in

A potential game-changer in health diagnostics and more, Health News, ET HealthWorld


द्वारा रामित साहनी

अब एक दशक से थोड़ा अधिक समय से, चिकित्सा निदान में कृत्रिम बुद्धिमत्ता (एआई) द्वारा प्रदान किया गया मूल्य उन क्षेत्रों में अपनी भूमिका को महसूस करके लगातार बढ़ रहा है जो लंबे समय से स्वास्थ्य पेशेवरों के लिए गंभीर चुनौतियां हैं। तपेदिक, कैंसर और, हाल ही में, कोविड जैसे बड़े हत्यारों को एआई की शक्ति के साथ जल्दी पता लगाने (या कोविड के मामले में फेफड़ों पर प्रभाव) देने की क्षमता के साथ निपटा जा रहा है, इस प्रकार दुनिया भर में लाखों लोगों की जान बचाई जा रही है।

एआई मॉडल अब प्रारंभिक परीक्षाओं और एमआरआई स्कैन, चिकित्सा, सूक्ष्म, और अल्ट्रासोनिक इमेजिंग के निदान के लिए उपयोग किए जाते हैं। कुछ सामान्य अनुप्रयोगों में ट्यूमर का पता लगाना, उसका आकार और यहां तक ​​कि सूक्ष्म स्तर पर रक्त प्रवाह माप शामिल हैं। जबकि जटिल एल्गोरिदम एआई सिस्टम को हर ‘लेन-देन’ या उनके माध्यम से डाले गए डेटा से सीखने में मदद करते हैं, उनकी प्रभावशीलता काफी हद तक डेटा की मात्रा और गुणवत्ता पर निर्भर करती है जो उन्हें खिलाया जाता है। यह मुख्य रूप से स्वास्थ्य देखभाल में या निदान में अधिक सटीक रूप से एक महत्वपूर्ण चुनौती है।

इस चुनौती के आसपास काम करने के लिए, एआई विशेषज्ञ उस पर भरोसा करने लगे हैं जिसे सामान्य रूप से डेटा वृद्धि और मिश्रण संबंधित तकनीकों के रूप में जाना जाता है, एक प्रक्रिया जिसके द्वारा बड़ी मात्रा में ‘सिंथेटिक डेटा’ बनाया जाता है जो वास्तविक डेटा के क्लोन की तरह व्यवहार करता है। मिश्रित करना उच्च गुणवत्ता वाले सिंथेटिक डेटा को उत्पन्न करने के लिए एक ऐसी मालिकाना तकनीक है जिसमें अब स्वास्थ्य सेवा में अपार संभावनाएं हैं।

यह समझने के लिए कि इंटरमिक्स कैसे काम करता है, हमें एआई को उसके मूल स्तर पर ही समझना होगा। एआई मॉडल मानव मस्तिष्क की नकल करते हैं (इसलिए इसे तंत्रिका नेटवर्क कहा जाता है)। मानव मस्तिष्क सबसे जटिल प्रणालियों में से एक है जो बड़ी संख्या में मापदंडों और डेटा के टन के साथ काम करता है। चूंकि एआई मॉडल को कई बार ट्यूमर निदान जैसे जटिल और चुनौतीपूर्ण डेटा के लिए निर्णय लेने की आवश्यकता होती है, इसलिए हमें उन्हें बहुत सारे और बहुत सारे उदाहरण दिखाने की आवश्यकता होती है ताकि वे स्पष्ट रूप से अंतर को समझ सकें। एक इंसान के लिए भी एक सौम्य और घातक ट्यूमर के बीच अंतर करना आसान नहीं हो सकता है जब तक कि यह एक अनुभवी डॉक्टर द्वारा नहीं किया जाता है, जिसके पास ऐसे हजारों स्कैन और दशकों का अनुभव है। इंटरमिक्स ठीक यही करता है।

इंटरमिक्स एक दूसरे के ऊपर दो डेटा बिंदुओं को “ओवरले” करता है। छवियों के लिए, इसे दोनों छवियों पर पारदर्शिता का स्तर चुनने और उन्हें एक दूसरे के ऊपर रखने के रूप में सोचें। अनुभवजन्य रूप से, इन सिंथेटिक नमूनों का उपयोग करने से भाषण और चिकित्सा इमेजिंग समस्याओं के लिए मॉडल की भविष्यवाणी संबंधी सटीकता में कई मुद्दों और बेंचमार्क डेटासेट में कई मामलों में 5% से अधिक सुधार होता है। इसके अलावा, चूंकि वास्तविक डेटा से छवियां हमेशा सिंथेटिक डेटा उत्पन्न करने के लिए मिश्रित होती हैं, इसलिए बाहरी शोर या विकृतियों को जोड़ने का कोई स्पष्ट जोखिम नहीं है।

