ਇੱਕ ਮੈਡੀਕਲ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਵੱਡਾ ਕਦਮ, ਦੁਨੀਆ ਦਾ ਪਹਿਲਾ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਮਾਡਲ 90% ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਨਾਲ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਦੀ ਸਟੇਜ ਅਤੇ ਰਿਸਕ ਸ਼੍ਰੇਣੀ ਦੋਵਾਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਹ ਨਵੀਨਤਾਕਾਰੀ ਟੂਲ ਫਰੰਟਲਾਈਨ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਲਈ ਪ੍ਰੀ-ਸਲਾਹ-ਮਸ਼ਵਰਾ ਤਿਆਰੀ ਦੇ ਸਮੇਂ ਨੂੰ ਲਗਭਗ 50% ਤੱਕ ਘਟਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਕੈਂਸਰ ਦੀ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਕਦਮ ਹੈ।
AI ਮਾਡਲ ਦੀ ਉਤਪਤੀ
ਇਸ ਮੋਹਰੀ AI ਮਾਡਲ ਦਾ ਵਿਕਾਸ ਹਾਂਗਕਾਂਗ ਯੂਨੀਵਰਸਿਟੀ (HKUMed) ਦੇ LKS ਫੈਕਲਟੀ ਆਫ ਮੈਡੀਸਨ, ਹੈਲਥ ਲਈ ਡੇਟਾ ਡਿਸਕਵਰੀ ਦੀ ਇਨੋਐਚਕੇ ਲੈਬਾਰਟਰੀ (InnoHK D24H), ਅਤੇ ਲੰਡਨ ਸਕੂਲ ਆਫ ਹਾਈਜੀਨ ਐਂਡ ਟ੍ਰੋਪਿਕਲ ਮੈਡੀਸਨ (LSHTM) ਦੇ ਮਾਹਿਰਾਂ ਦੀ ਇੱਕ ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਖੋਜ ਟੀਮ ਦੇ ਸਹਿਯੋਗੀ ਯਤਨਾਂ ਦਾ ਨਤੀਜਾ ਹੈ। ਉਨ੍ਹਾਂ ਦੇ ਖੋਜ, ਜੋ ਕਿ npj ਡਿਜੀਟਲ ਮੈਡੀਸਨ ਨਾਮਕ ਸਤਿਕਾਰਤ ਜਰਨਲ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਤ ਹੋਏ, ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਨੂੰ ਬਦਲਣ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ AI ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹਨ।
ਥਾਇਰਾਇਡ ਕੈਂਸਰ, ਹਾਂਗਕਾਂਗ ਅਤੇ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਇੱਕ ਪ੍ਰਚਲਿਤ ਘਾਤਕ ਬਿਮਾਰੀ ਹੈ, ਜਿਸ ਲਈ ਸਟੀਕ ਪ੍ਰਬੰਧਨ ਰਣਨੀਤੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹਨਾਂ ਰਣਨੀਤੀਆਂ ਦੀ ਸਫਲਤਾ ਦੋ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਣਾਲੀਆਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ:
- ਅਮੈਰੀਕਨ ਜੁਆਇੰਟ ਕਮੇਟੀ ਆਨ ਕੈਂਸਰ (AJCC) ਜਾਂ ਟਿਊਮਰ-ਨੋਡ-ਮੈਟਾਸਟੈਸਿਸ (TNM) ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਸਿਸਟਮ: ਇਹ ਸਿਸਟਮ, ਹੁਣ ਇਸਦੇ 8ਵੇਂ ਐਡੀਸ਼ਨ ਵਿੱਚ, ਕੈਂਸਰ ਦੀ ਹੱਦ ਅਤੇ ਫੈਲਾਅ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
- ਅਮੈਰੀਕਨ ਥਾਇਰਾਇਡ ਐਸੋਸੀਏਸ਼ਨ (ATA) ਰਿਸਕ ਕਲਾਸੀਫਿਕੇਸ਼ਨ ਸਿਸਟਮ: ਇਹ ਸਿਸਟਮ ਕੈਂਸਰ ਦੇ ਮੁੜ ਹੋਣ ਜਾਂ ਵਧਣ ਦੇ ਜੋਖਮ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਦਾ ਹੈ।
ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਮਰੀਜ਼ਾਂ ਦੀ ਬਚਣ ਦੀ ਦਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਅਤੇ ਇਲਾਜ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਸੂਚਿਤ ਕਰਨ ਲਈ ਲਾਜ਼ਮੀ ਹਨ। ਹਾਲਾਂਕਿ, ਗੁੰਝਲਦਾਰ ਕਲੀਨਿਕਲ ਜਾਣਕਾਰੀ ਨੂੰ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਹੱਥੀਂ ਜੋੜਨ ਦਾ ਰਵਾਇਤੀ ਤਰੀਕਾ ਅਕਸਰ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨ ਵਾਲਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕੁਸ਼ਲਤਾਵਾਂ ਲਈ ਸੰਭਾਵਿਤ ਹੁੰਦਾ ਹੈ।
AI ਸਹਾਇਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ
ਇਹਨਾਂ ਚੁਣੌਤੀਆਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ, ਖੋਜ ਟੀਮ ਨੇ ਇੱਕ AI ਸਹਾਇਕ ਇੰਜੀਨੀਅਰਿੰਗ ਕੀਤੀ ਹੈ ਜੋ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਦਾ ਲਾਭ ਉਠਾਉਂਦਾ ਹੈ, ਜੋ ਕਿ ChatGPT ਅਤੇ DeepSeek ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਇਹ LLMs ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਅਤੇ ਜੋਖਮ ਵਰਗੀਕਰਣ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਵਧਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
