एआई मशीन विज़न हमारे स्वास्थ्य में क्रांति लाने के लिए

मशीन विज़न और स्वास्थ्य

ChatGPT जैसे बड़े भाषा मॉडल के साथ कंप्यूटर विज़न भी AI का एक महत्वपूर्ण क्षेत्र है। न्यूरल नेटवर्क और डीप लर्निंग जैसी तकनीकें कंप्यूटर को चित्रों और वीडियो से उपयोगी जानकारी निकालने देती हैं। इसका अर्थ मनुष्य की तरह सचेत रूप से देखना या समझना नहीं है।

इसका उपयोग वाहन सहायता और रोबोट को परिवेश की जानकारी देने में हो सकता है। पूर्ण स्वायत्तता का स्तर प्रणाली, उपयोग और परीक्षण पर निर्भर करता है; हर मशीन विज़न प्रणाली फैक्ट्री के बाहर स्वतंत्र रूप से काम नहीं कर सकती।

इस क्षेत्र के लिए मूल लेख में 2029 तक 9.2 अरब डॉलर का बाजार अनुमान दिया गया था। यह विशेष बाजार परिभाषा और पूर्वानुमान का आँकड़ा है, सुनिश्चित भविष्य की बिक्री नहीं।

स्वास्थ्य सेवा में भी कंप्यूटर विज़न का उपयोग महत्वपूर्ण है। डॉक्टर प्रत्यक्ष परीक्षण के साथ एक्स-रे, CT, MRI और अन्य चिकित्सकीय छवियों का विश्लेषण करते हैं। AI कुछ कार्यों में उनकी सहायता कर सकता है।

दृश्य मूल्यांकन में अनुभव, तस्वीर की गुणवत्ता और रोगी का संदर्भ महत्वपूर्ण होते हैं। कुछ माप पहले से स्वचालित हैं, जबकि अन्य में विशेषज्ञ निर्णय आवश्यक है। हर चिकित्सकीय मूल्यांकन को पूरी तरह व्यक्तिपरक या पहले अस्वचालनीय कहना सही नहीं।

कंपनियाँ और शोध समूह छवियों के विश्लेषण, कार्यप्रवाह और माप में AI की उपयोगिता जाँच रहे हैं। किसी एक परीक्षण में अच्छे परिणाम सभी रोगियों, संस्थानों या बीमारियों में बेहतर निदान का प्रमाण नहीं होते।

प्रत्यक्ष दृश्य परीक्षण

हमने कान के संक्रमण से संबंधित एक AI अध्ययन की चर्चा ”AI चिकित्सा निदान में सहायक उपकरण बन सकता है” लेख में की थी। सीमित अध्ययन में मिली तुलना को सभी डॉक्टरों या सभी रोगियों पर लागू नहीं किया जाना चाहिए।

Google ने त्वचा की 26 स्थितियों के संभावित कारण सुझाने और डायबिटिक रेटिनोपैथी की पहचान या भविष्य के जोखिम के आकलन जैसे कार्यों पर शोध किया है। त्वचा संबंधी परिणाम संभावित निदानों की सूची में सहायता कर सकते हैं; वे हर स्थिति का स्वतंत्र निश्चित निदान नहीं हैं।

रेटिना की तस्वीरों से एनीमिया या हृदय-संबंधी जोखिम का अनुमान लगाने पर भी शोध हुआ है। ऐसे मॉडल में देखे गए सांख्यिकीय संबंध रक्त परीक्षण या चिकित्सकीय मूल्यांकन का स्वतः विकल्प नहीं हैं।

Iterative Health का SKOUT कोलोनोस्कोपी में संभावित पॉलिप पहचानने में डॉक्टर की सहायता के लिए विकसित किया गया है। यह पेट और कोलोरेक्टल कैंसर का अपने आप निश्चित निदान करने वाली सामान्य प्रणाली नहीं है।

