आरोग्यसेवेमध्ये सशक्त एआय कसे समाविष्ट करावे, आंतरविद्याशाखीय सहकार्य का महत्त्वाचे आहे आणि संशोधनातील जनरेटिव्ह एआयची क्षमता यावर एआय तज्ञ चर्चा करतात.
१४ मे रोजी स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिन येथे झालेल्या उद्घाटनपर RAISE हेल्थ सिम्पोझियममध्ये फेईफेई ली आणि लॉईड मायनर यांनी प्रास्ताविक भाषणे दिली. स्टीव्ह फिश
कृत्रिम बुद्धिमत्तेच्या प्रभावाखाली आलेल्या बहुतेक लोकांना एक प्रकारचा ‘आहा’ क्षण अनुभवता आला आहे, ज्यामुळे त्यांची मने शक्यतांच्या जगासाठी खुली झाली आहेत. १४ मे रोजी झालेल्या उद्घाटनपर ‘रेज हेल्थ सिम्पोझियम’मध्ये, स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिनचे डीन आणि स्टॅनफोर्ड युनिव्हर्सिटीतील वैद्यकीय व्यवहार विभागाचे उपाध्यक्ष, एमडी लॉईड मायनर यांनी आपला दृष्टिकोन मांडला.
जेव्हा एका जिज्ञासू किशोरवयीन मुलाला अंतःकर्णासंबंधीच्या त्याच्या निष्कर्षांचा सारांश सांगण्यास सांगितले गेले, तेव्हा त्याने जनरेटिव्ह आर्टिफिशियल इंटेलिजन्सची मदत घेतली. "मी विचारले, 'सुपीरियर कॅनाल डिहिसेन्स सिंड्रोम म्हणजे काय?'" असे मायनरने परिसंवादातील जवळपास ४,००० सहभागींना सांगितले. काही सेकंदातच, अनेक परिच्छेद समोर आले.
"ते चांगलं आहे, खरंच खूप चांगलं," तो म्हणाला. "ही माहिती संकलित करून रोगाचे एक संक्षिप्त, सर्वसाधारणपणे अचूक आणि स्पष्टपणे प्राधान्यक्रम दिलेले वर्णन तयार केले गेले आहे. ही गोष्ट खूपच उल्लेखनीय आहे."
बायोमेडिकल संशोधन, शिक्षण आणि रुग्णसेवेमध्ये कृत्रिम बुद्धिमत्तेच्या जबाबदार वापरास मार्गदर्शन करण्यासाठी स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिन आणि स्टॅनफोर्ड इन्स्टिट्यूट फॉर ह्युमन-सेंटर्ड आर्टिफिशियल इंटेलिजन्स (HAI) यांनी सुरू केलेल्या 'RAISE हेल्थ' या प्रकल्पाचाच एक भाग असलेल्या, या अर्ध्या दिवसाच्या कार्यक्रमाबद्दल अनेकांनी मायनर यांच्याप्रमाणेच उत्साह दाखवला. वक्त्यांनी यावर विचारमंथन केले की, वैद्यकशास्त्रामध्ये कृत्रिम बुद्धिमत्तेची अंमलबजावणी अशा प्रकारे करणे म्हणजे काय, जे केवळ डॉक्टर आणि शास्त्रज्ञांसाठीच उपयुक्त नाही, तर रुग्णांसाठीही पारदर्शक, निष्पक्ष आणि न्याय्य असेल.
"आमचा विश्वास आहे की हे एक असे तंत्रज्ञान आहे जे मानवी क्षमता वाढवते," असे स्टॅनफोर्ड स्कूल ऑफ इंजिनिअरिंगमधील संगणक विज्ञानाच्या प्राध्यापिका, 'RAISE Health with Minor' प्रकल्पाच्या संचालिका आणि 'HAI' च्या सह-संचालिका फेई-फेई ली म्हणाल्या. पिढ्यानपिढ्या नवनवीन तंत्रज्ञान उदयास येऊ शकते: प्रतिजैविकांच्या नवीन आण्विक अनुक्रमांपासून ते जैवविविधतेचा नकाशा तयार करणे आणि मूलभूत जीवशास्त्राचे छुपे भाग उघड करण्यापर्यंत, एआय वैज्ञानिक शोधांना गती देत आहे. पण यातील सर्वच गोष्टी फायदेशीर नसतात. "या सर्व उपयोगांचे अनपेक्षित परिणाम होऊ शकतात, आणि आपल्याला अशा संगणक शास्त्रज्ञांची गरज आहे जे डॉक्टर आणि नीतिशास्त्रज्ञांपासून... सुरक्षा तज्ञांपर्यंत आणि त्यापलीकडील विविध भागधारकांसोबत काम करून, जबाबदारीने [कृत्रिम बुद्धिमत्ता] विकसित आणि अंमलात आणतील," असे त्या म्हणतात. "RAISE Health सारखे उपक्रम याप्रती आमची वचनबद्धता दर्शवतात."
