له هغه وخته چې IBM واټسن په ۲۰۰۷ کال کې پیل شو، انسانان په دوامداره توګه د طبي مصنوعي استخباراتو (AI) پراختیا تعقیبوي. د کارولو وړ او ځواکمن طبي مصنوعي استخباراتو سیسټم د عصري طب ټولو اړخونو ته د بیا شکل ورکولو لپاره خورا لوی ظرفیت لري، هوښیار، ډیر دقیق، اغیزمن او جامع پاملرنې ته اجازه ورکوي، طبي کارمندانو او ناروغانو ته هوساینه راوړي، او په دې توګه د انسان روغتیا ته خورا ښه والی ورکوي. په تیرو ۱۶ کلونو کې، که څه هم د طبي مصنوعي استخباراتو څیړونکي په مختلفو کوچنیو برخو کې راټول شوي دي، پدې مرحله کې، دوی لا تر اوسه ندي توانیدلي چې ساینسي افسانه حقیقت ته راوړي.
سږ کال، د چیټ جی پي ټي په څیر د مصنوعي ذهانت ټیکنالوژۍ انقلابي پرمختګ سره، طبي مصنوعي ذهانت په ډیری اړخونو کې لوی پرمختګ کړی دی. د طبي مصنوعي ذهانت وړتیا کې بې ساري پرمختګ: د طبیعت مجلې په دوامداره توګه د طبي لوی ژبې ماډل او طبي عکس بنسټیز ماډل څیړنه پیل کړې ده؛ ګوګل میډ-پالم او د هغې ځای ناستی خپروي، چې د متحده ایالاتو د طبي متخصصینو د ازموینې پوښتنو کې د متخصص کچې ته رسیږي. لوی اکاډمیک مجلې به په طبي مصنوعي ذهانت تمرکز وکړي: طبیعت د عمومي طبي مصنوعي ذهانت د اساسي ماډل په اړه لید خپروي؛ د دې کال په پیل کې په طب کې د مصنوعي ذهانت د بیاکتنو لړۍ وروسته، د نیو انګلینډ د طب ژورنال (NEJM) د نومبر په 30 نیټه خپله لومړۍ ډیجیټل روغتیا بیاکتنه خپره کړه، او د دسمبر په 12 نیټه یې د NEJM فرعي ژورنال NEJM AI لومړۍ ګڼه پیل کړه. د طبي مصنوعي ذهانت د ځمکې لاندې کولو خاوره نوره هم پخه شوې ده: د JAMA فرعي مجلې د نړیوال طبي انځور معلوماتو شریکولو نوښت خپور کړ؛ د متحده ایالاتو د خوړو او درملو اداره (FDA) د طبي مصنوعي ذهانت د تنظیم لپاره د لارښوونو مسوده رامینځته کوي.
لاندې، موږ هغه د پام وړ پرمختګ بیاکتنه کوو چې په ټوله نړۍ کې څیړونکو په 2023 کې د کارولو وړ طبي مصنوعي ذهانت په لور کړی دی.
د طبي مصنوعي ذهانت اساسي ماډل
د طبي مصنوعي ذهانت د بنسټیز ماډل جوړول بې له شکه د سږ کال تر ټولو ګرمه څېړنیزه تمرکز دی. د نیچر ژورنالونو د روغتیا پاملرنې د نړیوال اساسي ماډل او د روغتیا پاملرنې د لویې ژبې ماډل په اړه د کال په اوږدو کې د بیاکتنې مقالې خپرې کړې دي. د طبي انځور تحلیل، چې په صنعت کې غوره ژورنال دی، د طبي انځور تحلیل کې د بنسټیز ماډل څیړنې ننګونو او فرصتونو ته کتنه کړې او په تمه دی، او د طبي مصنوعي ذهانت د بنسټیز ماډل څیړنې پراختیا لنډیز او لارښود کولو لپاره د "بنسټیز ماډل نسب" مفهوم وړاندیز کړی. د روغتیا پاملرنې لپاره د بنسټیز مصنوعي ذهانت ماډلونو راتلونکی روښانه کیږي. د لویو ژبو ماډلونو لکه ChatGPT بریالي مثالونو په کارولو سره، د پرمختللي ځان څارنې دمخه روزنې میتودونو او د روزنې معلوماتو پراخه راټولولو په کارولو سره، د طبي مصنوعي ذهانت په برخه کې څیړونکي هڅه کوي چې 1) د ناروغۍ ځانګړي بنسټ ماډلونه، 2) عمومي بنسټ ماډلونه، او 3) څو ماډلونه لوی ماډلونه جوړ کړي چې د لویو پیرامیټرو او غوره وړتیاو سره د مختلفو طریقو پراخه لړۍ مدغم کوي.
