жаңылыктар

IBM Watson 2007-жылы иштей баштагандан бери адамдар медициналык жасалма интеллектти (AI) өнүктүрүүнү тынымсыз жүргүзүп келишет. Колдонууга жарамдуу жана күчтүү медициналык AI системасы заманбап медицинанын бардык аспектилерин кайра калыптандыруу үчүн эбегейсиз зор потенциалга ээ, акылдуураак, так, эффективдүү жана инклюзивдик жардам көрсөтүүгө, медициналык кызматкерлерге жана бейтаптарга бакубатчылык тартуулап, ошону менен адамдын ден соолугун бир топ жакшыртат. Акыркы 16 жылда медициналык AI изилдөөчүлөрү ар кандай майда тармактарда топтолгонуна карабастан, бул этапта алар илимий фантастиканы чындыкка жеткире алышкан жок.

Бул жылы ChatGPT сыяктуу AI технологиясынын революциялык өнүгүшү менен медициналык AI көптөгөн аспектилерде чоң ийгиликтерге жетишти. Медициналык AI жөндөмүндөгү болуп көрбөгөндөй ачылыш: Nature журналы медициналык чоң тил моделин жана медициналык образдын негизги моделин изилдөөнү үзгүлтүксүз баштады; Google Med-PaLM жана анын мураскерин чыгарат, АКШдагы медициналык практикалык сынак суроолору боюнча эксперттик деңгээлге жетет. Негизги академиялык журналдар медициналык интеллектке басым жасашат: Жаратылыш жалпы медициналык интеллекттин негизги модели боюнча көз карашты чыгарат; Ушул жылдын башында Medicineдеги AI жөнүндө бир катар сын-пикирлерден кийин, New England Journal of Medicine (NEJM) 30-ноябрда өзүнүн биринчи санариптик ден-соолукка обзорун жарыялады жана 12-декабрда NEJM суб-журналынын NEJM AI биринчи санын чыгарды. Медициналык AI конуу топурагы дагы жетилген: JAMA суб-журнал медициналык сүрөт маалыматын бөлүшүү демилгесин жарыялады; АКШнын Азык-түлүк жана дары-дармек башкармалыгы (FDA) медициналык AIди жөнгө салуу боюнча көрсөтмөлөрдүн долбоорун иштеп чыгууда.

Төмөндө биз дүйнө жүзү боюнча изилдөөчүлөр 2023-жылы медициналык AI багытында жетишкен олуттуу прогрессти карап чыгабыз

Медициналык AI негизги модели

Медициналык AI негизги моделин куруу, албетте, ушул жылдын эң ысык изилдөө багыты. Nature журналдары жыл ичинде саламаттыкты сактоонун универсалдуу негизги модели жана саламаттыкты сактоонун чоң тил модели боюнча сын макалаларды басып чыгарышты. Тармактагы эң мыкты журнал болгон Medical Image Analysis медициналык сүрөттү талдоодогу негизги моделдик изилдөөлөрдүн көйгөйлөрүн жана мүмкүнчүлүктөрүн карап чыгып, чыдамсыздык менен күттү жана медициналык AIнин негизги моделдик изилдөөлөрүн жалпылоо жана өнүктүрүүгө жетекчилик кылуу үчүн "негизги моделдин тукуму" концепциясын сунуш кылды. Саламаттыкты сактоо үчүн негизги AI моделдеринин келечеги айкын болуп баратат. ChatGPT сыяктуу чоң тил моделдеринин ийгиликтүү мисалдарына таянып, өнүккөн өзүн-өзү көзөмөлдөгөн алдын ала окутуу ыкмаларын жана окутуу маалыматтарынын кеңири топтолушун колдонуу менен, медициналык AI тармагындагы изилдөөчүлөр 1) ооруга спецификалык базалык моделдерди, 2) жалпы базалык моделдерди жана 3) кеңири диапазондогу мүмкүнчүлүктөрдү жана супер жөндөмдүүлүктөрдү бириктирген мультимодалдык чоң моделдерди түзүүгө аракет кылып жатышат.