स्टॅनफोर्ड मेडिसिनच्या तीन विभागांचे—स्कूल ऑफ मेडिसिन, स्टॅनफोर्ड हेल्थ केअर आणि स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ चाइल्ड हेल्थ मेडिसिन—एकत्रीकरण आणि स्टॅनफोर्ड युनिव्हर्सिटीच्या इतर भागांशी असलेल्या त्याच्या संबंधांमुळे ते अशा स्थितीत आले आहे, जिथे तज्ञ कृत्रिम बुद्धिमत्तेचा विकास, आरोग्यसेवा आणि वैद्यक क्षेत्रातील व्यवस्थापन आणि एकात्मतेच्या समस्यांशी झुंज देत आहेत. औषध, असे त्या गाण्यात म्हटले होते.
"मूलभूत जैविक शोधांपासून ते औषध विकासात सुधारणा करणे आणि क्लिनिकल चाचणी प्रक्रिया अधिक कार्यक्षम बनवणे, अगदी आरोग्यसेवांच्या प्रत्यक्ष वितरणापर्यंत, आणि आरोग्यसेवा प्रणाली ज्या प्रकारे उभारली आहे, त्यापर्यंत कृत्रिम बुद्धिमत्तेच्या विकासात आणि जबाबदार अंमलबजावणीत अग्रणी बनण्यासाठी आम्ही सुस्थितीत आहोत," असे ते म्हणाले.
अनेक वक्त्यांनी एका साध्या संकल्पनेवर भर दिला: वापरकर्त्यावर (या प्रकरणात, रुग्ण किंवा डॉक्टर) लक्ष केंद्रित करा आणि बाकी सर्व आपोआप जुळून येईल. “यामुळे आपण करत असलेल्या प्रत्येक गोष्टीच्या केंद्रस्थानी रुग्ण येतो,” असे ब्रिघम अँड विमेन्स हॉस्पिटलमधील जैवनीतिशास्त्र विभागाच्या संचालिका डॉ. लिसा लेहमन म्हणाल्या. “आपल्याला त्यांच्या गरजा आणि प्राधान्यक्रमांचा विचार करणे आवश्यक आहे.”
डावीकडून उजवीकडे: STAT न्यूजच्या अँकर मोहना रवींद्रनाथ; मायक्रोसॉफ्ट रिसर्चच्या जेसिका पीटर ली; बायोमेडिकल डेटा सायन्सच्या प्राध्यापिका सिल्व्हिया प्लेवरिटिस, वैद्यकीय संशोधनातील कृत्रिम बुद्धिमत्तेच्या भूमिकेवर चर्चा करत आहेत. स्टीव्ह फिश
पॅनेलवरील वक्त्यांमध्ये लेहमन, स्टॅनफोर्ड विद्यापीठाच्या वैद्यकीय जैवनीतिशास्त्रज्ञ डॉ. मिल्ड्रेड चो आणि गुगलचे मुख्य क्लिनिकल अधिकारी डॉ. मायकल हॉवेल यांचा समावेश होता. त्यांनी रुग्णालयीन प्रणालींच्या गुंतागुंतीवर भर दिला आणि कोणताही हस्तक्षेप करण्यापूर्वी त्यांचा उद्देश समजून घेण्याची गरज असल्याचे सांगितले. त्याची अंमलबजावणी करा आणि हे सुनिश्चित करा की विकसित केलेल्या सर्व प्रणाली सर्वसमावेशक असतील आणि ज्या लोकांच्या मदतीसाठी त्या तयार केल्या आहेत, त्यांचे म्हणणे ऐकून घेतील.
पारदर्शकता हा एक महत्त्वाचा घटक आहे: यामुळे हे स्पष्ट होते की अल्गोरिदमला प्रशिक्षित करण्यासाठी वापरलेला डेटा कुठून येतो, अल्गोरिदमचा मूळ उद्देश काय आहे आणि भविष्यातील रुग्णांचा डेटा अल्गोरिदमला शिकण्यास मदत करत राहील की नाही, यांसारख्या इतर घटकांचा यात समावेश होतो.
