yangiliklar

IBM Watson 2007 yilda ish boshlaganidan beri odamlar tibbiy sun'iy intellektni (AI) rivojlantirish ustida doimiy ravishda harakat qilmoqdalar. Foydalanishga yaroqli va kuchli tibbiy AI tizimi zamonaviy tibbiyotning barcha jabhalarini qayta shakllantirish, yanada oqilona, ​​aniqroq, samarali va inklyuziv yordam ko'rsatish, tibbiyot xodimlari va bemorlarning farovonligini ta'minlash va shu orqali inson salomatligini sezilarli darajada yaxshilash uchun ulkan salohiyatga ega. So'nggi 16 yil ichida tibbiy sun'iy intellekt bo'yicha tadqiqotchilar turli kichik sohalarda to'plangan bo'lsa-da, hozirgi bosqichda ular ilmiy fantastikani haqiqatga keltira olishmadi.

Bu yil ChatGPT kabi AI texnologiyasining inqilobiy rivojlanishi bilan tibbiy AI ko'p jihatdan katta muvaffaqiyatlarga erishdi. Tibbiy AI qobiliyatida misli ko'rilmagan yutuq: Nature jurnali tibbiy katta til modeli va tibbiy tasvirning asosiy modelini doimiy ravishda tadqiq qilishni boshladi; Google Med-PaLM va uning vorisi amerikalik shifokor imtihon savollari bo'yicha ekspert darajasiga yetib boradi. Yirik ilmiy jurnallar tibbiy AIga e'tibor qaratadi: Tabiat umumiy tibbiy AIning asosiy modeli bo'yicha dunyoqarashni e'lon qiladi; Shu yil boshida Tibbiyotda AI haqidagi bir qator sharhlardan so'ng, New England Journal of Medicine (NEJM) o'zining birinchi raqamli sog'liqni saqlash sharhini 30-noyabrda e'lon qildi va 12 dekabrda NEJM subjurnalining NEJM AI birinchi sonini chiqardi. Tibbiy AI qo'nish tuproqlari yanada etuk: JAMA subjurnal tibbiy tasvir ma'lumotlarini almashish tashabbusini chop etdi; AQSh oziq-ovqat va farmatsevtika idorasi (FDA) tibbiy AIni tartibga solish bo'yicha ko'rsatmalar loyihasini ishlab chiqmoqda.

Quyida biz butun dunyo boʻylab tadqiqotchilar 2023 yilda foydalanishga yaroqli tibbiy AI yoʻnalishida erishgan muhim yutuqlarni koʻrib chiqamiz.

Tibbiy AI asosiy modeli

Tibbiy sun'iy intellektning asosiy modelini qurish, shubhasiz, bu yilgi tadqiqotning eng qizg'in yo'nalishidir. Nature jurnallarida yil davomida sog'liqni saqlashning Universal Basic modeli va sog'liqni saqlashning katta til modeli haqida sharh maqolalari chop etildi. Tibbiy imidj tahlili, sanoatning eng yaxshi jurnali tibbiy tasvirni tahlil qilishda asosiy model tadqiqotining qiyinchiliklari va imkoniyatlarini ko'rib chiqdi va kutdi va tibbiy AIning asosiy modelini tadqiq qilishni umumlashtirish va rivojlantirish uchun "asosiy modelning nasl-nasabi" kontseptsiyasini taklif qildi. Sog'liqni saqlash uchun asosiy AI modellarining kelajagi aniq bo'lib bormoqda. ChatGPT kabi yirik til modellarining muvaffaqiyatli namunalariga tayanib, o'z-o'zidan boshqariladigan o'qitishdan oldin ilg'or usullardan va o'quv ma'lumotlarining keng to'planishidan foydalangan holda, tibbiy sun'iy intellekt sohasidagi tadqiqotchilar 1) kasalliklarga xos bazaviy modellar, 2) umumiy bazaviy modellar va 3) keng imkoniyatlar va super parametrlar bilan birlashtirilgan multimodal katta modellarni yaratishga harakat qilmoqdalar.