د طبي معلوماتو ترلاسه کولو AI ماډل
د لویو مصنوعي ذهانت ماډلونو سربیره چې د ښکته جریان کلینیکي معلوماتو تحلیل دندو کې لوی رول لوبوي، د پورته جریان کلینیکي معلوماتو ترلاسه کولو کې، د تولیدي مصنوعي ذهانت ماډلونو لخوا استازیتوب شوی ټیکنالوژي هم راڅرګنده شوې. د معلوماتو ترلاسه کولو پروسه، سرعت او کیفیت د مصنوعي ذهانت الګوریتمونو لخوا د پام وړ ښه کیدی شي.
د روان کال په پیل کې، د نیچر بایومیډیکل انجینرۍ د ترکیې د سټرایټس پوهنتون څخه یوه څیړنه خپره کړه چې په کلینیکي غوښتنلیکونو کې د رنځپوهنیز عکس په مرسته تشخیص ستونزې حل کولو لپاره د تولیدي AI کارولو باندې تمرکز کوي. د جراحي په جریان کې د منجمد برخې نسج کې اثار د ګړندي تشخیصي ارزونې لپاره یو خنډ دی. که څه هم فارملین او پارافین ایمبیډډ (FFPE) نسج لوړ کیفیت نمونه چمتو کوي، د هغې د تولید پروسه وخت نیسي او ډیری وختونه 12-48 ساعته وخت نیسي، چې دا په جراحي کې د کارولو لپاره نامناسب کوي. له همدې امله د څیړنې ټیم د AI-FFPE په نوم یو الګوریتم وړاندیز وکړ، کوم چې کولی شي په منجمد برخه کې د نسج بڼه د FFPE سره ورته کړي. الګوریتم په بریالیتوب سره د منجمد برخو اثار سم کړل، د عکس کیفیت یې ښه کړ، او په ورته وخت کې یې کلینیکي اړونده ځانګړتیاوې وساتلې. په کلینیکي اعتبار کې، AI-FFPE الګوریتم د تومور فرعي ډولونو لپاره د رنځپوهانو تشخیصي دقت د پام وړ ښه کوي، پداسې حال کې چې د کلینیکي تشخیص وخت خورا لنډوي.
د حجرو راپورونه درمل د جیلین پوهنتون د دریم کلینیکي کالج، د راډیولوژۍ څانګې، د فوډان پوهنتون پورې اړوند ژونګشان روغتون، او د شانګهای د ساینس او ټیکنالوژۍ پوهنتون [25] د یوې ډلې لخوا د څیړنې کار راپور ورکوي. دا څیړنه د لوړ استعداد او انعطاف سره د عمومي هدف ژورې زده کړې او تکراري بیارغونې فیوژن چوکاټ (هایبرډ DL-IR) وړاندیز کوي، چې په ګړندي MRI، ټیټ دوز CT، او ګړندي PET کې د عکس بیارغونې غوره فعالیت ښیې. الګوریتم کولی شي په 100 ثانیو کې د MR واحد ارګان څو ترتیب سکینینګ ترلاسه کړي، د وړانګو دوز یوازې د CT عکس 10٪ ته راټیټ کړي، او شور له منځه یوسي، او کولی شي د PET استملاک څخه کوچني زخمونه د 2 څخه تر 4 ځله سرعت سره بیا جوړ کړي، پداسې حال کې چې د حرکت هنرونو اغیز کموي.
د طبي کارمندانو سره په همکارۍ کې طبي مصنوعي ذهانت
د طبي مصنوعي ذهانت چټک پرمختګ هم طبي مسلکیان دې ته وهڅول چې په جدي توګه د مصنوعي ذهانت سره د همکارۍ کولو څرنګوالی په پام کې ونیسي او وپلټي چې څنګه د کلینیکي پروسو ښه کولو لپاره همکاري وکړي. د روان کال په جولای کې، ډیپ مائنډ او یو څو بنسټیز څیړنیز ټیم په ګډه د مصنوعي ذهانت سیسټم وړاندیز وکړ چې د تکمیلي مصنوعي ذهانت کاري فلو ځنډ (CoDoC) په نوم یادیږي. د تشخیص پروسه لومړی د وړاندوینې مصنوعي ذهانت سیسټم لخوا تشخیص کیږي، بیا د مخکینۍ پایلې په اساس د بل مصنوعي ذهانت سیسټم لخوا قضاوت کیږي، او که شک شتون ولري، نو تشخیص په پای کې د کلینیک لخوا د تشخیص دقت او توازن موثریت ښه کولو لپاره ترسره کیږي. کله چې د سینې سرطان سکرینینګ ته راځي، CoDoC د غلط مثبت نرخونه د ورته غلط منفي نرخ سره 25٪ کم کړل، پداسې حال کې چې د کلینیکي کاري بار 66٪ کم کړ، په انګلستان کې د اوسني "دوه ځله لوستلو منځګړیتوب" پروسې په پرتله. د TB طبقه بندي په شرایطو کې، د غلط مثبت نرخونه د خپلواک مصنوعي ذهانت او کلینیکي کاري فلو په پرتله د ورته غلط منفي نرخ سره له 5 څخه تر 15 سلنې پورې کم شوي.
په ورته ډول، د انګلستان په لندن کې د خیرون شرکت څخه اني وای. نګ او نورو، د AI اضافي لوستونکي (د انساني معاینه کونکو په همکارۍ) معرفي کړل ترڅو پایلې بیا معاینه کړي کله چې د دوه ځله لوستلو منځګړیتوب پروسې کې د بیرته راګرځولو پایلې نه وې، کوم چې د سینې سرطان په لومړیو سکرینینګ کې د ورک شوي کشف ستونزه ښه کړه، او پروسې تقریبا هیڅ غلط مثبت نه درلود. یوه بله څیړنه، چې د ټیکساس پوهنتون مک ګورن طبي ښوونځي کې د یوې ډلې لخوا رهبري شوې او په څلورو سټروک مرکزونو کې بشپړه شوې، د لوی عصبي بندیدو اسکیمیک سټروک (LVO) کشف اتومات کولو لپاره د کمپیوټري ټوموګرافي انجیوګرافي (CTA) پر بنسټ AI ټیکنالوژي پلي کړه. کلینیکان او رادیولوژیستان د CT امیجنگ بشپړیدو څو دقیقو کې په خپلو ګرځنده تلیفونونو کې د ریښتیني وخت خبرتیاوې ترلاسه کوي، دوی ته د LVO احتمالي شتون خبر ورکوي. دا AI پروسه د حاد اسکیمیک سټروک لپاره په روغتون کې د کار جریان ښه کوي، د درملنې لپاره د داخلیدو څخه د کور څخه تر ګرین وخت کموي او د بریالي ژغورنې لپاره فرصتونه چمتو کوي. موندنې په JAMA نیورولوژي کې خپرې شوې.
د نړیوالې ګټې لپاره د مصنوعي ذهانت روغتیا پاملرنې ماډل
۲۰۲۳ کال به ډېر ښه کارونه هم وویني چې د طبي مصنوعي ذهانت په کارولو سره هغه ځانګړتیاوې ومومي چې د انسان سترګو ته د اسانه لاسرسي وړ معلوماتو څخه نه لیدل کیږي، چې په پراخه کچه تشخیص او لومړني سکرینینګ ته اجازه ورکوي. د کال په پیل کې، نیچر میډیسن د سن یات سین پوهنتون د ژونګشان سترګو مرکز او د فوجیان طبي پوهنتون د دوهم مربوط روغتون لخوا ترسره شوي مطالعات خپاره کړل. د سمارټ فونونو په کارولو سره، دوی د ماشومانو د سترګو هڅولو او د ماشومانو د سترګو چلند او د مخ ځانګړتیاوې ثبتولو لپاره د کارټون په څیر ویډیو عکسونه وکارول، او د ژورې زده کړې ماډلونو په کارولو سره غیر معمولي ماډلونه نور تحلیل کړل ترڅو د سترګو ۱۶ ناروغۍ په بریالیتوب سره وپیژني، پشمول د زیږون موتیا، زیږونیز ptosis او زیږونیز ګلوکوما، د اوسط سکرینینګ دقت له ۸۵٪ څخه ډیر. دا د ماشومانو د لید فعالیت نیمګړتیا او د سترګو اړوند ناروغیو د لوی پیمانه لومړني سکرینینګ لپاره یو اغیزمن او اسانه مشهور تخنیکي وسیله چمتو کوي.