"नैतिक समस्या गंभीर होण्यापूर्वीच त्यांचा अंदाज लावण्याचा प्रयत्न करणे म्हणजे एक असा योग्य तोल साधणे, जिथे तुम्हाला तंत्रज्ञानाबद्दल पुरेसे ज्ञान असेल आणि त्यावर विश्वास ठेवता येईल, पण समस्या अधिक पसरण्याआधीच त्यावर लवकर तोडगा काढता येईल," असे डेंटन चार म्हणाले. ते वैद्यकीय विज्ञान शाखेचे उमेदवार आणि बालरोग भूलशास्त्र, पेरिऑपरेटिव्ह मेडिसिन व वेदना निवारण विभागाचे सहयोगी प्राध्यापक आहेत. त्यांच्या मते, एक महत्त्वाची पायरी म्हणजे, तंत्रज्ञानामुळे प्रभावित होऊ शकणाऱ्या सर्व संबंधित घटकांना ओळखणे आणि त्या प्रश्नांची उत्तरे त्यांना स्वतःला कशी द्यायची आहेत, हे निश्चित करणे.
अमेरिकन मेडिकल असोसिएशनचे अध्यक्ष, एमडी जेसी एहरेनफेल्ड, कृत्रिम बुद्धिमत्तेवर आधारित साधनांसह, कोणत्याही डिजिटल आरोग्य साधनाच्या स्वीकृतीला चालना देणाऱ्या चार घटकांवर चर्चा करतात. ते प्रभावी आहे का? हे माझ्या संस्थेत चालेल का? पैसे कोण देणार? जबाबदार कोण आहे?
स्टॅनफोर्ड हेल्थ केअरचे मुख्य माहिती अधिकारी, डॉ. मायकल फेफर यांनी एक अलीकडील उदाहरण दिले, ज्यात स्टॅनफोर्ड रुग्णालयांमधील परिचारिकांमध्ये अनेक समस्यांची चाचणी घेण्यात आली होती. वैद्यकीय व्यावसायिकांना मोठ्या भाषिक मॉडेल्सद्वारे मदत केली जाते, जे रुग्णांच्या येणाऱ्या संदेशांसाठी प्राथमिक नोंदी पुरवतात. जरी हा प्रकल्प परिपूर्ण नसला तरी, हे तंत्रज्ञान विकसित करण्यास मदत केलेल्या डॉक्टरांच्या मते, या मॉडेलमुळे त्यांच्या कामाचा भार कमी होतो.
“आम्ही नेहमी तीन महत्त्वाच्या गोष्टींवर लक्ष केंद्रित करतो: सुरक्षितता, कार्यक्षमता आणि सर्वसमावेशकता. आम्ही डॉक्टर आहोत. आम्ही ‘कोणतीही हानी न करण्याची’ शपथ घेतो,” असे मानसोपचार आणि वर्तणूकशास्त्र विभागाच्या क्लिनिकल सहाय्यक प्राध्यापिका डॉ. नीना वासन म्हणाल्या, ज्या चार आणि पेफर यांच्यासोबत या गटात सामील झाल्या. “या साधनांचे मूल्यांकन करण्याचा हा पहिला मार्ग असायला हवा.”
मेडिसिन आणि बायोमेडिकल डेटा सायन्सचे प्राध्यापक, एमबीबीएस, पीएचडी, निगम शाह यांनी श्रोत्यांना पूर्वसूचना देऊनही एका धक्कादायक आकडेवारीने चर्चेला सुरुवात केली. “मी सर्वसाधारणपणे आणि आकड्यांमध्ये बोलतो, आणि कधीकधी ते खूप थेट असते,” असे ते म्हणाले.
शाह यांच्या मते, एआयचे यश ते मोठ्या प्रमाणावर राबवण्याच्या आपल्या क्षमतेवर अवलंबून आहे. “एखाद्या मॉडेलवर योग्य वैज्ञानिक संशोधन करण्यासाठी सुमारे १० वर्षे लागतात, आणि जर १२३ फेलोशिप आणि रेसिडेन्सी प्रोग्राम्सपैकी प्रत्येकाला त्या पातळीच्या काटेकोरपणाने मॉडेलची चाचणी आणि अंमलबजावणी करायची असेल, तर सध्या आपण ज्या पद्धतीने आपले प्रयत्न आयोजित करतो आणि चाचणी करतो, त्या पद्धतीने योग्य विज्ञान करणे खूप कठीण होईल. आपली प्रत्येक साइट योग्यरित्या काम करते याची खात्री करण्यासाठी १३८ अब्ज डॉलर्स खर्च येईल,” असे शाह म्हणाले. “हे आपल्याला परवडणारे नाही. त्यामुळे आपल्याला विस्तार करण्याचा मार्ग शोधावा लागेल, आणि आपल्याला विस्तार करून चांगले विज्ञान करावे लागेल. काटेकोरपणाची कौशल्ये एका ठिकाणी आहेत आणि मोठ्या प्रमाणावर राबवण्याची कौशल्ये दुसऱ्या ठिकाणी आहेत, त्यामुळे आपल्याला अशा प्रकारच्या भागीदारीची गरज भासेल.”