Tibbiy ma'lumotlarni yig'ish AI modeli

Pastki oqimdagi klinik ma'lumotlarni tahlil qilish vazifalarida katta rol o'ynaydigan yirik AI modellariga qo'shimcha ravishda, yuqoridagi klinik ma'lumotlarni yig'ishda generativ AI modellari bilan ifodalangan texnologiya ham paydo bo'ldi. Ma'lumotlarni yig'ish jarayoni, tezligi va sifati AI algoritmlari yordamida sezilarli darajada yaxshilanishi mumkin.

Joriy yilning boshida Nature Biomedical Engineering Turkiyaning Straits universiteti tomonidan klinik ilovalarda patologik tasvir yordamida tashxis qoʻyish muammosini hal qilish uchun generativ AIdan foydalanishga qaratilgan tadqiqotini chop etdi. Jarrohlik paytida muzlatilgan qism to'qimalaridagi artefaktlar tezkor diagnostik baholashga to'sqinlik qiladi. Formalin va kerosin o'rnatilgan (FFPE) to'qimalari yuqori sifatli namunani ta'minlasa-da, uni ishlab chiqarish jarayoni ko'p vaqt talab etadi va ko'pincha 12-48 soat davom etadi, shuning uchun uni jarrohlikda ishlatish uchun yaroqsiz qiladi. Shuning uchun tadqiqot guruhi muzlatilgan qismdagi to'qimalarning ko'rinishini FFPEga o'xshash qilib qo'yishi mumkin bo'lgan AI-FFPE deb nomlangan algoritmni taklif qildi. Algoritm muzlatilgan qismlarning artefaktlarini muvaffaqiyatli tuzatdi, tasvir sifatini yaxshiladi va bir vaqtning o'zida klinik ahamiyatga ega xususiyatlarni saqlab qoldi. Klinik tekshirishda AI-FFPE algoritmi o'sma subtiplari bo'yicha patologlarning diagnostika aniqligini sezilarli darajada yaxshilaydi, shu bilan birga klinik tashxis vaqtini sezilarli darajada qisqartiradi.

Cell Reports Medicine, Jilin universitetining Uchinchi klinik kolleji, radiologiya bo'limi, Fudan universitetiga qarashli Zhongshan kasalxonasi va Shanxay fan va texnologiya universiteti [25] jamoasi tomonidan olib borilgan tadqiqot ishlari haqida xabar beradi. Ushbu tadqiqot tezkor MRI, past dozali KT va tezkor PETda tasvirni qayta tiklashning ajoyib samaradorligini ko'rsatadigan yuqori ko'p qirrali va moslashuvchanlikka ega umumiy maqsadli chuqur o'rganish va iterativ rekonstruksiya termoyadroviy asosini (Gybrid DL-IR) taklif qiladi. Algoritm MR Yagona organli ko'p ketma-ketlikli skanerlashni 100 soniyada amalga oshirishi, radiatsiya dozasini KT tasvirining atigi 10% gacha kamaytirishi va shovqinni yo'qotishi mumkin va PETni olishdan kichik jarohatlarni 2-4 marta tezlashtirish bilan qayta qurishi mumkin, shu bilan birga harakat artefaktlarining ta'sirini kamaytiradi.

