ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ ಬಲಿಷ್ಠವಾದ AI ಅನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸುವುದು, ಅಂತರಶಿಸ್ತೀಯ ಸಹಯೋಗ ಏಕೆ ನಿರ್ಣಾಯಕವಾಗಿದೆ ಮತ್ತು ಸಂಶೋಧನೆಯಲ್ಲಿ ಉತ್ಪಾದಕ AI ಯ ಸಾಮರ್ಥ್ಯದ ಕುರಿತು AI ತಜ್ಞರು ಚರ್ಚಿಸುತ್ತಾರೆ.
ಮೇ 14 ರಂದು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್ನಲ್ಲಿ ನಡೆದ ಉದ್ಘಾಟನಾ RAISE ಆರೋಗ್ಯ ವಿಚಾರ ಸಂಕಿರಣದಲ್ಲಿ ಫೀಫೀ ಲಿ ಮತ್ತು ಲಾಯ್ಡ್ ಮೈನರ್ ಆರಂಭಿಕ ಭಾಷಣಗಳನ್ನು ನೀಡಿದರು. ಸ್ಟೀವ್ ಫಿಶ್
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಸೆರೆಹಿಡಿಯಲ್ಪಟ್ಟ ಹೆಚ್ಚಿನ ಜನರು ಒಂದು ರೀತಿಯ "ಆಹಾ" ಕ್ಷಣವನ್ನು ಅನುಭವಿಸಿದ್ದಾರೆ, ಸಾಧ್ಯತೆಗಳ ಜಗತ್ತಿಗೆ ತಮ್ಮ ಮನಸ್ಸನ್ನು ತೆರೆದಿದ್ದಾರೆ. ಮೇ 14 ರಂದು ನಡೆದ ಉದ್ಘಾಟನಾ RAISE ಆರೋಗ್ಯ ವಿಚಾರ ಸಂಕಿರಣದಲ್ಲಿ, ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವೈದ್ಯಕೀಯ ಶಾಲೆಯ ಡೀನ್ ಮತ್ತು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವೈದ್ಯಕೀಯ ವ್ಯವಹಾರಗಳ ಉಪಾಧ್ಯಕ್ಷರಾದ ಲಾಯ್ಡ್ ಮೈನರ್, MD, ತಮ್ಮ ದೃಷ್ಟಿಕೋನವನ್ನು ಹಂಚಿಕೊಂಡರು.
ಕುತೂಹಲಕಾರಿ ಹದಿಹರೆಯದ ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ಒಳಗಿನ ಕಿವಿಯ ಬಗ್ಗೆ ತನ್ನ ಸಂಶೋಧನೆಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳಲು ಕೇಳಿದಾಗ, ಅವನು ಉತ್ಪಾದಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯತ್ತ ತಿರುಗಿದನು. "ನಾನು ಕೇಳಿದೆ, 'ಸುಪೀರಿಯರ್ ಕ್ಯಾನಲ್ ಡಿಹಿಸೆನ್ಸ್ ಸಿಂಡ್ರೋಮ್ ಎಂದರೇನು?' ಮೈನರ್ ಸುಮಾರು 4,000 ಸಿಂಪೋಸಿಯಂ ಭಾಗವಹಿಸುವವರಿಗೆ ಹೇಳಿದರು. ಕೆಲವೇ ಸೆಕೆಂಡುಗಳಲ್ಲಿ, ಹಲವಾರು ಪ್ಯಾರಾಗಳು ಕಾಣಿಸಿಕೊಂಡವು.
"ಅವರು ಒಳ್ಳೆಯವರು, ನಿಜವಾಗಿಯೂ ಒಳ್ಳೆಯವರು" ಎಂದು ಅವರು ಹೇಳಿದರು. "ಈ ಮಾಹಿತಿಯನ್ನು ರೋಗದ ಸಂಕ್ಷಿಪ್ತ, ಸಾಮಾನ್ಯವಾಗಿ ನಿಖರವಾದ ಮತ್ತು ಸ್ಪಷ್ಟವಾಗಿ ಆದ್ಯತೆಯ ವಿವರಣೆಯಾಗಿ ಸಂಕಲಿಸಲಾಗಿದೆ. ಇದು ಸಾಕಷ್ಟು ಗಮನಾರ್ಹವಾಗಿದೆ."