सहयोगी अधिष्ठाता युआन ऍशले आणि मिल्ड्रेड चो (स्वागत कक्ष) यांनी RAISE आरोग्य कार्यशाळेला हजेरी लावली. स्टीव्ह फिश
परिसंवादातील काही वक्त्यांनी सांगितले की, हे सार्वजनिक-खाजगी भागीदारीद्वारे साध्य केले जाऊ शकते, जसे की कृत्रिम बुद्धिमत्तेच्या सुरक्षित, संरक्षित आणि विश्वासार्ह विकास आणि वापरावरील अलीकडील व्हाईट हाऊसचा कार्यकारी आदेश आणि आरोग्यसेवा कृत्रिम बुद्धिमत्ता संघ (CHAI).
“शैक्षणिक संस्था, खाजगी क्षेत्र आणि सार्वजनिक क्षेत्र यांच्यातील सार्वजनिक-खाजगी भागीदारीमध्ये सर्वाधिक क्षमता आहे,” असे नॅशनल ॲकॅडमी ऑफ मेडिसिनच्या वरिष्ठ सल्लागार लॉरा ॲडम्स म्हणाल्या. त्यांनी नमूद केले की, सरकार जनतेचा विश्वास सुनिश्चित करू शकते, शैक्षणिक वैद्यकीय केंद्रे वैधता प्रदान करू शकतात आणि खाजगी क्षेत्राकडून तांत्रिक कौशल्य व संगणकीय वेळ पुरवली जाऊ शकते. “आपण सर्वजण एकमेकांपेक्षा अधिक चांगले आहोत, आणि आम्हाला याची जाणीव आहे... जोपर्यंत आपण एकमेकांशी संवाद कसा साधायचा हे समजत नाही, तोपर्यंत आपण [कृत्रिम बुद्धिमत्तेची] क्षमता प्रत्यक्षात आणण्याची प्रार्थना करू शकत नाही.”
अनेक वक्त्यांनी सांगितले की, एआयचा संशोधनावरही परिणाम होत आहे, मग शास्त्रज्ञ त्याचा उपयोग जैविक सिद्धांतांचा शोध घेण्यासाठी, नवीन उपचारांना आधार देण्यासाठी कृत्रिम रेणूंचे नवीन क्रम आणि संरचनांचा अंदाज लावण्यासाठी, किंवा वैज्ञानिक शोधनिबंधांचा सारांश तयार करण्यासाठी किंवा लिहिण्यासाठी करत असोत.
"अज्ञात गोष्टी पाहण्याची ही एक संधी आहे," असे स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिनमधील हृदयरोगतज्ञ आणि अल्फाबेटच्या व्हेरिलीच्या सह-संस्थापिका, डॉ. जेसिका मेगा म्हणाल्या. मेगा यांनी हायपरस्पेक्ट्रल इमेजिंगचा उल्लेख केला, जे मानवी डोळ्यांना न दिसणारी प्रतिमा वैशिष्ट्ये टिपते. यामागील कल्पना अशी आहे की, पॅथॉलॉजी स्लाईड्समधील असे नमुने शोधण्यासाठी कृत्रिम बुद्धिमत्तेचा वापर करणे, जे मानवांना दिसत नाहीत आणि जे रोगाचे संकेत देतात. "मी लोकांना अज्ञात गोष्टींचा स्वीकार करण्यास प्रोत्साहित करते. मला वाटते की येथे उपस्थित असलेल्या प्रत्येकाला अशी कोणीतरी व्यक्ती माहित आहे, जिला कोणत्या ना कोणत्या प्रकारची वैद्यकीय समस्या आहे आणि जिला आज आपण देऊ शकत असलेल्या गोष्टींच्या पलीकडच्या मदतीची गरज आहे," असे मेजिया म्हणाले.
पॅनेल सदस्यांनी यावरही सहमती दर्शवली की, कृत्रिम बुद्धिमत्ता प्रणाली पक्षपाताचा स्रोत ओळखण्याच्या क्षमतेसह, मानवाद्वारे किंवा कृत्रिम बुद्धिमत्तेद्वारे घेतलेल्या पक्षपाती निर्णय प्रक्रियेला ओळखण्यासाठी आणि त्याचा सामना करण्यासाठी नवीन मार्ग उपलब्ध करून देतील.
“आरोग्य म्हणजे केवळ वैद्यकीय सेवा नव्हे,” यावर अनेक पॅनेल सदस्य सहमत झाले. वक्त्यांनी यावर जोर दिला की, सर्वसमावेशक माहिती गोळा करताना आणि अभ्यासासाठी सहभागींची भरती करताना, संशोधक अनेकदा सामाजिक-आर्थिक स्थिती, पिन कोड, शिक्षणाची पातळी, आणि वंश व वांशिकता यांसारख्या आरोग्याच्या सामाजिक निर्धारकांकडे दुर्लक्ष करतात. “एआयची (AI) परिणामकारकता ही मॉडेलला ज्या माहितीवर प्रशिक्षित केले जाते त्यावर अवलंबून असते,” असे हार्वर्ड विद्यापीठातील साथरोगशास्त्राच्या (एपिडेमियोलॉजी) प्राध्यापिका आणि स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिनमधील साथरोगशास्त्र व लोकसंख्या आरोग्य विभागाच्या सहयोगी प्राध्यापिका मिशेल विल्यम्स म्हणाल्या. “जर आपण आपले ध्येय साध्य करू इच्छित असू - म्हणजेच आरोग्याचे परिणाम सुधारणे आणि असमानता दूर करणे - तर आपण मानवी वर्तन आणि सामाजिक व नैसर्गिक पर्यावरणाविषयी उच्च-गुणवत्तेची माहिती गोळा करत आहोत याची खात्री केली पाहिजे.”
बालरोगशास्त्र आणि औषधशास्त्राच्या क्लिनिकल प्रोफेसर, एमडी नताली पेजलर म्हणाल्या की, कर्करोगाच्या एकत्रित डेटामध्ये अनेकदा गर्भवती महिलांचा डेटा वगळला जातो, ज्यामुळे मॉडेल्समध्ये अपरिहार्य पक्षपात निर्माण होतो आणि आरोग्यसेवेतील विद्यमान विषमता अधिकच वाढते.
बालरोगशास्त्र आणि औषधशास्त्राचे प्राध्यापक डॉ. डेव्हिड मॅग्नस म्हणाले की, कोणत्याही नवीन तंत्रज्ञानाप्रमाणे, कृत्रिम बुद्धिमत्ता अनेक बाबतीत गोष्टी एकतर सुधारू शकते किंवा अधिक बिघडवू शकते. मॅग्नस यांच्या मते, धोका हा आहे की कृत्रिम बुद्धिमत्ता प्रणाली आरोग्याच्या सामाजिक निर्धारकांमुळे निर्माण होणाऱ्या असमान आरोग्य परिणामांबद्दल शिकतील आणि त्यांच्या आउटपुटद्वारे त्या परिणामांना अधिक दृढ करतील. "कृत्रिम बुद्धिमत्ता हा एक आरसा आहे जो आपण राहत असलेल्या समाजाचे प्रतिबिंब दाखवतो," असे ते म्हणाले. "मला आशा आहे की जेव्हा जेव्हा आपल्याला एखाद्या समस्येवर प्रकाश टाकण्याची—स्वतःला आरसा दाखवण्याची—संधी मिळेल, तेव्हा ती परिस्थिती सुधारण्यासाठी प्रेरणा म्हणून काम करेल."
जर तुम्ही RAISE Health कार्यशाळेला उपस्थित राहू शकले नसाल, तर सत्राचे रेकॉर्डिंग येथे उपलब्ध आहे.
स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिन ही एक एकात्मिक शैक्षणिक आरोग्य सेवा प्रणाली आहे, ज्यामध्ये स्टॅनफोर्ड युनिव्हर्सिटी स्कूल ऑफ मेडिसिन आणि प्रौढ व बाल आरोग्य सेवा वितरण प्रणाली यांचा समावेश आहे. एकत्रितपणे, ते सहयोगी संशोधन, शिक्षण आणि नैदानिक रुग्णसेवेद्वारे बायोमेडिसिनची संपूर्ण क्षमता साकार करतात. अधिक माहितीसाठी, med.stanford.edu या संकेतस्थळाला भेट द्या.
एक नवीन कृत्रिम बुद्धिमत्ता मॉडेल स्टॅनफोर्ड हॉस्पिटलमधील डॉक्टर आणि नर्सेसना रुग्णसेवा सुधारण्यासाठी एकत्र काम करण्यास मदत करत आहे.
पोस्ट करण्याची वेळ: जुलै-१९-२०२४