Google रिसर्चने जाहीर केले आहे की AMIE, तिच्या प्रायोगिक वैद्यकीय AI प्रणालीने, रीअल-टाइम क्लिनिकल व्हिडिओ सल्लामसलतांमध्ये तज्ञ-स्तरीय कामगिरीचे प्रदर्शन केले आहे, कृत्रिम बुद्धिमत्ता प्रणालीने सिंक्रोनस ऑडिओ-व्हिज्युअल वैद्यकीय चकमकीमध्ये बोर्ड-प्रमाणित डॉक्टरांशी प्रथमच जुळवून घेतले आहे. 11 ऑगस्ट 2026 रोजी प्रकाशित झालेले निष्कर्ष, AI-सहाय्यित आरोग्यसेवेच्या विकासातील एक महत्त्वपूर्ण मैलाचा दगड दर्शवतात.
100 क्लिनिकल परिस्थिती, 300 थेट सल्लामसलत, आणि 30 बोर्ड-प्रमाणित प्राथमिक काळजी चिकित्सकांच्या पॅनेलचा समावेश असलेल्या बहु-आर्म यादृच्छिक अभ्यासात, AMIE च्या व्हिडिओ कॉन्फिगरेशनला मुख्य क्लिनिकल क्षमतांमध्ये मानवी डॉक्टरांच्या बरोबरीने रेट केले गेले. गुगल रिसर्चच्या अधिकृत ब्लॉगवरील एका पोस्टमध्ये तपशीलवार दिलेल्या या अभ्यासात निदानाची अचूकता, इतिहासाची संपूर्णता, व्यवस्थापन योग्यता आणि संप्रेषण गुणवत्ता यांचे मूल्यांकन केले गेले. AI संशोधन आणि आरोग्य सेवेतील प्रगतीचे अनुसरण करणाऱ्या वाचकांसाठी, AI Buzz Wire कडून नवीनतम AI घडामोडी चालू कव्हरेज ऑफर करतात.
AMIE व्हिडिओ कसा कार्य करतो
Google च्या जेमिनी मॉडेल आणि प्रोजेक्ट Astra वर तयार केलेले, AMIE (व्हिडिओ) व्हिडिओ इंटरफेसद्वारे समकालिक क्लिनिकल सल्लामसलत करते. प्रणाली गैर-मौखिक क्लिनिकल संकेत जाणू शकते, रुग्ण अभिनेत्यांना आभासी शारीरिक तपासण्यांद्वारे मार्गदर्शन करू शकते आणि वास्तविक वेळेत निदानाने तर्क करू शकते.
हे साध्य करण्यासाठी, Google ने AMIE ला असिंक्रोनस मल्टी-एजंट आर्किटेक्चरसह डिझाइन केले आहे जे तीन विशेष एजंटमध्ये समांतरपणे काम करत असलेल्या श्रमांचे विभाजन करते. टॉकर एजंट इतर घटकांकडील मार्गदर्शनाचा अंतर्भाव करताना नैसर्गिक संभाषण प्रवाह राखून, रुग्णासमोर बोललेला संवाद हाताळतो. प्लॅनर एजंट पार्श्वभूमीत कार्य करतो, सतत क्लिनिकल तर्क शुद्ध करतो, विभेदक निदान अद्यतनित करतो आणि माहितीतील अंतर ओळखतो. परसेप्शन एजंट सतत ऑडिओ आणि व्हिज्युअल प्रवाहांचे पुनरावलोकन करतो, वैद्यकीयदृष्ट्या संबंधित गैर-मौखिक संकेत ओळखतो जसे की त्रासाची दृश्यमान चिन्हे, शारीरिक निष्कर्ष किंवा श्रवण संकेत.
हे डिकपल केलेले डिझाइन संभाषणात्मक वैद्यकीय AI मधील मूलभूत आव्हानाला सामोरे जाते. सखोल क्लिनिकल तर्काला वेळ लागतो, परंतु संभाषणात्मक विरामांमुळे रुग्णाचा विश्वास आणि संबंध कमी होतो. एजंट वेगळे करून, AMIE जटिल निदानात्मक तर्क आणि दृक-श्राव्य आकलन एकाच वेळी करत असताना नैसर्गिक संभाषणात्मक विलंब राखू शकते.
अभ्यासाची रचना आणि प्रमुख निकाल
अभ्यासात वस्तुनिष्ठ संरचित क्लिनिकल परीक्षा स्वरूप, वैद्यकीय शिक्षणातील नैदानिक योग्यतेचे मूल्यांकन करण्यासाठी सुवर्ण मानक वापरले. पंधरा प्रशिक्षित रुग्ण अभिनेत्यांनी तीन अभ्यास शाखांमध्ये 300 प्रमाणित सल्लामसलत केली: AMIE व्हिडिओ मोडमध्ये, AMIE केवळ मजकूर मोडमध्ये बेसलाइन म्हणून आणि दहा बोर्ड-प्रमाणित प्राथमिक काळजी चिकित्सक समान व्हिडिओ इंटरफेसद्वारे सल्लामसलत करतात.
20 अनुभवी प्राथमिक काळजी चिकित्सकांच्या स्वतंत्र पॅनेलने प्रत्येक परिस्थितीनुसार तयार केलेले सामान्य सक्षमता स्केल आणि केस-विशिष्ट स्कोअरिंग निकष या दोन्हीसह, स्थापित क्लिनिकल रूब्रिक्स वापरून सर्व सल्लामसलतांचे मूल्यांकन केले.