ಅರ್ಧ ದಿನದ ಕಾರ್ಯಕ್ರಮಕ್ಕಾಗಿ ಮೈನರ್ ಅವರ ಉತ್ಸಾಹವನ್ನು ಅನೇಕರು ಹಂಚಿಕೊಂಡರು, ಇದು RAISE ಹೆಲ್ತ್ ಉಪಕ್ರಮದ ಬೆಳವಣಿಗೆಯಾಗಿತ್ತು, ಇದು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್ ಮತ್ತು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಫಾರ್ ಹ್ಯೂಮನ್-ಸೆಂಟರ್ಡ್ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (HAI) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯನ್ನು ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದ ಯೋಜನೆಯಾಗಿದೆ. ಜೈವಿಕ ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆ, ಶಿಕ್ಷಣ ಮತ್ತು ರೋಗಿಗಳ ಆರೈಕೆಯಲ್ಲಿ ಬುದ್ಧಿಮತ್ತೆ. ವೈದ್ಯರು ಮತ್ತು ವಿಜ್ಞಾನಿಗಳಿಗೆ ಮಾತ್ರವಲ್ಲದೆ ರೋಗಿಗಳಿಗೆ ಪಾರದರ್ಶಕ, ನ್ಯಾಯಯುತ ಮತ್ತು ಸಮಾನವಾದ ರೀತಿಯಲ್ಲಿ ಔಷಧದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದರ ಅರ್ಥವೇನೆಂದು ಭಾಷಣಕಾರರು ಪರಿಶೀಲಿಸಿದರು.
"ಇದು ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೆಚ್ಚಿಸುವ ತಂತ್ರಜ್ಞಾನ ಎಂದು ನಾವು ನಂಬುತ್ತೇವೆ" ಎಂದು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಸ್ಕೂಲ್ ಆಫ್ ಎಂಜಿನಿಯರಿಂಗ್ನ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಪ್ರಾಧ್ಯಾಪಕಿ, RAISE ಹೆಲ್ತ್ ವಿತ್ ಮೈನರ್ ಯೋಜನೆಯ ನಿರ್ದೇಶಕಿ ಮತ್ತು HAI ನ ಸಹ-ನಿರ್ದೇಶಕಿ ಫೀ-ಫೀ ಲಿ ಹೇಳಿದರು. ಪೀಳಿಗೆಯಿಂದ ಪೀಳಿಗೆಗೆ, ಹೊಸ ತಂತ್ರಜ್ಞಾನಗಳು ಹೊರಹೊಮ್ಮಬಹುದು: ಪ್ರತಿಜೀವಕಗಳ ಹೊಸ ಆಣ್ವಿಕ ಅನುಕ್ರಮಗಳಿಂದ ಜೀವವೈವಿಧ್ಯವನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವವರೆಗೆ ಮತ್ತು ಮೂಲಭೂತ ಜೀವಶಾಸ್ತ್ರದ ಗುಪ್ತ ಭಾಗಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುವವರೆಗೆ, AI ವೈಜ್ಞಾನಿಕ ಆವಿಷ್ಕಾರವನ್ನು ವೇಗಗೊಳಿಸುತ್ತಿದೆ. ಆದರೆ ಇದೆಲ್ಲವೂ ಪ್ರಯೋಜನಕಾರಿಯಲ್ಲ. "ಈ ಎಲ್ಲಾ ಅನ್ವಯಿಕೆಗಳು ಅನಿರೀಕ್ಷಿತ ಪರಿಣಾಮಗಳನ್ನು ಬೀರಬಹುದು, ಮತ್ತು ವೈದ್ಯರು ಮತ್ತು ನೀತಿಶಾಸ್ತ್ರಜ್ಞರಿಂದ ಹಿಡಿದು ಭದ್ರತಾ ತಜ್ಞರವರೆಗೆ ಮತ್ತು ಅದಕ್ಕೂ ಮೀರಿದ ವಿವಿಧ ಪಾಲುದಾರರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ, ಜವಾಬ್ದಾರಿಯುತವಾಗಿ [ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ] ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಿಗಳು ನಮಗೆ ಅಗತ್ಯವಿದೆ" ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. "RAISE ಹೆಲ್ತ್ನಂತಹ ಉಪಕ್ರಮಗಳು ಇದಕ್ಕೆ ನಮ್ಮ ಬದ್ಧತೆಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತವೆ."
ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಮೆಡಿಸಿನ್ನ ಮೂರು ವಿಭಾಗಗಳಾದ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್, ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಹೆಲ್ತ್ ಕೇರ್ ಮತ್ತು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಚೈಲ್ಡ್ ಹೆಲ್ತ್ ಮೆಡಿಸಿನ್ಗಳ ಏಕೀಕರಣ ಮತ್ತು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಇತರ ಭಾಗಗಳೊಂದಿಗೆ ಅದರ ಸಂಪರ್ಕಗಳು ತಜ್ಞರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಭಿವೃದ್ಧಿಯೊಂದಿಗೆ ಹೋರಾಡುತ್ತಿರುವ ಸ್ಥಾನಕ್ಕೆ ತಂದಿವೆ. ಆರೋಗ್ಯ ರಕ್ಷಣೆ ಮತ್ತು ವೈದ್ಯಕೀಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ನಿರ್ವಹಣೆ ಮತ್ತು ಏಕೀಕರಣ ಸಮಸ್ಯೆಗಳು. ಮೆಡಿಸಿನ್, ಹಾಡು ಹಾಡಿತು.
