, ഒരു പ്രൈമറി കെയർ ഡോക്ടർക്ക് ലഭിക്കുന്ന അതേ ക്ലിനിക്കൽ റേറ്റിംഗുകൾ നേടിക്കൊണ്ട്, ഒരു സിമുലേറ്റഡ് വീഡിയോ അപ്പോയിന്റ്മെന്റിൽ ഒരു Large-language-model അധിഷ്ഠിത AI-ക്ക് മികച്ച രീതിയിൽ പ്രവർത്തിക്കാൻ കഴിയുമെന്ന് AMIE (Video) തെളിയിക്കുന്നു. ഈ മുന്നേറ്റം AI അധിഷ്ഠിത ഫ്രണ്ട്-ലൈൻ കെയറിലേക്കുള്ള വാതിലുകൾ തുറക്കുന്നുണ്ടെങ്കിലും, ഈ സാങ്കേതികവിദ്യ ലാബുകളിൽ നിന്ന് ക്ലിനിക്കുകളിലേക്ക് മാറുമോ എന്നത് യഥാർത്ഥ രോഗികളുമായുള്ള പരീക്ഷണങ്ങൾ, നിയന്ത്രണപരമായ അനുമതികൾ, വ്യക്തമായ ഉത്തരവാദിത്ത ചട്ടക്കൂടുകൾ എന്നിവയെ ആശ്രയിച്ചിരിക്കും.