एआई-संचालित भविष्यवाणी मॉडल स्वास्थ्य देखभाल को जबरदस्त गति से आगे बढ़ाने के लिए तैयार

एआई का लक्ष्य मशीनों को मानव विचारों और व्यवहार की नकल करने में सक्षम बनाना है, जिसमें सीखना, तर्क करना और भविष्यवाणी करना शामिल है। इस प्रयास के केंद्र में एआई-आधारित मॉडलिंग है, जो स्वचालित और बुद्धिमान प्रणालियों के निर्माण की नींव के रूप में कार्य करती है।

ऐसे मॉडल बनाने के लिए विभिन्न तकनीकों का उपयोग किया जाता है, जो वित्त, स्वास्थ्य देखभाल, कृषि, साइबर सुरक्षा और अन्य कई वास्तविक दुनिया के क्षेत्रों में लागू स्मार्ट सिस्टम बनाने के लिए महत्वपूर्ण हैं।

इन मॉडलों का विकास अक्सर विभिन्न प्रकार के विश्लेषण—वर्णनात्मक, निदानात्मक, भविष्यवाणीात्मक और निर्देशात्मक—का उपयोग करता है, जो समस्या की प्रकृति और उसके समाधान आवश्यकताओं पर आधारित होते हैं।

आज, हमारा ध्यान भविष्यवाणीात्मक विश्लेषण पर है, जो डेटा का अध्ययन करके भविष्य में क्या होगा, इसकी भविष्यवाणी करता है। बड़े पैमाने पर डेटा का उपयोग करके, मॉडल पहचानने योग्य पैटर्न को समझता है, जिससे सटीक भविष्यवाणियां संभव होती हैं और सूचित निर्णय लेने में मदद मिलती है। 

क्लिक करें यहाँ और कृत्रिम बुद्धिमत्ता में निवेश के बारे में सब कुछ जानें।

एआई की बेजोड़ क्षमता प्रवृत्तियों को पहचानने की

एआई में इस बेजोड़ क्षमता है कि वह चर के सेट में प्रवृत्तियों को पहचान सके। यह इसलिए है क्योंकि, मनुष्यों के विपरीत, यह तकनीक बड़ी मात्रा में डेटा को तेज़ी से प्रोसेस कर सकती है, फिर पैटर्न और प्रवृत्तियों की पहचान कर उनके अर्थ को समझती है। 

मशीन लर्निंग एल्गोरिदम के माध्यम से ही एआई मॉडल अपना काम करता है, अर्थात प्रदान किए गए डेटा के आधार पर आउटपुट की भविष्यवाणी करना।

जब प्रवृत्ति का विश्लेषण किया जाता है, तो आमतौर पर मानव मस्तिष्क कार्य से प्रेरित न्यूरल नेटवर्क का उपयोग किया जाता है क्योंकि वे सीखने और अनुकूलन की क्षमता रखते हैं। प्रवृत्ति विश्लेषण के लिए प्रमुख अन्य मशीन लर्निंग एल्गोरिदम हैं सपोर्ट वेक्टर मशीन (SVM), जो डेटा को विभिन्न वर्गों में विभाजित करती हैं, और रैंडम फॉरेस्ट, जो कई निर्णय वृक्षों को मिलाकर शक्तिशाली भविष्यवाणी मॉडल बनाती हैं। बेयेसियन नेटवर्क एक और प्रकार है जो संभाव्यात्मक ग्राफ़िकल मॉडल का उपयोग करके चर के सेट के बीच सांख्यिकीय निर्भरताओं को दर्शाता है। 

स्वास्थ्य देखभाल में, इन मशीन लर्निंग एल्गोरिदम का उपयोग करके एआई-संचालित भविष्यवाणी मॉडल बनाना बेहतर और अधिक व्यक्तिगत देखभाल तथा उपचार योजनाओं को संभव बनाता है।