"ಮೂಲಭೂತ ಜೈವಿಕ ಆವಿಷ್ಕಾರಗಳಿಂದ ಹಿಡಿದು ಔಷಧ ಅಭಿವೃದ್ಧಿಯನ್ನು ಸುಧಾರಿಸುವುದು ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ಪ್ರಯೋಗ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿಸುವುದು, ಆರೋಗ್ಯ ಸೇವೆಗಳ ನಿಜವಾದ ವಿತರಣೆಯವರೆಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಅನುಷ್ಠಾನದಲ್ಲಿ ನಾವು ಪ್ರವರ್ತಕರಾಗಲು ಉತ್ತಮ ಸ್ಥಾನದಲ್ಲಿದ್ದೇವೆ. ಆರೋಗ್ಯ ರಕ್ಷಣೆ. ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಾಪಿಸುವ ವಿಧಾನ," ಅವರು ಹೇಳಿದರು.
ಹಲವಾರು ಭಾಷಣಕಾರರು ಸರಳ ಪರಿಕಲ್ಪನೆಯನ್ನು ಒತ್ತಿ ಹೇಳಿದರು: ಬಳಕೆದಾರರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ (ಈ ಸಂದರ್ಭದಲ್ಲಿ, ರೋಗಿ ಅಥವಾ ವೈದ್ಯರು) ಮತ್ತು ಉಳಿದೆಲ್ಲವೂ ಅನುಸರಿಸುತ್ತದೆ. "ಇದು ನಾವು ಮಾಡುವ ಪ್ರತಿಯೊಂದರಲ್ಲೂ ರೋಗಿಯನ್ನು ಕೇಂದ್ರದಲ್ಲಿರಿಸುತ್ತದೆ" ಎಂದು ಬ್ರಿಗ್ಯಾಮ್ ಮತ್ತು ಮಹಿಳಾ ಆಸ್ಪತ್ರೆಯ ಬಯೋಎಥಿಕ್ಸ್ ನಿರ್ದೇಶಕಿ ಡಾ. ಲಿಸಾ ಲೆಹ್ಮನ್ ಹೇಳಿದರು. "ನಾವು ಅವರ ಅಗತ್ಯತೆಗಳು ಮತ್ತು ಆದ್ಯತೆಗಳನ್ನು ಪರಿಗಣಿಸಬೇಕಾಗಿದೆ."
ಎಡದಿಂದ ಬಲಕ್ಕೆ: STAT ನ್ಯೂಸ್ ನಿರೂಪಕಿ ಮೋಹನ ರವೀಂದ್ರನಾಥ್; ಮೈಕ್ರೋಸಾಫ್ಟ್ ರಿಸರ್ಚ್ನ ಜೆಸ್ಸಿಕಾ ಪೀಟರ್ ಲೀ; ಬಯೋಮೆಡಿಕಲ್ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರಾಧ್ಯಾಪಕಿ ಸಿಲ್ವಿಯಾ ಪ್ಲೆವ್ರಿಟಿಸ್, ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರವನ್ನು ಚರ್ಚಿಸುತ್ತಾರೆ. ಸ್ಟೀವ್ ಫಿಶ್
ಲೆಹ್ಮನ್, ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವೈದ್ಯಕೀಯ ಜೈವಿಕ ನೀತಿಶಾಸ್ತ್ರಜ್ಞ ಮಿಲ್ಡ್ರೆಡ್ ಚೋ, MD, ಮತ್ತು ಗೂಗಲ್ ಮುಖ್ಯ ಕ್ಲಿನಿಕಲ್ ಅಧಿಕಾರಿ ಮೈಕೆಲ್ ಹೋವೆಲ್, MD ಸೇರಿದಂತೆ ಸಮಿತಿಯಲ್ಲಿದ್ದ ಭಾಷಣಕಾರರು, ಆಸ್ಪತ್ರೆ ವ್ಯವಸ್ಥೆಗಳ ಸಂಕೀರ್ಣತೆಯನ್ನು ಗಮನಿಸಿದರು, ಯಾವುದೇ ಹಸ್ತಕ್ಷೇಪದ ಮೊದಲು ಅವುಗಳ ಉದ್ದೇಶವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಅಗತ್ಯವನ್ನು ಒತ್ತಿ ಹೇಳಿದರು. ಅದನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ ಮತ್ತು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಎಲ್ಲಾ ವ್ಯವಸ್ಥೆಗಳು ಎಲ್ಲರನ್ನೂ ಒಳಗೊಳ್ಳುವಂತೆ ನೋಡಿಕೊಳ್ಳಿ ಮತ್ತು ಅವರು ಸಹಾಯ ಮಾಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಜನರನ್ನು ಆಲಿಸಿ.