चिकित्सा छवि विश्लेषण

एक्स-रे, CT, MRI और अल्ट्रासाउंड की बड़ी मात्रा में प्राप्त छवियों का विश्लेषण जटिल हो सकता है। अलग उपकरण और रोग-स्थिति के लिए अलग परीक्षण तथा विशेषज्ञता आवश्यक हैं।

AI छवि गुणवत्ता, डेटा प्रबंधन और विशिष्ट विश्लेषण में सहायता कर सकता है। उसकी सटीकता उपयोग, प्रशिक्षण डेटा और बाहरी सत्यापन पर निर्भर करती है।

उदाहरण के लिए, Cleerly कोरोनरी CT एंजियोग्राफी की छवियों से धमनियों, उनके भीतर के मार्ग, संकुचन और प्लाक का विश्लेषण करने वाला सॉफ़्टवेयर प्रदान करता है। ये माप चिकित्सक को अतिरिक्त जानकारी देते हैं; वे रोगी की पूरी स्थिति का स्वतंत्र निर्णय नहीं हैं।

Butterfly Network (BFLY ) अल्ट्रासाउंड ट्रांसड्यूसर को सेमीकंडक्टर आधारित चिप पर बनाता है। उसकी Ultrasound-on-Chip तकनीक पारंपरिक पायज़ोइलेक्ट्रिक प्रणालियों से अलग है। उत्पाद में उपलब्ध छवि और AI सुविधाएँ मॉडल, सॉफ़्टवेयर तथा स्वीकृत उपयोग पर निर्भर हैं; यह हर अंग का स्वतः पूर्ण 3D मॉडल नहीं बनाता।

GE HealthCare का Verisound AI समाधान पोर्टफोलियो अल्ट्रासाउंड में मार्गदर्शन, कुछ मापों और कार्यप्रवाह के स्वचालन के लिए उपकरण शामिल करता है। Verisound कोई अलग सहायक कंपनी नहीं है, और सभी सुविधाएँ हर अल्ट्रासाउंड मॉडल या रोग-स्थिति में उपलब्ध नहीं होतीं।

Google ने AI पर स्तन कैंसर का पता लगाने और कैंसर विशेषज्ञों का समय बचाने जैसे क्षेत्रों में भी शोध और सहयोग किया है। लाभ विशेष प्रणाली और सत्यापन पर निर्भर करते हैं; यह कर्मचारियों की कमी समाप्त करने का सुनिश्चित उपाय नहीं।

Oxipit के ChestEye और ChestLink अलग उपयोग वाले उत्पाद हैं। ChestEye छाती के एक्स-रे में असामान्यताओं की समीक्षा में सहायता करता है। ChestLink निर्धारित शर्तों में सामान्य दिखने वाले एक्स-रे की स्वचालित रिपोर्टिंग के लिए है; दोनों को केवल छूटे हुए फेफड़े के ट्यूमर खोजने वाली एक ही प्रणाली कहना गलत है।

सर्जरी

AI सर्जरी में दृश्य जानकारी का विश्लेषण, उपकरणों की पहचान और कार्यप्रवाह सहायता जैसे कामों पर शोध का विषय है। रोबोट-सहायता वाली सर्जरी में भी सर्जन की भूमिका और जिम्मेदारी बनी रहती है।

शोधकर्ता सर्जरी के वीडियो से आगामी चरणों या गतिविधियों का अनुमान लगाने की संभावना जाँच रहे हैं। अगले 15–30 सेकंड का अनुमान एक सीमित शोध लक्ष्य हो सकता है; यह हर ऑपरेशन में प्रमाणित भविष्यवाणी या स्वायत्त सर्जरी की क्षमता नहीं है।

