தைராய்டு புற்றுநோய்: AI துல்லிய கண்டறிதல்

தைராய்டு புற்றுநோய் கண்டறிதலில் AI புரட்சி: 90% துல்லியத்துடன்

மருத்துவ தொழில்நுட்பத்தில் ஒரு திருப்புமுனையாக, தைராய்டு புற்றுநோயின் நிலை மற்றும் ஆபத்து வகைகளை 90% க்கும் அதிகமான துல்லியத்துடன் வகைப்படுத்தக்கூடிய உலகின் முதல் செயற்கை நுண்ணறிவு (AI) மாதிரி உருவாக்கப்பட்டுள்ளது. இந்த புதுமையான கருவி, முன் கள மருத்துவர்களுக்கான முன் ஆலோசனை தயாரிப்பு நேரத்தை சுமார் 50% குறைக்கும் என்று உறுதியளிக்கிறது. இது புற்றுநோய் கண்டறிதல் மற்றும் சிகிச்சையின் செயல்திறன் மற்றும் துல்லியத்தில் ஒரு பெரிய முன்னேற்றத்தைக் குறிக்கிறது.

AI மாதிரியின் உருவாக்கம்

இந்த முன்னோடி AI மாதிரியின் வளர்ச்சி, ஹாங்காங் பல்கலைக்கழகத்தின் LKS மருத்துவ பீடம் (HKUMed), சுகாதாரத்திற்கான தரவு கண்டுபிடிப்புக்கான InnoHK ஆய்வகம் (InnoHK D24H) மற்றும் லண்டன் சுகாதாரம் மற்றும் வெப்பமண்டல மருத்துவப் பள்ளி (LSHTM) ஆகியவற்றின் நிபுணர்களை உள்ளடக்கிய பல்துறை ஆராய்ச்சி குழுவின் கூட்டு முயற்சிகளின் விளைவாகும். அவர்களின் கண்டுபிடிப்புகள் மதிப்புமிக்க இதழான npj Digital Medicine இல் வெளியிடப்பட்டுள்ளன. இது மருத்துவ நடைமுறையை மாற்றுவதற்கும் நோயாளிகளின் விளைவுகளை மேம்படுத்துவதற்கும் AI இன் திறனை எடுத்துக்காட்டுகிறது.

தைராய்டு புற்றுநோய் ஹாங்காங் மற்றும் உலகம் முழுவதும் பரவலாக காணப்படும் ஒரு கொடிய நோயாகும். இதற்கு துல்லியமான மேலாண்மை உத்திகள் தேவை. இந்த உத்திகளின் வெற்றி இரண்டு முக்கியமான அமைப்புகளை சார்ந்துள்ளது:

• அமெரிக்க கூட்டு புற்றுநோய் குழு (AJCC) அல்லது கட்டி-முடிச்சு-மெட்டாஸ்டாசிஸ் (TNM) புற்றுநோய் நிலை அமைப்பு: இந்த அமைப்பு இப்போது அதன் 8வது பதிப்பில் உள்ளது. இது புற்றுநோயின் அளவு மற்றும் பரவலை தீர்மானிக்க பயன்படுகிறது.
• அமெரிக்க தைராய்டு சங்கம் (ATA) ஆபத்து வகைப்பாடு அமைப்பு: இந்த அமைப்பு புற்றுநோய் மறு occurrence அல்லது முன்னேற்றத்தின் அபாயத்தை வகைப்படுத்துகிறது.

இந்த அமைப்புகள் நோயாளியின் உயிர் பிழைப்பு விகிதங்களை கணிக்கவும் சிகிச்சை முடிவுகளை தெரிவிக்கவும் இன்றியமையாதவை. இருப்பினும் சிக்கலான மருத்துவ தகவல்களை இந்த அமைப்புகளில் கைமுறையாக ஒருங்கிணைக்கும் வழக்கமான முறை பெரும்பாலும் நேரத்தை எடுத்துக்கொள்வதோடு திறமையின்மைக்கு ஆளாகிறது.

AI உதவியாளர் எவ்வாறு செயல்படுகிறது

இந்த சவால்களை எதிர்கொள்ளும் வகையில், சாட்ஜிபிடி (ChatGPT) மற்றும் டீப் சீக் (DeepSeek) போன்ற பெரிய மொழி மாதிரிகளை (LLMs) பயன்படுத்தும் AI உதவியாளரை ஆராய்ச்சி குழு உருவாக்கியுள்ளது. இந்த LLM கள் மனித மொழியைப் புரிந்துகொண்டு செயலாக்க வடிவமைக்கப்பட்டுள்ளன. இது தைராய்டு புற்றுநோய் நிலை மற்றும் ஆபத்து வகைப்படுத்தலின் துல்லியம் மற்றும் செயல்திறனை மேம்படுத்த மருத்துவ ஆவணங்களை பகுப்பாய்வு செய்ய அனுமதிக்கிறது.