د کال په پای کې، نیچر میډیسن د نړۍ په کچه د لسو څخه زیاتو طبي او څیړنیزو ادارو لخوا ترسره شوي کار راپور ورکړ، پشمول د شانګهای د پانقراس ناروغۍ انسټیټیوټ او د ژیجیانګ پوهنتون لومړی مربوط روغتون. لیکوال د فزیکي معاینې مرکزونو، روغتونونو او نورو کې د غیر علامتي خلکو د پانقراس سرطان سکرینینګ لپاره AI پلي کړ، ترڅو د ساده سکین CT عکسونو کې د زخم ځانګړتیاوې کشف کړي چې یوازې د لوڅې سترګې سره کشف کول ستونزمن دي، ترڅو د پانقراس سرطان مؤثره او غیر برید کوونکی لومړني کشف ترلاسه کړي. د 20,000 څخه زیاتو ناروغانو څخه د معلوماتو بیاکتنې کې، ماډل د کلینیکي پلوه له لاسه ورکړل شوي زخمونو 31 قضیې هم پیژندلي، کوم چې د کلینیکي پایلو کې د پام وړ ښه والی راوستی.
د طبي معلوماتو شریکول
په ۲۰۲۳ کال کې، په ټوله نړۍ کې د معلوماتو شریکولو ډیر بشپړ میکانیزمونه او بریالي قضیې راڅرګندې شوې، چې د معلوماتو محرمیت او امنیت ساتنې په اساس د څو مرکزونو همکارۍ او د معلوماتو خلاصون ډاډمن کوي.
لومړی، د مصنوعي ذهانت ټیکنالوژۍ په مرسته، د مصنوعي ذهانت څېړونکو د طبي معلوماتو شریکولو کې مرسته کړې ده. د متحده ایالاتو د روټګرز پوهنتون څخه کیو چانګ او نورو په نیچر کمیونیکیشنز کې یوه مقاله خپره کړه، چې د ویشل شوي مصنوعي مخالف شبکو پر بنسټ د فدرالي زده کړې چوکاټ DSL وړاندیز کوي، کوم چې د څو مرکزونو ځانګړي تولید شوي معلومات روزلو لپاره تولیدي AI کاروي، او بیا د څو مرکزونو اصلي معلومات د تولید شوي معلوماتو سره بدلوي. د معلوماتو محرمیت ساتلو پرمهال د څو مرکزونو لوی معلوماتو پراساس د مصنوعي ذهانت روزنه ډاډمنه کړئ. ورته ټیم د تولید شوي رنځپوهنیز عکسونو او د دوی اړوند تشریحاتو ډیټاسیټ هم خلاصوي. د تولید شوي معلوماتو سیټ کې روزل شوي د قطع کولو ماډل کولی شي د اصلي معلوماتو سره ورته پایلې ترلاسه کړي.
د سنګهوا پوهنتون څخه د ډای کیونګهای ټیم د npj ډیجیټل روغتیا په اړه یوه مقاله خپره کړه، چې د ریلې زده کړې وړاندیز یې وکړ، کوم چې د سیمه ایزو معلوماتو حاکمیت او د کراس سایټ شبکې اتصال پرته د AI ماډلونو روزلو لپاره د څو سایټونو لوی ډیټا کاروي. دا د AI فعالیت تعقیب سره د معلوماتو امنیت او محرمیت اندیښنې متوازن کوي. ورته ټیم وروسته په ګډه د ګوانګزو طبي پوهنتون د لومړي وابسته روغتون او په ټول هیواد کې د 24 روغتونونو سره په همکارۍ، د فدرالي زده کړې پراساس د سینې CT پین میډیاسټینل تومور تشخیص سیسټم CAIMEN رامینځته او تایید کړ. دا سیسټم، کوم چې په 12 عام میډیاسټینل تومورونو کې پلي کیدی شي، د 44.9 سلنه غوره دقت ترلاسه کړ کله چې یوازې د انساني متخصصینو لخوا کارول کیږي، او 19 سلنه غوره دقت کله چې د انساني متخصصینو لخوا مرسته کیږي.