ಒಂದು ಪ್ರಮುಖ ಅಂಶವೆಂದರೆ ಪಾರದರ್ಶಕತೆ: ಇದು ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ತರಬೇತಿ ಮಾಡಲು ಬಳಸುವ ಡೇಟಾ ಎಲ್ಲಿಂದ ಬರುತ್ತದೆ, ಅಲ್ಗಾರಿದಮ್ನ ಮೂಲ ಉದ್ದೇಶವೇನು ಮತ್ತು ಭವಿಷ್ಯದ ರೋಗಿಯ ಡೇಟಾವು ಅಲ್ಗಾರಿದಮ್ ಕಲಿಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ, ಇತರ ಅಂಶಗಳ ಜೊತೆಗೆ.
"ನೈತಿಕ ಸಮಸ್ಯೆಗಳು ಗಂಭೀರವಾಗುವ ಮೊದಲು ಅವುಗಳನ್ನು ಊಹಿಸಲು ಪ್ರಯತ್ನಿಸುವುದು ಎಂದರೆ ತಂತ್ರಜ್ಞಾನದ ಬಗ್ಗೆ ಸಾಕಷ್ಟು ತಿಳಿದಿರುವ ಪರಿಪೂರ್ಣ ಸಿಹಿ ತಾಣವನ್ನು ಕಂಡುಕೊಳ್ಳುವುದು, ಅಲ್ಲಿ ನೀವು ಅದರಲ್ಲಿ ವಿಶ್ವಾಸ ಹೊಂದಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಆದರೆ [ಸಮಸ್ಯೆ] ಮತ್ತಷ್ಟು ಹರಡುವ ಮೊದಲು ಮತ್ತು ಅದನ್ನು ಬೇಗ ಪರಿಹರಿಸುವ ಮೊದಲು ಅಲ್ಲ." ಎಂದು ಡೆಂಟನ್ ಚಾರ್ ಹೇಳಿದರು. ವೈದ್ಯಕೀಯ ವಿಜ್ಞಾನಗಳ ಅಭ್ಯರ್ಥಿ, ಮಕ್ಕಳ ಅರಿವಳಿಕೆಶಾಸ್ತ್ರ, ಪೆರಿಯೊಪೆರೇಟಿವ್ ಮೆಡಿಸಿನ್ ಮತ್ತು ನೋವು ಔಷಧ ವಿಭಾಗದ ಅಸೋಸಿಯೇಟ್ ಪ್ರೊಫೆಸರ್. ತಂತ್ರಜ್ಞಾನದಿಂದ ಪ್ರಭಾವಿತರಾಗಬಹುದಾದ ಎಲ್ಲಾ ಪಾಲುದಾರರನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ಅವರು ಆ ಪ್ರಶ್ನೆಗಳಿಗೆ ಹೇಗೆ ಉತ್ತರಿಸಲು ಬಯಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದು ಒಂದು ಪ್ರಮುಖ ಹೆಜ್ಜೆ ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ.
ಅಮೇರಿಕನ್ ಮೆಡಿಕಲ್ ಅಸೋಸಿಯೇಷನ್ನ ಅಧ್ಯಕ್ಷರಾದ ಜೆಸ್ಸಿ ಎಹ್ರೆನ್ಫೆಲ್ಡ್, MD, ಯಾವುದೇ ಡಿಜಿಟಲ್ ಆರೋಗ್ಯ ಸಾಧನವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಲು ಕಾರಣವಾಗುವ ನಾಲ್ಕು ಅಂಶಗಳನ್ನು ಚರ್ಚಿಸುತ್ತಾರೆ, ಅವುಗಳಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ನಡೆಸಲ್ಪಡುವ ಸಾಧನಗಳೂ ಸೇರಿವೆ. ಇದು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆಯೇ? ಇದು ನನ್ನ ಸಂಸ್ಥೆಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆಯೇ? ಯಾರು ಪಾವತಿಸುತ್ತಾರೆ? ಯಾರು ಜವಾಬ್ದಾರರು?
ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಹೆಲ್ತ್ ಕೇರ್ನ ಮುಖ್ಯ ಮಾಹಿತಿ ಅಧಿಕಾರಿ ಮೈಕೆಲ್ ಪ್ಫೆಫರ್, ಇತ್ತೀಚಿನ ಉದಾಹರಣೆಯನ್ನು ಉಲ್ಲೇಖಿಸಿದ್ದಾರೆ, ಇದರಲ್ಲಿ ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಆಸ್ಪತ್ರೆಗಳಲ್ಲಿ ದಾದಿಯರಲ್ಲಿ ಅನೇಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲಾಯಿತು. ಒಳಬರುವ ರೋಗಿಗಳ ಸಂದೇಶಗಳಿಗೆ ಆರಂಭಿಕ ಟಿಪ್ಪಣಿಗಳನ್ನು ಒದಗಿಸುವ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳಿಂದ ವೈದ್ಯರಿಗೆ ಬೆಂಬಲವಿದೆ. ಯೋಜನೆಯು ಪರಿಪೂರ್ಣವಾಗಿಲ್ಲದಿದ್ದರೂ, ತಂತ್ರಜ್ಞಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಹಾಯ ಮಾಡಿದ ವೈದ್ಯರು ಮಾದರಿಯು ಅವರ ಕೆಲಸದ ಹೊರೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಎಂದು ವರದಿ ಮಾಡಿದ್ದಾರೆ.