Медициналык маалыматтарды алуу AI модели

Төмөнкү агымдагы клиникалык маалыматтарды талдоо тапшырмаларында чоң роль ойногон чоң AI моделдеринен тышкары, генеративдик AI моделдери менен көрсөтүлгөн технология да пайда болду. Маалыматтарды алуу процесси, ылдамдыгы жана сапаты AI алгоритмдери менен кыйла жакшыртылышы мүмкүн.

Үстүбүздөгү жылдын башында Nature Biomedical Engineering Түркиянын Стрейтс университетинин изилдөөсүн жарыялаган, ал клиникалык колдонмолордо патологиялык сүрөттөлүштүн жардамы менен диагностика маселесин чечүү үчүн генеративдик AI колдонууга багытталган. Хирургия учурунда тоңуп калган ткандардагы артефакттар тез диагностикалык баалоого тоскоолдук болуп саналат. Формалин жана парафиндүү ткань (FFPE) жогорку сапаттагы үлгүнү камсыз кылат да, аны өндүрүү процесси көп убакытты талап кылат жана көбүнчө 12-48 саатты талап кылат, бул хирургияда колдонууга жараксыз. Ошондуктан изилдөө тобу тоңдурулган бөлүмдөгү кыртыштын көрүнүшүн FFPEге окшош кыла турган AI-FFPE деп аталган алгоритмди сунуштады. Алгоритм тоңдурулган бөлүмдөрдүн артефакттарын ийгиликтүү оңдоп, сүрөттүн сапатын жакшыртып, ошол эле учурда клиникалык жактан тиешелүү өзгөчөлүктөрдү сактап калды. Клиникалык валидацияда AI-FFPE алгоритми шишиктин субтиптери боюнча патологдордун диагностикалык тактыгын олуттуу жакшыртат, ошол эле учурда клиникалык диагноз коюу убактысын бир топ кыскартат.

Cell Reports Medicine Цзилинь университетинин Үчүнчү клиникалык колледжинин, радиология бөлүмүнүн, Фудан университетине караштуу Чжуншан ооруканасынын жана Шанхай илим жана технология университетинин [25] тобунун изилдөө иштеринин отчету. Бул изилдөө тез MRI, аз дозалуу КТ жана тез ПЭТте сүрөттү реконструкциялоонун эң сонун көрсөткүчтөрүн көрсөткөн, жогорку универсалдуу жана ийкемдүүлүк менен жалпы максаттуу терең үйрөнүүнү жана кайталанма реконструкциялоо фьюжн негиздерин (Hybrid DL-IR) сунуштайт. Алгоритм MR Single-organ көп ырааттуу сканерлөөсүнө 100 секунданын ичинде жетише алат, нурлануунун дозасын КТ сүрөтүнүн 10% гана азайтып, ызы-чууларды жок кылат, ошондой эле кыймыл артефакттарынын таасирин азайтып, 2-4 эсе ылдамдатуу менен PET алуудан майда жараларды калыбына келтире алат.

Медицина кызматкерлери менен бирдикте медициналык AI

Медициналык интеллекттин тез өнүгүшү медициналык адистерди клиникалык процесстерди жакшыртуу үчүн AI менен кантип кызматташууну олуттуу кароого жана изилдөөгө алып келди. Ушул жылдын июль айында DeepMind жана көп институционалдык изилдөө тобу биргелешип Complementary Driven Clinical Workflow Delay (CoDoC) деп аталган AI тутумун сунушташты. Диагностикалык процесс адегенде болжолдуу AI системасы тарабынан диагноз коюлат, андан кийин мурунку натыйжа боюнча башка AI системасы тарабынан бааланат, эгер шек болсо, диагностикалык тактыкты жана тең салмактуулуктун натыйжалуулугун жогорулатуу үчүн диагноз акыры клиника тарабынан коюлат. Эмчек рагынын скринингине келгенде, CoDoC жалган оң көрсөткүчтөрдү 25% га, ошол эле жалган терс көрсөткүч менен кыскартты, ошол эле учурда Улуу Британиядагы учурдагы "кош окуу арбитраждык" процессине салыштырмалуу клиниканын иш жүгүн 66% га кыскартты. Кургак учуктун классификациясы боюнча, көз карандысыз AI жана клиникалык иш процесстерине салыштырмалуу жалган оң көрсөткүчтөр 5 пайыздан 15 пайызга чейин кыскарган.