له بلې خوا، د خوندي، نړیوال، لوی پیمانه طبي معلوماتو سیټونو جوړولو لپاره ډیری نوښتونه روان دي. د 2023 په نومبر کې، د هارورډ طبي ښوونځي د بایومیډیکل انفارمیټکس څانګې څخه اګستینا سینز او نورو په لانسیټ ډیجیټل روغتیا کې آنلاین خپور کړ چې د طبي عکس معلوماتو شریکولو لپاره یو نړیوال چوکاټ دی چې د ټولو روغتیا پاملرنې لپاره مصنوعي استخباراتو ډیټا (MAIDA) نومیږي. دوی په ټوله نړۍ کې د روغتیا پاملرنې سازمانونو سره کار کوي ترڅو د معلوماتو راټولولو او بې هویتۍ په اړه جامع لارښوونې چمتو کړي، د معلوماتو شریکولو معیاري کولو لپاره د متحده ایالاتو فدرالي مظاهرې ملګري (FDP) ټیمپلیټ کاروي. دوی پلان لري چې په تدریجي ډول د نړۍ په بیلابیلو سیمو او کلینیکي ترتیباتو کې راټول شوي ډیټا سیټونه خپاره کړي. تمه کیږي چې لومړی ډیټاسیټ به د 2024 په پیل کې خپور شي، او نور به هم راشي ځکه چې ملګرتیا پراخه کیږي. دا پروژه د عامه شتون لرونکي AI معلوماتو نړیوال، لوی پیمانه او متنوع سیټ جوړولو لپاره یوه مهمه هڅه ده.
د دې وړاندیز په تعقیب، د انګلستان بایوبانک یو مثال وړاندې کړ. د انګلستان بایوبانک د نومبر په 30 د خپلو 500,000 ګډونوالو د ټول جینوم ترتیب څخه نوي معلومات خپاره کړل. دا ډیټابیس، چې د 500,000 برتانوي رضاکارانو څخه د هر یو بشپړ جینوم ترتیب خپروي، په نړۍ کې ترټولو لوی بشپړ انساني جینوم ډیټابیس دی. په ټوله نړۍ کې څیړونکي کولی شي دې بې پیژندل شوي معلوماتو ته د لاسرسي غوښتنه وکړي او د روغتیا او ناروغۍ جینیاتي اساس د پلټنې لپاره یې وکاروي. جینیاتي معلومات تل په تیرو وختونو کې د تایید لپاره خورا حساس وو، او د انګلستان بایوبانک دا تاریخي لاسته راوړنه ثابتوي چې د خلاص، محرمیت څخه پاک نړیوال لوی پیمانه ډیټابیس جوړول ممکن دي. د دې ټیکنالوژۍ او ډیټابیس سره، طبي AI د راتلونکي کودتا پیل کولو ته اړ دی.
د طبي مصنوعي ذهانت تصدیق او ارزونه
د طبي مصنوعي ذهانت ټیکنالوژۍ د چټک پرمختګ په پرتله، د طبي مصنوعي ذهانت د تایید او ارزونې پرمختګ یو څه ورو دی. په عمومي مصنوعي ذهانت ساحه کې اعتبار او ارزونه اکثرا د مصنوعي ذهانت لپاره د کلینیکانو او ناروغانو اصلي اړتیاوې له پامه غورځوي. دودیز تصادفي کنټرول شوي کلینیکي آزموینې د مصنوعي ذهانت وسیلو د چټک تکرار سره سمون لپاره خورا سخت دي. د طبي مصنوعي ذهانت وسیلو لپاره مناسب د تایید او ارزونې سیسټم ژر تر ژره ښه کول ترټولو مهم شی دی چې د طبي مصنوعي ذهانت د هڅولو لپاره په ریښتیا سره د څیړنې او پراختیا لپاره کلینیکي ځمکې ته کود وکړي.
