ਮਾਈਕਰੋਸਾਫਟ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸਦੀ ਮੈਡੀਕਲ ਏਆਈ ਪ੍ਰਣਾਲੀ ਔਖੇ ਕੇਸਾਂ ਦਾ ਨਿਦਾਨ ਡਾਕਟਰਾਂ ਨਾਲੋਂ ਦੁੱਗਣੇ ਤੋਂ ਵੱਧ ਸਹੀ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦੀ ਹੈ - ਅਤੇ ਇਸ ਵਾਰ, ਦਾਅਵਾ ਪੀਅਰ ਸਮੀਖਿਆ ਤੋਂ ਬਚ ਗਿਆ ਹੈ।
ਮਾਈਕਰੋਸਾਫਟ AI ਡਾਇਗਨੌਸਟਿਕ ਆਰਕੈਸਟਰੇਟਰ (MAI-DxO) ਨੇ "ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਕ੍ਰਮਵਾਰ ਨਿਦਾਨ" ਸਿਰਲੇਖ ਦੇ ਇੱਕ ਅਧਿਐਨ ਦੇ ਅਨੁਸਾਰ, ਘੱਟ ਟੈਸਟਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਆਦੇਸ਼ ਦਿੰਦੇ ਹੋਏ, ਡਾਇਗਨੌਸਟਿਕ ਸ਼ੁੱਧਤਾ ਵਿੱਚ "ਪ੍ਰੈਕਟਿਸ ਕਰਨ ਵਾਲੇ ਜਨਰਲਿਸਟ ਡਾਕਟਰਾਂ ਨੂੰ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਪਛਾੜਿਆ"। ਕੰਮ ਪਹਿਲੀ ਵਾਰ ਪਿਛਲੇ ਸਾਲ ਆਰਐਕਸਿਵ 'ਤੇ ਇੱਕ ਗੈਰ-ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤੀ ਪ੍ਰੀਪ੍ਰਿੰਟ ਵਜੋਂ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ। ਵੀਰਵਾਰ ਨੂੰ, ਖੋਜਾਂ ਨੂੰ ਰਸਮੀ ਤੌਰ 'ਤੇ ਵਿਗਿਆਨ ਜਰਨਲ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਇੱਕ ਕਦਮ ਮਾਈਕ੍ਰੋਸਾਫਟ ਦਾ ਤਰਕ ਹੈ ਕਿ ਸਿਸਟਮ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਡੈਮੋ ਖੇਤਰ ਤੋਂ ਕਲੀਨਿਕਲ ਭਰੋਸੇਯੋਗਤਾ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। For more context on this story, see our ongoing latest AI developments.
ਨਿਊ ਇੰਗਲੈਂਡ ਜਰਨਲ ਆਫ਼ ਮੈਡੀਸਨ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਗੁੰਝਲਦਾਰ ਕੇਸਾਂ ਦੇ ਰਿਕਾਰਡਾਂ ਤੋਂ ਬਣਾਏ ਗਏ ਟੈਸਟਾਂ ਵਿੱਚ, MAI-DxO ਨੇ 83.2 ਪ੍ਰਤੀਸ਼ਤ ਡਾਇਗਨੌਸਟਿਕ ਸਟੀਕਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ, ਜਦੋਂ ਕਿ ਸੰਦਰਭ ਸਮੱਗਰੀ ਤੱਕ ਪਹੁੰਚ ਵਾਲੇ ਜਨਰਲਿਸਟ ਡਾਕਟਰਾਂ ਲਈ 36.1 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਮੁਕਾਬਲੇ। ਜਦੋਂ ਡਾਕਟਰਾਂ ਨੂੰ ਉਹਨਾਂ ਸਰੋਤਾਂ ਤੋਂ ਇਨਕਾਰ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਤਾਂ ਉਹਨਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਲਗਭਗ 22 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਡਿੱਗ ਗਈ - ਉਹਨਾਂ ਹਾਲਤਾਂ ਵਿੱਚ AI ਸਿਸਟਮ ਨੂੰ ਲਗਭਗ ਚਾਰ ਗੁਣਾ ਸਟੀਕ ਬਣਾਉਣਾ. ਐਮਰਜੈਂਸੀ ਵਿਭਾਗ ਦੇ ਦਾਖਲਿਆਂ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਵੱਖਰੇ ਟੈਸਟ ਵਿੱਚ, ਏਆਈ ਨੇ ਫਿਰ ਜਨਰਲਿਸਟ ਡਾਕਟਰਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ, ਹਾਲਾਂਕਿ 80.3 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ 46.8 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਇੱਕ ਛੋਟੇ ਫਰਕ ਨਾਲ।
ਇੱਕ ਪ੍ਰਣਾਲੀ ਜੋ ਡਾਕਟਰਾਂ ਦੇ ਤਰੀਕੇ ਦਾ ਨਿਦਾਨ ਕਰਦੀ ਹੈ
MAI-DxO ਨੂੰ ਪਰੰਪਰਾਗਤ ਲੱਛਣ ਜਾਂਚਕਰਤਾਵਾਂ ਤੋਂ ਵੱਖਰਾ ਕਰਨ ਵਾਲੀ ਚੀਜ਼ ਇਹ ਹੈ ਕਿ ਇਹ ਕ੍ਰਮਵਾਰ ਕੰਮ ਕਰਦਾ ਹੈ। ਮਰੀਜ਼ ਮਾਡਲ ਨੂੰ ਲੱਛਣਾਂ, ਇਤਿਹਾਸ ਅਤੇ ਟੈਸਟ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਪੂਰੀ ਫਾਈਲ ਨਹੀਂ ਸੌਂਪਦੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਸਿਸਟਮ ਇੱਕ ਮੁੱਖ ਸ਼ਿਕਾਇਤ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਫਾਲੋ-ਅੱਪ ਸਵਾਲ ਪੁੱਛਣੇ ਹਨ ਅਤੇ ਜਾਂਚ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿਹੜੇ ਟੈਸਟ ਆਰਡਰ ਕਰਨੇ ਹਨ - ਇੱਕ ਅਸਲ ਡਾਕਟਰ ਅਨਿਸ਼ਚਿਤਤਾ ਵਿੱਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ ਦੇ ਬਹੁਤ ਨੇੜੇ।
ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਪੁਰਾਣੇ ਮਾਪਦੰਡ ਇਸ ਕ੍ਰਮਵਾਰ ਫੈਸ਼ਨ ਵਿੱਚ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀਆਂ ਡਾਇਗਨੌਸਟਿਕ ਯੋਗਤਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹੇ, ਇਸਲਈ ਉਹਨਾਂ ਨੇ ਇੱਕ ਨਵਾਂ ਮੁਲਾਂਕਣ ਬਣਾਇਆ ਜਿਸਨੂੰ ਸੀਕੁਐਂਸ਼ੀਅਲ ਡਾਇਗਨੋਸਿਸ ਬੈਂਚਮਾਰਕ, ਜਾਂ SDBench ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
ਹੁੱਡ ਦੇ ਤਹਿਤ, MAI-DxO "ਚਿਕਿਤਸਕਾਂ ਦੇ ਇੱਕ ਪੈਨਲ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ," ਪੇਪਰ ਦੇ ਅਨੁਸਾਰ, ਇੱਕ ਵਿਭਿੰਨ ਨਿਦਾਨ ਨੂੰ ਲਗਾਤਾਰ ਸੰਸ਼ੋਧਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਟੈਸਟਾਂ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ। ਵੱਖ-ਵੱਖ AI ਏਜੰਟ ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨਿਭਾਉਂਦੇ ਹਨ: ਤਸ਼ਖ਼ੀਸ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਾ, ਟੈਸਟਾਂ ਦਾ ਆਦੇਸ਼ ਦੇਣਾ, ਚੁਣੌਤੀਪੂਰਨ ਧਾਰਨਾਵਾਂ, ਅਤੇ ਲਾਗਤਾਂ ਨੂੰ ਤੋਲਣਾ। ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਇਹ ਢਾਂਚਾ ਸੰਵੇਦਨਸ਼ੀਲ ਪੱਖਪਾਤ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜੋ ਵਿਅਕਤੀਗਤ ਡਾਕਟਰਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਸ਼ੁਰੂਆਤੀ ਤਸ਼ਖ਼ੀਸ 'ਤੇ ਐਂਕਰਿੰਗ ਜਾਂ ਵਿਕਲਪਕ ਸਪੱਸ਼ਟੀਕਰਨਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ।
OpenAI ਦੇ GPT ਮਾਡਲਾਂ 'ਤੇ ਬਣਾਇਆ ਗਿਆ
ਸਿਸਟਮ ਨੇ ਓਪਨਏਆਈ ਦੇ GPT-5 'ਤੇ ਚੱਲਦੇ ਹੋਏ ਆਪਣੇ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕੀਤੇ, GPT-5.5 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਹੋਰ ਸੁਧਾਰ ਦਿਖਾਉਂਦੇ ਹੋਏ ਵਾਧੂ ਟੈਸਟਿੰਗ ਦੇ ਨਾਲ। ਮਾਈਕਰੋਸਾਫਟ ਅਰਥ ਸ਼ਾਸਤਰ 'ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ: ਕੰਪਨੀ ਕਹਿੰਦੀ ਹੈ ਕਿ MAI-DxO ਘੱਟ ਬੇਲੋੜੇ ਟੈਸਟਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਆਦੇਸ਼ ਦੇ ਕੇ ਅੱਧੇ ਜਾਂ ਇੱਕ ਤਿਹਾਈ ਲਾਗਤ 'ਤੇ ਸਹੀ ਨਿਦਾਨ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ।
ਇਹ ਲਾਗਤ ਦਾ ਦਾਅਵਾ ਇੱਕ ਚੇਤਾਵਨੀ ਦੇ ਨਾਲ ਆਉਂਦਾ ਹੈ ਜੋ ਮਾਈਕਰੋਸਾਫਟ ਖੁਦ ਫਲੈਗ ਕਰਦਾ ਹੈ - ਬੱਚਤਾਂ ਨੂੰ ਸਿਮੂਲੇਟ ਕੇਸਾਂ ਵਿੱਚ ਅਨੁਮਾਨਿਤ ਲਾਗਤਾਂ 'ਤੇ ਮਾਡਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਅਸਲ-ਸੰਸਾਰ ਮੈਡੀਕਲ ਬਿੱਲਾਂ. ਖੋਜਕਰਤਾ ਇਹ ਵੀ ਮੰਨਦੇ ਹਨ ਕਿ ਜੇ ਸਿਸਟਮ ਦੀ ਤੁਲਨਾ ਜਨਰਲਿਸਟ ਡਾਕਟਰਾਂ ਦੀ ਬਜਾਏ ਮਾਹਰ ਮਾਹਰਾਂ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਉਹ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਅੰਤਰ ਨੂੰ ਘੱਟ ਕਰਨ ਦੀ ਉਮੀਦ ਕਰਨਗੇ।
ਬੈਂਚਮਾਰਕ ਤੋਂ ਬੈੱਡਸਾਈਡ ਤੱਕ
ਇੱਕ ਚੋਟੀ ਦੇ ਜਰਨਲ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਨ ਇੱਕ ਚੀਜ਼ ਹੈ; ਮਰੀਜ਼ਾਂ ਦਾ ਇਲਾਜ ਕਰਨਾ ਇਕ ਹੋਰ ਹੈ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੇ ਏਆਈ ਮੁਖੀ ਮੁਸਤਫਾ ਸੁਲੇਮਾਨ ਨੇ ਦਿ ਵਰਜ ਨੂੰ ਦੱਸਿਆ ਕਿ ਕਿਸੇ ਵੀ ਅਸਲ-ਸੰਸਾਰ ਦੀ ਤੈਨਾਤੀ ਲਈ ਅਜੇ ਵੀ ਕਲੀਨਿਕਲ ਟੈਸਟਿੰਗ ਦੀ ਲੋੜ ਹੋਵੇਗੀ - ਅਤੇ ਕੰਪਨੀ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਇਸ ਲਈ ਯੋਜਨਾਵਾਂ ਹਨ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੇ ਏਆਈ ਹੈਲਥ ਲੀਡ, ਡਾ. ਡੋਮਿਨਿਕ ਕਿੰਗ ਨੇ ਕਿਹਾ ਕਿ ਅਗਲੇ ਦੋ ਮਹੀਨਿਆਂ ਵਿੱਚ ਬੋਸਟਨ ਵਿੱਚ ਬੈਥ ਇਜ਼ਰਾਈਲ ਡੀਕੋਨੇਸ ਮੈਡੀਕਲ ਸੈਂਟਰ ਵਿੱਚ ਟੈਸਟਿੰਗ ਸ਼ੁਰੂ ਹੋ ਜਾਵੇਗੀ।
ਇਹ ਸਟੇਜੀ ਪਹੁੰਚ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ, ਕਿਉਂਕਿ ਫੀਲਡ ਨੇ ਇਸ ਫਿਲਮ ਨੂੰ ਪਹਿਲਾਂ ਦੇਖਿਆ ਹੈ। ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਹਾਰਵਰਡ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਬੇਥ ਇਜ਼ਰਾਈਲ ਡੀਕੋਨੇਸ ਮੈਡੀਕਲ ਸੈਂਟਰ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਰਿਪੋਰਟ ਦਿੱਤੀ ਕਿ ਓਪਨਏਆਈ ਦੇ o1-ਪ੍ਰੀਵਿਊ ਤਰਕ ਮਾਡਲ ਨੇ ਡਾਕਟਰਾਂ ਨੂੰ ਡਾਇਗਨੌਸਟਿਕ ਕੰਮਾਂ ਵਿੱਚ ਵੀ ਹਰਾਇਆ, ਜਿਸ ਨਾਲ ਡਾਕਟਰਾਂ ਦੀ ਥਾਂ ਲੈਣ ਵਾਲੇ AI ਬਾਰੇ ਸੁਰਖੀਆਂ ਦੀ ਲਹਿਰ ਫੈਲ ਗਈ। ਉਹ ਅਧਿਐਨ ਜੋ ਸਥਾਪਤ ਨਹੀਂ ਕਰ ਸਕੇ ਉਹ ਲਾਈਵ ਕਲੀਨਿਕਲ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਸੁਰੱਖਿਆ ਸੀ, ਜਿੱਥੇ ਗਲਤੀਆਂ ਅਸਲ ਨਤੀਜੇ ਲੈਂਦੀਆਂ ਹਨ ਅਤੇ ਮਰੀਜ਼ ਦੀ ਆਬਾਦੀ ਕਿਉਰੇਟਿਡ ਜਰਨਲ ਕੇਸਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗੜਬੜ ਹੈ।
ਮਾਈਕਰੋਸਾਫਟ ਨੇ "ਮੈਡੀਕਲ ਸੁਪਰ ਇੰਟੈਲੀਜੈਂਸ ਬਣਾਉਣ" ਦੇ ਬੈਨਰ ਹੇਠ ਆਪਣੀ ਘੋਸ਼ਣਾ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੇ ਹੋਏ, ਅਭਿਲਾਸ਼ੀ ਫਰੇਮਿੰਗ ਵੱਲ ਝੁਕਿਆ ਹੈ। ਸੁਲੇਮਾਨ ਨੇ ਡਾਇਗਨੌਸਟਿਕ ਤਰਕ ਨੂੰ ਸਭ ਤੋਂ ਸਪੱਸ਼ਟ ਡੋਮੇਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੇ ਰੂਪ ਵਿੱਚ ਰੱਖਿਆ ਹੈ ਜਿੱਥੇ AI ਨਜ਼ਦੀਕੀ ਮਿਆਦ ਵਿੱਚ ਮਨੁੱਖੀ ਮਾਹਰ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪਾਰ ਕਰ ਸਕਦਾ ਹੈ।
ਵੇਰਵੇ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦੇ ਹਨ
ਬੈਂਚਮਾਰਕ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਵਾਲੇ NEJM ਕੇਸ, ਡਿਜ਼ਾਇਨ ਦੁਆਰਾ, ਨਿਦਾਨਕ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੁੰਦੇ ਹਨ - ਉਹ ਪਹੇਲੀਆਂ ਦੀ ਕਿਸਮ ਜੋ ਸਹੀ ਢੰਗ ਨਾਲ ਲਿਖੀ ਜਾਂਦੀ ਹੈ ਕਿਉਂਕਿ ਉਹਨਾਂ ਨੇ ਕਿਸੇ ਨੂੰ ਸਟੰਪ ਕੀਤਾ ਸੀ। ਰੋਜ਼ਾਨਾ ਪ੍ਰਾਇਮਰੀ ਕੇਅਰ ਵਿੱਚ ਰੁਟੀਨ ਪ੍ਰਸਤੁਤੀਆਂ ਦੀ ਬਹੁਤ ਵੱਡੀ ਮਾਤਰਾ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਆਮ ਸ਼ੁੱਧਤਾ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਪ੍ਰਣਾਲੀ ਜੋ ਦੁਰਲੱਭ, ਗੁੰਝਲਦਾਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਸ਼ੁੱਧਤਾ ਨੂੰ ਦੁੱਗਣਾ ਕਰਦੀ ਹੈ ਕੀਮਤੀ ਹੁੰਦੀ ਹੈ, ਪਰ ਇਹ ਸਾਰੀਆਂ ਦਵਾਈਆਂ ਵਿੱਚ ਸ਼ੁੱਧਤਾ ਨੂੰ ਦੁੱਗਣਾ ਕਰਨ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ।