Ошо сыяктуу эле, Лондондогу, Улуу Британиядагы Kheiron компаниясынын кызматкери Энни Ю. Техас университетинин МакГоверн медициналык мектебинин командасы жетектеген жана төрт инсульт борборлорунда аяктаган дагы бир изилдөө, чоң тамырлардын окклюзивдүү ишемиялык инсульттун (LVO) аныктоону автоматташтыруу үчүн компьютердик томография ангиографиясына (CTA) негизделген AI технологиясына негизделген. Клиниктер жана рентгенологдор КТ бүтүргөндөн кийин бир нече мүнөттүн ичинде уюлдук телефондоруна реалдуу убакытта эскертүүлөрдү алышат, аларга LVO болушу мүмкүн экендигин эскертет. Бул AI жараяны курч ишемиялык инсульт үчүн ооруканадагы жумуш процесстерин жакшыртат, кабыл алуудан баштап дарылоого чейинки убакытты кыскартат жана ийгиликтүү куткаруу үчүн мүмкүнчүлүктөрдү берет. Жыйынтыктар JAMA Neurology журналында жарыяланды.

Универсалдуу пайда үчүн AI саламаттыкты сактоо модели

2023-жылы медициналык интеллектти колдонгон, жеткиликтүү маалыматтардан адамдын көзүнө көрүнбөгөн функцияларды табуу үчүн универсалдуу диагностикага жана масштабда эрте скринингге мүмкүндүк берген көптөгөн жакшы иштерди көрөт. Жылдын башында Nature Medicine журналы Сун Ятсен университетинин Чжуншан көз борбору жана Фуцзянь медициналык университетинин экинчи филиалы тарабынан жасалган изилдөөлөрдү жарыялады. Смартфондорду тиркеме терминалдары катары колдонуп, алар мультфильмге окшош видео сүрөттөрдү балдардын көз карашын индукциялоо жана балдардын көз карашынын жүрүм-турумун жана бетинин өзгөчөлүктөрүн жаздыруу үчүн колдонушту жана андан ары терең үйрөнүү моделдерин колдонуу менен анормалдуу моделдерди анализдеп, 16 көз ооруларын, анын ичинде тубаса катарактаны, тубаса птозду жана тубаса глаукоманы ийгиликтүү аныктоо үчүн орточо скринингдик тактык менен 8% көбүрөөк болушту. Бул ымыркайлардын көрүү функциясынын бузулушун жана ага байланыштуу көз ооруларын кеңири масштабдуу эрте скринингдин натыйжалуу жана кеңири жайылтууга оңой техникалык каражаттарын камсыз кылат.

Жылдын аягында Nature Medicine дүйнө жүзү боюнча 10дон ашык медициналык жана илимий-изилдөө мекемелери, анын ичинде Шанхайдагы уйку безинин оорулары институту жана Чжэцзян университетинин биринчи филиалы ооруканасы тарабынан аткарылган иштерди билдирди. Автор физикалык текшерүү борборлорунда, ооруканаларда ж.б. симптомдору жок адамдардын уйку безинин рагын скринингинде AI колдонгон, уйку безинин рагын эффективдүү жана инвазивдүү эмес эрте аныктоого жетишүү үчүн, жөнөкөй көз менен аныктоо кыйын болгон жөнөкөй сканирленген КТ сүрөттөлүштөрүндө жабыркаган. 20,000ден ашык пациенттердин маалыматтарын карап чыгууда, модель ошондой эле клиникалык жактан өтүп кеткен 31 учурду аныктады, бул клиникалык натыйжаларды кыйла жакшыртты.

Медициналык маалыматтарды бөлүшүү

2023-жылы дүйнө жүзү боюнча маалыматтарды алмашуунун көптөгөн идеалдуу механизмдери жана ийгиликтүү учурлары пайда болду, бул маалыматтардын купуялыгын жана коопсуздугун коргоо шартында көп борборлуу кызматташтыкты жана маалыматтардын ачыктыгын камсыз кылат.