AI ਮਾਡਲ ਚਾਰ ਔਫਲਾਈਨ ਓਪਨ-ਸੋਰਸ LLMs—Mistral (Mistral AI), Llama (Meta), Gemma (Google), ਅਤੇ Qwen (Alibaba)—ਦੀ ਵਰਤੋਂ ਮੁਫਤ-ਟੈਕਸਟ ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਕਰਦਾ ਹੈ। ਇਹ ਪਹੁੰਚ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਮਾਡਲ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ, ਸਰਜੀਕਲ ਨੋਟਸ, ਅਤੇ ਹੋਰ ਸੰਬੰਧਿਤ ਮੈਡੀਕਲ ਰਿਕਾਰਡਾਂ ਸਮੇਤ ਕਲੀਨਿਕਲ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ‘ਤੇ ਕਾਰਵਾਈ ਕਰ ਸਕਦਾ ਹੈ।
AI ਮਾਡਲ ਦੀ ਸਿਖਲਾਈ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ
AI ਮਾਡਲ ਨੂੰ ਕੈਂਸਰ ਜੀਨੋਮ ਐਟਲਸ ਪ੍ਰੋਗਰਾਮ (TCGA) ਤੋਂ ਲਏ ਗਏ 50 ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ ਵਾਲੇ ਇੱਕ U.S.-ਅਧਾਰਤ ਓਪਨ-ਐਕਸੈਸ ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਾਵਧਾਨੀ ਨਾਲ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਸਿਖਲਾਈ ਪੜਾਅ ਤੋਂ ਬਾਅਦ, ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ 289 TCGA ਮਰੀਜ਼ਾਂ ਅਤੇ ਤਜਰਬੇਕਾਰ ਐਂਡੋਕਰੀਨ ਸਰਜਨਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ 35 ਸੂਡੋ ਕੇਸਾਂ ਤੋਂ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ ਦੇ ਵਿਰੁੱਧ ਸਖਤੀ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਵਿਆਪਕ ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਕਿਰਿਆ ਨੇ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਕਿ ਮਾਡਲ ਕਲੀਨਿਕਲ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਵਿਭਿੰਨ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਮਜ਼ਬੂਤ ਅਤੇ ਭਰੋਸੇਮੰਦ ਸੀ।
ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਸ਼ੁੱਧਤਾ
ਚਾਰੇ LLMs ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਜੋੜ ਕੇ, ਖੋਜ ਟੀਮ ਨੇ AI ਮਾਡਲ ਦੀ ਸਮੁੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕੀਤਾ। ਮਾਡਲ ਨੇ ATA ਜੋਖਮ ਵਰਗੀਕਰਨ ਵਿੱਚ 88.5% ਤੋਂ 100% ਅਤੇ AJCC ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਵਿੱਚ 92.9% ਤੋਂ 98.1% ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਮੁੱਚੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਸ਼ੁੱਧਤਾ ਦਾ ਇਹ ਪੱਧਰ ਰਵਾਇਤੀ ਮੈਨੂਅਲ ਦਸਤਾਵੇਜ਼ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਪਾਰ ਕਰਦਾ ਹੈ, ਜੋ ਅਕਸਰ ਮਨੁੱਖੀ ਗਲਤੀ ਅਤੇ ਅਸੰਗਤਤਾਵਾਂ ਦੇ ਅਧੀਨ ਹੁੰਦੇ ਹਨ।
ਇਸ AI ਮਾਡਲ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਲਾਭਾਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਇਹ ਪ੍ਰੀ-ਸਲਾਹ-ਮਸ਼ਵਰਾ ਤਿਆਰੀ ‘ਤੇ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਦੁਆਰਾ ਬਿਤਾਏ ਗਏ ਸਮੇਂ ਨੂੰ ਲਗਭਗ 50% ਤੱਕ ਘਟਾਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਇਹ ਸਮੇਂ ਦੀ ਬਚਤ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਸਿੱਧੀ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਲਈ ਵਧੇਰੇ ਸਮਾਂ ਸਮਰਪਿਤ ਕਰਨ, ਮਰੀਜ਼ਾਂ ਦੇ ਸਮੁੱਚੇ ਤਜ਼ਰਬੇ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਅਤੇ ਦੇਖਭਾਲ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਵਧਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।
ਖੋਜ ਟੀਮ ਤੋਂ ਮੁੱਖ ਸੂਝ