इसके लिए, एआई विभिन्न स्वास्थ्य देखभाल डेटा को छानकर रोग प्रगति में उभरती प्रवृत्तियों को प्रस्तुत करता है। यह चिकित्सकों को स्वास्थ्य समस्याओं का पूर्वानुमान लगाने और उपचार रणनीतियों को अनुकूलित करने में सक्षम बनाता है, जिससे रोगी देखभाल का रूपांतरण होता है।

स्वास्थ्य देखभाल में एआई की पैटर्न पहचानने की क्षमता की संभावनाएँ

अब, चलिए देखते हैं कि तकनीक की चर के सेट में प्रवृत्तियों को पहचानने की वास्तविक उपयोगिता क्या है।

लक्षणों के प्रकट होने से पहले सेप्सिस का पता लगाने के लिए एआई निगरानी उपकरण

एक हालिया अध्ययन में, शोधकर्ताओं ने पाया कि वे उच्च जोखिम वाले रोगियों में सेप्सिस संक्रमण की सफलतापूर्वक भविष्यवाणी कर सकते हैं और एक नवीन एआई एल्गोरिदम का उपयोग करके जीवन बचा सकते हैं। 

सेप्सिस विश्व स्तर पर मृत्यु और रोगता का एक प्रमुख कारण है। इस स्थिति में, शरीर की प्रतिरक्षा प्रणाली संक्रमण पर अत्यधिक प्रतिक्रिया देती है, जिससे अपने ही ऊतकों और अंगों को नुकसान पहुंचता है।

संयुक्त राज्य में, हर साल, कम से कम 1.7 मिलियन वयस्क सेप्सिस विकसित करते हैं, और लगभग 350,000 इस जीवन-धमकी देने वाले रक्त संक्रमण से मरते हैं। इसी बीच, अनुमानित 48.9 मिलियन लोग विश्व स्तर पर हर साल प्रभावित होते हैं, जिनमें लगभग 11 मिलियन की मृत्यु होती है।

हालांकि, कैलिफ़ोर्निया विश्वविद्यालय सैन डिएगो स्कूल ऑफ़ मेडिसिन के शोधकर्ता एआई का उपयोग करके इन आंकड़ों को बदलने के लिए तैयार हैं।

डिजिटल मेडिसिन के ऑनलाइन संस्करण में प्रकाशित अध्ययन के अनुसार, शोधकर्ताओं ने COMPOSER नामक एक एआई एल्गोरिदम विकसित किया। यह वास्तविक समय में डेटा का उपयोग करके रोगी में स्थिति के लक्षण प्रकट होने से पहले ही पूर्वसूचना देता है, और “पर्दे के पीछे चुपचाप और सुरक्षित रूप से” काम करता है। 

मॉडल लगातार प्रत्येक रोगी में सेप्सिस के किसी भी संकेत की निगरानी करता है, अध्ययन के सह-लेखक गैब्रियल वार्डी, एमडी, यूसी सैन डिएगो (UCSD) आपातकालीन चिकित्सा विभाग में क्रिटिकल केयर डिवीजन के प्रमुख ने कहा।

सेप्सिस की शीघ्र पहचान महत्वपूर्ण है क्योंकि रोग के प्रारंभिक चरण में हस्तक्षेप अधिक लाभकारी होते हैं।

मॉडल का उपयोग यूसी सैन डिएगो हेल्थ के आपातकालीन विभागों में किया गया, जो इस क्षेत्र का एकमात्र शैक्षणिक चिकित्सा प्रणाली है, ताकि सेप्सिस संक्रमण के जोखिम वाले रोगियों की पहचान की जा सके और इसने मृत्यु दर को 17% तक कम किया है। 

यह इस प्रकार काम करता है कि रोगी के आपातकालीन विभाग में चेक‑इन करने के बाद, COMPOSER 150 से अधिक विभिन्न रोगी चर की निगरानी शुरू करता है जो सेप्सिस से जुड़े हो सकते हैं। इन चर में जनसांख्यिकी, चिकित्सा इतिहास, जीवन संकेत और प्रयोगशाला परिणाम शामिल हैं। 