Биринчиден, AI технологиясынын жардамы менен AI изилдөөчүлөрү медициналык маалыматтарды алмашууга салым кошушту. Америка Кошмо Штаттарынын Ратгерс университетинен Ци Чанг жана башкалар Nature Communications журналына макала жарыялап, бөлүштүрүлгөн синтетикалык атаандаш тармактардын негизинде федералдык окутуу системасын сунуш кылышкан, ал көп борборлордун конкреттүү генерацияланган маалыматтарын үйрөтүү үчүн генеративдик AI колдонот, андан кийин көп борборлордун реалдуу маалыматтарын түзүлгөн маалыматтар менен алмаштырат. Маалыматтын купуялыгын коргоп, көп борбордогу чоң маалыматтарга негизделген AI тренингин камсыз кылыңыз. Ошол эле команда ошондой эле түзүлгөн патологиялык сүрөттөрдүн жана аларга тиешелүү аннотациялардын маалымат топтомун ачат. Түзүлгөн маалымат топтому боюнча үйрөтүлгөн сегменттөө модели чыныгы маалыматтарга окшош натыйжаларга жетише алат.

Цинхуа университетинен Дай Ционхайдын командасы npj Digital Health боюнча макаласын басып чыгарды, анда жергиликтүү маалыматтардын эгемендүүлүгү жана сайттар аралык тармак байланышы жок AI моделдерин окутуу үчүн көп сайттуу чоң маалыматтарды колдонгон Relay Learning сунуштады. Ал AI иштешине умтулуу менен берилиштердин коопсуздугу жана купуялуулук маселелерин тең салмактайт. Ошол эле команда кийинчерээк Гуанчжоу медициналык университетинин биринчи филиалы ооруканасы жана өлкө боюнча 24 оорукана менен биргеликте федералдык окууга негизделген көкүрөк КТ пан-медиастиналдык шишик диагностикасы системасын CAIMENди биргелешип иштеп чыкты жана тастыктады. 12 жалпы ортоңку шишиктерге колдонула турган система адам адистери тарабынан колдонулганга караганда жалгыз колдонулганда 44,9 пайызга жакшыраак тактыкка, ал эми адам эксперттери жардам бергенде 19 пайызга жакшыраак диагноз тактыгына жетишкен.

Башка жагынан алганда, коопсуз, глобалдуу, масштабдуу медициналык маалымат топтомун түзүү боюнча бир нече демилгелер жүрүп жатат. 2023-жылдын ноябрында Гарвард медициналык мектебинин биомедициналык информатика бөлүмүнүн кызматкерлери Агустина Саенц жана башкалар Lancet Digital Health сайтында бардык саламаттыкты сактоо үчүн жасалма интеллект маалыматтары (MAIDA) деп аталган медициналык сүрөт маалыматтарын бөлүшүү үчүн глобалдык негизди жарыялашты. Алар маалымат алмашууну стандартташтыруу үчүн АКШнын Федералдык Демонстрациялык Өнөктөшүнүн (FDP) үлгүсүн колдонуп, маалыматтарды чогултуу жана идентификациялоо боюнча ар тараптуу жетекчиликти камсыз кылуу үчүн дүйнө жүзү боюнча саламаттыкты сактоо уюмдары менен иштешүүдө. Алар дүйнө жүзү боюнча ар кайсы аймактарда жана клиникалык Орнотууларда чогултулган маалымат топтомдорун акырындык менен чыгарууну пландаштырууда. Биринчи берилиштер топтому 2024-жылдын башында чыгарылат деп күтүлүүдө, өнөктөштүктүн кеңейиши менен дагы көбүрөөк болот. Долбоор жалпыга жеткиликтүү AI маалыматтарынын глобалдуу, масштабдуу жана ар түрдүү топтомун куруунун маанилүү аракети болуп саналат.