फ्रांस की Pixee Medical स्मार्टफोन या स्मार्ट ग्लास से हड्डी-संबंधी सर्जरी में 3D ट्रैकिंग और मार्गदर्शन प्रदान करती है। यह अपने आप सर्जरी करने वाली AI प्रणाली नहीं है। कंप्यूटर विज़न उपकरणों की गिनती और रिकॉर्डिंग में भी सहायता कर सकता है। मूल लेख में हर वर्ष लगभग 1,500 मामलों का अनुमान रोगी के भीतर अनजाने में छूटे शल्य-संबंधी सामान से जुड़ा था, जिसमें स्पंज भी शामिल हो सकते हैं। AI द्वारा इस जोखिम को पूरी तरह समाप्त करने का दावा उचित नहीं।

डेटा प्रबंधन

रोगी डेटा

रोगी की सही पहचान और सही रिकॉर्ड तक पहुँच भी सुरक्षित उपचार का महत्वपूर्ण हिस्सा है। डेटा प्रबंधन के लिए AI का उपयोग निदान से अलग उद्देश्य रखता है।

चेहरे की पहचान को रोगी के रिकॉर्ड से जोड़ने पर काम किया जा सकता है, लेकिन गलत पहचान, सहमति और गोपनीयता के प्रश्न महत्वपूर्ण हैं। Facia जैसी कंपनियों के सामान्य उपकरण अस्पताल में स्वतः उपयुक्त या चिकित्सकीय रूप से मान्य नहीं हो जाते। पहचान के अन्य जाँच उपाय भी आवश्यक हो सकते हैं।

दूसरा चरण रोगी के सभी संभावित डेटा को एक प्रणाली में एकीकृत करना है। उदाहरण के लिए, इसमें रेडियोलॉजी विभाग की छवियां (और संबंधित सॉफ़्टवेयर), सामान्य रोगी फ़ाइलें, किसी अन्य अस्पताल में पिछले उपचारों के दस्तावेज़, फ़ार्मेसी प्रिस्क्रिप्शन आदि शामिल हो सकते हैं।

डेटा को जोड़ना जटिल हो सकता है। CloudMedx जैसी प्रणालियाँ विश्लेषण और कार्यप्रवाह में सहायता कर सकती हैं, लेकिन सही डेटा, अंतरसंचालनीयता, पहुँच नियंत्रण और चिकित्सकीय निगरानी आवश्यक हैं।

बड़ी आबादी के स्वास्थ्य-संबंधी डेटा का विश्लेषण भी किया जा सकता है। उदाहरण के लिए, Komodo Health अलग स्रोतों से जानकारी जोड़कर अमेरिकी स्वास्थ्य सेवा के कुछ पहलुओं का विश्लेषण करता है। यह हर व्यक्ति या पूरे स्वास्थ्य तंत्र का पूर्ण और त्रुटिरहित विवरण नहीं है।

निगरानी

कंप्यूटर विज़न अस्पताल में स्वच्छता प्रक्रियाओं या अन्य गतिविधियों की निगरानी में सहायता कर सकता है। कैमरा-आधारित निगरानी के लिए गोपनीयता, सहमति, सही पहचान और स्थानीय नियमों का ध्यान रखना आवश्यक है।

घर पर दूरस्थ निगरानी या व्यायाम के मूल्यांकन से कुछ रोगियों की देखभाल में मदद मिल सकती है। लागत और उपयुक्तता सेवा तथा रोगी की स्थिति पर निर्भर करते हैं; हर फिजियोथेरेपी कार्यक्रम घर से चलाना संभव नहीं।

गिरने की पहचान करने वाली कुछ प्रणालियाँ सूचना या सहायता का अनुरोध भेज सकती हैं। गलत अलार्म, पहचान छूटने और संचार की विफलता की संभावना रहती है; हर प्रणाली स्वतः आपातकालीन सेवा नहीं बुलाती।

Corti जैसे उपकरण बातचीत के दस्तावेज़ीकरण और स्वास्थ्य सेवा कार्यप्रवाह में AI सहायता प्रदान करते हैं। टेलीमेडिसिन पर हमारे संबंधित लेख ”घर से देखभाल: टेलीमेडिसिन क्षेत्र की पाँच कंपनियाँ” में भी चर्चा है।

चिकित्सा अनुसंधान में सुधार

जैविक डेटा जटिल और विविध हो सकता है। इसे कम कठोर या केवल ”सॉफ्ट” विज्ञान मानना सही नहीं; विश्वसनीय विश्लेषण के लिए अध्ययन डिजाइन, मानकीकरण और सांख्यिकीय विधियाँ जरूरी हैं।

आंशिक रूप से, यह अपरिहार्य है, क्योंकि जैविक नमूने अत्यधिक जटिल होते हैं और एक-दूसरे से भिन्न हो सकते हैं।

कुछ प्रयोगशाला कार्यों में मैनुअल समीक्षा होती है, लेकिन स्वचालित रक्त-कोशिका गणना बहुत पहले से प्रचलित है। AI-आधारित चित्र विश्लेषण कुछ डिजिटल स्लाइडों और असामान्यताओं की समीक्षा में सहायता कर सकता है।

SigTuple का Shonit/AI100 रक्त-स्मियर की डिजिटल तस्वीरों और कोशिका वर्गीकरण की समीक्षा में प्रयोगशाला कर्मियों की सहायता के लिए विकसित किया गया है। इसका अर्थ हर प्रकार की कोशिका का पूरी तरह त्रुटिरहित स्वचालित मापन नहीं।

चिकित्सकीय छवियों के नामकरण, डेटा मानकीकरण और प्रबंधन में Enlitic जैसे उपकरण मदद कर सकते हैं। उच्च गुणवत्ता वाले अनुसंधान डेटा के लिए गोपनीयता, उचित लेबलिंग और सत्यापन फिर भी जरूरी हैं।

जीनोमिक्स, ट्रांसक्रिप्टोमिक्स और प्रोटियोमिक्स जैसे क्षेत्रों से बहुत डेटा बनता है। ”मल्टीओमिक्स जैव प्रौद्योगिकी का अगला चरण है” लेख में इनका संयुक्त विश्लेषण समझाया गया है। ये सभी कार्य कंप्यूटर विज़न नहीं हैं।

AI नए जीन-संपादन प्रोटीनों के डिजाइन में भी उपयोग हो रहा है। OpenCRISPR-1 जैसे शोध उदाहरण चिकित्सकीय प्रभाव या सुरक्षा का स्वतः प्रमाण नहीं हैं और उन्हें अलग प्रयोगात्मक जाँच की जरूरत है।

दृश्य जानकारी तक पहुँच में सहायता

कम दृष्टि या दृष्टिहीनता वाले लोग कुछ AI उपकरणों से आसपास की वस्तुओं, संकेतों और पाठ की जानकारी प्राप्त कर सकते हैं। गलत पहचान की संभावना के कारण इनका उपयोग सावधानी और उपयुक्त अन्य सहायता के साथ करना चाहिए।

ऑप्टिकल अक्षर पहचान और वाणी संश्लेषण छपी या डिजिटल सामग्री को पढ़कर सुना सकते हैं। पाठ की गुणवत्ता और प्रणाली की सटीकता परिणाम को प्रभावित करती है।

चेहरे के हावभाव या इशारों की पहचान कुछ लोगों को उपकरण नियंत्रित करने में सहायता दे सकती है। उपयुक्तता व्यक्ति की क्षमताओं और प्रणाली के परीक्षण पर निर्भर है।

मशीन विज़न कंपनियां

1. Alphabet

Google कई क्षेत्रों में एक प्रमुख तकनीकी कंपनी है, जिसमें निश्चित रूप से सर्च और उसका Android स्मार्टफ़ोन OS अच्छे उदाहरण हैं।

Google ने स्वास्थ्य-संबंधी छवि विश्लेषण और AI पर कई शोध परियोजनाएँ की हैं। शोध परिणाम, सीमित परीक्षण और वास्तविक चिकित्सकीय उपयोग को अलग-अलग समझना चाहिए।

Google DeepMind का AlphaFold प्रोटीन संरचना का अनुमान लगाने के लिए विकसित हुआ। यह दवा खोज में उपयोगी जानकारी दे सकता है, लेकिन संरचना का अनुमान किसी नई दवा की प्रभावशीलता या सुरक्षा सिद्ध नहीं करता। प्रयोगशाला और नैदानिक परीक्षण आवश्यक हैं।

Google की स्वास्थ्य-AI परियोजनाओं में Med-PaLM, डेवलपर उपकरण Open Health Stack, जीनोमिक वैरिएंट पहचान के लिए DeepVariant और इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड संबंधी शोध शामिल हैं। चिकित्सा परीक्षा-शैली के प्रश्नों में अच्छे अंक वास्तविक रोगियों की देखभाल की योग्यता या स्वतंत्र निदान की स्वीकृति नहीं हैं।

Google की छवि-विश्लेषण तकनीक दस्तावेज़ों, वस्तुओं और अन्य दृश्य जानकारी के प्रसंस्करण में भी उपयोग होती है। पाठ, चित्र या वीडियो का सृजन अलग प्रकार का जनरेटिव-AI कार्य है; उसे पूरी तरह Vision AI के अंतर्गत नहीं रखना चाहिए।

इसलिए कुल मिलाकर, Alphabet (GOOG )/Google तकनीक और AI के कई क्षेत्रों में काम करता है। स्वास्थ्य सेवा में संभावित व्यावसायिक लाभ वास्तविक उत्पाद, अनुमतियों, उपयोग और प्रतिस्पर्धा पर निर्भर हैं।

2. Butterfly Network

Butterfly Network पोर्टेबल अल्ट्रासाउंड प्रोब और संबंधित सॉफ़्टवेयर बनाता है। Compass मुख्यतः कार्यप्रवाह, गुणवत्ता आश्वासन, प्रशिक्षण और अल्ट्रासाउंड कार्यक्रम के प्रबंधन का समाधान है; इसे अपने आप निदान करने वाला उपकरण कहना सही नहीं।

कंपनी ने अपनी ^{तीसरी} पीढ़ी की iQ3 प्रोब फरवरी 2024 में पेश की। कंपनी के अनुसार, इसमें iQ+ की तुलना में लगभग दोगुनी डेटा अंतरण गति और दोगुनी प्रोसेसिंग शक्ति थी। यह तुलना कंपनी के बताए मॉडल और परीक्षण से संबंधित है। प्रोब सेमीकंडक्टर-आधारित Ultrasound-on-Chip तकनीक का उपयोग करती है।

iQ3 में कुछ इमेजिंग मोड, क्लाउड कार्यप्रवाह और सॉफ़्टवेयर सुविधाएँ उपलब्ध हैं। हर उपयोग में पूर्ण 3D दृश्य, सबसे कम कीमत या बेहतर नैदानिक परिणाम की गारंटी नहीं; उपलब्धता और कीमत बाजार तथा सदस्यता पर निर्भर हैं।

कुछ AI सुविधाएँ छवि अधिग्रहण के मार्गदर्शन, माप और प्रशिक्षण में सहायता करती हैं। अंतिम उपयोग और चिकित्सकीय निर्णय में प्रशिक्षित उपयोगकर्ता की भूमिका बनी रहती है।

Butterfly ने एशिया के कुछ बाजारों और पशु चिकित्सा में अपने उत्पादों के उपयोग का विस्तार बताया था। यह ऐतिहासिक व्यावसायिक जानकारी है; हर देश में सभी मॉडल या सुविधाएँ उपलब्ध होने का प्रमाण नहीं।