د ګوګل په میډ-پالم څېړنیزه مقاله کې، چې په نیچر کې خپره شوې، ټیم د ملټي میډ کیو اې ارزونې بنچمارک هم خپور کړ، کوم چې د لویو ژبو ماډلونو د کلینیکي پوهې ترلاسه کولو وړتیا ارزولو لپاره کارول کیږي. دا بنچمارک شپږ موجوده مسلکي طبي پوښتنې او ځواب ډیټاسیټونه سره یوځای کوي، چې مسلکي طبي پوهه، څیړنه او نور اړخونه پوښي، او همدارنګه د آنلاین لټون طبي پوښتنې ډیټابیس ډیټاسیټونه، د ډاکټر-ناروغ آنلاین پوښتنې او ځواب په پام کې نیولو سره، هڅه کوي چې AI د ډیری اړخونو څخه یو وړ ډاکټر ته وروزي. سربیره پردې، ټیم د بشري ارزونې پر بنسټ یو چوکاټ وړاندیز کوي چې د حقیقت، پوهې، استدلال او احتمالي تعصب ډیری اړخونه په پام کې نیسي. دا سږکال خپور شوی په روغتیا پاملرنې کې د AI ارزولو لپاره د څیړنیزو هڅو څخه یو له خورا نمایشي هڅو څخه دی.
خو، ایا دا حقیقت چې د لویو ژبو ماډلونه د کوډ کولو کلینیکي پوهې لوړه کچه ښیې پدې معنی ده چې د لویو ژبو ماډلونه د ریښتینې نړۍ کلینیکي دندو لپاره وړ دي؟ لکه څنګه چې یو طبي زده کونکی چې د مسلکي ډاکټر ازموینه د بشپړې نمرې سره پاس کوي لاهم د یوازیني مشر ډاکټر څخه لرې دی، د ګوګل لخوا وړاندیز شوي ارزونې معیارونه ممکن د AI ماډلونو لپاره د طبي AI ارزونې موضوع ته بشپړ ځواب نه وي. د 2021 او 2022 په لومړیو کې، څیړونکو د راپور ورکولو لارښوونې لکه Decid-AI، SPIRIT-AI، او INTRPRT وړاندیز کړې، هیله لري چې د طبي AI لومړني پراختیا او اعتبار ته لارښوونه وکړي د کلینیکي عملي کولو، خوندیتوب، انساني عواملو، او روڼتیا/تشریح کولو په څیر فکتورونو په پام کې نیولو سره. په دې وروستیو کې، د نیچر میډیسن ژورنال د اکسفورډ پوهنتون او سټینفورډ پوهنتون د څیړونکو لخوا د "بهرني اعتبار" یا "تکراري محلي اعتبار" کارولو په اړه یوه مطالعه خپره کړه. "د AI وسیلو اعتبار ورکولو لپاره."
د مصنوعي ذهانت وسیلو بې طرفه طبیعت هم د ارزونې یوه مهمه لار ده چې سږکال یې د ساینس او NEJM دواړو مقالو څخه پاملرنه ترلاسه کړې ده. مصنوعي ذهانت ډیری وختونه تعصب ښیې ځکه چې دا د روزنې معلوماتو پورې محدود دی. دا تعصب ممکن ټولنیز نابرابري منعکس کړي، کوم چې نور د الګوریتمیک تبعیض ته وده ورکوي. د روغتیا ملي انسټیټیوټ پدې وروستیو کې د Bridge2AI نوښت پیل کړ، چې اټکل کیږي د 130 ملیون ډالرو لګښت به ولري، ترڅو متنوع ډیټاسیټونه جوړ کړي (د پورته ذکر شوي MAIDA نوښت اهدافو سره سم) چې د طبي مصنوعي ذهانت وسیلو د بې طرفۍ تایید لپاره کارول کیدی شي. دا اړخونه د MultiMedQA لخوا نه ګڼل کیږي. د طبي مصنوعي ذهانت ماډلونو اندازه کولو او تاییدولو پوښتنه لاهم پراخه او ژورې بحث ته اړتیا لري.