Сунуштан кийин Улуу Британиянын Биобанкы үлгү көрсөттү. Улуу Британиянын Биобанкы 30-ноябрда 500 000 катышуучусунун геномунун секвенирлөөсүнөн жаңы маалыматтарды чыгарды. 500 000 британ ыктыярчынын ар биринин геномунун толук тизмегин жарыялаган маалымат базасы дүйнөдөгү эң чоң толук адам геномунун маалымат базасы болуп саналат. Дүйнө жүзү боюнча изилдөөчүлөр бул де-идентификациялык маалыматтарга жетүү өтүнүчү менен ден-соолук менен оорунун генетикалык негиздерин изилдөө үчүн колдоно алышат. Генетикалык маалыматтар буга чейин текшерүү үчүн өтө сезимтал болуп келген жана Улуу Британиянын Биобанкынын бул тарыхый жетишкендиги ачык, купуялыксыз глобалдык масштабдуу маалымат базасын куруу мүмкүн экенин далилдейт. Бул технология жана маалымат базасы менен медициналык AI кийинки секирикке түрткү берет.

Медициналык AIди текшерүү жана баалоо

Медициналык AI технологиясынын тез өнүгүшү менен салыштырганда, медициналык AIны текшерүү жана баалоо өнүгүүсү бир аз жайыраак. Жалпы AI тармагындагы валидация жана баалоо көбүнчө клиникалардын жана пациенттердин AI үчүн чыныгы талаптарын этибарга албайт. Салттуу рандомизацияланган башкарылган клиникалык сыноолор AI куралдарынын тез итерациясына дал келүү үчүн өтө оор. Медициналык AI куралдарына ылайыктуу текшерүү жана баалоо тутумун мүмкүн болушунча тезирээк өркүндөтүү медициналык AIны изилдөө жана иштеп чыгууну клиникалык конууга чындап секирик жасоого көмөктөшүү үчүн эң маанилүү нерсе.

Google'дун Nature журналында жарыяланган Med-PaLM боюнча илимий макаласында команда чоң тил моделдеринин клиникалык билимге ээ болуу жөндөмүн баалоо үчүн колдонулган MultiMedQA баалоо эталондорун да жарыялады. Эталон кесиптик медициналык билимди, изилдөөлөрдү жана башка аспектилерди камтыган алты бар болгон кесиптик медициналык суроо-жооп маалымат топтомун, ошондой эле онлайн издөө медициналык суроолордун маалымат базасын, дарыгер-бейтаптын онлайн суроо-жоопторун эске алып, AIны квалификациялуу дарыгерге үйрөтүүгө аракет кылат. Кошумчалай кетсек, команда адамдын баалоосуна негизделген негизди сунуштайт, ал фактынын бир нече өлчөмдөрүн, түшүнүүнү, ой жүгүртүүнү жана мүмкүн болгон бир тараптуулукту эске алат. Бул саламаттыкты сактоо тармагындагы AIны баалоо боюнча быйыл жарыяланган эң өкүл изилдөө аракеттеринин бири.

Бирок, чоң тил моделдери коддоочу клиникалык билимдин жогорку деңгээлин көрсөтүп турганы чоң тил моделдери реалдуу клиникалык тапшырмалар үчүн компетенттүү экенин билдиреби? Профессионал дарыгердин экзаменин эң сонун балл менен тапшырган медициналык студент жалгыз башкы дарыгерден дагы эле алыс болгондуктан, Google тарабынан сунушталган баалоо критерийлери AI моделдери үчүн медициналык AI баалоо темасына идеалдуу жооп бербеши мүмкүн. 2021 жана 2022-жылдары изилдөөчүлөр клиникалык практикалык, коопсуздук, адамдык факторлор жана ачык-айкындуулук/ чечмеленүү сыяктуу факторлорду эске алуу шартында медициналык AIны эрте иштеп чыгууга жана текшерүүгө жетекчилик кылууга үмүттөнүп, Decid-AI, SPIRIT-AI жана INTRPRT сыяктуу отчеттуулук боюнча көрсөтмөлөрдү сунушташкан. Жакында эле The Nature Medicine журналы Оксфорд университетинин жана Стэнфорд университетинин изилдөөчүлөрүнүн “тышкы валидацияны” же “кайталануучу жергиликтүү валидацияны” колдонуу керекпи деген изилдөөсүн жарыялады. “AI куралдарын текшерүү үчүн.

AI куралдарынын калыс мүнөзү бул жылы Science жана NEJM макалаларынан көңүл бурган маанилүү баалоо багыты болуп саналат. AI көбүнчө бир тараптуулукту көрсөтөт, анткени ал машыгуу маалыматтары менен чектелет. Бул бир жактуулук социалдык теңсиздикти чагылдырышы мүмкүн, ал андан ары алгоритмдик дискриминацияга айланат. Жакында Улуттук Саламаттыкты сактоо Институту медициналык AI куралдарынын калыс эместигин ырастоо үчүн колдонула турган ар түрдүү маалымат топтомдорун түзүү үчүн (жогоруда айтылган MAIDA демилгесинин максаттарына ылайык) баасы 130 миллион долларга бааланган Bridge2AI демилгесин ишке киргизди. Бул аспектилер MultiMedQA тарабынан каралбайт. Медициналык AI моделдерин кантип өлчөө жана ырастоо маселеси дагы эле кеңири жана терең талкууну талап кылат.

Январь айында Nature Medicine Техас университетинин MD Андерсон онкология борборунун кызматкери Вивек Суббиахдан COVID-19 пандемиясынын контекстинде кабыл алынган клиникалык сыноолордун чектөөлөрүн карап, инновация менен клиникалык изилдөө процессинин ортосундагы карама-каршылыкты көрсөткөн "Далилдерге негизделген медицинанын кийинки мууну" деген пикирди жарыялады. Акыр-аягы, ал клиникалык сыноолорду реструктуризациялоонун келечегин көрсөтөт - жасалма интеллектти колдонуу менен клиникалык сыноолордун кийинки мууну, башкача айтканда, негизги далилдерди табуу үчүн көп сандагы тарыхый изилдөө маалыматтарынан, реалдуу дүйнөдөгү маалыматтардан, мульти-модальдык клиникалык маалыматтардан, тагынуучу аппараттын маалыматтарынан жасалма интеллект колдонуу. Бул AI технологиясы жана AI клиникалык валидация процесстери келечекте бири-бирин бекемдеп, бирге өнүгүп кетиши мүмкүн дегенди билдиреби? Бул 2023-жылдын ачык жана ойлондурган суроосу.

Медициналык AI жөнгө салуу

AI технологиясын өркүндөтүү AIны жөнгө салууда да кыйынчылыктарды жаратат жана дүйнө жүзүндөгү саясатчылар кылдат жана кылдаттык менен жооп кайтарууда. 2019-жылы FDA биринчи жолу жасалма интеллекттин медициналык аппараттарына программалык камсыздоону өзгөртүү үчүн Сунушталган ченемдик укуктук базаны жарыялады (Талкуулоо долбоору), анын AI жана машина үйрөнүүсүнө негизделген программалык камсыздоонун модификацияларын сатууну алдын ала карап чыгууга болгон потенциалдуу ыкмасын кеңири чагылдырган. 2021-жылы FDA "Жасалма интеллект/Машинаны үйрөнүүгө негизделген программалык камсыздоону медициналык аппараттын иш-аракеттеринин планы катары" сунуштады, анда AI медициналык жөнгө салуучу беш конкреттүү чараларды тактады. Бул жылы FDA аппараттын программалык камсыздоо функцияларынын коопсуздугун жана эффективдүүлүгүн, анын ичинде машинаны үйрөнүү ыкмалары аркылуу үйрөтүлгөн машиналык үйрөнүү моделдерин колдонгон программалык түзүлүштүн кээ бир өзгөчөлүктөрүн баалоо үчүн FDAнын баалоосу үчүн алдын ала сатуу сунуштары жөнүндө маалымат берүү үчүн Түзмөктүн программалык камсыздоо функциялары үчүн Premarket тапшырууну кайра чыгарды. FDAнын жөнгө салуу саясаты баштапкы сунуштан практикалык жетекчиликке чейин өзгөрдү.

