ਟੈਕਸਟ ਬੋਟਸ ਤੋਂ ਵੀਡੀਓ ਡਾਕਟਰਾਂ ਤੱਕ

ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਟੈਕਸਟ ਵਿੱਚੋਂ ਡਾਕਟਰੀ ਤੱਥ ਕੱਢਣ ਵਿੱਚ ਮਾਹਰ ਰਹੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਨੂੰ 'ਬੈੱਡਸਾਈਡ ਮੈਨਰ' (ਮਰੀਜ਼ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦਾ ਤਰੀਕਾ) ਦੇਣਾ ਮੁਸ਼ਕਲ ਸਾਬਤ ਹੋਇਆ ਹੈ। ਰਵਾਇਤੀ AI ਸਹਾਇਕ ਇੱਕ ਸਥਿਰ ਚੈਟ ਵਿੰਡੋ ਵਿੱਚ ਜਵਾਬ ਦਿੰਦੇ ਹਨ; ਉਹ ਮਰੀਜ਼ ਦੇ ਚਿਹਰੇ ਦੇ ਹਾਵ-ਭਾਵ ਨਹੀਂ ਪੜ੍ਹ ਸਕਦੇ ਜਾਂ ਗੱਲਬਾਤ ਦੇ ਵਧਦੇ ਸਿਲਸਿਲੇ ਦੇ ਨਾਲ ਆਪਣਾ ਲਹਿਜਾ ਨਹੀਂ ਬਦਲ ਸਕਦੇ। AMIE (Video) ਇਸ ਪਾੜੇ ਨੂੰ ਭਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਗੱਲਬਾਤ ਨੂੰ ਇੱਕ ਲਾਈਵ ਵੀਡੀਓ ਲਿੰਕ 'ਤੇ ਲਿਆ ਕੇ, ਜਿੱਥੇ AI ਨੂੰ ਗੱਲਬਾਤ ਦੀ ਰਫ਼ਤਾਰ ਨਾਲ ਚੱਲਣਾ ਪੈਂਦਾ ਹੈ, ਅਗਲੇ ਸਵਾਲ ਪੁੱਛਣੇ ਪੈਂਦੇ ਹਨ, ਅਤੇ ਵਿਜ਼ੂਅਲ ਸੰਕੇਤਾਂ (visual cues) ਦਾ ਜਵਾਬ ਦੇਣਾ ਪੈਂਦਾ ਹੈ।

ਟੈਕਸਟ ਤੋਂ ਵੀਡੀਓ ਵਿੱਚ ਬਦਲਣਾ ਸਿਰਫ਼ ਇੱਕ UI ਤਬਦੀਲੀ ਨਹੀਂ ਹੈ। ਇਹ ਮਾਡਲ ਨੂੰ ਲਗਾਤਾਰ ਆਡੀਓ-ਵਿਜ਼ੂਅਲ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ, ਇੱਕ ਅਸਲੀ ਅਪੌਇੰਟਮੈਂਟ ਦੀ ਲੈਅ ਦੀ ਨਕਲ ਕਰਨ, ਅਤੇ ਬਿਨਾਂ ਰੁਕੇ ਕਈ ਗੱਲਬਾਤ ਦੇ ਧਾਗਿਆਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਅਸਲ ਵਿੱਚ, ਇਹ ਸਮਰੱਥਾ AI ਨੂੰ ਇੱਕ ਫਰੰਟ-ਲਾਈਨ ਟ੍ਰਾਇਜ (triage) ਏਜੰਟ ਵਜੋਂ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾ ਸਕਦੀ ਹੈ, ਜੋ ਰੁਟੀਨ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਸੰਭਾਲੇਗਾ ਅਤੇ ਡਾਕਟਰਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਮਾਮਲਿਆਂ ਲਈ ਵਿਹਲਾ ਕਰੇਗਾ।

ਟੈਸਟ ਕਿਵੇਂ ਕੀਤਾ ਗਿਆ

Google ਨੇ ਇੱਕ ਟੈਸਟਿੰਗ ਫਰੇਮਵਰਕ ਤਿਆਰ ਕੀਤਾ ਜਿਸ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਲੱਛਣਾਂ ਵਾਲੇ ਮਰੀਜ਼ਾਂ ਦਾ ਕਿਰਦਾਰ ਨਿਭਾਉਣ ਲਈ ਪੰਦਰਾਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਅਦਾਕਾਰਾਂ ਨੂੰ ਲਿਆ ਗਿਆ। ਅਦਾਕਾਰਾਂ ਨੇ ਪੰਜ ਅੰਗ ਪ੍ਰਣਾਲੀਆਂ (organ systems) ਦੇ ਕਲੀਨਿਕਲ ਸਥਿਤੀਆਂ ਦੇ ਅੰਦਰ ਅਦਾਕਾਰੀ ਕੀਤੀ:

  • ਕਾਰਡੀਓਪਲਮੋਨਰੀ (ਦਿਲ ਅਤੇ ਫੇਫੜਿਆਂ) ਦੀਆਂ ਸ਼ਿਕਾਇਤਾਂ
  • ਪੇਟ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ
  • ਸਿਰ-ਅੱਖ-ਕੰਨ-ਨੱਕ-ਗਲਾ (HEENT) ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ
  • ਨਿਊਰੋਲੋਜੀਕਲ ਅਤੇ ਮਨੋਵਿਗਿਆਨਕ ਸਥਿਤੀਆਂ
  • ਮਸਕੂਲੋਸਕੇਲਟਲ (ਮਾਸਪੇਸ਼ੀ ਅਤੇ ਹੱਡੀਆਂ) ਦੇ ਵਿਕਾਰ

ਫਿਰ ਸੁਤੰਤਰ ਕਲੀਨਿਕਲ ਮੁਲਾਂਕਣਕਰਤਾਵਾਂ ਨੇ ਡਾਇਗਨੋਸਟਿਕ ਸ਼ੁੱਧਤਾ, ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਰਣਨੀਤੀ, ਅਤੇ ਹਮਦਰਦੀ ਭਰੀ ਗੱਲਬਾਤ ਦੇ ਅਧਾਰ 'ਤੇ AI ਨੂੰ ਰੇਟ ਕੀਤਾ। ਸਕੋਰਾਂ ਨੇ AMIE (Video) ਨੂੰ ਉਨ੍ਹਾਂ ਰੇਟਿੰਗਾਂ ਦੇ ਬਰਾਬਰ ਰੱਖਿਆ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਉਹੀ ਮਾਮਲੇ ਸੰਭਾਲਣ ਵਾਲੇ ਪ੍ਰਾਇਮਰੀ-ਕੇਅਰ ਡਾਕਟਰਾਂ ਨੂੰ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਇਹ ਨਤੀਜਾ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਜੇਕਰ ਕੋਈ AI ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਇੱਕ ਮਰੀਜ਼-ਅਦਾਕਾਰ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਮਨੁੱਖੀ ਕਲੀਨਿਸ਼ੀਅਨ ਵਾਂਗ ਹੀ ਸਿੱਟਿਆਂ 'ਤੇ ਪਹੁੰਚ ਸਕਦਾ ਹੈ, ਤਾਂ ਸਿਹਤ ਪ੍ਰਣਾਲੀਆਂ ਕਰਮਚਾਰੀਆਂ ਦੀ ਘਾਟ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਘੱਟ ਲਾਗਤ ਵਾਲਾ, ਵਿਸਥਾਰਯੋਗ (scalable) ਪ੍ਰਵੇਸ਼ ਬਿੰਦੂ ਤੈਅ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਵੀਡੀਓ-ਸਮਰੱਥ AI ਗੈਰ-ਜ਼ਰੂਰੀ ਚਿੰਤਾਵਾਂ ਦਾ ਟ੍ਰਾਇਜ ਕਰ ਸਕਦੀ ਹੈ, ਫਾਲੋ-ਅੱਪ ਸ਼ਡਿਊਲ ਕਰ ਸਕਦੀ ਹੈ, ਜਾਂ ਮੁੱਢਲੀ ਸਲਾਹ ਦੇ ਸਕਦੀ ਹੈ—ਉਹ ਵੀ ਭੌਤਿਕ ਜਾਂਚ ਕਮਰੇ ਦੇ ਖਰਚੇ ਤੋਂ ਬਿਨਾਂ। ਦੂਰ-ਦੁਰਾਡੇ ਜਾਂ ਘੱਟ ਸਹੂਲਤਾਂ ਵਾਲੇ ਖੇਤਰਾਂ ਦੇ ਮਰੀਜ਼ਾਂ ਲਈ, ਇੱਕ ਵਰਚੁਅਲ "ਫਰਸਟ-ਲਾਈਨ" ਕਲੀਨਿਸ਼ੀਅਨ ਇੰਤਜ਼ਾਰ ਦੇ ਸਮੇਂ ਨੂੰ ਕਾਫ਼ੀ ਘਟਾ ਸਕਦਾ ਹੈ।