यदि किसी रोगी में कई ऐसे चर पाए जाते हैं, जिससे सेप्सिस संक्रमण का उच्च जोखिम बनता है, तो एल्गोरिदम अस्पताल के इलेक्ट्रॉनिक हेल्थ रिकॉर्ड के माध्यम से नर्सिंग स्टाफ को सूचित करता है। स्टाफ फिर चिकित्सक के साथ पुष्टि के लिए और रोगी के लिए उपयुक्त उपचार योजना निर्धारित करने के लिए समीक्षा करता है। 

“ये उन्नत एआई एल्गोरिदम ऐसे पैटर्न का पता लगा सकते हैं जो प्रारंभ में मानव आँख को स्पष्ट नहीं होते।” 

– शमीम नेमाती, पी.एच.डी., अध्ययन के सह‑लेखक और यूसी सैन डिएगो स्कूल ऑफ़ मेडिसिन में प्रेडिक्टिव एनालिटिक्स के निदेशक तथा बायोमेडिकल इन्फॉर्मेटिक्स के एसोसिएट प्रोफेसर

उन्होंने यह भी कहा:

“सिस्टम इन जोखिम कारकों को देख सकता है और सेप्सिस की अत्यधिक सटीक भविष्यवाणी कर सकता है।”

यह अध्ययन, जो नेशनल इंस्टीट्यूट्स ऑफ़ हेल्थ, नेशनल लाइब्रेरी ऑफ़ मेडिसिन, और यूसी सैन डिएगो हेल्थ के जोआन और इरविन जैकब्स सेंटर फॉर हेल्थ इनोवेशन द्वारा वित्त पोषित था, ने अस्पताल के आपातकालीन विभागों में एआई एल्गोरिदम के लागू होने से पहले और बाद में 6,200 से अधिक रोगी प्रवेशों की जांच की।

यह पहला अध्ययन है जिसने एआई डीप‑लर्निंग मॉडल का उपयोग किया और रोगी परिणामों में सुधार की रिपोर्ट की। मॉडल कृत्रिम न्यूरल नेटवर्क का उपयोग करके रोगियों में जटिल और कई जोखिम कारकों की सटीक और सुरक्षित पहचान करता है। वार्डी ने कहा:

“यह इस एआई मॉडल के कारण है कि हमारी टीमें रोगियों को तेज़ी से जीवन‑रक्षक उपचार प्रदान कर सकती हैं।” 

COMPOSER को पहली बार एक साल से अधिक पहले, दिसंबर 2022 में सक्रिय किया गया था। वर्तमान में यह यूसी सैन डिएगो हेल्थ के कई अस्पताल इन‑पेशेंट यूनिट्स में उपयोग हो रहा है, और भविष्य में यूसी सैन डिएगो हेल्थ ईस्ट कैंपस भी इसे उपयोग करना शुरू करेगा।

हाल ही में, हेल्थ केयर सेंटर ने अपने पहले मुख्य स्वास्थ्य एआई अधिकारी की घोषणा की। इसने एक पायलट भी शुरू किया है जहाँ क्लाउड‑आधारित इलेक्ट्रॉनिक हेल्थ रिकॉर्ड सिस्टम, एपिक और चैटजीपीटी, स्वचालित रूप से अधिक सहानुभूतिपूर्ण संदेश प्रतिक्रियाएँ तैयार करते हैं ताकि डॉक्टर और देखभालकर्ता रोगी देखभाल पर ध्यान केंद्रित कर सकें। 

“इलेक्ट्रॉनिक हेल्थ रिकॉर्ड में एआई तकनीक का एकीकरण डिजिटल स्वास्थ्य के वादे को पूरा करने में मदद कर रहा है।” 

– क्रिस्टोफर लोंघर्ट, अध्ययन के सह‑लेखक एवं जैकब्स सेंटर फॉर हेल्थ इनोवेशन के कार्यकारी निदेशक, तथा यूसी सैन डिएगो हेल्थ में मुख्य चिकित्सीय अधिकारी और मुख्य डिजिटल अधिकारी

रोग की सटीक भविष्यवाणी के लिए जीनोमिक डेटा का विश्लेषण करने वाला सॉफ़्टवेयर

स्वास्थ्य देखभाल क्षेत्र में एआई-संचालित भविष्यवाणी मॉडलों का एक और उदाहरण पिछले सप्ताह प्रकाशित अध्ययन में देखा जा सकता है। रूटगर्स हेल्थ में निर्मित, इस प्रकार का पहला सॉफ़्टवेयर जिसका नाम IntelliGenes है, एआई और मशीन लर्निंग को मिलाकर व्यक्तियों में रोगों की भविष्यवाणी करने में मदद करता है। मॉडल जीनोमिक डेटा का विश्लेषण करके स्वास्थ्य‑संबंधी बायोमार्कर खोजता है, जिससे व्यक्तिगत रोगी भविष्यवाणियां और उनका दृश्य प्रतिनिधित्व तैयार होते हैं।

बहु‑जीनोमिक डेटा रोगी की अंतर्निहित आनुवंशिक संरचना के बारे में जानकारी देता है और रोग जोखिम के आधार पर नए बायोमार्कर खोजने की संभावना रखता है। अध्ययन ने कहा:

“हम मानते हैं कि कई एआई एल्गोरिदम का सामंजस्यपूर्ण उपयोग एकल एआई एल्गोरिदम की तुलना में अधिक सटीक परिणाम, अंतर्दृष्टिपूर्ण निष्कर्ष और वास्तविक‑विश्व समस्याओं के बारे में सटीक भविष्यवाणियां प्रदान करता है।”

यह आगे पाया कि सपोर्ट वेक्टर मशीन (SVM) और रैंडम फॉरेस्ट (RF) सबसे सफल मशीन लर्निंग एल्गोरिदम हैं जो उच्च सटीकता के साथ भविष्यवाणियां करने और प्रतिगमन तथा वर्गीकरण समस्याओं को हल करने में उपयोग होते हैं। 

वर्तमान में, पूर्ण मानव जीनोम की जांच और व्याख्या करने के लिए कोई एआई टूल उपलब्ध नहीं है, विशेष रूप से उन व्यक्तियों के लिए जो इस क्षेत्र के विशेषज्ञ नहीं हैं। इसलिए, शोधकर्ताओं ने IntelliGenes विकसित किया, जिसे कोई भी उपयोग कर सकता है, जिसमें वे भी शामिल हैं जिनके पास बायोइन्फॉर्मेटिक्स तकनीकों का अधिक ज्ञान नहीं है या उच्च‑प्रदर्शन कंप्यूटर तक पहुंच नहीं है। 

मशीन लर्निंग एल्गोरिदम के संयोजन का उपयोग करके, रूटगर्स हेल्थ के शोधकर्ता ऐसी जानकारी उजागर करने का लक्ष्य रखते हैं जो सामान्यतः क्लासिकल सांख्यिकी और पारंपरिक बायोइन्फॉर्मेटिक्स तकनीकों द्वारा अनदेखी रह जाती है।

शोधकर्ताओं ने फिर IntelliGenes को एक अन्य अध्ययन में लागू किया ताकि नए बायोमार्कर खोजे जा सकें और हृदय‑संबंधी रोग (CVDs) की उच्च सटीकता के साथ भविष्यवाणी की जा सके।

अध्ययन के अनुसार, एआई और एमएल पद्धतियों का उचित उपयोग हमें हृदय‑संबंधी रोगों के बारे में नई अंतर्दृष्टि और समझ प्रदान कर सकता है। यह बदले में बेहतर व्यक्तिगत उपचारों को सक्षम करेगा। 

अध्ययन ने जीन अभिव्यक्ति डेटा की कठोर पूर्व‑प्रसंस्करण से शुरुआत की और फिर तीन सांख्यिकीय परीक्षणों का उपयोग करके ट्रांसक्रिप्टोमिक (पूर्ण RNA सेट का अध्ययन) अभिव्यक्ति में अंतर और CVD रोगियों तथा स्वस्थ व्यक्तियों के क्लिनिकल लक्षणों के बीच अंतर का मूल्यांकन किया। 

अपने शोध में, टीम ने CVD जनसंख्या में 18 ट्रांसक्रिप्टोमिक बायोमार्कर खोजे जो अत्यधिक महत्वपूर्ण थे। इनका उपयोग रोग की भविष्यवाणी के लिए किया गया, जिसमें 96% तक की सटीकता प्राप्त हुई। इन परिणामों को समूह के रोगियों के क्लिनिकल रिकॉर्ड के साथ भी क्रॉस‑वैलिडेट किया गया। 

“डेटा सेटों के संगम और कृत्रिम बुद्धिमत्ता एवं मशीन लर्निंग में आश्चर्यजनक विकास में बड़ी संभावनाएं हैं।” 

– ज़ीशान अहमद, अध्ययन के मुख्य लेखक। अहमद रूटगर्स इंस्टीट्यूट फॉर हेल्थ, हेल्थ केयर पॉलिसी एंड एजिंग रिसर्च (IFH) में संकाय सदस्य और रॉबर्ट वुड जॉनसन मेडिकल स्कूल में मेडिसिन के सहायक प्रोफेसर हैं

उनके अनुसार, मॉडल न केवल व्यक्तियों में सामान्य और दुर्लभ दोनों रोगों की व्यक्तिगत प्रारंभिक पहचान का समर्थन करता है, बल्कि व्यापक शोध के द्वार भी खोलता है, जो अंततः नई हस्तक्षेप और उपचारों की ओर ले जाएगा।

एआई अभी तक एक पूर्ण समाधान नहीं है!

जैसा कि हमने देखा, एआई-संचालित मॉडल स्वास्थ्य देखभाल के क्षेत्र में महत्वपूर्ण लाभ रखते हैं। यह रोगों का बहुत पहले, उच्च सटीकता के साथ पता लगाने और कई जीवन बचाने की क्षमता रखता है। हालांकि, यह अभी तक अंतिम समाधान नहीं है, कम से कम अभी नहीं। इसे इस महीने की शुरुआत में प्रकाशित एक अध्ययन में देखा गया, जिसमें दिखाया गया कि जब एआई को वास्तविक दुनिया में लागू किया जाता है, तो त्रुटियां होती हैं। 

इस महीने की शुरुआत में जर्नल मॉडर्न पैथोलॉजी में प्रकाशित यह अध्ययन पहला है जो जांचता है कि टिश्यू में संदूषण एआई के लर्निंग मॉडल को कैसे प्रभावित करता है।

इस अध्ययन में, शोधकर्ताओं ने प्लेसेंटा टिश्यू के माइक्रोस्कोप स्लाइड्स का विश्लेषण करने के लिए तीन एआई मॉडल प्रशिक्षित किए, जिनमें रक्त वाहिका क्षति की पहचान, गर्भकाल आयु का अनुमान, और मैक्रोस्कोपिक लेज़न की वर्गीकरण जैसी कार्य शामिल थे। अतिरिक्त रूप से, एक चौथा मॉडल सुई बायोप्सी के टिश्यू नमूनों में प्रोस्टेट कैंसर का पता लगाने के लिए प्रशिक्षित किया गया।

उनकी मजबूती का परीक्षण करने के लिए, शोधकर्ताओं ने प्रत्येक मॉडल को छोटे हिस्सों में संदूषित टिश्यू—जैसे रक्त और ब्लैडर टिश्यू—से उजागर किया, जो अन्य स्लाइड्स से यादृच्छिक रूप से चुने गए थे। यह कदम वास्तविक दुनिया की स्थितियों की नकल करने के लिए था जहाँ अक्सर संदूषक मौजूद होते हैं।

एआई मॉडलों के प्रदर्शन का मूल्यांकन करने पर पाया गया कि सभी चार मॉडल अपने मुख्य कार्यों पर ध्यान केंद्रित करने के बजाय टिश्यू संदूषकों की ओर अपना ध्यान मोड़ रहे थे। इस विचलन के कारण गर्भकाल आयु निर्धारित करने, प्रोस्टेट कैंसर का निदान करने, लेज़न की पहचान करने और रक्त वाहिका क्षति का आकलन करने में त्रुटियां हुईं। इसका कारण यह है कि एआई वास्तविक दुनिया में विभिन्न सामग्रियों का सामना करते हैं, जिन पर उन्हें प्रशिक्षित नहीं किया गया है, जबकि वे साफ़ सिम्युलेटेड वातावरण में प्रशिक्षित होते हैं। 

“हमारे निष्कर्ष इस बात की याद दिलाते हैं कि लैब में अत्यधिक प्रभावी रूप से काम करने वाला एआई वास्तविक दुनिया में असफल हो सकता है। रोगियों को यह उम्मीद रखनी चाहिए कि बायोप्सी और अन्य टिश्यू नमूनों पर किए गए निदानों का अंतिम निर्णय एक मानव विशेषज्ञ ही लेगा। पैथोलॉजिस्ट डरते हैं — और एआई कंपनियां आशा करती हैं — कि कंप्यूटर हमारी नौकरियों को छीन रहे हैं। अभी नहीं।”

– सह‑लेखक डॉ. जेफ़्री गोल्डस्टीन

केवल एआई के लिए नहीं बल्कि उन पैथोलॉजिस्टों के लिए भी जो इसे पहचानने में अत्यधिक प्रशिक्षित होते हैं, टिश्यू संदूषण एक काफी सामान्य समस्या है। हालांकि, अध्ययन दर्शाता है कि डॉक्टर और गैर‑पैथोलॉजिस्ट शोधकर्ता अक्सर इस बात से आश्चर्यचकित होते हैं। यह बताया गया कि एक दिन में, पैथोलॉजिस्ट द्वारा स्कैन किए गए 80 से 100 स्लाइड्स में से 2‑3 में संदूषक होते हैं, जिन्हें वे अनदेखा करने के लिए प्रशिक्षित होते हैं।

अध्ययन के अनुसार, एआई मॉडल समान रूप से कार्य करते हैं, जैसे मानव स्लाइड पर टिश्यू की जांच करते हैं। जब टिश्यू स्लाइड पर जांचते हैं, तो मानव माइक्रोस्कोप के भीतर सीमित क्षेत्र देख सकता है और फिर नए क्षेत्र में जाकर सभी एकत्रित जानकारी को मिलाकर निदान बनाता है। 

हालांकि, एआई को आसानी से संदूषकों द्वारा भटकाया गया क्योंकि उसे यह तय करना पड़ता था कि किस पर ध्यान देना है और किस पर नहीं। “यह शून्य‑संतुलन है,” गोल्डस्टीन ने कहा, जो नॉर्थवेस्टर्न विश्वविद्यालय के शोध‑उन्मुख फीनबर्ग स्कूल ऑफ़ मेडिसिन में पेरिनेटल पैथोलॉजी के निदेशक और पेरिनेटल पैथोलॉजी एवं ऑटोप्सी के सहायक प्रोफेसर हैं, जैसा कि उन्होंने बताया:

“यदि यह टिश्यू संदूषकों पर ध्यान दे रहा है, तो यह उस रोगी के टिश्यू पर कम ध्यान दे रहा है जिसे जांचा जा रहा है।” 

अध्ययन के लेखकों के अनुसार, चिकित्सकों को एआई मॉडलों की जैविक अशुद्धियों को एन्कोड करने में असमर्थता की समस्या को मापने और सुधारने पर काम करना चाहिए।

हालांकि, परिणामों ने गोल्डस्टीन को “विश्वास दिलाया है कि प्लेसेंटा की एआई मूल्यांकन संभव हैं,” और एआई की विफलता को “एक बाधा” कहा। इसका मतलब सरलता से यह है, “हम पैथोलॉजी में मशीन लर्निंग के उपयोग को बेहतर ढंग से एकीकृत करने के रास्ते पर हैं,” उन्होंने जोड़ा।

एआई-संचालित भविष्यवाणी मॉडलों से लाभ उठा सकने वाली कंपनियां

एआई मॉडल बड़ी संभावनाएं दिखा रहे हैं, अब देखते हैं कि कौन सी कंपनियां उनसे सबसे अधिक लाभ उठा सकती हैं:

1. Google DeepMind

यह टेक दिग्गज गूगल की एक सहायक कंपनी है जिसका लक्ष्य बुद्धिमत्ता को हल करना है ताकि “विज्ञान को आगे बढ़ाया जा सके और मानवता को लाभ हो।” 

हाल ही में, गूगल डीपमाइंड के शोधकर्ताओं ने बताया कि उन्होंने डॉक्टरों के लिए एक एआई सहायक बनाया है जिसका नाम आर्टिकुलेट मेडिकल इंटेलिजेंस एक्सप्लोरर (AMIE) है, जो रोगियों के निदान में मदद कर सकता है। संगठन के एक अन्य पेपर ने एलएलएम में रिवॉर्ड हैकिंग को संबोधित करने के लिए WARM का प्रस्ताव रखा।

अपने शेयर $152.59 पर ट्रेड हो रहे हैं, वर्ष‑से‑आज 8.94% वृद्धि के साथ, लेखन के समय, गूगल (GOOGL) का बाजार पूंजीकरण $1.9 ट्रिलियन है। कंपनी ने $297 बिलियन की राजस्व (TTM) दर्ज की, जबकि EPS (TTM) 5.21 और P/E (TTM) 29.19 है।

2. Siemens Healthineers

प्रमुख स्वास्थ्य देखभाल कंपनी एआई पर दांव लगा रही है ताकि स्वास्थ्य देखभाल उद्योग को बदल सके। सिमेन्स हेल्थिनियर्स ने नवम्बर 2023 तक 84 एआई‑समर्थित उत्पाद विकसित किए हैं और इस तकनीक से संबंधित 800 से अधिक पेटेंट रखता है।

सिमेन्स की मूल कंपनी से अलग होकर, यह स्वास्थ्य‑समाधान प्रदाता का बाजार पूंजीकरण $63 बिलियन है और इसके शेयर $51.68 पर ट्रेड हो रहे हैं। सिमेन्स हेल्थिनियर्स का EPS (TTM) 1.35 और P/E (TTM) 38.28 है।

अंतिम विचार

जैसा कि हमने देखा, एआई प्रवृत्ति विश्लेषण में अत्यधिक संभावनाएं रखता है, और जैसे-जैसे तकनीक आगे बढ़ेगी, हम अधिक सटीक और कार्यान्वयन योग्य अंतर्दृष्टियों और विभिन्न क्षेत्रों में नवाचार देखेंगे। स्वास्थ्य देखभाल में, एआई‑चालित भविष्यवाणी मॉडल डेटा, अंतर्दृष्टियों और हस्तक्षेपों को मिलाकर व्यक्तिगत स्वास्थ्य देखभाल प्रदान करते हैं और परिणामों को अनुकूलित करते हैं। 

क्लिक करें यहाँ और एआई और न्यूरोसाइंस के बढ़ते सहयोग के बारे में जानें।