Өткөн жылдын июль айында Европанын Саламаттыкты сактоо маалымат мейкиндиги жарыялангандан кийин, ЕБ дагы бир жолу Жасалма интеллект мыйзамын кабыл алды. Биринчиси ден соолук маалыматтарын жогорку сапаттагы медициналык тейлөөнү камсыз кылуу, теңсиздикти азайтуу жана алдын алуу, диагностикалоо, дарылоо, илимий инновациялар, чечимдерди кабыл алуу жана мыйзамдарды колдоо үчүн маалыматтарды эң жакшы колдонууну максат кылат, ошол эле учурда ЕБ жарандарынын жеке ден соолук маалыматтарын көбүрөөк көзөмөлдөөнү камсыз кылуу. Акыркысы медициналык диагностика системасы жогорку кооптуу AI системасы экенин ачык көрсөтүп турат жана ал максаттуу күчтүү көзөмөлдү, бүткүл өмүр циклин көзөмөлдөөнү жана баалоо алдындагы көзөмөлдү кабыл алышы керек. Дары-дармек боюнча Европа агенттиги (EMA) бейтаптардын коопсуздугун жана клиникалык изилдөөлөрдүн натыйжаларынын бүтүндүгүн камсыз кылуу үчүн AIнын ишенимдүүлүгүн жогорулатууга басым жасоо менен, дары-дармектерди иштеп чыгуу, жөнгө салуу жана колдонууну колдоо үчүн AI колдонуу боюнча Рефлексия документинин долбоорун жарыялады. Жалпысынан алганда, ЕБнин жөнгө салуучу мамилеси акырындык менен калыптанууда жана ишке ашыруунун акыркы деталдары деталдуураак жана катаал болушу мүмкүн. Евробиримдиктин катуу жөнгө салуусунан кескин айырмаланып, Улуу Британиянын AI боюнча жөнгө салуу планы өкмөт жумшак мамиле жасоону пландаштырып жатканын жана жаңы мыйзам долбоорлорун кабыл алууну же жаңы жөнгө салуучуларды түзбөй турганын ачык көрсөтүп турат.

Кытайда Улуттук Медициналык Продукциялар Администрациясынын Медициналык түзмөктөрдү Техникалык Баалоо Борбору (NMPA) буга чейин “Терең үйрөнүүгө көмөктөшкөн чечим чыгаруучу программалык камсыздоону карап чыгуу пункттары”, “Жасалма интеллекттеги медициналык аппараттарды каттоону карап чыгуунун жетектөөчү принциптери (комментарий берүү үчүн долбоор)” жана “Класстын аныктоо жана классификациясы” сыяктуу документтерди чыгарган. Жасалма интеллект медициналык программалык продуктылары (2021-ж. № 47)”. Бул жылы "2023-жылдагы биринчи медициналык аппараттын продуктуларынын классификациясынын жыйынтыгы боюнча кыскача маалымат" кайрадан жарык көрдү. Бул документтердин сериясы жасалма интеллекттин медициналык программалык продуктуларын аныктоону, классификациялоону жана жөнгө салууну ачык жана жеңилдетет, ошондой эле өнүмдөрдү жайгаштыруу жана тармактагы ар кандай ишканалардын каттоо стратегиялары үчүн так көрсөтмөлөрдү берет. 21-декабрдан 23-декабрга чейин Ханчжоу шаарында өткөн Кытайдын Медициналык Жасалма Интеллект Конференциясынын күн тартибинде мамлекеттик ооруканалардын жана жасалма интеллекттин медициналык аппараттарын тестирлөө жана баалоо технологиясын стандартташтыруу тармагын өнүктүрүү боюнча атайын форум түзүлөт.

Корутунду

2023-жылы медициналык AI оорукананын маалыматтарын чогултууну, бириктирүүнү, анализди, диагностиканы жана дарылоону жана коомчулуктун скринингин камтыган бүтүндөй медициналык жогорку жана төмөнкү процесске интеграциялана баштады жана медициналык/ооруларды көзөмөлдөө кызматкерлери менен органикалык түрдө кызматташып, адамдын ден соолугуна жыргалчылык алып келүү мүмкүнчүлүгүн көрсөтө баштады. Колдонууга жарактуу медициналык AI изилдөө таң ата баштады. Келечекте, медициналык AI прогресси технологиялык өнүгүүнүн өзүнөн гана көз каранды болбостон, ошондой эле өнөр жайдын, университеттин жана медициналык изилдөөлөрдүн толук кызматташуусуна жана саясат жана жөнгө салуучу органдардын колдоосуна муктаж. Бул кайчылаш-домендик кызматташуу AI-интегралдык медициналык кызматтарга жетишүүнүн ачкычы болуп саналат жана, албетте, адамдын ден соолугун өнүктүрүүгө өбөлгө түзөт.