Tibbiyot xodimlari bilan hamkorlikda tibbiy AI

Tibbiy sun'iy intellektning jadal rivojlanishi tibbiyot mutaxassislarini klinik jarayonlarni yaxshilash uchun sun'iy intellekt bilan qanday hamkorlik qilishni jiddiy ko'rib chiqishga va o'rganishga ham olib keldi. Joriy yilning iyul oyida DeepMind va ko‘p institutsional tadqiqot guruhi birgalikda qo‘shimcha boshqariladigan klinik ish oqimining kechikishi (CoDoC) deb nomlangan AI tizimini taklif qilishdi. Diagnostika jarayoni birinchi navbatda bashoratli AI tizimi tomonidan tashxis qilinadi, so'ngra boshqa AI tizimi tomonidan avvalgi natija bo'yicha baholanadi va agar shubha mavjud bo'lsa, tashxis aniqligi va muvozanat samaradorligini oshirish uchun nihoyat klinisyen tomonidan tashxis qo'yiladi. Ko'krak bezi saratoni skriningi haqida gap ketganda, CoDoC xuddi shunday noto'g'ri salbiy ko'rsatkich bilan yolg'on musbat stavkalarni 25% ga kamaytirdi, ayni paytda Buyuk Britaniyadagi joriy "ikki marta o'qilgan arbitraj" jarayoniga nisbatan klinisyenlarning ish yukini 66% ga kamaytirdi. Sil kasalligi tasnifi nuqtai nazaridan, yolg'on ijobiy stavkalar mustaqil AI va klinik ish oqimlari bilan solishtirganda bir xil noto'g'ri salbiy ko'rsatkich bilan 5 dan 15 foizga kamaydi.

Xuddi shunday, Buyuk Britaniyaning London shahridagi Kheiron kompaniyasidan Enni Y. Ng va boshq., ikki marta o'qilgan hakamlik jarayonida hech qanday eslab qolish natijalari bo'lmaganda natijalarni qayta tekshirish uchun qo'shimcha AI o'quvchilarini (inson tekshiruvchilari bilan hamkorlikda) taqdim etdi, bu ko'krak bezi saratonini erta tekshirishda o'tkazib yuborilgan aniqlash muammosini yaxshiladi va jarayon deyarli hech qanday noto'g'ri ijobiy natija bermadi. Texas universiteti MakGovern tibbiyot fakulteti jamoasi boshchiligidagi va to'rtta insult markazida yakunlangan yana bir tadqiqotda yirik qon tomir okklyuziv ishemik insultni (LVO) aniqlashni avtomatlashtirish uchun kompyuter tomografiyasi angiografiyasi (CTA) asosidagi AI texnologiyasi qo'llanildi. Klinisyenlar va rentgenologlar kompyuter tomografiyasi tugallangandan so'ng bir necha daqiqa ichida o'zlarining mobil telefonlariga real vaqt rejimida LVO mavjudligi haqida xabar berishadi. Ushbu AI jarayoni o'tkir ishemik insult uchun shifoxona ichidagi ish jarayonlarini yaxshilaydi, qabul qilishdan davolanishgacha bo'lgan vaqtni qisqartiradi va muvaffaqiyatli qutqarish uchun imkoniyatlar yaratadi. Topilmalar JAMA Neurology jurnalida chop etilgan.

Umumjahon foyda uchun AI sog'liqni saqlash modeli

2023-yilda inson ko‘ziga ko‘rinmaydigan xususiyatlarni osonroq mavjud bo‘lgan ma’lumotlardan topish uchun tibbiy sun’iy intellektdan foydalanadigan ko‘plab yaxshi ishlar bo‘ladi, bu universal diagnostika va miqyosda erta tekshirish imkonini beradi. Yil boshida Nature Medicine, Sun Yat-sen universitetining Zhongshan ko'z markazi va Fujian tibbiyot universitetining ikkinchi filiali kasalxonasi tomonidan olib borilgan tadqiqotlarni nashr etdi. Smartfonlarni ilovalar terminali sifatida ishlatib, ular bolalarning nigohini uyg'otish va bolalarning nigohi xatti-harakati va yuz xususiyatlarini qayd etish uchun multfilmga o'xshash video tasvirlardan foydalanishdi va chuqur o'rganish modellari yordamida 16 ta ko'z kasalliklarini, shu jumladan tug'ma katarakta, tug'ma ptozis va tug'ma glaukomani o'rtacha skrining aniqligi85 dan ko'proq muvaffaqiyatli aniqlash uchun g'ayritabiiy modellarni tahlil qilishdi. Bu chaqaloqlarning ko'rish funktsiyasining buzilishi va ular bilan bog'liq bo'lgan ko'z kasalliklarini keng ko'lamli erta skrining uchun samarali va ommalashtirish oson texnik vositalarni taqdim etadi.

Yil oxirida Nature Medicine butun dunyo bo'ylab 10 dan ortiq tibbiyot va tadqiqot muassasalari, jumladan Shanxay oshqozon osti bezi kasalliklari instituti va Zhejiang universitetining birinchi filiali kasalxonasi tomonidan amalga oshirilgan ishlar haqida xabar berdi. Muallif me'da osti bezi saratonini samarali va invaziv bo'lmagan erta aniqlashga erishish uchun yalang'och ko'z bilan aniqlash qiyin bo'lgan oddiy skanlangan KT tasvirlarida lezyon xususiyatlarini aniqlash uchun fizika tekshiruv markazlarida, shifoxonalarda va hokazolarda asemptomatik odamlarning oshqozon osti bezi saratoni skriningiga AIni qo'llagan. 20 000 dan ortiq bemorlarning ma'lumotlarini ko'rib chiqishda, model shuningdek, klinik natijalarni sezilarli darajada yaxshilagan 31 ta klinik o'tkazib yuborilgan lezyonlarni aniqladi.

Tibbiy ma'lumotlarni almashish

2023 yilda butun dunyo bo'ylab ma'lumotlar maxfiyligi va xavfsizligini himoya qilish asosida ko'p markazli hamkorlik va ma'lumotlar ochiqligini ta'minlovchi yana ko'plab mukammal ma'lumotlarni almashish mexanizmlari va muvaffaqiyatli holatlar paydo bo'ldi.

Birinchidan, AI texnologiyasining o'zi yordamida AI tadqiqotchilari tibbiy ma'lumotlar almashishga hissa qo'shdilar. Qo'shma Shtatlardagi Rutgers universitetidan Qi Chang va boshqalar Nature Communications jurnalida maqola chop etishdi, u ko'p markazlarning maxsus yaratilgan ma'lumotlarini o'rgatish uchun generativ AIdan foydalanadigan, so'ngra ko'p markazlarning haqiqiy ma'lumotlarini ishlab chiqarilgan ma'lumotlar bilan almashtiradigan taqsimlangan sintetik raqib tarmoqlariga asoslangan DSL federal ta'lim tizimini taklif qilishdi. Ma'lumotlar maxfiyligini himoya qilishda ko'p markazli katta ma'lumotlarga asoslangan sun'iy intellektni o'qitishni ta'minlang. Xuddi shu jamoa, shuningdek, yaratilgan patologik tasvirlar va ularning tegishli izohlari to'plamini ochadi. Yaratilgan ma'lumotlar to'plamida o'qitilgan segmentatsiya modeli haqiqiy ma'lumotlarga o'xshash natijalarga erishishi mumkin.

Tsinghua universitetidan Dai Qionghai jamoasi npj Digital Health bo'yicha maqola chop etib, mahalliy ma'lumotlar suvereniteti va saytlararo tarmoq ulanishisiz AI modellarini o'qitish uchun ko'p saytli katta ma'lumotlardan foydalanadigan Relay Learningni taklif qildi. U AI ishlashiga intilish bilan ma'lumotlar xavfsizligi va maxfiylik muammolarini muvozanatlashtiradi. Xuddi shu jamoa keyinchalik Guanchjou tibbiyot universitetining birinchi filiali kasalxonasi va butun mamlakat bo'ylab 24 kasalxona bilan hamkorlikda federal ta'limga asoslangan ko'krak qafasining KT pan-mediastinal o'simta tashxisi tizimi CAIMENni birgalikda ishlab chiqdi va tasdiqladi. 12 ta keng tarqalgan mediastinal o'smalar uchun qo'llanilishi mumkin bo'lgan tizim faqat inson mutaxassislari tomonidan qo'llanganidan ko'ra, yolg'iz qo'llanganda 44,9 foizga yaxshiroq aniqlikka erishdi va inson mutaxassislari yordam berganida 19 foizga yaxshi tashxis aniqligiga erishildi.

Boshqa tomondan, xavfsiz, global, keng ko'lamli tibbiy ma'lumotlar to'plamini yaratish bo'yicha bir nechta tashabbuslar amalga oshirilmoqda. 2023-yil noyabr oyida Garvard tibbiyot maktabining biotibbiyot informatika boʻlimidan Agustina Saens va boshqalar Lancet Digital Health-da barcha sogʻliqni saqlash sohasi uchun sunʼiy intellekt maʼlumotlari (MAIDA) deb nomlangan tibbiy tasvir maʼlumotlarini almashish uchun global asosni onlayn nashr qildilar. Ular maʼlumotlar almashishni standartlashtirish uchun AQSh Federal Namoyish Hamkori (FDP) shablonidan foydalangan holda maʼlumotlarni yigʻish va identifikatsiyadan chiqarish boʻyicha keng qamrovli koʻrsatmalar berish uchun butun dunyo boʻylab sogʻliqni saqlash tashkilotlari bilan ishlamoqda. Ular turli mintaqalarda va butun dunyo bo'ylab klinik sozlamalarda to'plangan ma'lumotlar to'plamlarini bosqichma-bosqich chiqarishni rejalashtirmoqda. Birinchi ma'lumotlar to'plami 2024 yil boshida chiqarilishi kutilmoqda, hamkorlik kengaygan sari ko'proq bo'ladi. Loyiha global, keng miqyosli va xilma-xil AI ma'lumotlari to'plamini yaratishga qaratilgan muhim urinishdir.

Taklifdan keyin Buyuk Britaniyaning Biobanki namuna ko'rsatdi. Buyuk Britaniya Biobanki 30-noyabr kuni 500 000 ishtirokchining butun genom ketma-ketligi bo‘yicha yangi ma’lumotlarni e’lon qildi. 500 000 britaniyalik ko'ngillilarning har birining to'liq genom ketma-ketligini nashr etadigan ma'lumotlar bazasi dunyodagi eng katta to'liq inson genomi ma'lumotlar bazasi hisoblanadi. Dunyo bo'ylab tadqiqotchilar ushbu aniqlanmagan ma'lumotlarga kirishni so'rashlari va undan sog'liq va kasallikning genetik asoslarini tekshirish uchun foydalanishlari mumkin. O'tmishda genetik ma'lumotlar har doim tekshirish uchun juda sezgir bo'lib kelgan va Buyuk Britaniya Biobankining ushbu tarixiy yutug'i ochiq, maxfiylikdan xoli global keng ko'lamli ma'lumotlar bazasini yaratish mumkinligini isbotlaydi. Ushbu texnologiya va ma'lumotlar bazasi bilan tibbiy sun'iy intellekt keyingi sakrashni boshlashi kerak.

Tibbiy AIni tekshirish va baholash

Tibbiy AI texnologiyasining jadal rivojlanishi bilan solishtirganda, tibbiy AIni tekshirish va baholashning rivojlanishi biroz sekin. Umumiy AI sohasida tekshirish va baholash ko'pincha klinisyenlar va bemorlarning AIga bo'lgan haqiqiy talablarini e'tiborsiz qoldiradi. An'anaviy randomizatsiyalangan boshqariladigan klinik sinovlar AI vositalarining tez takrorlanishiga mos kelish uchun juda mashaqqatli. Tibbiy sun'iy intellekt vositalariga mos keladigan tekshirish va baholash tizimini imkon qadar tezroq takomillashtirish tibbiy sun'iy intellektni ilmiy tadqiqotlar va ishlanmalarni klinik ko'rinishga olib chiqishga yordam beradigan eng muhim narsadir.

Googlening Med-PaLM bo'yicha Nature jurnalida chop etilgan tadqiqot maqolasida jamoa katta til modellarining klinik bilimlarni egallash qobiliyatini baholash uchun qo'llaniladigan MultiMedQA baholash mezonini ham nashr etdi. Benchmark oltita mavjud professional tibbiy savol-javob ma'lumotlar to'plamini birlashtiradi, ular professional tibbiy bilimlar, tadqiqotlar va boshqa jihatlarni qamrab oladi, shuningdek, onlayn qidiruv tibbiy savollar ma'lumotlar bazasi ma'lumotlar to'plami, shifokor-bemor onlayn savol-javoblarini ko'rib chiqadi, AIni malakali shifokorga tayyorlashga harakat qiladi. Bundan tashqari, jamoa haqiqat, tushunish, mulohaza yuritish va mumkin bo'lgan tarafkashlikning bir nechta o'lchovlarini hisobga olgan holda insoniy baholashga asoslangan asosni taklif qiladi. Bu sog'liqni saqlash sohasida AIni baholash bo'yicha bu yil nashr etilgan eng ishonchli tadqiqot harakatlaridan biridir.

Biroq, katta til modellari klinik bilimlarni kodlashning yuqori darajasini ko'rsatishi, katta til modellari haqiqiy klinik vazifalar uchun vakolatli ekanligini anglatadimi? Professional shifokor imtihonini mukammal ball bilan topshirgan tibbiyot talabasi hali ham yakkaxon bosh shifokorlikdan yiroq bo'lganidek, Google tomonidan taklif qilingan baholash mezonlari sun'iy intellekt modellari uchun tibbiy sun'iy intellektni baholash mavzusiga mukammal javob bo'lmasligi mumkin. 2021 va 2022 yillarda tadqiqotchilar klinik amaliylik, xavfsizlik, inson omillari va shaffoflik/tarjimaviylik kabi omillarni hisobga olgan holda tibbiy sun’iy intellektni erta ishlab chiqish va tasdiqlashga yo‘naltirishga umid qilib, Decid-AI, SPIRIT-AI va INTRPRT kabi hisobot berish bo‘yicha ko‘rsatmalarni taklif qilishdi. Yaqinda The Nature Medicine jurnali Oksford universiteti va Stenford universiteti tadqiqotchilari tomonidan “tashqi tasdiqlash” yoki “takroriy mahalliy tekshirish”dan foydalanishga oid tadqiqotini chop etdi.“AI vositalarini tekshirish uchun.

AI vositalarining xolis tabiati bu yil Fan va NEJM maqolalarida e'tiborni tortgan muhim baholash yo'nalishidir. AI ko'pincha tarafkashlikni namoyon qiladi, chunki u mashg'ulot ma'lumotlari bilan cheklangan. Ushbu noxolislik ijtimoiy tengsizlikni aks ettirishi mumkin, bu esa keyinchalik algoritmik diskriminatsiyaga aylanadi. Yaqinda Milliy Sog'liqni saqlash institutlari tibbiy AI vositalarining xolisligini tasdiqlash uchun ishlatilishi mumkin bo'lgan turli xil ma'lumotlar to'plamlarini (yuqorida aytib o'tilgan MAIDA tashabbusi maqsadlariga muvofiq) yaratish uchun qiymati 130 million dollarga baholangan Bridge2AI tashabbusini boshladi. Bu jihatlar MultiMedQA tomonidan hisobga olinmaydi. Tibbiy AI modellarini qanday o'lchash va tasdiqlash masalasi hali ham keng va chuqur muhokamaga muhtoj.

Yanvar oyida Nature Medicine nashri Texas universiteti MD Anderson saraton markazidan Vivek Subbiahning “Dalilga asoslangan tibbiyotning keyingi avlodi” nomli fikr-mulohazasini chop etdi, u COVID-19 pandemiyasi kontekstida ta'sirlangan klinik sinovlarning cheklovlarini ko'rib chiqdi va innovatsiyalar va tadqiqot jarayoniga rioya qilish o'rtasidagi ziddiyatga ishora qildi. Va nihoyat, u klinik sinovlarni qayta qurish kelajagiga ishora qiladi - sun'iy intellektdan foydalangan holda klinik sinovlarning keyingi avlodi, ya'ni asosiy dalillarni topish uchun ko'p sonli tarixiy tadqiqot ma'lumotlari, real dunyo ma'lumotlari, multimodal klinik ma'lumotlar, taqiladigan qurilmalar ma'lumotlaridan sun'iy intellektdan foydalanish. Bu AI texnologiyasi va AI klinik tekshirish jarayonlari kelajakda bir-birini mustahkamlashi va birgalikda rivojlanishi mumkinligini anglatadimi? Bu 2023 yilgi ochiq va o'ylantiruvchi savol.

Tibbiy AIni tartibga solish

AI texnologiyasining rivojlanishi sun'iy intellektni tartibga solishda ham qiyinchiliklar tug'diradi va butun dunyo bo'ylab siyosatchilar ehtiyotkorlik va ehtiyotkorlik bilan javob berishadi. 2019 yilda FDA birinchi bo'lib sun'iy intellektli tibbiy asboblarga dasturiy ta'minotni o'zgartirish bo'yicha tavsiya etilgan me'yoriy asosni nashr etdi (Muhokama loyihasi), AI va mashina o'rganishga asoslangan dasturiy ta'minot modifikatsiyalarini bozordan oldin ko'rib chiqishga potentsial yondashuvini batafsil bayon qildi. 2021 yilda FDA "Tibbiy qurilma harakat rejasi sifatida sun'iy intellekt/mashinalarni o'rganishga asoslangan dasturiy ta'minot" ni taklif qildi, unda AI bo'yicha tibbiy tartibga solishning beshta aniq chora-tadbirlariga aniqlik kiritildi. Joriy yilda FDA qurilma dasturiy taʼminoti xususiyatlarining xavfsizligi va samaradorligini baholash uchun FDA tomonidan, shu jumladan, mashinani oʻrganish usullari orqali oʻrganilgan mashinani oʻrganish modellaridan foydalanadigan baʼzi dasturiy taʼminot qurilmalari funksiyalarini baholash boʻyicha FDA tomonidan bozordan oldin taqdim etish boʻyicha tavsiyalar haqida maʼlumot berish uchun “Qurilma dasturiy taʼminoti xususiyatlari uchun Premarket taqdimotini” qayta chiqardi. FDA ning tartibga solish siyosati dastlabki taklifdan amaliy qo'llanmaga aylandi.

O'tgan yilning iyul oyida Evropa sog'liqni saqlash ma'lumotlari makonini nashr etgandan so'ng, Evropa Ittifoqi yana bir marta Sun'iy intellekt to'g'risidagi qonunni qabul qildi. Birinchisi, yuqori sifatli tibbiy xizmat ko'rsatish, tengsizliklarni kamaytirish va profilaktika, diagnostika, davolash, ilmiy innovatsiyalar, qarorlar qabul qilish va qonunchilik uchun ma'lumotlarni qo'llab-quvvatlash uchun sog'liqni saqlash ma'lumotlaridan eng yaxshi foydalanishni maqsad qilib qo'ygan, shu bilan birga Evropa Ittifoqi fuqarolarining shaxsiy sog'lig'i bo'yicha ma'lumotlarini ko'proq nazorat qilishlarini ta'minlaydi. Ikkinchisi tibbiy diagnostika tizimi yuqori xavfli AI tizimi ekanligini aniq ko'rsatib turibdi va u maqsadli kuchli nazoratni, butun hayot tsiklini nazorat qilishni va baholashdan oldingi nazoratni qo'llashi kerak. Evropa dori vositalari agentligi (EMA) bemorlarning xavfsizligini va klinik tadqiqotlar natijalarining yaxlitligini ta'minlash uchun sun'iy intellektning ishonchliligini oshirishga e'tibor qaratgan holda, dori vositalarini ishlab chiqish, tartibga solish va qo'llashni qo'llab-quvvatlash uchun sun'iy intellektdan foydalanish bo'yicha Reflection Paper loyihasini nashr etdi. Umuman olganda, Evropa Ittifoqining tartibga solish yondashuvi asta-sekin shakllanmoqda va yakuniy amalga oshirish tafsilotlari batafsilroq va qat'iyroq bo'lishi mumkin. Evropa Ittifoqining qat'iy tartibga solishidan keskin farqli o'laroq, Buyuk Britaniyaning sun'iy intellektni tartibga solish rejasi hukumat yumshoq yondashuvni va hozircha yangi qonun loyihalarini qabul qilmaslik yoki yangi tartibga soluvchilarni yaratmaslikni rejalashtirayotganini aniq ko'rsatmoqda.

Xitoyda Milliy tibbiy mahsulotlar ma'muriyatining Tibbiy asboblarni texnik ko'rib chiqish markazi (NMPA) ilgari "Chuqur o'rganishga yordam beradigan qaror qabul qilish dasturini ko'rib chiqish nuqtalari", "Sun'iy intellektli tibbiy asboblarni ro'yxatdan o'tkazishni ko'rib chiqish bo'yicha rahbarlik tamoyillari (izoh uchun loyiha)" va "Tibbiyot vositalarining tasnifi va tasnifi" kabi hujjatlarni chiqargan. Sun'iy intellekt tibbiy dasturiy mahsulotlar (2021-yilda № 47)”. Bu yil "2023 yildagi birinchi tibbiy asbob-uskunalarni tasniflash natijalarining qisqacha mazmuni" yana e'lon qilindi. Ushbu hujjatlar turkumi sun'iy intellektli tibbiy dasturiy mahsulotlarning ta'rifi, tasnifi va tartibga solinishini yanada aniqroq va qulayroq qiladi va mahsulotni joylashtirish va sanoatning turli korxonalarini ro'yxatdan o'tkazish strategiyalari uchun aniq ko'rsatmalar beradi. 21-23 dekabr kunlari Xanchjouda bo'lib o'tgan Xitoy Tibbiy sun'iy intellekt konferentsiyasi kun tartibida raqamli tibbiy boshqaruv va davlat shifoxonalarining yuqori sifatli rivojlanishi va sun'iy intellekt tibbiy asboblarni sinovdan o'tkazish va baholash texnologiyasini standartlashtirish sanoatini rivojlantirish bo'yicha maxsus forum tashkil etildi.

Xulosa

2023 yilda tibbiy sun'iy intellekt kasalxona ma'lumotlarini yig'ish, sintez, tahlil qilish, diagnostika va davolash hamda jamoat skriningini qamrab oluvchi butun tibbiy yuqori va quyi oqim jarayoniga integratsiyalashni boshladi va tibbiy/kasalliklarni nazorat qiluvchi xodimlar bilan organik hamkorlik qilib, inson salomatligiga farovonlik olib kelish potentsialini ko'rsatdi. Foydalanish mumkin bo'lgan tibbiy AI tadqiqotlari tong otishni boshlaydi. Kelajakda tibbiy AIning rivojlanishi nafaqat texnologik rivojlanishning o'ziga bog'liq, balki sanoat, universitet va tibbiy tadqiqotlarning to'liq hamkorligiga, siyosatchilar va tartibga soluvchilarning yordamiga muhtoj. Ushbu domenlararo hamkorlik AI bilan integratsiyalashgan tibbiy xizmatlarga erishishning kalitidir va inson salomatligini rivojlantirishga yordam beradi.