"ನಾವು ಯಾವಾಗಲೂ ಮೂರು ಪ್ರಮುಖ ವಿಷಯಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ: ಸುರಕ್ಷತೆ, ದಕ್ಷತೆ ಮತ್ತು ಸೇರ್ಪಡೆ. ನಾವು ವೈದ್ಯರು. "ಯಾವುದೇ ಹಾನಿ ಮಾಡಬೇಡಿ" ಎಂದು ನಾವು ಪ್ರತಿಜ್ಞೆ ಮಾಡುತ್ತೇವೆ" ಎಂದು ಚಾರ್ ಮತ್ತು ಪ್ಫೆಫರ್ ಗುಂಪಿಗೆ ಸೇರಿದ ಮನೋವೈದ್ಯಶಾಸ್ತ್ರ ಮತ್ತು ವರ್ತನೆಯ ವಿಜ್ಞಾನಗಳ ಕ್ಲಿನಿಕಲ್ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕಿ ನೀನಾ ವಾಸನ್ ಹೇಳಿದರು. "ಈ ಪರಿಕರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಇದು ಮೊದಲ ಮಾರ್ಗವಾಗಿರಬೇಕು."
ನಿಗಮ್ ಶಾ, ಎಂಬಿಬಿಎಸ್, ಪಿಎಚ್ಡಿ., ವೈದ್ಯಕೀಯ ಮತ್ತು ಬಯೋಮೆಡಿಕಲ್ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರಾಧ್ಯಾಪಕರು, ಪ್ರೇಕ್ಷಕರಿಗೆ ನ್ಯಾಯಯುತ ಎಚ್ಚರಿಕೆಯ ಹೊರತಾಗಿಯೂ ಆಘಾತಕಾರಿ ಅಂಕಿ ಅಂಶದೊಂದಿಗೆ ಚರ್ಚೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿದರು. "ನಾನು ಸಾಮಾನ್ಯ ಪದಗಳು ಮತ್ತು ಸಂಖ್ಯೆಗಳಲ್ಲಿ ಮಾತನಾಡುತ್ತೇನೆ, ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಅವು ತುಂಬಾ ನೇರವಾಗಿರುತ್ತವೆ" ಎಂದು ಅವರು ಹೇಳಿದರು.
ಷಾ ಅವರ ಪ್ರಕಾರ, AI ಯ ಯಶಸ್ಸು ಅದನ್ನು ಅಳೆಯುವ ನಮ್ಮ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. "ಒಂದು ಮಾದರಿಯಲ್ಲಿ ಸರಿಯಾದ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆ ಮಾಡಲು ಸುಮಾರು 10 ವರ್ಷಗಳು ಬೇಕಾಗುತ್ತದೆ, ಮತ್ತು 123 ಫೆಲೋಶಿಪ್ ಮತ್ತು ರೆಸಿಡೆನ್ಸಿ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದೂ ಮಾದರಿಯನ್ನು ಆ ಮಟ್ಟದ ಕಠಿಣತೆಗೆ ಪರೀಕ್ಷಿಸಲು ಮತ್ತು ನಿಯೋಜಿಸಲು ಬಯಸಿದರೆ, ನಾವು ಪ್ರಸ್ತುತ ನಮ್ಮ ಪ್ರಯತ್ನಗಳನ್ನು ಸಂಘಟಿಸಿ [ಪರೀಕ್ಷೆ]] ನಮ್ಮ ಪ್ರತಿಯೊಂದು ಸೈಟ್ ಸರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆಯೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು $138 ಬಿಲಿಯನ್ ವೆಚ್ಚವಾಗುತ್ತದೆ ಎಂದು ಸರಿಯಾದ ವಿಜ್ಞಾನವನ್ನು ಮಾಡುವುದು ತುಂಬಾ ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ" ಎಂದು ಶಾ ಹೇಳಿದರು. "ನಾವು ಇದನ್ನು ಭರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಆದ್ದರಿಂದ ನಾವು ವಿಸ್ತರಿಸಲು ಒಂದು ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಳ್ಳಬೇಕು, ಮತ್ತು ನಾವು ವಿಸ್ತರಿಸಬೇಕು ಮತ್ತು ಉತ್ತಮ ವಿಜ್ಞಾನವನ್ನು ಮಾಡಬೇಕಾಗಿದೆ. ಕಠಿಣ ಕೌಶಲ್ಯಗಳು ಒಂದು ಸ್ಥಳದಲ್ಲಿವೆ ಮತ್ತು ಸ್ಕೇಲಿಂಗ್ ಕೌಶಲ್ಯಗಳು ಇನ್ನೊಂದು ಸ್ಥಳದಲ್ಲಿವೆ, ಆದ್ದರಿಂದ ನಮಗೆ ಆ ರೀತಿಯ ಪಾಲುದಾರಿಕೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ."