ਜਵਾਬਦੇਹੀ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਜੇਕਰ ਇੱਕ AI ਆਰਕੈਸਟਰੇਟਰ ਇੱਕ ਟੈਸਟ ਕੈਸਕੇਡ ਦਾ ਆਦੇਸ਼ ਦਿੰਦਾ ਹੈ ਜੋ ਇੱਕ ਘਾਤਕ ਸਥਿਤੀ ਤੋਂ ਖੁੰਝ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਦੇਣਦਾਰੀ ਦੇ ਸਵਾਲ ਜ਼ਿਆਦਾਤਰ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਵਿੱਚ ਅਣਸੁਲਝੇ ਰਹਿੰਦੇ ਹਨ। ਬੇਥ ਇਜ਼ਰਾਈਲ ਡੀਕੋਨੇਸ ਵਿਖੇ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦਾ ਮਤਲਬ ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ ਦੇ ਸੰਭਾਵੀ ਸਬੂਤ ਰੈਗੂਲੇਟਰਾਂ ਅਤੇ ਹਸਪਤਾਲ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਤਿਆਰ ਕਰਨਾ ਹੈ।
ਫਿਰ ਵੀ, ਟ੍ਰੈਜੈਕਟਰੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਔਖਾ ਹੈ. ਵਿਗਿਆਨ ਵਿੱਚ ਇੱਕ ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤਾ ਨਤੀਜਾ, ਇੱਕ ਪਰਿਭਾਸ਼ਿਤ ਕਲੀਨਿਕਲ ਟੈਸਟਿੰਗ ਯੋਜਨਾ, ਅਤੇ ਸਿਹਤ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਲਾਗਤ ਦਾ ਦਬਾਅ ਸਾਰੇ ਇੱਕੋ ਦਿਸ਼ਾ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ: ਡਾਇਗਨੌਸਟਿਕ AI ਖੋਜ ਪ੍ਰਦਰਸ਼ਨਾਂ ਤੋਂ ਨਿਯੰਤ੍ਰਿਤ ਡਾਕਟਰੀ ਅਭਿਆਸ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਅਗਲਾ ਮੀਲਪੱਥਰ ਉਹ ਬੋਸਟਨ ਅਜ਼ਮਾਇਸ਼ ਦੇ ਨਤੀਜੇ ਹੋਣਗੇ - ਇਸ ਗੱਲ ਦਾ ਪਹਿਲਾ ਟੈਸਟ ਕਿ ਕੀ ਬੈਂਚਮਾਰਕ ਦਬਦਬਾ ਅਸਲ ਮਰੀਜ਼ਾਂ ਲਈ ਬਿਹਤਰ ਨਤੀਜਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ.
ਹੁਣ ਲਈ, ਪੇਪਰ ਦਾ ਆਪਣਾ ਫਰੇਮਿੰਗ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਖੇਪ ਹੈ: ਗੁੰਝਲਦਾਰ ਕੇਸਾਂ ਦੇ ਕ੍ਰਮਵਾਰ ਨਿਦਾਨ 'ਤੇ, AI ਡਾਕਟਰਾਂ ਦੇ ਇੱਕ ਸਿਮੂਲੇਟ ਪੈਨਲ ਨੇ ਘੱਟ ਅਨੁਮਾਨਿਤ ਲਾਗਤ 'ਤੇ, ਵਿਆਪਕ ਅੰਤਰ ਨਾਲ ਅਭਿਆਸ ਕਰਨ ਵਾਲੇ ਜਨਰਲਿਸਟਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ। ਇਸਨੂੰ ਪ੍ਰਵਾਨਿਤ ਕਲੀਨਿਕਲ ਅਭਿਆਸ ਵਿੱਚ ਬਦਲਣਾ ਇੱਕ ਮੁਸ਼ਕਲ ਸਮੱਸਿਆ ਹੈ ਜਿਸ ਲਈ ਮਾਈਕ੍ਰੋਸਾਫਟ ਨੇ ਹੁਣ ਸਾਈਨ ਅਪ ਕੀਤਾ ਹੈ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