परिणाम धक्कादायक होते. संपूर्ण क्लिनिकल क्षमतांमध्ये, क्लिनिकल मूल्यांकनकर्त्यांनी प्राथमिक काळजी चिकित्सकांच्या बरोबरीने AMIE (व्हिडिओ) रेट केले. AMIE ला देखील दोन्ही डॉक्टरांपेक्षा लक्षणीयरीत्या उच्च दर्जा देण्यात आला आहे आणि भौतिक चिन्हे शोधण्यात आणि व्हर्च्युअल तपासणी युक्त्यांद्वारे रुग्ण कलाकारांना सक्रियपणे मार्गदर्शन करण्यात केवळ मजकूर आधाररेखा.
रुग्ण कलाकारांनी मजकूर-आधारित चॅटपेक्षा व्हिडिओ अनुभवाला जोरदार प्राधान्य दिले, ते वापरण्यास लक्षणीयरीत्या सोपे आणि आरोग्यविषयक समस्यांशी संवाद साधण्यासाठी अधिक प्रभावी म्हणून रेटिंग दिले. त्यांनी AMIE (व्हिडिओ) ला सहानुभूती, संबंध आणि काळजीवरील आत्मविश्वास या दोन्ही मानवी चिकित्सक आणि केवळ मजकूर आवृत्तीच्या तुलनेत अनुकूल रेट केले.
मर्यादा आणि जबाबदार विकास
Google ने यावर जोर दिला की अभ्यासाला महत्त्वाच्या मर्यादा आहेत. संशोधन पूर्णपणे व्यावसायिक रुग्ण कलाकारांसोबत सिम्युलेटेड क्लिनिकल सेटिंग्जमध्ये आयोजित केले गेले, वास्तविक रुग्ण त्यांच्या स्वत: च्या आरोग्य परिस्थितीसह सादर केले गेले नाही. पेशंट अभिनेते, कितीही कुशल असले तरी, वास्तविक क्लिनिकल चकमकींची जटिलता आणि अप्रत्याशितता पूर्णपणे प्रतिकृती बनवू शकत नाहीत.
परिस्थिती देखील अशा परिस्थितींपुरती मर्यादित होती ज्यांना अभिनयाद्वारे प्रमाणिकरित्या चित्रित केले जाऊ शकते, महत्त्वपूर्ण क्लिनिकल सादरीकरणे वगळून जिथे ऑडिओ-व्हिज्युअल समज निदानात्मक परिणामकारक असेल. एकूण उच्च-गुणवत्तेचे संभाषण आणि निदान अचूकता असूनही, लक्ष्यित स्वयंचलित मूल्यमापनांनी अधूनमधून आकलनात्मक आणि तर्कशुद्ध त्रुटी प्रकट केल्या.
Google ने नमूद केले की वास्तविक रूग्ण आणि वास्तविक क्लिनिकल परिस्थितींसह अभ्यासामध्ये या निष्कर्षांचे मूल्यांकन करणे हे वास्तविक-जगातील उपयुक्ततेबद्दल कोणतेही निष्कर्ष काढण्यापूर्वी एक आवश्यक पुढची पायरी आहे. कंपनीने बेथ इस्रायल डेकोनेस मेडिकल सेंटरसह वास्तविक-जागतिक व्यवहार्यता अभ्यास आणि समावेशित आरोग्यासह देशव्यापी यादृच्छिक अभ्यासासह या दिशेने आधीच प्रारंभिक पावले उचलली आहेत.
मेडिकल AI साठी पुढचा मार्ग
एएमआयईचे निकाल AI-सहाय्यित आरोग्य सेवेमध्ये वाढलेल्या स्वारस्याच्या वेळी येतात. जून 2026 मध्ये, नेचरमध्ये प्रकाशित केलेल्या अभ्यासात असे आढळून आले की AI वैद्यकीय साधने निदान आणि उपचारांच्या निर्णयांमध्ये डॉक्टरांशी जुळत आहेत किंवा त्यांना मागे टाकत आहेत. Google चे AMIE संशोधन हे कार्य ऑडिओ-व्हिज्युअल डोमेनमध्ये विस्तारित करते, हे दाखवून देते की AI क्लिनिकल प्रॅक्टिसच्या ग्रहणात्मक समृद्धतेमध्ये व्यस्त राहू शकते.
Google चे संशोधक सावध करतात की मजकूर-आधारित ते ऑडिओ-व्हिज्युअल क्लिनिकल AI मधील संक्रमण सिम्युलेटेड सेटिंग्जमध्ये तज्ञ-स्तरीय गुणवत्तेवर साध्य करता येते, महत्त्वाचे प्रश्न जबाबदार वास्तविक-जगाच्या तैनातीच्या मार्गावर आहेत. निष्कर्ष वास्तविक रूग्णांसह प्रमाणित करणे आवश्यक आहे, क्लिनिकल सादरीकरणांचा समावेश करण्यासाठी विस्तारित करणे आवश्यक आहे जे सिम्युलेशनद्वारे लागू केले जाऊ शकत नाहीत आणि मजबूत सुरक्षा फ्रेमवर्कद्वारे समर्थित आहेत.
AI च्या पुढे रहा
कृत्रिम बुद्धिमत्ता आणि औषधांच्या छेदनबिंदूवरील नवीनतम यशांमध्ये स्वारस्य आहे? अधिक AI बातम्या वाचा AI बझ वायर येथे AI संशोधन, आरोग्यसेवा नवकल्पना आणि रूग्ण सेवेत बदल घडवणाऱ्या तंत्रज्ञानाच्या सखोल कव्हरेजसाठी.