AI மாதிரி நான்கு ஆஃப்லைன் திறந்த மூல LLMகளைப் பயன்படுத்துகிறது - மிஸ்ட்ரல் (Mistral AI), லாமா (Meta), ஜெம்மா (Google) மற்றும் குவென் (Alibaba) - கட்டற்ற உரை மருத்துவ ஆவணங்களை பகுப்பாய்வு செய்ய. இந்த அணுகுமுறை மாதிரி நோயியல் அறிக்கைகள், அறுவை சிகிச்சை குறிப்புகள் மற்றும் பிற தொடர்புடைய மருத்துவ பதிவுகள் உட்பட பரந்த அளவிலான மருத்துவ தகவல்களை செயலாக்க முடியும் என்பதை உறுதி செய்கிறது.

AI மாதிரியின் பயிற்சி மற்றும் சரிபார்ப்பு

அமெரிக்காவை தளமாகக் கொண்ட திறந்த அணுகல் தரவுத்தொகுப்பைப் பயன்படுத்தி AI மாதிரி கவனமாக பயிற்சி அளிக்கப்பட்டது. இதில் புற்றுநோய் மரபணு அட்லஸ் திட்டத்திலிருந்து (TCGA) பெறப்பட்ட 50 தைராய்டு புற்றுநோய் நோயாளிகளின் நோயியல் அறிக்கைகள் உள்ளன. பயிற்சி கட்டத்தைத் தொடர்ந்து மாதிரியின் செயல்திறன் 289 TCGA நோயாளிகள் மற்றும் அனுபவம் வாய்ந்த நாளமில்லா சுரப்பி அறுவை சிகிச்சை நிபுணர்களால் உருவாக்கப்பட்ட 35 போலி நிகழ்வுகளின் நோயியல் அறிக்கைகளுக்கு எதிராக கடுமையாக சரிபார்க்கப்பட்டது. இந்த விரிவான சரிபார்ப்பு செயல்முறை மாதிரி பல்வேறு மருத்துவ சூழ்நிலைகளில் வலுவானதாகவும் நம்பகமானதாகவும் இருப்பதை உறுதி செய்தது.

செயல்திறன் மற்றும் துல்லியம்

அனைத்து நான்கு LLMகளின் வெளியீட்டையும் இணைப்பதன் மூலம், ஆராய்ச்சி குழு AI மாதிரியின் ஒட்டுமொத்த செயல்திறனை கணிசமாக மேம்படுத்தியது. ATA ஆபத்து வகைப்பாட்டில் மாதிரி 88.5% முதல் 100% வரை மற்றும் AJCC புற்றுநோய் நிலையில் 92.9% முதல் 98.1% வரை என ஈர்க்கக்கூடிய ஒட்டுமொத்த துல்லியத்தை அடைந்தது. இந்த துல்லியத்தின் அளவு பாரம்பரிய கையேடு ஆவண மதிப்புரைகளை விட அதிகமாக உள்ளது. அவை பெரும்பாலும் மனித பிழை மற்றும் முரண்பாடுகளுக்கு உட்பட்டவை.

இந்த AI மாதிரியின் மிக முக்கியமான நன்மைகளில் ஒன்று, முன் ஆலோசனை தயாரிப்பில் மருத்துவர்கள் செலவிடும் நேரத்தை சுமார் 50% குறைக்கும் திறன் ஆகும். இந்த நேர சேமிப்பு மருத்துவர்கள் நேரடி நோயாளி பராமரிப்பில் அதிக நேரம் ஒதுக்க அனுமதிக்கிறது. இது ஒட்டுமொத்த நோயாளி அனுபவத்தை மேம்படுத்துகிறது மற்றும் பராமரிப்பு தரத்தை மேம்படுத்துகிறது.

ஆராய்ச்சி குழுவிலிருந்து முக்கிய நுண்ணறிவு

ஹாங்காங் பல்கலைக்கழகத்தின் பொது சுகாதார பேராசிரியர் மற்றும் இன்னோஹெச் கே டி24ஹெச் நிர்வாக இயக்குனர் பேராசிரியர் ஜோசப் டி வு, மாதிரியின் சிறந்த செயல்திறனை வலியுறுத்தினார். ‘எங்கள் மாதிரி ஏஜேசிசி புற்றுநோய் நிலைகள் மற்றும் ஏடிஏ ஆபத்து வகைகளை வகைப்படுத்துவதில் 90% க்கும் அதிகமான துல்லியத்தை அடைகிறது. இந்த மாதிரியின் ஒரு குறிப்பிடத்தக்க நன்மை என்னவென்றால், அதன் ஆஃப்லைன் திறன். இது முக்கியமான நோயாளி தகவல்களைப் பகிரவோ பதிவேற்றவோ தேவையில்லாமல் உள்ளூர் வரிசைப்படுத்தலை அனுமதிக்கும். இதன் மூலம் அதிகபட்ச நோயாளி தனியுரிமையை வழங்குகிறது.’

டீப் சீக் (DeepSeek) மற்றும் ஜிபிடி-4ஓ (GPT-4o) போன்ற சக்திவாய்ந்த ஆன்லைன் எல்எல்எம் களுடன் எங்கள் மாதிரி சமமாக செயல்படும் திறனையும் பேராசிரியர் வு எடுத்துரைத்தார். ‘டீப் சீக் சமீபத்தில் அறிமுகமானதை அடுத்து, டீப் சீக்-ஆர் 1 மற்றும் வி 3-இன் சமீபத்திய பதிப்புகள் மற்றும் ஜிபிடி-4ஓ ஆகியவற்றுக்கு எதிராக ‘பூஜ்ஜிய-ஷாட் அணுகுமுறையுடன்’ மேலும் ஒப்பீட்டு சோதனைகளை நடத்தினோம். இந்த சக்திவாய்ந்த ஆன்லைன் எல்எல்எம் களுடன் எங்கள் மாதிரி சமமாக செயல்படுவதைக் கண்டு நாங்கள் மகிழ்ச்சியடைந்தோம்.’

ஹாங்காங் பல்கலைக்கழக மருத்துவ பீடத்தின் மருத்துவ உதவி பேராசிரியரும், நாளமில்லா சுரப்பி அறுவை சிகிச்சை தலைவருமான டாக்டர் மேட்ரிக்ஸ் ஃபங் மான்-ஹிம், மாதிரியின் நடைமுறை நன்மைகளை அடிக்கோடிட்டுக் காட்டினார். ‘சிக்கலான நோயியல் அறிக்கைகள், செயல்பாட்டு பதிவுகள் மற்றும் மருத்துவ குறிப்புகளிலிருந்து தகவல்களை பிரித்தெடுப்பதிலும் பகுப்பாய்வு செய்வதிலும் அதிக துல்லியத்தை வழங்குவதோடு கூடுதலாக, எங்கள் AI மாதிரி மனித விளக்கத்துடன் ஒப்பிடும்போது மருத்துவர்களின் தயாரிப்பு நேரத்தை கிட்டத்தட்ட பாதியாக குறைக்கிறது. இது ஒரே நேரத்தில் இரண்டு சர்வதேச அளவில் அங்கீகரிக்கப்பட்ட மருத்துவ அமைப்புகளின் அடிப்படையில் புற்றுநோய் நிலை மற்றும் மருத்துவ ஆபத்து அடுக்குதலை வழங்க முடியும்.’

டாக்டர் ஃபங் மாதிரியின் பல்துறைத்திறன் மற்றும் பரவலாக ஏற்றுக்கொள்ளும் திறனையும் வலியுறுத்தினார். ‘AI மாதிரி பல்துறைத்திறன் கொண்டது மற்றும் பொது மற்றும் தனியார் துறைகளில் பல்வேறு அமைப்புகளில் எளிதாக ஒருங்கிணைக்கப்படலாம். உள்ளூர் மற்றும் சர்வதேச சுகாதார மற்றும் ஆராய்ச்சி நிறுவனங்களிலும் இதை ஒருங்கிணைக்க முடியும். இந்த AI மாதிரியின் உண்மையான உலக பயன்பாடு முன் கள மருத்துவர்களின் செயல்திறனை மேம்படுத்தும் மற்றும் பராமரிப்பு தரத்தை மேம்படுத்தும் என்று நாங்கள் நம்புகிறோம். கூடுதலாக மருத்துவர்களுக்கு தங்கள் நோயாளிகளுடன் ஆலோசனை செய்ய அதிக நேரம் கிடைக்கும்.’

ஹாங்காங் பல்கலைக்கழக மருத்துவ பீடத்தின் குடும்ப மருத்துவம் மற்றும் ஆரம்ப சுகாதார துறையின் கெளரவ இணை பேராசிரியர் டாக்டர் கார்லோஸ் வாங், உண்மையான உலக நோயாளி தரவுகளுடன் மாதிரியை சரிபார்ப்பதன் முக்கியத்துவத்தை எடுத்துரைத்தார். ‘அரசாங்கத்தின் சுகாதாரப் பாதுகாப்பில் AI ஐ ஏற்றுக்கொள்வதற்கான வலுவான வக்காலத்துகளின்படி, மருத்துவ அறிக்கை எழுதும் அமைப்பை சமீபத்தில் மருத்துவமனை ஆணையத்தில் அறிமுகப்படுத்தியது இதற்கு உதாரணமாகும். இந்த AI உதவியாளரின் செயல்திறனை அதிக அளவு உண்மையான நோயாளி தரவுகளுடன் மதிப்பிடுவதே எங்கள் அடுத்த படியாகும்.’

மருத்துவ அமைப்புகளிலும் மருத்துவமனைகளிலும் மாதிரியை வரிசைப்படுத்துவதற்கான சாத்தியத்தையும் டாக்டர் வாங் வலியுறுத்தினார். ‘சரிபார்க்கப்பட்டவுடன் AI மாதிரி உண்மையான மருத்துவ அமைப்புகளிலும் மருத்துவமனைகளிலும் மருத்துவர்களுக்கு செயல்பாட்டு மற்றும் சிகிச்சை திறனை மேம்படுத்த உதவ தயாராக வரிசைப்படுத்தப்படலாம்.’

மருத்துவ நடைமுறைக்கான தாக்கங்கள்

இந்த AI மாதிரியின் வளர்ச்சி தைராய்டு புற்றுநோய் கண்டறிதல் மற்றும் மேலாண்மை துறையில் மருத்துவ நடைமுறைக்கு ஆழமான தாக்கங்களை ஏற்படுத்துகிறது. புற்றுநோய் நிலை மற்றும் ஆபத்து வகைப்படுத்தல் செயல்முறையை தானியக்கமாக்குவதன் மூலம், மாதிரி சிகிச்சை திட்டமிடல் மற்றும் நோயாளி ஆலோசனை போன்ற நோயாளி பராமரிப்பின் பிற முக்கியமான அம்சங்களில் கவனம் செலுத்த மருத்துவர்களை விடுவிக்க முடியும்.

மேலும் மாதிரியின் அதிக துல்லியம் மற்றும் நம்பகத்தன்மை கண்டறியும் செயல்பாட்டில் பிழைகள் மற்றும் முரண்பாடுகளின் அபாயத்தை குறைக்க உதவும். இது மேலும் தகவலறிந்த சிகிச்சை முடிவுகளுக்கும் மேம்பட்ட நோயாளி விளைவுகளுக்கும் வழிவகுக்கும்.

AI மாதிரி குறைந்த வசதி உள்ள பகுதிகளில் உள்ள நோயாளிகளுக்கு தரமான பராமரிப்பை அணுகுவதை மேம்படுத்தும் திறன் உள்ளது. தைராய்டு புற்றுநோயை மிகவும் திறமையாக கண்டறிந்து நிர்வகிக்க மருத்துவர்களை அனுமதிப்பதன் மூலம், மாதிரி சுகாதார அணுகல் மற்றும் விளைவுகளில் உள்ள ஏற்றத்தாழ்வுகளை குறைக்க உதவும்.

எதிர்கால திசைகள்

ஆராய்ச்சி குழு AI மாதிரியை தொடர்ந்து செம்மைப்படுத்தி மேம்படுத்த திட்டமிட்டுள்ளது. அதன் திறன்களை விரிவுபடுத்துவதிலும் அதன் துல்லியத்தை மேம்படுத்துவதிலும் கவனம் செலுத்துகிறது. எதிர்கால ஆராய்ச்சி மாதிரி புற்றுநோய் கண்டறிதல் மற்றும் மேலாண்மையின் பிற பகுதிகளில் பயன்படுத்தப்படுவதற்கான சாத்தியக்கூறுகளை ஆராயும்.

கூடுதலாக AI மாதிரி மருத்துவ நடைமுறை மற்றும் நோயாளி விளைவுகளில் ஏற்படுத்தும் தாக்கத்தை மதிப்பிடுவதற்கு குழு மேலும் ஆய்வுகளை நடத்த திட்டமிட்டுள்ளது. இந்த ஆய்வுகள் மருத்துவ பணிப்பாய்வுகளில் மாதிரியை ஒருங்கிணைப்பதற்கான சிறந்த வழிகளை தீர்மானிக்க உதவும் மற்றும் நோயாளி பராமரிப்பை மேம்படுத்துவதற்கு இது திறம்பட பயன்படுத்தப்படுவதை உறுதி செய்யும்.

இந்த AI மாதிரியின் வளர்ச்சி தைராய்டு புற்றுநோய்க்கு எதிரான போராட்டத்தில் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தை பிரதிபலிக்கிறது. செயற்கை நுண்ணறிவின் சக்தியைப் பயன்படுத்துவதன் மூலம், ஆராய்ச்சியாளர்கள் மற்றும் மருத்துவர்கள் புற்றுநோய் கண்டறிதல் மற்றும் மேலாண்மையின் துல்லியம், செயல்திறன் மற்றும் அணுகலை மேம்படுத்த வேலை செய்கிறார்கள். இறுதியில் நோயாளிகளுக்கு சிறந்த விளைவுகளுக்கு வழிவகுக்கும்.

AI மாதிரியின் கூறுகள் மற்றும் செயல்பாடுகள் பற்றிய விரிவான ஆய்வு

AI மாதிரியின் கட்டமைப்பு பல அதிநவீன தொழில்நுட்பங்களின் ஒரு அதிநவீன கலவையாகும். இது மருத்துவ நோயறிதலில் ஈடுபட்டுள்ள அறிவாற்றல் செயல்முறைகளை பின்பற்றி மேம்படுத்த வடிவமைக்கப்பட்டுள்ளது. அதன் மையத்தில் மாதிரி பெரிய மொழி மாதிரிகளை (LLMs) நம்பியுள்ளது. இது மனித மொழியைப் புரிந்துகொள்வது, விளக்குவது மற்றும் உருவாக்குவதில் குறிப்பிடத்தக்க திறனை நிரூபித்துள்ள ஒரு வகை செயற்கை நுண்ணறிவு ஆகும். மிஸ்ட்ரல், லாமா, ஜெம்மா மற்றும் குவென் போன்ற இந்த LLMகள் AI இன் பகுப்பாய்வு திறன்களுக்கான அடிப்படை கட்டுமானத் தொகுதிகளாக செயல்படுகின்றன.

பெரிய மொழி மாதிரிகளின் பங்கு (LLMs)

LLMகள் உரை மற்றும் குறியீட்டின் பாரிய தரவுத்தொகுப்புகளில் பயிற்சி அளிக்கப்படுகின்றன. இது தரவுக்குள் உள்ள வடிவங்கள், உறவுகள் மற்றும் நுணுக்கங்களை வேறுபடுத்தி அறிய உதவுகிறது. இந்த AI மாதிரியின் சூழலில் LLMகள் மருத்துவ ஆவணங்களான நோயியல் அறிக்கைகள், அறுவை சிகிச்சை குறிப்புகள் மற்றும் பிற மருத்துவ பதிவுகளை பகுப்பாய்வு செய்யும் பணியை மேற்கொள்கின்றன. இந்த ஆவணங்களில் பெரும்பாலும் சிக்கலான மற்றும் தொழில்நுட்ப மொழி இருக்கும். இது தொடர்புடைய தகவல்களை பிரித்தெடுக்க அதிக அளவு புரிதலைக் கோருகிறது.

LLMகள் உரையை சிறிய அலகுகளாகப் பிரித்து செயலாக்குகின்றன. எடுத்துக்காட்டாக வார்த்தைகள் மற்றும் சொற்றொடர்கள். பின்னர் இந்த அலகுகளுக்கு இடையிலான உறவுகளை பகுப்பாய்வு செய்கின்றன. இந்த செயல்பாட்டில் கட்டி அளவு, நிணநீர் முனை ஈடுபாடு மற்றும் தொலைதூர மெட்டாஸ்டாசிஸ் போன்ற முக்கிய நிறுவனங்களை அடையாளம் காண்பது அடங்கும். இவை புற்றுநோயின் நிலை மற்றும் ஆபத்து வகையை தீர்மானிக்க முக்கியமானவை.

ஆஃப்லைன் திறந்த மூல LLMகள்: மிஸ்ட்ரல், லாமா, ஜெம்மா மற்றும் குவென்

AI மாதிரி நான்கு ஆஃப்லைன் திறந்த மூல LLMகளைப் பயன்படுத்துகிறது: மிஸ்ட்ரல் (Mistral AI), லாமா (Meta), ஜெம்மா (Google) மற்றும் குவென் (Alibaba). பல LLMகளைப் பயன்படுத்துவது மாதிரியின் உறுதிப்பாடு மற்றும் துல்லியத்தை மேம்படுத்துவதை நோக்கமாகக் கொண்ட ஒரு மூலோபாய முடிவாகும். ஒவ்வொரு LLMக்கும் அதன் தனித்துவமான பலம் மற்றும் பலவீனங்கள் உள்ளன. அவற்றின் வெளியீடுகளை இணைப்பதன் மூலம் மாதிரி இந்த அமைப்புகளின் கூட்டு நுண்ணறிவைப் பயன்படுத்த முடியும்.

• மிஸ்ட்ரல்: அதன் செயல்திறன் மற்றும் பல்வேறு பணிகளில் சிறப்பாக செயல்படும் திறன் ஆகியவற்றிற்கு அறியப்படுகிறது.
• லாமா: ஆராய்ச்சி நோக்கங்களுக்காக வடிவமைக்கப்பட்டுள்ளது. மொழி புரிதலுக்கு வலுவான அடித்தளத்தை வழங்குகிறது.
• ஜெம்மா: கூகிளின் சலுகை பிற கூகிள் சேவைகளுடன் அதன் ஒருங்கிணைப்பு மற்றும் கேள்வி பதில் பதிலளிப்பதில் அதன் வலுவான செயல்திறன் ஆகியவற்றிற்கு அறியப்படுகிறது.
• குவென்: அலிபாவால் உருவாக்கப்பட்டது. சிக்கலான சீன மொழி பணிகளைக் கையாள்வதில் சிறந்து விளங்குகிறது.

இந்த மாறுபட்ட LLMகளை ஒருங்கிணைப்பது AI மாதிரி பரந்த அளவிலான முன்னோக்குகள் மற்றும் அணுகுமுறைகளிலிருந்து பயனடைய அனுமதிக்கிறது. இறுதியில் மிகவும் துல்லியமான மற்றும் நம்பகமான முடிவுகளுக்கு வழிவகுக்கிறது.

பயிற்சி தரவுத்தொகுப்பு: புற்றுநோய் மரபணு அட்லஸ் திட்டம் (TCGA)

AI மாதிரியின் பயிற்சி தரவுத்தொகுப்பு புற்றுநோய் மரபணு அட்லஸ் திட்டத்திலிருந்து (TCGA) பெறப்பட்டது. இது ஆயிரக்கணக்கான புற்றுநோய் நோயாளிகளுக்கான மரபணு மருத்துவ மற்றும் நோயியல் தரவுகளைக் கொண்ட ஒரு விரிவான பொது வளமாகும். TCGA தரவுத்தொகுப்பு தரவுக்குள் வடிவங்கள் மற்றும் உறவுகளை அங்கீகரிக்க AI மாதிரியைப் பயிற்றுவிக்க இன்றியமையாத தகவல்களின் செல்வத்தை வழங்குகிறது.

பயிற்சி தரவுத்தொகுப்பில் 50 தைராய்டு புற்றுநோய் நோயாளிகளின் நோயியல் அறிக்கைகள் உள்ளன. இந்த அறிக்கைகளில் கட்டி அளவு, வடிவம் மற்றும் இருப்பிடம் உட்பட கட்டியின் பண்புகள் பற்றிய விரிவான தகவல்கள் உள்ளன. மேலும் எந்த மெட்டாஸ்டேடிக் நோயும் இருப்பதற்கான தகவல்களும் உள்ளன. AI மாதிரி இந்த பண்புகளை அடையாளம் காணவும் புற்றுநோய் நிலை மற்றும் ஆபத்து வகையை வகைப்படுத்தவும் கற்றுக்கொள்கிறது.

சரிபார்ப்பு செயல்முறை: துல்லியம் மற்றும் நம்பகத்தன்மையை உறுதி செய்தல்

AI மாதிரியின் செயல்திறன் 289 TCGA நோயாளிகள் மற்றும் அனுபவம் வாய்ந்த நாளமில்லா சுரப்பி அறுவை சிகிச்சை நிபுணர்களால் உருவாக்கப்பட்ட 35 போலி நிகழ்வுகளின் நோயியல் அறிக்கைகளைப் பயன்படுத்தி கடுமையாக சரிபார்க்கப்படுகிறது. இந்த சரிபார்ப்பு செயல்முறை மாதிரி பல்வேறு மருத்துவ சூழ்நிலைகளில் துல்லியமாகவும் நம்பகமானதாகவும் இருப்பதை உறுதிப்படுத்த வடிவமைக்கப்பட்டுள்ளது.

சரிபார்ப்பு செயல்முறையானது AI மாதிரியின் வகைப்பாடுகளை மனித நிபுணர்கள் செய்த வகைப்பாடுகளுடன் ஒப்பிடுவதை உள்ளடக்குகிறது. AI மாதிரியின் துல்லியம் AI மாதிரியின் வகைப்பாடுகள் மனித நிபுணர்கள் செய்த வகைப்பாடுகளுடன் பொருந்தும் நிகழ்வுகளின் சதவீதத்தை கணக்கிடுவதன் மூலம் அளவிடப்படுகிறது.

ATA ஆபத்து வகைப்பாடு மற்றும் AJCC புற்றுநோய் நிலையில் அதிக துல்லியத்தை அடைதல்

AI மாதிரி ATA ஆபத்து வகைப்பாட்டில் 88.5% முதல் 100% வரை மற்றும் AJCC புற்றுநோய் நிலையில் 92.9% முதல் 98.1% வரை என ஈர்க்கக்கூடிய ஒட்டுமொத்த துல்லியத்தை அடைகிறது. இந்த உயர் துல்லிய விகிதங்கள் மருத்துவ நடைமுறையை மாற்றுவதற்கும் நோயாளியின் விளைவுகளை மேம்படுத்துவதற்கும் AI இன் திறனைக் காட்டுகின்றன. புற்றுநோய் நிலைகள் மற்றும் ஆபத்து வகைகளை துல்லியமாக வகைப்படுத்தும் மாதிரியின் திறன் மருத்துவர்கள் மேலும் தகவலறிந்த சிகிச்சை முடிவுகளை எடுக்க உதவும். இது நோயாளிகளுக்கு சிறந்த விளைவுகளுக்கு வழிவகுக்கும்.

ஆஃப்லைன் திறன்: நோயாளி தனியுரிமையை உறுதி செய்தல்

இந்த AI மாதிரியின் மிக முக்கியமான நன்மைகளில் ஒன்று அதன் ஆஃப்லைன் திறன் ஆகும். அதாவது முக்கியமான நோயாளி தகவல்களைப் பகிரவோ பதிவேற்றவோ தேவையில்லாமல் மாதிரியை உள்ளூரில் வரிசைப்படுத்தலாம். நோயாளி தனியுரிமையைப் பாதுகாப்பதற்கும் தரவு பாதுகாப்பு விதிமுறைகளுடன் இணங்குவதை உறுதி செய்வதற்கும் இது முக்கியமானது.

ஆஃப்லைன் திறன் வளங்கள் குறைவாக உள்ள அமைப்புகளில் உள்ள மருத்துவமனைகள் மற்றும் கிளினிக்குகளுக்கு AI மாதிரியை அதிக அணுகக்கூடியதாக ஆக்குகிறது. இந்த வசதிகளில் ஆன்லைன் AI மாதிரிகளை ஆதரிக்க அலைவரிசை அல்லது உள்கட்டமைப்பு இல்லாமல் இருக்கலாம். ஆனால் உள்ளூரில் வரிசைப்படுத்துவதன் மூலம் அவை AI மாதிரியின் திறன்களிலிருந்து இன்னும் பயனடையலாம்.

ஆன்லைன் LLMகளுடன் ஒப்பீடு: டீப் சீக் மற்றும் ஜிபிடி-4ஓ

ஆராய்ச்சி குழு டீப் சீக் மற்றும் ஜிபிடி-4ஓவின் சமீபத்திய பதிப்புகளுடன் ஒப்பீட்டு சோதனைகளை நடத்தியது. இவை இரண்டு சக்திவாய்ந்த ஆன்லைன் LLMகள் ஆகும். இந்த சோதனைகளின் முடிவுகள் AI மாதிரி இந்த ஆன்லைன் LLMகளுடன் சமமாக செயல்படுவதைக் காட்டியது. இது உலகில் உள்ள சிறந்த AI அமைப்புகளுடன் போட்டியிடும் திறனைக் காட்டுகிறது.

இணைய இணைப்பு தேவையில்லாமல் AI மாதிரி ஆன்லைன் LLMகளுடன் சமமாக செயல்பட முடியும் என்பது ஒரு குறிப்பிடத்தக்க நன்மை. இது AI மாதிரியை மிகவும் நம்பகமானதாகவும் பாதுகாப்பானதாகவும் ஆக்குகிறது. ஏனெனில் இது வெளிப்புற சேவையகங்கள் அல்லது நெட்வொர்க்குகளைச் சார்ந்தது அல்ல.

சுகாதார செயல்திறன் மற்றும் நோயாளி பராமரிப்பில் மாற்றத்தக்க தாக்கம்

இந்த AI மாதிரியை மருத்துவ பணிப்பாய்வுகளில் ஒருங்கிணைப்பது சுகாதார செயல்திறன் மற்றும் நோயாளி பராமரிப்பில் குறிப்பிடத்தக்க மாற்றத்தை உறுதி செய்கிறது. புற்றுநோய் நிலை மற்றும் ஆபத்து வகைப்படுத்தல் செயல்முறையை தானியக்கமாக்கும் மாதிரியின் திறன் சிகிச்சை திட்டமிடல் மற்றும் நோயாளி ஆலோசனை போன்ற நோயாளி பராமரிப்பின் பிற முக்கியமான அம்சங்களில் கவனம் செலுத்த மருத்துவர்களை விடுவிக்க முடியும்.

AI மாதிரி கண்டறியும் செயல்பாட்டில் பிழைகள் மற்றும் முரண்பாடுகளின் அபாயத்தைக் குறைக்க உதவும். இது மேலும் தகவலறிந்த சிகிச்சை முடிவுகளுக்கும் மேம்பட்ட நோயாளி விளைவுகளுக்கும் வழிவகுக்கும். மேலும் AI மாதிரி குறைந்த வசதி உள்ள பகுதிகளில் உள்ள நோயாளிகளுக்கு தரமான பராமரிப்பை அணுகுவதை மேம்படுத்த முடியும். தைராய்டு புற்றுநோயை மிகவும் திறமையாக கண்டறிந்து நிர்வகிக்க மருத்துவர்களை அனுமதிப்பதன் மூலம் இதை செய்யலாம்.

நெறிமுறை கருத்தில் கவனம் செலுத்துதல் மற்றும் பொறுப்பான AI செயல்படுத்தலை உறுதி செய்தல்

எந்த AI தொழில்நுட்பத்தையும் போலவே நெறிமுறை கருத்தில் கவனம் செலுத்துவதும் பொறுப்பான AI செயல்படுத்தலை உறுதி செய்வதும் அவசியம். AI மாதிரியை நெறிமுறை வெளிப்படையான மற்றும் பொறுப்புணர்வுடன் உருவாக்குவதற்கும் வரிசைப்படுத்துவதற்கும் ஆராய்ச்சி குழு உறுதிபூண்டுள்ளது.

முக்கியமான நெறிமுறை கருத்தில் ஒன்று AI மாதிரி எந்தவொரு குறிப்பிட்ட நோயாளி குழுவுக்கும் எதிராக பாரபட்சமாக இல்லை என்பதை உறுதி செய்வது. மாறுபட்ட பயிற்சி தரவைப் பயன்படுத்துவதன் மூலமும் வெவ்வேறு நோயாளி மக்கள்தொகையில் மாதிரியின் செயல்திறனை கவனமாக கண்காணிப்பதன் மூலமும் இந்த சிக்கலைத் தீர்க்க ஆராய்ச்சி குழு செயல்பட்டு வருகிறது.

மற்றொரு நெறிமுறை கருத்தில் AI அவர்களின் பராமரிப்பில் பயன்படுத்தப்படுவதைப் பற்றி நோயாளிகளுக்குத் தெரிவிப்பதை உறுதி செய்வது. AI மாதிரி எவ்வாறு பயன்படுத்தப்படுகிறது மற்றும் அது அவர்களின் பராமரிப்பை எவ்வாறு பாதிக்கலாம் என்பது பற்றிய தெளிவான மற்றும் சுருக்கமான தகவல்களை நோயாளிகளுக்கு வழங்குவதற்கு ஆராய்ச்சி குழு உறுதியளிக்கிறது.

நன்மை செய்ய தீங்கு விளைவிக்காமல் இருக்க தன்னாட்சி மற்றும் நீதி போன்ற மருத்துவ நெறிமுறைகளின் கொள்கைகளுக்கு இணங்க AI மாதிரி பயன்படுத்தப்படுவதை உறுதிப்படுத்தவும் ஆராய்ச்சி குழு செயல்பட்டு வருகிறது. இந்த கொள்கைகளை கடைப்பிடிப்பதன் மூலம் AI மாதிரி நோயாளி பராமரிப்பை மேம்படுத்துவதற்கும் சுகாதார சமத்துவத்தை மேம்படுத்துவதற்கும் பயன்படுத்தப்படுவதை உறுதிப்படுத்த ஆராய்ச்சி குழு உதவும்.