ਸਾਵਧਾਨੀ ਵਾਲਾ ਪੱਖ

ਇਹ ਅਧਿਐਨ ਸਿਰਫ਼ ਸਿਮੂਲੇਸ਼ਨ (simulation) ਤੱਕ ਹੀ ਸੀਮਤ ਰਿਹਾ। ਅਦਾਕਾਰ, ਚਾਹੇ ਉਹ ਕਿੰਨੇ ਵੀ ਕੁਸ਼ਲ ਕਿਉਂ ਨਾ ਹੋਣ, ਅਸਲੀ ਮਰੀਜ਼ਾਂ ਦੀ ਅਣਪਛਾਤੀ ਪ੍ਰਕਿਰਤੀ ਦੀ ਨਕਲ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜੋ ਆਪਣੇ ਨਾਲ ਨਿੱਜੀ ਇਤਿਹਾਸ, ਸਹਿ-ਰੋਗ (comorbidities), ਅਤੇ ਭਾਵਨਾਤਮਕ ਅਸਥਿਰਤਾ ਲੈ ਕੇ ਆਉਂਦੇ ਹਨ। ਮੁਲਾਂਕਣ ਮਨੁੱਖੀ ਰੇਟਰਾਂ ਦੁਆਰਾ AI ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਵਿਆਖਿਆ 'ਤੇ ਵੀ ਨਿਰਭਰ ਸੀ; ਕਿਸੇ ਵੀ ਸਕੋਰਿੰਗ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾਤਮਕ ਪੱਖਪਾਤ (subjective bias) ਆ ਸਕਦਾ ਹੈ।

ਰੈਗੂਲੇਟਰੀ ਮਨਜ਼ੂਰੀ ਇੱਕ ਹੋਰ ਰੁਕਾਵਟ ਹੈ। ਮੌਜੂਦਾ ਮੈਡੀਕਲ-ਡਿਵਾਈਸ ਫਰੇਮਵਰਕ ਨੂੰ ਡਾਇਗਨੋਸਟਿਕ ਜਾਂ ਟ੍ਰਾਇਜ ਕਾਰਜਾਂ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਅਸਲ ਦੁਨੀਆ ਦੀ ਵਰਤੋਂ ਦੇ ਸਬੂਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਸ ਡੇਟਾ ਤੋਂ ਬਿਨਾਂ, ਕੋਈ ਵੀ ਤੈਅਾਈ (deployment) ਖੋਜ ਸੈਟਿੰਗਾਂ ਜਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਗਰਾਨੀ ਵਾਲੇ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੱਕ ਹੀ ਸੀਮਤ ਰਹੇਗੀ। ਜ਼ਿੰਮੇਵਾਰੀ (Liability) ਦਾ ਸਵਾਲ ਵੀ ਉੱਠਦਾ ਹੈ: ਜੇਕਰ ਕੋਈ AI ਵਿਜ਼ੂਅਲ ਸੰਕੇਤ ਨੂੰ ਗਲਤ ਸਮਝ ਲੈਂਦਾ ਹੈ ਅਤੇ ਗਲਤ ਰਾਹ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਜ਼ਿੰਮੇਵਾਰ ਕੌਣ ਹੋਵੇਗਾ—ਡਿਵੈਲਪਰ, ਹੋਸਟਿੰਗ ਪਲੇਟਫਾਰਮ, ਜਾਂ ਨਿਗਰਾਨ ਕਲੀਨਿਸ਼ੀਅਨ?

ਅੱਗੇ ਕੀ ਹੋਵੇਗਾ

Google ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਕਿ ਅਗਲੇ ਪੜਾਅ ਵਿੱਚ ਅਸਲੀ ਮਰੀਜ਼ਾਂ ਨਾਲ ਟ੍ਰਾਇਲ ਸ਼ਾਮਲ ਹੋਣਗੇ, ਜਿਸ ਵਿੱਚ ਅਸਲੀ ਸਿਹਤ ਰਿਕਾਰਡ ਅਤੇ ਵਿਭਿੰਨ ਜਨਸੰਖਿਆ ਪਿਛੋਕੜ ਹੋਣਗੇ। ਉਹਨਾਂ ਅਧਿਐਨਾਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਕਲੀਨਿਕਲ ਤਰਕ ਵਿੱਚ ਸਮਾਨਤਾ ਸਾਬਤ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ਸਗੋਂ ਸੁਰੱਖਿਆ, ਡੇਟਾ ਪ੍ਰਾਈਵੇਸੀ, ਅਤੇ ਵੱਖ-ਵੱਖ ਜਨਸੰਖਿਆ ਸਮੂਹਾਂ ਵਿੱਚ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਵੀ ਲੋੜ ਹੋਵੇਗੀ।

ਨਿਚੋੜ

AMIE (Video) ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਲਾਰ