कृत्रिम बुद्धिमत्ता
कृत्रिम बुद्धिमत्ता-संचालित पूर्वानुमान मॉडल स्वास्थ्य सेवा को छलांग लगाने के लिए तैयार हैं
कृत्रिम बुद्धिमत्ता का उद्देश्य मशीनों को मानव विचारों और व्यवहार की नकल करने में सक्षम बनाना है, जिसमें सीखने, तर्क करने और भविष्यवाणी करना शामिल है। इस प्रयास के केंद्र में कृत्रिम बुद्धिमत्ता-आधारित मॉडलिंग है, जो स्वचालित और बुद्धिमान प्रणालियों का निर्माण करने के लिए आधार के रूप में कार्य करती है।
ऐसे मॉडल बनाने के लिए, विभिन्न तकनीकों का उपयोग किया जाता है, जो विभिन्न वास्तविक दुनिया के क्षेत्रों में स्मार्ट प्रणालियों का निर्माण करने के लिए महत्वपूर्ण हैं, जिनमें वित्त, स्वास्थ्य सेवा, कृषि, साइबर सुरक्षा और अधिक शामिल हैं।
इन मॉडलों का विकास अक्सर विभिन्न प्रकार के विश्लेषणों का उपयोग करता है – विवरणात्मक, निदानात्मक, पूर्वानुमानिक और निर्धारित – समस्या की प्रकृति और इसके समाधान आवश्यकताओं के आधार पर।
आज, हमारा ध्यान पूर्वानुमानिक विश्लेषण पर है, जो भविष्य में क्या होगा इसकी भविष्यवाणी करने के लिए डेटा का अन्वेषण करता है। बड़ी मात्रा में डेटा का उपयोग करके, मॉडल पहचानने योग्य पैटर्न की व्याख्या करता है, जो सटीक भविष्यवाणियों को सुविधाजनक बनाता है और सूचित निर्णय लेने में मदद करता है।
कृत्रिम बुद्धिमत्ता में निवेश के बारे में सभी जानकारी यहां क्लिक करें।
कृत्रिम बुद्धिमत्ता की अतुलनीय प्रवृत्ति को पहचानने की क्षमता
कृत्रिम बुद्धिमत्ता में एक अतुलनीय क्षमता है जो एक सेट của चरों के भीतर प्रवृत्तियों को पहचानने में है। यह इसलिए है क्योंकि मानवों के विपरीत, प्रौद्योगिकी बड़ी मात्रा में डेटा को जल्दी से संसाधित कर सकती है, फिर पैटर्न और प्रवृत्तियों की पहचान कर सकती है और यह समझा सकती है कि यह सभी क्या意味ा है।
यह मशीन लर्निंग एल्गोरिदम के माध्यम से है कि एक कृत्रिम बुद्धिमत्ता मॉडल अपना काम करता है, जो प्रदान किए गए डेटा के आधार पर आउटपुट की भविष्यवाणी करता है।
जब एक प्रवृत्ति का विश्लेषण किया जाता है, तो आमतौर पर मानव मस्तिष्क कार्य-प्रेरित न्यूरल नेटवर्क का उपयोग किया जाता है क्योंकि वे सीखने और अनुकूलन करने में सक्षम हैं। प्रवृत्ति विश्लेषण के लिए अन्य मशीन लर्निंग एल्गोरिदम में सपोर्ट वेक्टर मशीन (एसवीएम) शामिल हैं, जो डेटा को विभिन्न वर्गों में वर्गीकृत करते हैं, और रैंडम फॉरेस्ट, जो शक्तिशाली पूर्वानुमानिक मॉडल के लिए कई निर्णय पेड़ों को समाहित करते हैं। बेयसियन नेटवर्क एक और है जो एक सेट của चरों के बीच सांख्यिकीय निर्भरता का प्रतिनिधित्व करने के लिए संभाव्य ग्राफिकल मॉडल का उपयोग करता है।
स्वास्थ्य सेवा में, इन मशीन लर्निंग एल्गोरिदम का उपयोग करके कृत्रिम बुद्धिमत्ता-संचालित पूर्वानुमान मॉडल बनाने से व्यक्तिगत और अनुकूलित देखभाल और उपचार योजनाओं की अनुमति मिलती है।
इसके लिए, कृत्रिम बुद्धिमत्ता विभिन्न स्वास्थ्य सेवा डेटा को छानती है ताकि बीमारी की प्रगति में उभरती प्रवृत्तियों को प्रस्तुत किया जा सके। यह चिकित्सा पेशेवरों को स्वास्थ्य समस्याओं को पहले से संबोधित करने और उपचार रणनीतियों को अनुकूलित करने में सक्षम बनाता है, जो रोगी देखभाल को फिर से आकार देता है।
स्वास्थ्य सेवा में पैटर्न का पता लगाने की कृत्रिम बुद्धिमत्ता की क्षमता की संभावना
अब, आइए प्रौद्योगिकी की क्षमता का वास्तविक उपयोग देखें जो एक सेट của चरों के भीतर प्रवृत्तियों को पहचान सकती है।
सेप्सिस के प्रकोप से पहले सेप्सिस का पता लगाने के लिए कृत्रिम बुद्धिमत्ता निगरानी उपकरण
एक हालिया अध्ययन में, शोधकर्ताओं ने पाया कि वे एक नए कृत्रिम बुद्धिमत्ता एल्गोरिदम का उपयोग करके उच्च जोखिम वाले रोगियों में सेप्सिस संक्रमण की भविष्यवाणी कर सकते हैं और जीवन बचा सकते हैं।
सेप्सिस दुनिया भर में मृत्यु और मोर्बिडिटी का एक प्रमुख कारण है। इस स्थिति में, शरीर की प्रतिरक्षा प्रणाली संक्रमण के लिए अत्यधिक प्रतिक्रिया करती है, जिससे अपने ही ऊतकों और अंगों को नुकसान होता है।
संयुक्त राज्य अमेरिका में, प्रत्येक वर्ष, कम से कम 1.7 मिलियन वयस्क सेप्सिस विकसित करते हैं, और लगभग 350,000 लोग इस जानलेवा रक्त संक्रमण से मर जाते हैं। जबकि दुनिया भर में लगभग 48.9 मिलियन लोग प्रत्येक वर्ष प्रभावित होते हैं, जिनमें से लगभग 11 मिलियन लोग मर जाते हैं।
हालांकि, कैलिफोर्निया विश्वविद्यालय सैन डिएगो स्कूल ऑफ मेडिसिन के शोधकर्ता इन आंकड़ों को बदलने के लिए तैयार हैं।
अध्ययन के अनुसार, शोधकर्ताओं ने कॉम्पोज़र नामक एक कृत्रिम बुद्धिमत्ता एल्गोरिदम विकसित किया है। यह वास्तविक समय में डेटा का उपयोग करके बता सकता है कि क्या रोगी को सेप्सिस है या नहीं, इससे पहले कि इसके नैदानिक संकेत दिखाई दें।
मॉडल लगातार हर रोगी की निगरानी करता है कि क्या सेप्सिस के कोई संकेत हैं, अध्ययन के सह-लेखक गेब्रियल वर्डी, एमडी, यूसीएसडी विभाग ऑफ एमरजेंसी मेडिसिन में गंभीर देखभाल के प्रभाग के प्रमुख ने कहा।
सेप्सिस की जल्दी पहचान महत्वपूर्ण है क्योंकि हस्तक्षेपों का लाभ तब अधिक होता है जब उन्हें बीमारी के पाठ्यक्रम में पहले लागू किया जाता है।
मॉडल का उपयोग यूसीएसडी स्वास्थ्य के आपातकालीन विभागों में सेप्सिस संक्रमण के लिए जोखिम वाले रोगियों की पहचान करने के लिए किया गया था और इसने मृत्यु दर को 17% तक कम कर दिया है।
यह कैसे काम करता है कि जब एक रोगी आपातकालीन विभाग में जांच करता है, तो कॉम्पोज़र सेप्सिस से जुड़े 150 से अधिक विभिन्न रोगी चरों की निगरानी शुरू कर देता है। इन चरों में जनसांख्यिकी, चिकित्सा इतिहास, महत्वपूर्ण संकेत और प्रयोगशाला परिणाम शामिल हैं।
यदि एक रोगी को सेप्सिस संक्रमण के लिए उच्च जोखिम वाले कई चर पाए जाते हैं, तो एल्गोरिदम अस्पताल के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के माध्यम से नर्सिंग स्टाफ को सूचित करता है। स्टाफ तब चिकित्सक के साथ समीक्षा करता है ताकि रोगी के लिए उपयुक्त उपचार योजनाओं का निर्धारण किया जा सके।
“इन उन्नत कृत्रिम बुद्धिमत्ता एल्गोरिदम मानव आंख के लिए शुरू में स्पष्ट नहीं होने वाले पैटर्न का पता लगा सकते हैं।”
– शमीम नेमती, पीएचडी, अध्ययन के सह-लेखक और यूसीएसडी स्कूल ऑफ मेडिसिन में पूर्वानुमानिक विश्लेषण और जैव चिकित्सा सूचना विज्ञान के एसोसिएट प्रोफेसर
उन्होंने यह भी कहा:
“सिस्टम जोखिम कारकों को देख सकता है और सेप्सिस के बारे में बहुत सटीक भविष्यवाणी कर सकता है।”
अध्ययन, जिसे राष्ट्रीय स्वास्थ्य संस्थान, राष्ट्रीय पुस्तकालय चिकित्सा और यूसीएसडी स्वास्थ्य में जोआन और इरविन जैकब्स सेंटर फॉर हेल्थ इनोवेशन द्वारा वित्त पोषित किया गया था, ने अस्पताल के आपातकालीन विभागों में कृत्रिम बुद्धिमत्ता एल्गोरिदम तैनात करने से पहले और बाद में 6,200 से अधिक रोगी प्रवेशों की जांच की।
यह पहला अध्ययन है जिसने एक कृत्रिम बुद्धिमत्ता गहरे शिक्षण मॉडल का उपयोग किया और रोगी परिणामों में सुधार की सूचना दी। मॉडल जटिल और कई जोखिम कारकों को सटीक रूप से और सुरक्षित रूप से पहचानने के लिए कृत्रिम तंत्रिका नेटवर्क का उपयोग करता है। वर्डी ने कहा:
“यह कृत्रिम बुद्धिमत्ता मॉडल के कारण है कि हमारी टीमें रोगियों के लिए जीवन रक्षक उपचार प्रदान कर सकती हैं।”
कॉम्पोज़र को पहली बार एक साल से अधिक समय पहले, दिसंबर 2022 में सक्रिय किया गया था। यह वर्तमान में यूसीएसडी स्वास्थ्य के कई अस्पताल के इनपेशेंट यूनिट में उपयोग किया जा रहा है, और भविष्य में, यूसीएसडी स्वास्थ्य पूर्वी परिसर भी इसका उपयोग शुरू करेगा।
हाल ही में, स्वास्थ्य देखभाल केंद्र ने अपने पहले मुख्य स्वास्थ्य कृत्रिम बुद्धिमत्ता अधिकारी की घोषणा की है। इसने एक पायलट भी लॉन्च किया है जहां क्लाउड-आधारित इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड सिस्टम एपिक और चैटजीपीटी स्वचालित रूप से अधिक दयालु संदेश प्रतिक्रियाओं का मसौदा तैयार करते हैं ताकि डॉक्टर और देखभालकर्ता रोगी देखभाल पर ध्यान केंद्रित कर सकें।
“इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड में कृत्रिम बुद्धिमत्ता प्रौद्योगिकी का एकीकरण डिजिटल स्वास्थ्य के वादे को पूरा करने में मदद कर रहा है।”
– क्रिस्टोफर लोंगहर्स्ट, अध्ययन के सह-लेखक और जैकब्स सेंटर फॉर हेल्थ इनोवेशन के कार्यकारी निदेशक और यूसीएसडी स्वास्थ्य में मुख्य चिकित्सा अधिकारी और मुख्य डिजिटल अधिकारी
जीनोमिक डेटा का विश्लेषण करने के लिए सॉफ्टवेयर बीमारी की भविष्यवाणी के लिए सटीकता के साथ
कृत्रिम बुद्धिमत्ता-संचालित पूर्वानुमान मॉडल के स्वास्थ्य सेवा क्षेत्र में मदद करने का एक और उदाहरण अध्ययन में देखा जा सकता है जो रुटगर्स हेल्थ में बनाया गया है। इंटेलिजेनेस नामक यह पहला-अपनी-तरह का सॉफ्टवेयर कृत्रिम बुद्धिमत्ता और मशीन लर्निंग को मिलाकर व्यक्तियों में बीमारियों की भविष्यवाणी में मदद करता है। मॉडल जीनोमिक डेटा का अध्ययन करके स्वास्थ्य से संबंधित बायोमार्कर की पहचान करता है ताकि व्यक्तिगत रोगी भविष्यवाणियों का उत्पादन किया जा सके और उनका दृश्य प्रतिनिधित्व किया जा सके।
बहु-जीनोमिक डेटा रोगी की अंतर्निहित जेनेटिक बनावट के बारे में जानकारी प्रदान करता है और उनकी बीमारी के जोखिम के आधार पर नए बायोमार्कर का पता लगाने की क्षमता रखता है। अध्ययन में कहा गया है:
“हमारा मानना है कि कई कृत्रिम बुद्धिमत्ता एल्गोरिदम का संयुक्त उपयोग वास्तविक दुनिया की समस्याओं के बारे में अधिक सटीक परिणाम प्रदान करता है, जो एक ही कृत्रिम बुद्धिमत्ता एल्गोरिदम की तुलना में अधिक सटीक निष्कर्ष और सटीक भविष्यवाणियां प्रदान करता है।”
यह आगे पाया गया कि सपोर्ट वेक्टर मशीन (एसवीएम) और रैंडम फॉरेस्ट (आरएफ) सबसे सफल मशीन लर्निंग एल्गोरिदम हैं जो उच्च सटीकता के साथ भविष्यवाणियां करने और प्रगति और वर्गीकरण की समस्याओं का समाधान करने के लिए उपयोग किए जाते हैं।
वर्तमान में, कोई कृत्रिम बुद्धिमत्ता उपकरण उपलब्ध नहीं है जो पूरे मानव जीनोम की जांच और व्याख्या कर सके, विशेष रूप से उन लोगों के लिए जो इस क्षेत्र में विशेषज्ञ नहीं हैं या जिन्हें जैव सूचना विज्ञान तकनीकों का ज्ञान नहीं है या उच्च प्रदर्शन वाले कंप्यूटरों तक पहुंच नहीं है।
इसलिए, शोधकर्ताओं ने इंटेलिजेनेस विकसित किया है, जिसे कोई भी उपयोग कर सकता है, जिनमें वे लोग भी शामिल हैं जिनके पास जैव सूचना विज्ञान तकनीकों का ज्ञान नहीं है या उच्च प्रदर्शन वाले कंप्यूटरों तक पहुंच नहीं है।
मशीन लर्निंग एल्गोरिदम के संयोजन का उपयोग करके, रुटगर्स हेल्थ शोधकर्ता अक्सर पारंपरिक आंकड़ों और जैव सूचना विज्ञान तकनीकों द्वारा पता लगाने में असमर्थ जानकारी का पता लगाने का लक्ष्य रखते हैं।
शोधकर्ताओं ने तब इंटेलिजेनेस का उपयोग एक अन्य अध्ययन में किया ताकि हृदय संबंधी बीमारियों (सीवीडी) का पता लगाने और उनकी भविष्यवाणी करने के लिए नए बायोमार्कर की खोज की जा सके।
अध्ययन में कहा गया है कि कृत्रिम बुद्धिमत्ता और मशीन लर्निंग विधियों का उचित उपयोग हमें हृदय संबंधी बीमारियों के बारे में नए अंतर्दृष्टि और समझ प्रदान कर सकता है, जो बेहतर व्यक्तिगत उपचार को सक्षम बनाता है।
अध्ययन ने जीन एक्सप्रेशन डेटा के एक गहन प्री-प्रोसेसिंग के साथ शुरू किया, और फिर सीवीडी रोगियों और स्वस्थ व्यक्तियों के बीच ट्रांसक्रिप्टोमिक एक्सप्रेशन और नैदानिक विशेषताओं में अंतर का मूल्यांकन करने के लिए तीन सांख्यिकीय परीक्षणों का उपयोग किया।
अपने शोध में, टीम ने सीवीडी आबादी में बहुत महत्वपूर्ण 18 ट्रांसक्रिप्टोमिक बायोमार्कर का पता लगाया। उन्हें 96% सटीकता के साथ बीमारी की भविष्यवाणी करने के लिए उपयोग किया गया था। इन परिणामों को कोहोर्ट से एकत्र किए गए नैदानिक रिकॉर्ड के साथ पारस्परिक रूप से सत्यापित किया गया था।
“डेटासेट और कृत्रिम बुद्धिमत्ता और मशीन लर्निंग में आश्चर्यजनक विकास के संयोजन में巨ी संभावना है।”
– जीशान अहमद, अध्ययन के प्रमुख लेखक। अहमद रुटगर्स इंस्टीट्यूट फॉर हेल्थ, हेल्थ केयर पॉलिसी एंड एजिंग रिसर्च (आईएफएच) में एक संकाय सदस्य हैं और रॉबर्ट वुड जॉनसन मेडिकल स्कूल में चिकित्सा के सहायक प्रोफेसर हैं।
उनके अनुसार, मॉडल न केवल सामान्य और दुर्लभ बीमारियों के व्यक्तिगत और प्रारंभिक पता लगाने का समर्थन करता है, बल्कि नए हस्तक्षेप और उपचार के लिए आगे के शोध के लिए भी दरवाजे खोलता है।
कृत्रिम बुद्धिमत्ता अभी तक एक आदर्श समाधान नहीं है!
जैसा कि हमने देखा, कृत्रिम बुद्धिमत्ता-संचालित मॉडल स्वास्थ्य सेवा क्षेत्र में महत्वपूर्ण लाभ प्रदान करते हैं। यह बीमारियों का पता लगाने में सक्षम है और कई जीवन बचा सकता है। हालांकि, यह अभी तक एक आदर्श समाधान नहीं है, कम से कम अभी तक नहीं। यह एक अध्ययन में देखा जा सकता है जो दिखाता है कि जब कृत्रिम बुद्धिमत्ता को वास्तविक दुनिया में लागू किया जाता है, तो त्रुटियां होती हैं।
इस महीने की शुरुआत में मॉडर्न पैथोलॉजी पत्रिका में प्रकाशित यह अध्ययन पहला है जिसने यह जांचा है कि कैसे टिश्यू में दूषण कृत्रिम बुद्धिमत्ता के शिक्षण मॉडल को प्रभावित करता है।
इस अध्ययन में, शोधकर्ताओं ने तीन कृत्रिम बुद्धिमत्ता मॉडल को प्लेसेंटा टिश्यू के माइक्रोस्कोप स्लाइड का विश्लेषण करने के लिए प्रशिक्षित किया, जिसमें रक्त वाहिका क्षति की पहचान करना, गर्भावस्था की उम्र का अनुमान लगाना और मैक्रोस्कोपिक घावों का वर्गीकरण शामिल था। इसके अलावा, एक चौथा मॉडल प्रोस्टेट कैंसर का पता लगाने के लिए सुई बायोप्सी से टिश्यू नमूनों का विश्लेषण करने के लिए प्रशिक्षित किया गया था।
उनकी मजबूती का परीक्षण करने के लिए, शोधकर्ताओं ने तब प्रत्येक मॉडल को अन्य स्लाइड्स से यादृच्छिक रूप से नमूने लिए गए दूषित टिश्यू के छोटे हिस्सों के संपर्क में लाया। यह चरण वास्तविक दुनिया की स्थितियों की नकल करने के लिए था जहां दूषित टिश्यू अक्सर मौजूद होते हैं।
कृत्रिम बुद्धिमत्ता मॉडल के प्रदर्शन का मूल्यांकन करने पर, यह पाया गया कि सभी चार मॉडल दूषित टिश्यू पर अपना ध्यान केंद्रित करते हैं, न कि अपने प्राथमिक कार्यों पर। यह विचलित होने से गर्भावस्था की उम्र का निर्धारण, प्रोस्टेट कैंसर का निदान, घावों की पहचान और रक्त वाहिका क्षति का मूल्यांकन करने में त्रुटियां हुईं। यह इसलिए है क्योंकि कृत्रिम बुद्धिमत्ता उन सामग्रियों का सामना करती है जिन्हें वे प्रशिक्षित नहीं हैं, जो उन स्वच्छ सिम्युलेटेड वातावरण के विपरीत हैं जहां वे प्रशिक्षित होते हैं।
“हमारे निष्कर्ष यह याद दिलाते हैं कि प्रयोगशाला में बहुत अच्छा काम करने वाली कृत्रिम बुद्धिमत्ता वास्तविक दुनिया में अपना चेहरा गिरा सकती है। रोगियों को यह उम्मीद करनी चाहिए कि एक मानव विशेषज्ञ बायोप्सी और अन्य टिश्यू नमूनों पर निदान का अंतिम निर्णय लेगा। पैथोलॉजिस्ट डरते हैं — और कृत्रिम बुद्धिमत्ता कंपनियां आशा करती हैं — कि कंप्यूटर हमारी नौकरियों के लिए आ रहे हैं। अभी तक नहीं।”
– सह-लेखक डॉ जेफरी गोल्डस्टीन
न केवल कृत्रिम बुद्धिमत्ता के लिए, बल्कि व्यापक रूप से प्रशिक्षित पैथोलॉजिस्ट जो समान पता लगाने में सक्षम हैं, टिश्यू दूषण एक बहुत ही सामान्य समस्या है। हालांकि, अध्ययन यह बताता है कि डॉक्टर और गैर-पैथोलॉजिस्ट शोधकर्ता अक्सर इसे जानते हैं। यह कहा गया है कि एक दिन में एक पैथोलॉजिस्ट द्वारा स्कैन किए गए 80 से 100 स्लाइडों में से, 2-3 दूषित होने की उम्मीद है, जिन्हें वे उपेक्षा करने के लिए प्रशिक्षित हैं।
जैसा कि अध्ययन में कहा गया है, कृत्रिम बुद्धिमत्ता मॉडल मानवों की तरह टिश्यू की जांच करते हैं और फिर जानकारी को मिलाकर निदान करते हैं। हालांकि, कृत्रिम बुद्धिमत्ता को यह तय करने में भ्रम होता है कि क्या ध्यान देना है और क्या नहीं। “यह शून्य-योग है,” गोल्डस्टीन ने कहा, जो फेनबर्ग स्कूल ऑफ मेडिसिन, नॉर्थवेस्टर्न यूनिवर्सिटी में पेरिनाटल पैथोलॉजी और ऑटोप्सी के निदेशक और सहायक प्रोफेसर हैं:
“यदि यह दूषित टिश्यू पर ध्यान केंद्रित कर रहा है, तो यह जांच किए जा रहे रोगी के टिश्यू पर कम ध्यान केंद्रित कर रहा है।”
अध्ययन के लेखकों का मानना है कि अभ्यासकर्ताओं को कृत्रिम बुद्धिमत्ता मॉडल की जैविक अशुद्धियों को एन्कोड करने में असमर्थता की समस्या को मापने और सुधारने पर काम करना चाहिए।
हालांकि, परिणामों ने गोल्डस्टीन को आश्वस्त किया है कि “प्लेसेंटा का मूल्यांकन करने के लिए कृत्रिम बुद्धिमत्ता का मूल्यांकन संभव है,” इसे “स्पीड बंप” कहते हैं। यह केवल इतना मतलब है कि “हम पैथोलॉजी में मशीन लर्निंग का बेहतर एकीकरण करने के रास्ते पर हैं।” उन्होंने कहा:
“यह कृत्रिम बुद्धिमत्ता मॉडल के विनाश का कारण है कि हमारी टीमें रोगियों के लिए जीवन रक्षक उपचार प्रदान कर सकती हैं।”
कृत्रिम बुद्धिमत्ता-संचालित पूर्वानुमान मॉडल से लाभान्वित होने वाली कंपनियां
कृत्रिम बुद्धिमत्ता मॉडल के बड़े वादे को देखते हुए, आइए देखें कि कौन सी कंपनियां सबसे अधिक लाभान्वित हो सकती हैं:
1. गूगल डीपमाइंड
यह एक प्रौद्योगिकी दिग्गज गूगल की एक सहायक कंपनी है जो बुद्धिमत्ता को हल करने के लिए काम करती है ताकि “विज्ञान को आगे बढ़ाया जा सके और मानवता को लाभ हो।”
हाल ही में, गूगल डीपमाइंड शोधकर्ताओं ने खुलासा किया कि उन्होंने डॉक्टरों के लिए एक कृत्रिम बुद्धिमत्ता सहायक विकसित किया है जिसे आर्टिकुलेट मेडिकल इंटेलिजेंस एक्सप्लोरर (एएमआईई) कहा जाता है जो रोगियों के निदान में मदद कर सकता है। संगठन के एक अन्य पत्र ने वार्म को लार्ज लैंग्वेज मॉडल (एलएलएम) में रिवार्ड हैकिंग से निपटने के लिए प्रस्तावित किया।
(GOOGL )
अपने शेयरों को 152.59 डॉलर पर कारोबार करते हुए, साल-दर-साल 8.94% तक बढ़ाते हुए, लेखन के समय, गूगल (GOOGL) का बाजार पूंजीकरण 1.9 ट्रिलियन डॉलर है। कंपनी ने 297 बिलियन डॉलर की राजस्व (टीटीएम) और 5.21 की EPS (टीटीएम) और 29.19 के पी/ई (टीटीएम) के साथ रिपोर्ट की।
2. सीमेंस हेल्थिनियर्स
स्वास्थ्य सेवा क्षेत्र में अग्रणी कंपनी सीमेंस हेल्थिनियर्स ने कृत्रिम बुद्धिमत्ता पर दांव लगाया है ताकि स्वास्थ्य सेवा उद्योग को बदला जा सके। सीमेंस हेल्थिनियर्स ने नवंबर 2023 तक 84 कृत्रिम बुद्धिमत्ता-सUPPORTED उत्पाद विकसित किए हैं और इस प्रौद्योगिकी से संबंधित 800 से अधिक पेटेंट हैं।
मूल कंपनी सीमेंस से स्पिन ऑफ होने के बाद, स्वास्थ्य समाधान प्रदाता का बाजार पूंजीकरण 63 बिलियन डॉलर है, क्योंकि इसके शेयर 51.68 डॉलर पर कारोबार कर रहे हैं। सीमेंस हेल्थिनियर्स का EPS (TTM) 1.35 और P/E (TTM) 38.28 है।
अंतिम विचार
जैसा कि हमने देखा, कृत्रिम बुद्धिमत्ता प्रवृत्ति विश्लेषण में बहुत बड़ा वादा रखती है, और जैसे-जैसे प्रौद्योगिकी आगे बढ़ेगी, हम अधिक सटीक और कार्रवाई योग्य अंतर्दृष्टि के साथ-साथ विभिन्न क्षेत्रों में नवाचार देखेंगे। स्वास्थ्य सेवा में, कृत्रिम बुद्धिमत्ता-संचालित पूर्वानुमान मॉडल डेटा, अंतर्दृष्टि और हस्तक्षेप को संश्लेषित करते हैं ताकि स्वास्थ्य सेवा को व्यक्तिगत बनाया जा सके और परिणामों को अनुकूलित किया जा सके।
कृत्रिम बुद्धिमत्ता और तंत्रिका विज्ञान के बीच बढ़ते संबंध के बारे में जानने के लिए यहां क्लिक करें।