कल्पना कीजिए कि घातक स्तन कैंसर ट्यूमर के 30 स्कैन और 500 सौम्य स्तन कैंसर ट्यूमर हैं। इन छवियों को विभिन्न अनुपातों, कंट्रास्ट और पारदर्शिता स्तरों में ओवरलेइंग और सम्मिश्रण करके, हम कई नई छवियां उत्पन्न कर सकते हैं जो इन छवियों का मिश्रण होंगी। उदाहरण के लिए, एक सौम्य ट्यूमर की बहुत कमजोर 10% दृश्यमान छवि पर मढ़ा हुआ 90% घातक ट्यूमर छवि एक एआई मॉडल को खिलाया जा सकता है जो इस नए वितरण को सीखेगा। इस तरह के कई नमूने सीखने के लिए मॉडल के आत्मविश्वास और सटीकता को बढ़ाते हैं।

का मूल्य मिश्रित करना, सिंथेटिक डेटा बनाने के लिए एक घरेलू स्वामित्व वाली तकनीक, भारत जैसे देश में काफी संभावनाएं रखती है। जैसा कि यहां विस्तार से बताया गया है, अकेले स्वास्थ्य सेवा में इसका अनुप्रयोग बहुत बड़ा होगा। देश के ग्रामीण हिस्सों में चिकित्सा इमेजिंग और निदान तक पहुंच में काफी सुधार होगा क्योंकि यह दुर्लभ और महंगे पेशेवरों और मशीनों की जगह ले सकता है। यह कितना सामाजिक और आर्थिक मूल्य प्रदान कर सकता है, इसकी भविष्यवाणी करना जल्दबाजी होगी, लेकिन यह निश्चित रूप से काफी महत्वपूर्ण होगा।

यह ऐप्पल के सिरी और अमेज़ॅन के एलेक्सा जैसे आभासी सहायकों के प्रशिक्षण के लिए आवाज वृद्धि के क्षेत्र में भी एक बड़ा अतिरिक्त होगा। जैसा कि अब चीजें खड़ी हैं, हिंदी और अंग्रेजी जैसी व्यापक रूप से बोली जाने वाली भाषाओं के लिए ध्वनि डेटा प्राप्त करना कहीं अधिक आसान है। नवीनतम जनगणना के अनुसार, भारतीय अधिक बोलते हैं 19,500 भाषाएँ और बोलियाँ उनकी मातृभाषा के रूप में। इंटरमिक्स के साथ, ग्रामीण भाषाओं में भी सर्च इंजन अधिक प्रभावी होंगे। यह नेटफ्लिक्स, इंस्टाग्राम, शेयरचैट आदि के लिए क्षेत्रीय भाषाओं और क्षेत्रीय सामग्री में सिफारिश एल्गोरिदम बनाने में मदद करेगा और इन सेवाओं के लिए एक नया बाजार तैयार करेगा।

अगर इकलौता नहीं, तो इंटरमिक्स जैसा समाधान देश में डिजिटल डिवाइड की खाई को पाटने के लिए कुछ बहुत प्रभावी पुलों में से एक हो सकता है। चाहे वह एआई-आधारित स्वास्थ्य सेवा में हो या देश में कई अन्य अनुप्रयोगों में व्यापक प्रभाव, इंटरमिक्स जैसी डेटा वृद्धि तकनीक भारत जैसे देश के लिए संभावित गेम-चेंजर हो सकती है।

द्वारा रामित साहनीस्केलर में डीएसएमएल और एआई इंस्ट्रक्टर

(अस्वीकरण: व्यक्त किए गए विचार पूरी तरह से लेखक के हैं और ETHealthworld अनिवार्य रूप से इसकी सदस्यता नहीं लेता है। ETHealthworld.com किसी भी व्यक्ति / संगठन को प्रत्यक्ष या अप्रत्यक्ष रूप से हुए किसी भी नुकसान के लिए जिम्मेदार नहीं होगा।





Source link

What do you think?

Written by afilmywaps

Leave a Reply

Your email address will not be published.

Weight Loss: 7 Quick And Easy Dinner Recipes That May Help Manage Weight

American Man Orders South Indian Food In Fluent Tamil; Video Goes Viral