ਹਾਂਗਕਾਂਗ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਇਨੋਐਚਕੇ ਡੀ24ਐਚ ਵਿਖੇ ਜਨਤਕ ਸਿਹਤ ਅਤੇ ਮੈਨੇਜਿੰਗ ਡਾਇਰੈਕਟਰ ਵਿੱਚ ਸਰ ਕੋਟੇਵਾਲ ਪ੍ਰੋਫੈਸਰ ਜੋਸਫ਼ ਟੀ ਵੂ ਨੇ ਮਾਡਲ ਦੀ ਸ਼ਾਨਦਾਰ ਕਾਰਗੁਜ਼ਾਰੀ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਿਆਂ ਕਿਹਾ, “ਸਾਡਾ ਮਾਡਲ ਏਜੇਸੀਸੀ ਕੈਂਸਰ ਪੜਾਵਾਂ ਅਤੇ ਏਟੀਏ ਜੋਖਮ ਸ਼੍ਰੇਣੀ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਵਿੱਚ 90% ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਸ ਮਾਡਲ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦਾ ਇਸਦੀ ਔਫਲਾਈਨ ਸਮਰੱਥਾ ਹੈ, ਜੋ ਸੰਵੇਦਨਸ਼ੀਲ ਮਰੀਜ਼ਾਂ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸਾਂਝਾ ਕੀਤੇ ਜਾਂ ਅਪਲੋਡ ਕੀਤੇ ਬਿਨਾਂ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਤਾਇਨਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗੀ, ਇਸ ਤਰ੍ਹਾਂ ਵੱਧ ਤੋਂ ਵੱਧ ਮਰੀਜ਼ਾਂ ਦੀ ਗੁਪਤਤਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਜਾਵੇਗੀ।”
ਪ੍ਰੋਫੈਸਰ ਵੂ ਨੇ ਡੀਪਸੀਕ ਅਤੇ ਜੀਪੀਟੀ-4ਓ ਵਰਗੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਔਨਲਾਈਨ ਐਲਐਲਐਮਜ਼ ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੀ ਮਾਡਲ ਦੀ ਯੋਗਤਾ ‘ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੱਤਾ, ਨੋਟ ਕੀਤਾ, “ਡੀਪਸੀਕ ਦੀ ਹਾਲੀਆ ਸ਼ੁਰੂਆਤ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਅਸੀਂ ਡੀਪਸੀਕ—ਆਰ1 ਅਤੇ ਵੀ3—ਦੇ ਨਾਲ-ਨਾਲ ਜੀਪੀਟੀ-4ਓ ਦੇ ਨਵੀਨਤਮ ਸੰਸਕਰਣਾਂ ਦੇ ਵਿਰੁੱਧ ‘ਜ਼ੀਰੋ-ਸ਼ਾਟ ਪਹੁੰਚ’ ਨਾਲ ਹੋਰ ਤੁਲਨਾਤਮਕ ਟੈਸਟ ਕਰਵਾਏ। ਸਾਨੂੰ ਇਹ ਜਾਣ ਕੇ ਖੁਸ਼ੀ ਹੋਈ ਕਿ ਸਾਡੇ ਮਾਡਲ ਨੇ ਇਹਨਾਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਔਨਲਾਈਨ ਐਲਐਲਐਮਜ਼ ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ।”
ਡਾਕਟਰ ਮੈਟ੍ਰਿਕਸ ਫੰਗ ਮੈਨ-ਹਿਮ, ਕਲੀਨਿਕਲ ਸਹਾਇਕ ਪ੍ਰੋਫੈਸਰ ਅਤੇ ਐਂਡੋਕਰੀਨ ਸਰਜਰੀ ਦੇ ਮੁਖੀ, ਸਰਜਰੀ ਵਿਭਾਗ, ਕਲੀਨਿਕਲ ਮੈਡੀਸਨ ਸਕੂਲ, ਹਾਂਗਕਾਂਗ ਯੂਨੀਵਰਸਿਟੀ ਨੇ ਮਾਡਲ ਦੇ ਵਿਹਾਰਕ ਲਾਭਾਂ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਿਆਂ ਕਿਹਾ, “ਗੁੰਝਲਦਾਰ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ, ਸੰਚਾਲਨ ਰਿਕਾਰਡਾਂ ਅਤੇ ਕਲੀਨਿਕਲ ਨੋਟਸ ਤੋਂ ਜਾਣਕਾਰੀ ਕੱਢਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਉੱਚ ਸ਼ੁੱਧਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਤੋਂ ਇਲਾਵਾ, ਸਾਡਾ AI ਮਾਡਲ ਡਾਕਟਰਾਂ ਦੀ ਤਿਆਰੀ ਦੇ ਸਮੇਂ ਨੂੰ ਮਨੁੱਖੀ ਵਿਆਖਿਆ ਦੇ ਮੁਕਾਬਲੇ ਲਗਭਗ ਅੱਧਾ ਘਟਾਉਂਦਾ ਹੈ। ਇਹ ਦੋ ਅੰਤਰਰਾਸ਼ਟਰੀ ਪੱਧਰ ‘ਤੇ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਕਲੀਨਿਕਲ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਅਤੇ ਕਲੀਨਿਕਲ ਜੋਖਮ ਸਤਰੀਕਰਨ ਦੋਵੇਂ ਇਕੋ ਸਮੇਂ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ।”
ਡਾ: ਫੰਗ ਨੇ ਮਾਡਲ ਦੀ ਬਹੁਪੱਖਤਾ ਅਤੇ ਵਿਆਪਕ ਗੋਦ ਲੈਣ ਦੀ ਸੰਭਾਵਨਾ ‘ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੰਦਿਆਂ ਕਿਹਾ, “AI ਮਾਡਲ ਬਹੁਮੁਖੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਜਨਤਕ ਅਤੇ ਨਿੱਜੀ ਖੇਤਰਾਂ, ਅਤੇ ਸਥਾਨਕ ਅਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਖੋਜ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਸਾਨੂੰ ਪੂਰਾ ਵਿਸ਼ਵਾਸ ਹੈ ਕਿ ਇਸ AI ਮਾਡਲ ਦੇ ਅਸਲ-ਸੰਸਾਰ ਲਾਗੂਕਰਨ ਨਾਲ ਫਰੰਟਲਾਈਨ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਦੀ ਕੁਸ਼ਲਤਾ ਵਧ ਸਕਦੀ ਹੈ ਅਤੇ ਦੇਖਭਾਲ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਾਕਟਰਾਂ ਕੋਲ ਆਪਣੇ ਮਰੀਜ਼ਾਂ ਨਾਲ ਸਲਾਹ ਕਰਨ ਲਈ ਵਧੇਰੇ ਸਮਾਂ ਹੋਵੇਗਾ।”