په جنوري کې، نیچر میډیسن د ټیکساس پوهنتون د ایم ډي انډرسن سرطان مرکز د ویویک سببیه لخوا د "د شواهدو پر بنسټ د درملو راتلونکی نسل" په نوم یوه نظریه خپره کړه، چې د COVID-19 وبا په شرایطو کې د کلینیکي آزموینو محدودیتونه افشا شوي او د نوښت او کلینیکي څیړنې پروسې سره د اطاعت ترمنځ تضاد په ګوته کوي. په پای کې، دا د کلینیکي آزموینو د بیارغونې راتلونکي ته اشاره کوي - د مصنوعي استخباراتو په کارولو سره د کلینیکي آزموینو راتلونکی نسل، دا دی، د کلیدي شواهدو موندلو لپاره د تاریخي څیړنو ډیټا، ریښتینې نړۍ ډیټا، څو ماډل کلینیکي ډیټا، د اغوستلو وړ وسیلو ډیټا څخه د مصنوعي استخباراتو کارول. ایا دا پدې مانا ده چې د AI ټیکنالوژي او د AI کلینیکي اعتبار پروسې ممکن په راتلونکي کې په متقابل ډول پیاوړي او ګډ پرمختګ وکړي؟ دا د 2023 خلاص او فکر کوونکې پوښتنه ده.
د طبي مصنوعي ذهانت مقررات
د مصنوعي ذهانت ټیکنالوژۍ پرمختګ د مصنوعي ذهانت د تنظیم لپاره هم ننګونې رامینځته کوي، او په ټوله نړۍ کې پالیسي جوړونکي په دقت او احتیاط سره ځواب ورکوي. په ۲۰۱۹ کال کې، FDA لومړی د مصنوعي ذهانت طبي وسایلو ته د سافټویر بدلونونو لپاره وړاندیز شوی تنظیمي چوکاټ (د بحث مسوده) خپور کړ، چې د مصنوعي ذهانت او ماشین زده کړې پرمخ وړونکي سافټویر تعدیلاتو دمخه بازار بیاکتنې لپاره د هغې احتمالي چلند توضیح کوي. په ۲۰۲۱ کال کې، FDA "مصنوعي استخبارات/ماشین زده کړې پر بنسټ سافټویر د طبي وسایلو د عمل پلان په توګه" وړاندیز وکړ، کوم چې پنځه ځانګړي AI طبي تنظیمي اقدامات روښانه کړل. سږ کال، FDA د وسیلې سافټویر ځانګړتیاو لپاره د بازار وړاندې کولو وړاندیز بیا خپور کړ ترڅو د FDA د وسیلې سافټویر ځانګړتیاو د خوندیتوب او موثریت ارزونې لپاره د بازار وړاندې کولو وړاندیزونو په اړه معلومات چمتو کړي، پشمول د سافټویر وسیلې ځینې ځانګړتیاوې چې د ماشین زده کړې میتودونو له لارې روزل شوي د ماشین زده کړې ماډلونه کاروي. د FDA تنظیمي پالیسي د لومړني وړاندیز څخه عملي لارښوونې ته وده کړې.
د تیر کال په جولای کې د اروپا د روغتیا معلوماتو فضا له خپریدو وروسته، اروپايي اتحادیې یو ځل بیا د مصنوعي استخباراتو قانون نافذ کړ. د لومړي هدف د لوړ کیفیت روغتیا پاملرنې چمتو کولو، نابرابرۍ کمولو، او د مخنیوي، تشخیص، درملنې، ساینسي نوښت، پریکړې کولو او قانون جوړونې لپاره د معلوماتو ملاتړ لپاره د روغتیا معلوماتو څخه غوره ګټه پورته کول دي، پداسې حال کې چې ډاډ ترلاسه کوي چې د اروپايي اتحادیې اتباع د دوی په شخصي روغتیا معلوماتو باندې ډیر کنټرول لري. وروستی دا روښانه کوي چې د طبي تشخیص سیسټم د لوړ خطر AI سیسټم دی، او دا اړتیا لري چې په نښه شوي قوي څارنه، د ټول ژوند دورې څارنه او د ارزونې دمخه څارنه غوره کړي. د اروپایی درملو ادارې (EMA) د درملو پراختیا، مقرراتو او کارولو ملاتړ لپاره د AI کارولو په اړه د انعکاس مسوده خپره کړې، د ناروغانو خوندیتوب او د کلینیکي څیړنو پایلو بشپړتیا ډاډمن کولو لپاره د AI اعتبار ښه کولو باندې ټینګار سره. په ټولیز ډول، د اروپايي اتحادیې تنظیمي چلند په تدریجي ډول شکل اخلي، او د پلي کولو وروستۍ توضیحات ممکن ډیر مفصل او سخت وي. د اروپايي اتحادیې د سختو مقرراتو سره په بشپړ ډول برعکس، د انګلستان د مصنوعي ذهانت تنظیمي طرحه دا روښانه کوي چې حکومت پلان لري چې نرم چلند غوره کړي او د اوس لپاره نوي قوانین تصویب نه کړي یا نوي تنظیم کونکي جوړ نه کړي.