ಅಸೋಸಿಯೇಟ್ ಡೀನ್ ಯುವಾನ್ ಆಶ್ಲೇ ಮತ್ತು ಮಿಲ್ಡ್ರೆಡ್ ಚೋ (ಸ್ವಾಗತ) RAISE ಆರೋಗ್ಯ ಕಾರ್ಯಾಗಾರದಲ್ಲಿ ಭಾಗವಹಿಸಿದ್ದರು. ಸ್ಟೀವ್ ಫಿಶ್
ಸಿಂಪೋಸಿಯಂನಲ್ಲಿ ಕೆಲವು ಭಾಷಣಕಾರರು ಇದನ್ನು ಸಾರ್ವಜನಿಕ-ಖಾಸಗಿ ಪಾಲುದಾರಿಕೆಗಳ ಮೂಲಕ ಸಾಧಿಸಬಹುದು ಎಂದು ಹೇಳಿದರು, ಉದಾಹರಣೆಗೆ ಇತ್ತೀಚಿನ ಶ್ವೇತಭವನದ ಸುರಕ್ಷಿತ, ಸುರಕ್ಷಿತ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆಯ ಕಾರ್ಯನಿರ್ವಾಹಕ ಆದೇಶ ಮತ್ತು ಆರೋಗ್ಯ ರಕ್ಷಣಾ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಾಗಿ ಒಕ್ಕೂಟ (CHAI).
"ಸಾರ್ವಜನಿಕ-ಖಾಸಗಿ ಪಾಲುದಾರಿಕೆಯು ಶೈಕ್ಷಣಿಕ, ಖಾಸಗಿ ವಲಯ ಮತ್ತು ಸಾರ್ವಜನಿಕ ವಲಯದ ನಡುವಿನ ಒಂದು ದೊಡ್ಡ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ" ಎಂದು ನ್ಯಾಷನಲ್ ಅಕಾಡೆಮಿ ಆಫ್ ಮೆಡಿಸಿನ್ನ ಹಿರಿಯ ಸಲಹೆಗಾರ್ತಿ ಲಾರಾ ಆಡಮ್ಸ್ ಹೇಳಿದರು. ಸರ್ಕಾರವು ಸಾರ್ವಜನಿಕ ವಿಶ್ವಾಸವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು ಮತ್ತು ಶೈಕ್ಷಣಿಕ ವೈದ್ಯಕೀಯ ಕೇಂದ್ರಗಳು ಕಾನೂನುಬದ್ಧತೆಯನ್ನು ಒದಗಿಸಬಹುದು ಮತ್ತು ತಾಂತ್ರಿಕ ಪರಿಣತಿ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಸಮಯವನ್ನು ಖಾಸಗಿ ವಲಯವು ಒದಗಿಸಬಹುದು ಎಂದು ಅವರು ಗಮನಿಸಿದರು. "ನಾವೆಲ್ಲರೂ ನಮ್ಮಲ್ಲಿ ಯಾರಿಗಿಂತ ಉತ್ತಮರು, ಮತ್ತು ನಾವು ಅದನ್ನು ಗುರುತಿಸುತ್ತೇವೆ ... ನಾವು ಪರಸ್ಪರ ಹೇಗೆ ಸಂವಹನ ನಡೆಸಬೇಕೆಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದ ಹೊರತು [ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ] ಸಾಮರ್ಥ್ಯವನ್ನು ಅರಿತುಕೊಳ್ಳಲು ನಾವು ಪ್ರಾರ್ಥಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ."
ವಿಜ್ಞಾನಿಗಳು ಜೈವಿಕ ಸಿದ್ಧಾಂತವನ್ನು ಅನ್ವೇಷಿಸಲು, ಹೊಸ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಸಂಶ್ಲೇಷಿತ ಅಣುಗಳ ಹೊಸ ಅನುಕ್ರಮಗಳು ಮತ್ತು ರಚನೆಗಳನ್ನು ಊಹಿಸಲು ಅಥವಾ ವೈಜ್ಞಾನಿಕ ಪ್ರಬಂಧಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲು ಅಥವಾ ಬರೆಯಲು ಸಹಾಯ ಮಾಡಲು AI ಸಂಶೋಧನೆಯ ಮೇಲೂ ಪರಿಣಾಮ ಬೀರುತ್ತಿದೆ ಎಂದು ಹಲವಾರು ಭಾಷಣಕಾರರು ಹೇಳಿದರು.