ਡਾਕਟਰ ਕਾਰਲੋਸ ਵੋਂਗ, ਫੈਮਿਲੀ ਮੈਡੀਸਨ ਅਤੇ ਪ੍ਰਾਇਮਰੀ ਕੇਅਰ ਵਿਭਾਗ ਵਿੱਚ ਆਨਰੇਰੀ ਐਸੋਸੀਏਟ ਪ੍ਰੋਫੈਸਰ, ਕਲੀਨਿਕਲ ਮੈਡੀਸਨ ਸਕੂਲ, ਹਾਂਗਕਾਂਗ ਯੂਨੀਵਰਸਿਟੀ ਨੇ ਅਸਲ-ਸੰਸਾਰ ਮਰੀਜ਼ ਡੇਟਾ ਨਾਲ ਮਾਡਲ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਮਹੱਤਤਾ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਿਆਂ ਕਿਹਾ, “ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਸਰਕਾਰ ਦੀ ਮਜ਼ਬੂਤ ਵਕਾਲਤ ਦੇ ਅਨੁਸਾਰ, ਜਿਵੇਂ ਕਿ ਹਸਪਤਾਲ ਅਥਾਰਟੀ ਵਿੱਚ LLM-ਅਧਾਰਤ ਮੈਡੀਕਲ ਰਿਪੋਰਟ ਲਿਖਣ ਪ੍ਰਣਾਲੀ ਦੀ ਹਾਲੀਆ ਸ਼ੁਰੂਆਤ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ, ਸਾਡਾ ਅਗਲਾ ਕਦਮ ਅਸਲ-ਸੰਸਾਰ ਮਰੀਜ਼ ਡੇਟਾ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨਾਲ ਇਸ AI ਸਹਾਇਕ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਹੈ।”
ਡਾ: ਵੋਂਗ ਨੇ ਕਲੀਨਿਕਲ ਸੈਟਿੰਗਾਂ ਅਤੇ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ‘ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੰਦਿਆਂ ਕਿਹਾ, “ਇੱਕ ਵਾਰ ਪ੍ਰਮਾਣਿਤ ਹੋਣ ਤੋਂ ਬਾਅਦ, AI ਮਾਡਲ ਨੂੰ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਸੰਚਾਲਨ ਅਤੇ ਇਲਾਜ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਅਸਲ ਕਲੀਨਿਕਲ ਸੈਟਿੰਗਾਂ ਅਤੇ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।”
ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਲਈ ਪ੍ਰਭਾਵ
ਇਸ AI ਮਾਡਲ ਦੇ ਵਿਕਾਸ ਦਾ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਦੀ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਖੇਤਰ ਵਿੱਚ ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਲਈ ਡੂੰਘਾ ਪ੍ਰਭਾਵ ਹੈ। ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਅਤੇ ਜੋਖਮ ਵਰਗੀਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਕੇ, ਮਾਡਲ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਦੇ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂਆਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਖਾਲੀ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਲਾਜ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਸਲਾਹ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮਾਡਲ ਦੀ ਉੱਚ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਡਾਇਗਨੌਸਟਿਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਗਲਤੀਆਂ ਅਤੇ ਅਸੰਗਤਤਾਵਾਂ ਦੇ ਜੋਖਮ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਵਧੇਰੇ ਸੂਚਿਤ ਇਲਾਜ ਫੈਸਲਿਆਂ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ।
AI ਮਾਡਲ ਵਿੱਚ ਘੱਟ ਸੇਵਾ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਮਰੀਜ਼ਾਂ ਲਈ ਗੁਣਵੱਤਾ ਵਾਲੀ ਦੇਖਭਾਲ ਤੱਕ ਪਹੁੰਚ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਦੀ ਵੀ ਸੰਭਾਵਨਾ ਹੈ। ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਦੀ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾ ਕੇ, ਮਾਡਲ ਸਿਹਤ ਸੰਭਾਲ ਪਹੁੰਚ ਅਤੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਅਸਮਾਨਤਾਵਾਂ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
ਭਵਿੱਖ ਦੀਆਂ ਦਿਸ਼ਾਵਾਂ
ਖੋਜ ਟੀਮ AI ਮਾਡਲ ਨੂੰ ਸੁਧਾਰਨਾ ਅਤੇ ਬਿਹਤਰ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ, ਇਸਦੀ ਸਮਰੱਥਾ ਦਾ ਵਿਸਤਾਰ ਕਰਨ ਅਤੇ ਇਸਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਵਧਾਉਣ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀ ਹੈ। ਭਵਿੱਖ ਦੀ ਖੋਜ ਕੈਂਸਰ ਦੀ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਲਈ ਮਾਡਲ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਵੀ ਖੋਜ ਕਰੇਗੀ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਟੀਮ AI ਮਾਡਲ ਦੇ ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ‘ਤੇ ਪ੍ਰਭਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਹੋਰ ਅਧਿਐਨ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ। ਇਹ ਅਧਿਐਨ ਕਲੀਨਿਕਲ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਜੋੜਨ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਿਆਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ ਕਿ ਇਸਦੀ ਵਰਤੋਂ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਵਿੱਚ ਸੁਧਾਰ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਇਸ AI ਮਾਡਲ ਦਾ ਵਿਕਾਸ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਵਿਰੁੱਧ ਲੜਾਈ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਸ਼ਕਤੀ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ, ਖੋਜਕਰਤਾ ਅਤੇ ਕਲੀਨੀਸ਼ੀਅਨ ਕੈਂਸਰ ਦੀ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੀ ਸ਼ੁੱਧਤਾ, ਕੁਸ਼ਲਤਾ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰ ਰਹੇ ਹਨ, ਅੰਤ ਵਿੱਚ ਮਰੀਜ਼ਾਂ ਲਈ ਬਿਹਤਰ ਨਤੀਜੇ ਸਾਹਮਣੇ ਆਉਣਗੇ।
AI ਮਾਡਲ ਦੇ ਭਾਗਾਂ ਅਤੇ ਕਾਰਜਕੁਸ਼ਲਤਾ ਦੀ ਵਿਸਤ੍ਰਿਤ ਜਾਂਚ
AI ਮਾਡਲ ਦਾ ਆਰਕੀਟੈਕਚਰ ਕਈ ਅਤਿ-ਆਧੁਨਿਕ ਤਕਨਾਲੋਜੀਆਂ ਦਾ ਇੱਕ ਵਧੀਆ ਮਿਸ਼ਰਨ ਹੈ, ਜੋ ਮੈਡੀਕਲ ਡਾਇਗਨੌਸਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਬੋਧਾਤਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਨਕਲ ਕਰਨ ਅਤੇ ਵਧਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸਦੇ ਮੂਲ ਵਿੱਚ, ਮਾਡਲ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਇੱਕ ਕਿਸਮ ਹੈ ਜਿਸਨੇ ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ, ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਕਮਾਲ ਦੀ ਮੁਹਾਰਤ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਹੈ। ਇਹ LLMs, ਜਿਵੇਂ ਕਿ Mistral, Llama, Gemma, ਅਤੇ Qwen, AI ਦੀਆਂ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਸਮਰੱਥਾਵਾਂ ਲਈ ਬੁਨਿਆਦੀ ਨਿਰਮਾਣ ਬਲਾਕ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ।
ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਦੀ ਭੂਮਿਕਾ
LLMs ਨੂੰ ਟੈਕਸਟ ਅਤੇ ਕੋਡ ਦੇ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਸ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਡੇਟਾ ਦੇ ਅੰਦਰ ਪੈਟਰਨ, ਰਿਸ਼ਤੇ ਅਤੇ ਸੂਖਮਤਾਵਾਂ ਨੂੰ ਸਮਝਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ AI ਮਾਡਲ ਦੇ ਸੰਦਰਭ ਵਿੱਚ, LLMs ਨੂੰ ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ, ਸਰਜੀਕਲ ਨੋਟਸ ਅਤੇ ਹੋਰ ਮੈਡੀਕਲ ਰਿਕਾਰਡ ਸ਼ਾਮਲ ਹਨ। ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਅਕਸਰ ਗੁੰਝਲਦਾਰ ਅਤੇ ਤਕਨੀਕੀ ਭਾਸ਼ਾ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਲਈ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਕੱਢਣ ਲਈ ਉੱਚ ਪੱਧਰ ਦੀ ਸਮਝ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
LLMs ਟੈਕਸਟ ਨੂੰ ਛੋਟੀਆਂ ਇਕਾਈਆਂ ਵਿੱਚ ਤੋੜ ਕੇ, ਜਿਵੇਂ ਕਿ ਸ਼ਬਦ ਅਤੇ ਵਾਕਾਂਸ਼, ਅਤੇ ਫਿਰ ਇਹਨਾਂ ਇਕਾਈਆਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਨ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਮੁੱਖ ਇਕਾਈਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ, ਜਿਵੇਂ ਕਿ ਟਿਊਮਰ ਦਾ ਆਕਾਰ, ਲਿੰਫ ਨੋਡ ਦੀ ਸ਼ਮੂਲੀਅਤ, ਅਤੇ ਦੂਰ ਦੀ ਮੈਟਾਸਟੈਸਿਸ, ਜੋ ਕੈਂਸਰ ਦੀ ਸਟੇਜ ਅਤੇ ਜੋਖਮ ਸ਼੍ਰੇਣੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ।
ਔਫਲਾਈਨ ਓਪਨ-ਸੋਰਸ LLMs: Mistral, Llama, Gemma, ਅਤੇ Qwen
AI ਮਾਡਲ ਚਾਰ ਔਫਲਾਈਨ ਓਪਨ-ਸੋਰਸ LLMs ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ: Mistral (Mistral AI), Llama (Meta), Gemma (Google), ਅਤੇ Qwen (Alibaba)। ਕਈ LLMs ਦੀ ਵਰਤੋਂ ਇੱਕ ਰਣਨੀਤਕ ਫੈਸਲਾ ਹੈ ਜਿਸਦਾ ਉਦੇਸ਼ ਮਾਡਲ ਦੀ ਮਜ਼ਬੂਤੀ ਅਤੇ ਸ਼ੁੱਧਤਾ ਨੂੰ ਵਧਾਉਣਾ ਹੈ। ਹਰੇਕ LLM ਦੀਆਂ ਆਪਣੀਆਂ ਵਿਲੱਖਣ ਸ਼ਕਤੀਆਂ ਅਤੇ ਕਮਜ਼ੋਰੀਆਂ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਜੋੜ ਕੇ, ਮਾਡਲ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਸਮੂਹਿਕ ਬੁੱਧੀ ਦਾ ਲਾਭ ਲੈ ਸਕਦਾ ਹੈ।
- Mistral: ਆਪਣੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਕੰਮਾਂ ‘ਤੇ ਚੰਗਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੀ ਯੋਗਤਾ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ।
- Llama: ਖੋਜ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ, ਭਾਸ਼ਾ ਦੀ ਸਮਝ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਬੁਨਿਆਦ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
- Gemma: Google ਦੀ ਪੇਸ਼ਕਸ਼, ਹੋਰ Google ਸੇਵਾਵਾਂ ਨਾਲ ਇਸਦੇ ਏਕੀਕਰਣ ਅਤੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਵਿੱਚ ਇਸਦੇ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਹੈ।
- Qwen: ਅਲੀਬਾਬਾ ਦੁਆਰਾ ਵਿਕਸਤ, ਗੁੰਝਲਦਾਰ ਚੀਨੀ ਭਾਸ਼ਾ ਦੇ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਵਿੱਚ ਉੱਤਮ ਹੈ।
ਇਹਨਾਂ ਵੱਖ-ਵੱਖ LLMs ਦੇ ਏਕੀਕਰਣ AI ਮਾਡਲ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਅਤੇ ਪਹੁੰਚਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਤੋਂ ਲਾਭ ਲੈਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਅੰਤ ਵਿੱਚ ਵਧੇਰੇ ਸਹੀ ਅਤੇ ਭਰੋਸੇਮੰਦ ਨਤੀਜਿਆਂ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।
ਸਿਖਲਾਈ ਡੇਟਾਸੈੱਟ: ਕੈਂਸਰ ਜੀਨੋਮ ਐਟਲਸ ਪ੍ਰੋਗਰਾਮ (TCGA)
AI ਮਾਡਲ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾਸੈੱਟ ਕੈਂਸਰ ਜੀਨੋਮ ਐਟਲਸ ਪ੍ਰੋਗਰਾਮ (TCGA) ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਹਜ਼ਾਰਾਂ ਕੈਂਸਰ ਮਰੀਜ਼ਾਂ ਲਈ ਜੀਨੋਮਿਕ, ਕਲੀਨਿਕਲ ਅਤੇ ਪੈਥੋਲੋਜੀਕਲ ਡੇਟਾ ਵਾਲਾ ਇੱਕ ਵਿਆਪਕ ਜਨਤਕ ਸਰੋਤ ਹੈ। TCGA ਡੇਟਾਸੈੱਟ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਭਰਪੂਰਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ AI ਮਾਡਲ ਨੂੰ ਡੇਟਾ ਦੇ ਅੰਦਰ ਪੈਟਰਨਾਂ ਅਤੇ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
ਸਿਖਲਾਈ ਡੇਟਾਸੈੱਟ ਵਿੱਚ 50 ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਮਰੀਜ਼ਾਂ ਦੀਆਂ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ ਸ਼ਾਮਲ ਹਨ। ਇਹਨਾਂ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਟਿਊਮਰ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਵਿਸਤ੍ਰਿਤ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਇਸਦਾ ਆਕਾਰ, ਆਕਾਰ ਅਤੇ ਸਥਾਨ, ਅਤੇ ਨਾਲ ਹੀ ਕਿਸੇ ਵੀ ਮੈਟਾਸਟੈਟਿਕ ਬਿਮਾਰੀ ਦੀ ਮੌਜੂਦਗੀ ਬਾਰੇ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ। AI ਮਾਡਲ ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਅਤੇ ਕੈਂਸਰ ਸਟੇਜ ਅਤੇ ਜੋਖਮ ਸ਼੍ਰੇਣੀ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਲਈ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਿੱਖਦਾ ਹੈ।
ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਕਿਰਿਆ: ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ
AI ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ 289 TCGA ਮਰੀਜ਼ਾਂ ਅਤੇ ਤਜਰਬੇਕਾਰ ਐਂਡੋਕਰੀਨ ਸਰਜਨਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ 35 ਸੂਡੋ ਕੇਸਾਂ ਤੋਂ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਖਤੀ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਮਾਡਲ ਕਲੀਨਿਕਲ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਵਿਭਿੰਨ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਸਹੀ ਅਤੇ ਭਰੋਸੇਯੋਗ ਹੈ।
ਪ੍ਰਮਾਣਿਕਤਾ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ AI ਮਾਡਲ ਦੇ ਵਰਗੀਕਰਣ ਦੀ ਤੁਲਨਾ ਮਨੁੱਖੀ ਮਾਹਿਰਾਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਵਰਗੀਕਰਣ ਨਾਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। AI ਮਾਡਲ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਗਣਨਾ ਕੇਸਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਦੀ ਗਣਨਾ ਕਰਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਿਸ ਵਿੱਚ AI ਮਾਡਲ ਦੇ ਵਰਗੀਕਰਣ ਮਨੁੱਖੀ ਮਾਹਿਰਾਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਵਰਗੀਕਰਣ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ।
ATA ਜੋਖਮ ਵਰਗੀਕਰਨ ਅਤੇ AJCC ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਵਿੱਚ ਉੱਚ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ
AI ਮਾਡਲ ATA ਜੋਖਮ ਵਰਗੀਕਰਨ ਵਿੱਚ 88.5% ਤੋਂ 100% ਅਤੇ AJCC ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਵਿੱਚ 92.9% ਤੋਂ 98.1% ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਮੁੱਚੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਹ ਉੱਚ ਸ਼ੁੱਧਤਾ ਦਰਾਂ ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਨੂੰ ਬਦਲਣ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ AI ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ। ਕੈਂਸਰ ਪੜਾਵਾਂ ਅਤੇ ਜੋਖਮ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਮਾਡਲ ਦੀ ਯੋਗਤਾ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਵਧੇਰੇ ਸੂਚਿਤ ਇਲਾਜ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਰੀਜ਼ਾਂ ਲਈ ਬਿਹਤਰ ਨਤੀਜੇ ਸਾਹਮਣੇ ਆ ਸਕਦੇ ਹਨ।
ਔਫਲਾਈਨ ਸਮਰੱਥਾ: ਮਰੀਜ਼ਾਂ ਦੀ ਗੋਪਨੀਯਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ
ਇਸ AI ਮਾਡਲ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਸਦੀ ਔਫਲਾਈਨ ਸਮਰੱਥਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਮਾਡਲ ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਮਰੀਜ਼ਾਂ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸਾਂਝਾ ਕੀਤੇ ਜਾਂ ਅਪਲੋਡ ਕੀਤੇ ਬਿਨਾਂ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਮਰੀਜ਼ਾਂ ਦੀ ਗੋਪਨੀਯਤਾ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਡੇਟਾ ਸੁਰੱਖਿਆ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਔਫਲਾਈਨ ਸਮਰੱਥਾ AI ਮਾਡਲ ਨੂੰ ਸੀਮਤ ਸਰੋਤਾਂ ਵਾਲੀਆਂ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਹਸਪਤਾਲਾਂ ਅਤੇ ਕਲੀਨਿਕਾਂ ਲਈ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਇਹਨਾਂ ਸਹੂਲਤਾਂ ਕੋਲ ਔਨਲਾਈਨ AI ਮਾਡਲਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਬੈਂਡਵਿਡਥ ਜਾਂ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਉਹ ਫਿਰ ਵੀ ਇਸਨੂੰ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਤਾਇਨਾਤ ਕਰਕੇ AI ਮਾਡਲ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਲਾਭ ਲੈ ਸਕਦੇ ਹਨ।
ਔਨਲਾਈਨ LLMs ਨਾਲ ਤੁਲਨਾ: DeepSeek ਅਤੇ GPT-4o
ਖੋਜ ਟੀਮ ਨੇ DeepSeek ਅਤੇ GPT-4o ਦੇ ਨਵੀਨਤਮ ਸੰਸਕਰਣਾਂ ਨਾਲ ਤੁਲਨਾਤਮਕ ਟੈਸਟ ਕਰਵਾਏ, ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਔਨਲਾਈਨ LLMs। ਇਹਨਾਂ ਟੈਸਟਾਂ ਦੇ ਨਤੀਜਿਆਂ ਨੇ ਦਿਖਾਇਆ ਕਿ AI ਮਾਡਲ ਇਹਨਾਂ ਔਨਲਾਈਨ LLMs ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਦੁਨੀਆ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ AI ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਦੀ ਆਪਣੀ ਯੋਗਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਇਹ ਤੱਥ ਕਿ AI ਮਾਡਲ ਨੂੰ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਔਨਲਾਈਨ LLMs ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦਾ ਹੈ, ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦਾ ਹੈ। ਇਹ AI ਮਾਡਲ ਨੂੰ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਅਤੇ ਸੁਰੱਖਿਅਤ ਬਣਾਉਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਬਾਹਰੀ ਸਰਵਰਾਂ ਜਾਂ ਨੈਟਵਰਕਾਂ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦਾ ਹੈ।
ਸਿਹਤ ਸੰਭਾਲ ਕੁਸ਼ਲਤਾ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ‘ਤੇ ਪਰਿਵਰਤਨਸ਼ੀਲ ਪ੍ਰਭਾਵ
ਕਲੀਨਿਕਲ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਇਸ AI ਮਾਡਲ ਦਾ ਏਕੀਕਰਣ ਸਿਹਤ ਸੰਭਾਲ ਕੁਸ਼ਲਤਾ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ। ਕੈਂਸਰ ਸਟੇਜਿੰਗ ਅਤੇ ਜੋਖਮ ਵਰਗੀਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਦੀ ਮਾਡਲ ਦੀ ਯੋਗਤਾ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਦੇ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂਆਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਖਾਲੀ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਲਾਜ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੀ ਸਲਾਹ।
AI ਮਾਡਲ ਡਾਇਗਨੌਸਟਿਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਗਲਤੀਆਂ ਅਤੇ ਅਸੰਗਤਤਾਵਾਂ ਦੇ ਜੋਖਮ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਸੂਚਿਤ ਇਲਾਜ ਫੈਸਲੇ ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮਾਡਲ ਕਲੀਨੀਸ਼ੀਅਨਾਂ ਨੂੰ ਥਾਇਰਾਇਡ ਕੈਂਸਰ ਦੀ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਜਾਂਚ ਅਤੇ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾ ਕੇ ਘੱਟ ਸੇਵਾ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਮਰੀਜ਼ਾਂ ਲਈ ਗੁਣਵੱਤਾ ਵਾਲੀ ਦੇਖਭਾਲ ਤੱਕ ਪਹੁੰਚ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ।
ਨੈਤਿਕ ਵਿਚਾਰਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ AI ਲਾਗੂਕਰਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ
ਕਿਸੇ ਵੀ AI ਤਕਨਾਲੋਜੀ ਦੀ ਤਰ੍ਹਾਂ, ਨੈਤਿਕ ਵਿਚਾਰਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ AI ਲਾਗੂਕਰਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਖੋਜ ਟੀਮ AI ਮਾਡਲ ਨੂੰ ਨੈਤਿਕ, ਪਾਰਦਰਸ਼ੀ ਅਤੇ ਜਵਾਬਦੇਹ ਢੰਗ ਨਾਲ ਵਿਕਸਤ ਕਰਨ ਅਤੇ ਤਾਇਨਾਤ ਕਰਨ ਲਈ ਵਚਨਬੱਧ ਹੈ।
ਇੱਕ ਮੁੱਖ ਨੈਤਿਕ ਵਿਚਾਰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ AI ਮਾਡਲ ਮਰੀਜ਼ਾਂ ਦੇ ਕਿਸੇ ਖਾਸ ਸਮੂਹ ਦੇ ਵਿਰੁੱਧ ਪੱਖਪਾਤੀ ਨਹੀਂ ਹੈ। ਖੋਜ ਟੀਮ ਵਿਭਿੰਨ ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਤੇ ਵੱਖ-ਵੱਖ ਮਰੀਜ਼ਾਂ ਦੀ ਆਬਾਦੀ ਵਿੱਚ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਧਿਆਨ ਨਾਲ ਨਿਗਰਾਨੀ ਕਰਕੇ ਇਸ ਮੁੱਦੇ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕੰਮ ਕਰ ਰਹੀ ਹੈ।
ਇੱਕ ਹੋਰ ਨੈਤਿਕ ਵਿਚਾਰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਮਰੀਜ਼ਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਦੇਖਭਾਲ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ ਜਾਵੇ। ਖੋਜ ਟੀਮ ਮਰੀਜ਼ਾਂ ਨੂੰ