په چین کې، د ملي طبي محصولاتو ادارې د طبي وسایلو تخنیکي بیاکتنې مرکز (NMPA) دمخه د "ژورې زده کړې په مرسته د پریکړې سافټویر د بیاکتنې ټکي"، "د مصنوعي استخباراتو طبي وسایلو د راجسټریشن بیاکتنې لپاره لارښود اصول (د تبصرې مسوده)" او "د مصنوعي استخباراتو طبي سافټویر محصولاتو د طبقه بندي او تعریف لپاره د لارښود اصولو سرکلر (په 2021 کې 47 نمبر)" په څیر اسناد خپاره کړي دي. سږ کال، "په ۲۰۲۳ کال کې د لومړي طبي وسایلو د محصول طبقه بندي پایلو لنډیز" بیا خپور شو. د اسنادو دا لړۍ د مصنوعي استخباراتو طبي سافټویر محصولاتو تعریف، طبقه بندي او تنظیم کول روښانه او اسانه کوي، او په صنعت کې د مختلفو تصدیو د محصول موقعیت او راجسټریشن ستراتیژیو لپاره روښانه لارښوونې چمتو کوي. دا اسناد د AI طبي وسایلو د ساینسي تنظیم لپاره چوکاټ او مدیریت پریکړې چمتو کوي. دا د چین طبي مصنوعي استخباراتو کنفرانس اجنډا چې د دسمبر له ۲۱ څخه تر ۲۳ پورې په هانګزو کې ترسره کیږي، د ډیجیټل طبي حکومتدارۍ او د عامه روغتونونو د لوړ کیفیت پراختیا او مصنوعي استخباراتو طبي وسایلو ازموینې او ارزونې ټیکنالوژۍ معیاري کولو صنعت پراختیا فورم په اړه یو ځانګړی فورم جوړ کړ. په هغه وخت کې، د ملي پراختیا او اصلاحاتو کمیسیون او NMPA چارواکي به په غونډه کې ګډون وکړي او ممکن نوي معلومات خپاره کړي.
پایله
په ۲۰۲۳ کال کې، طبي مصنوعي ذهانت په ټول طبي پورته او ښکته بهیر کې مدغم کېدل پیل کړل، چې د روغتون د معلوماتو راټولول، فیوژن، تحلیل، تشخیص او درملنه، او د ټولنې سکرینینګ پکې شامل دي، او په عضوي ډول د طبي/ناروغۍ کنټرول کارمندانو سره همکاري کوي، چې د انسان روغتیا ته د هوساینې راوستلو وړتیا ښیې. د کارولو وړ طبي مصنوعي ذهانت څیړنه پیل شوې ده. په راتلونکي کې، د طبي مصنوعي ذهانت پرمختګ نه یوازې پخپله په ټیکنالوژیکي پرمختګ پورې اړه لري، بلکې د صنعت، پوهنتون او طبي څېړنو بشپړې همکارۍ او د پالیسۍ جوړونکو او تنظیم کونکو ملاتړ ته هم اړتیا لري. دا د دوه اړخیزې همکارۍ همکاري د مصنوعي ذهانت سره مدغم طبي خدماتو ترلاسه کولو کلیدي ده، او یقینا به د انساني روغتیا پراختیا ته وده ورکړي.
د پوسټ وخت: دسمبر-۳۰-۲۰۲۳