"ಇದು ಅಜ್ಞಾತವನ್ನು ನೋಡಲು ಒಂದು ಅವಕಾಶ" ಎಂದು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್ನ ಹೃದ್ರೋಗ ತಜ್ಞೆ ಮತ್ತು ಆಲ್ಫಾಬೆಟ್ನ ವೆರಿಲಿಯ ಸಹ-ಸಂಸ್ಥಾಪಕಿ ಜೆಸ್ಸಿಕಾ ಮೆಗಾ ಹೇಳಿದರು. ಮೆಗಾ ಹೈಪರ್ಸ್ಪೆಕ್ಟ್ರಲ್ ಇಮೇಜಿಂಗ್ ಅನ್ನು ಉಲ್ಲೇಖಿಸಿದ್ದಾರೆ, ಇದು ಮಾನವ ಕಣ್ಣಿಗೆ ಕಾಣದ ಚಿತ್ರ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಮಾನವರು ನೋಡದ ರೋಗಶಾಸ್ತ್ರ ಸ್ಲೈಡ್ಗಳಲ್ಲಿನ ಮಾದರಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ, ಅದು ರೋಗವನ್ನು ಸೂಚಿಸುತ್ತದೆ. "ಜನರು ಅಜ್ಞಾತವನ್ನು ಸ್ವೀಕರಿಸಲು ನಾನು ಪ್ರೋತ್ಸಾಹಿಸುತ್ತೇನೆ. ಇಂದು ನಾವು ಒದಗಿಸಬಹುದಾದದ್ದನ್ನು ಮೀರಿ ಏನಾದರೂ ಅಗತ್ಯವಿರುವ ಕೆಲವು ರೀತಿಯ ವೈದ್ಯಕೀಯ ಸ್ಥಿತಿಯನ್ನು ಹೊಂದಿರುವ ಯಾರಾದರೂ ಇಲ್ಲಿದ್ದಾರೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ" ಎಂದು ಮೆಜಿಯಾ ಹೇಳಿದರು.
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳು ಪಕ್ಷಪಾತದ ಮೂಲವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ, ಮಾನವರು ಅಥವಾ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಮಾಡಲ್ಪಟ್ಟ ಪಕ್ಷಪಾತದ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಎದುರಿಸಲು ಹೊಸ ಮಾರ್ಗಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ ಎಂದು ಸಮಿತಿ ಸದಸ್ಯರು ಒಪ್ಪಿಕೊಂಡರು.
"ಆರೋಗ್ಯವು ಕೇವಲ ವೈದ್ಯಕೀಯ ಆರೈಕೆಗಿಂತ ಹೆಚ್ಚಿನದಾಗಿದೆ" ಎಂದು ಹಲವಾರು ಪ್ಯಾನೆಲಿಸ್ಟ್ಗಳು ಒಪ್ಪಿಕೊಂಡರು. ಸಂಶೋಧಕರು ಸಾಮಾನ್ಯವಾಗಿ ಸಾಮಾಜಿಕ ಆರ್ಥಿಕ ಸ್ಥಿತಿ, ಪಿನ್ ಕೋಡ್, ಶಿಕ್ಷಣ ಮಟ್ಟ ಮತ್ತು ಜನಾಂಗ ಮತ್ತು ಜನಾಂಗೀಯತೆಯಂತಹ ಆರೋಗ್ಯದ ಸಾಮಾಜಿಕ ನಿರ್ಣಾಯಕ ಅಂಶಗಳನ್ನು ಕಡೆಗಣಿಸುತ್ತಾರೆ ಎಂದು ಭಾಷಣಕಾರರು ಒತ್ತಿ ಹೇಳಿದರು. "ಮಾದರಿ ತರಬೇತಿ ಪಡೆದ ಡೇಟಾದಷ್ಟೇ AI ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ" ಎಂದು ಹಾರ್ವರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಾಂಕ್ರಾಮಿಕ ರೋಗಶಾಸ್ತ್ರದ ಪ್ರಾಧ್ಯಾಪಕ ಮತ್ತು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವೈದ್ಯಕೀಯ ಶಾಲೆಯ ಸಾಂಕ್ರಾಮಿಕ ರೋಗಶಾಸ್ತ್ರ ಮತ್ತು ಜನಸಂಖ್ಯಾ ಆರೋಗ್ಯದ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕ ಮಿಚೆಲ್ ವಿಲಿಯಮ್ಸ್ ಹೇಳಿದರು. "ನಾವು ಮಾಡಲು ಶ್ರಮಿಸುತ್ತಿರುವುದನ್ನು ಮಾಡಿದರೆ: ಆರೋಗ್ಯ ಫಲಿತಾಂಶಗಳನ್ನು ಸುಧಾರಿಸಿ ಮತ್ತು ಅಸಮಾನತೆಗಳನ್ನು ನಿವಾರಿಸಿ, ಮಾನವ ನಡವಳಿಕೆ ಮತ್ತು ಸಾಮಾಜಿಕ ಮತ್ತು ನೈಸರ್ಗಿಕ ಪರಿಸರದ ಕುರಿತು ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದನ್ನು ನಾವು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬೇಕು."
ಪೀಡಿಯಾಟ್ರಿಕ್ಸ್ ಮತ್ತು ಮೆಡಿಸಿನ್ನ ಕ್ಲಿನಿಕಲ್ ಪ್ರೊಫೆಸರ್ ಆಗಿರುವ ನಟಾಲಿ ಪೇಜ್ಲರ್, ಒಟ್ಟುಗೂಡಿದ ಕ್ಯಾನ್ಸರ್ ದತ್ತಾಂಶವು ಹೆಚ್ಚಾಗಿ ಗರ್ಭಿಣಿ ಮಹಿಳೆಯರ ಡೇಟಾವನ್ನು ಹೊರಗಿಡುತ್ತದೆ, ಮಾದರಿಗಳಲ್ಲಿ ಅನಿವಾರ್ಯ ಪಕ್ಷಪಾತಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ ಮತ್ತು ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅಸಮಾನತೆಗಳನ್ನು ಉಲ್ಬಣಗೊಳಿಸುತ್ತದೆ ಎಂದು ಹೇಳಿದರು.
ಮಕ್ಕಳ ವೈದ್ಯಶಾಸ್ತ್ರ ಮತ್ತು ವೈದ್ಯಕೀಯ ಪ್ರಾಧ್ಯಾಪಕರಾದ ಡಾ. ಡೇವಿಡ್ ಮ್ಯಾಗ್ನಸ್, ಯಾವುದೇ ಹೊಸ ತಂತ್ರಜ್ಞಾನದಂತೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವಿಷಯಗಳನ್ನು ಹಲವು ವಿಧಗಳಲ್ಲಿ ಉತ್ತಮಗೊಳಿಸಬಹುದು ಅಥವಾ ಅವುಗಳನ್ನು ಇನ್ನಷ್ಟು ಹದಗೆಡಿಸಬಹುದು ಎಂದು ಹೇಳಿದರು. ಅಪಾಯವೆಂದರೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳು ಆರೋಗ್ಯದ ಸಾಮಾಜಿಕ ನಿರ್ಣಾಯಕರಿಂದ ನಡೆಸಲ್ಪಡುವ ಅಸಮಾನ ಆರೋಗ್ಯ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆ ಕಲಿಯುತ್ತವೆ ಮತ್ತು ಆ ಫಲಿತಾಂಶಗಳನ್ನು ಅವುಗಳ ಉತ್ಪಾದನೆಯ ಮೂಲಕ ಬಲಪಡಿಸುತ್ತವೆ ಎಂದು ಮ್ಯಾಗ್ನಸ್ ಹೇಳಿದರು. "ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನಾವು ವಾಸಿಸುವ ಸಮಾಜವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಕನ್ನಡಿಯಾಗಿದೆ" ಎಂದು ಅವರು ಹೇಳಿದರು. "ನಮಗೆ ಒಂದು ವಿಷಯದ ಬಗ್ಗೆ ಬೆಳಕು ಚೆಲ್ಲುವ ಅವಕಾಶ ಸಿಕ್ಕಾಗಲೆಲ್ಲಾ - ನಮ್ಮನ್ನು ನಾವೇ ಕನ್ನಡಿಯಲ್ಲಿ ಹಿಡಿದುಕೊಳ್ಳಲು - ಅದು ಪರಿಸ್ಥಿತಿಯನ್ನು ಸುಧಾರಿಸಲು ಪ್ರೇರಣೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ."
ನೀವು RAISE ಆರೋಗ್ಯ ಕಾರ್ಯಾಗಾರಕ್ಕೆ ಹಾಜರಾಗಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ಅಧಿವೇಶನದ ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ಇಲ್ಲಿ ಕಾಣಬಹುದು.
ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್ ಒಂದು ಸಂಯೋಜಿತ ಶೈಕ್ಷಣಿಕ ಆರೋಗ್ಯ ರಕ್ಷಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿದ್ದು, ಇದು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಸ್ಕೂಲ್ ಆಫ್ ಮೆಡಿಸಿನ್ ಮತ್ತು ವಯಸ್ಕ ಮತ್ತು ಮಕ್ಕಳ ಆರೋಗ್ಯ ರಕ್ಷಣಾ ವಿತರಣಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಸಹಯೋಗದ ಸಂಶೋಧನೆ, ಶಿಕ್ಷಣ ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ರೋಗಿಯ ಆರೈಕೆಯ ಮೂಲಕ ಅವರು ಒಟ್ಟಾಗಿ ಬಯೋಮೆಡಿಸಿನ್ನ ಸಂಪೂರ್ಣ ಸಾಮರ್ಥ್ಯವನ್ನು ಅರಿತುಕೊಳ್ಳುತ್ತಾರೆ. ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, med.stanford.edu ಗೆ ಭೇಟಿ ನೀಡಿ.
ಹೊಸ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮಾದರಿಯು ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಆಸ್ಪತ್ರೆಯ ವೈದ್ಯರು ಮತ್ತು ದಾದಿಯರು ರೋಗಿಗಳ ಆರೈಕೆಯನ್ನು ಸುಧಾರಿಸಲು ಒಟ್ಟಾಗಿ ಕೆಲಸ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತಿದೆ.
ಪೋಸ್ಟ್ ಸಮಯ: ಜುಲೈ-19-2024