PAIRS Medical Diagnosis 1.0

करीबन PAIRS Medical Diagnosis

चिकित्सा निदान एक जटिल विषय है और कई नुकसान से ग्रस्त है। हालांकि चिकित्सा का अध्ययन एक विज्ञान है, अभ्यास एक कला है। गलतियां रोगी और उनके परिवार और डॉक्टर के लिए भारी कीमत पर हो सकता है । त्रुटियों को कम करने के लिए नैदानिक निर्णय सहायता प्रणाली (सीडीएसएस) विकसित किए जाते हैं। एआई-मेड को डॉक्टरों को उनके अभ्यास में त्रुटियों को कम करने में मदद करने के लिए डिज़ाइन किया गया है। एक अध्ययन में यह पाया गया कि नैदानिक त्रुटियों सहित चिकित्सा त्रुटि के कारण हर साल २२५ ० रोगियों की मौत हो जाती है (15%) और दवाओं के साइड इफेक्ट (45%)। इन त्रुटियों को कम करने के लिए उसके साथ संयुक्त राज्य अमेरिका में उपयोग के लिए CDSS अनिवार्य किया जाता है। कई कारणों से डॉक्टरों द्वारा नैदानिक त्रुटियां की जाती हैं। मनोवैज्ञानिकों ने इनका अध्ययन किया और पाया कि प्रमुख ध्यान भंग करने वाली विशेषताएं एक कारण हो सकती हैं । उदाहरण के लिए, किसी को लगता है कि हो सकता है कि कुछ विशेषताएं किसी घटना के लिए उनके वर्तमान संबंध के कारण महत्वपूर्ण हैं, लेकिन रोग प्रक्रिया में शामिल नहीं हो सकते हैं या निदान से असंबंधित नहीं हो सकते हैं। इसी तरह दोषपूर्ण तर्क संज्ञानात्मक या पुष्टि पूर्वाग्रह के कारण हो सकता है । कुछ अन्य त्रुटियां एंकरिंग या फ्रेमिंग या लीड के जल्दी बंद होने के कारण हो सकती हैं। एआई-मेड को प्रक्रिया को बाधित करके इन त्रुटियों को कम करने के लिए डिज़ाइन किया गया है। एआई-मेड नैदानिक प्रक्रिया पारंपरिक निदान के लिए विघटनकारी है (किसी भी पूर्वाग्रह पर विचार करके हमेशा मानव तर्क में शामिल नहीं है) और इसलिए त्रुटियों को कम करता है।

आर्टिफिशियल इंटेलिजेंस (एआई) में प्राकृतिक भाषा प्रसंस्करण (एनएलपी) और नैदानिक निर्णय समर्थन (डीडीएस) शामिल हैं और सीडीएस का हिस्सा हैं। एनएलपी के कुछ उदाहरणों में सांख्यिकीय पाठ क्लासिफायर शामिल है। हालांकि, नैदानिक शब्द बहुत जटिल हैं और आमतौर पर लैटिन और ग्रीक शर्तों पर आधारित होते हैं। पाठ वर्गीकरण के लिए चिकित्सा शब्दावली-नैदानिक शर्तों (SNOMED-CT) का एक मानकीकृत नामकरण विकसित किया गया था। शर्तों (300 000 से अधिक) सटीक विवरण और स्वचालित प्रसंस्करण के लिए 9 अंकों की संख्या द्वारा अनुक्रमित कर रहे हैं। एल्गोरिदम रोगी डेटा की सही व्याख्या के लिए इस सूचकांक का उपयोग करने के लिए बनाया गया है। निदान के लिए रोगी डेटा पर डीडीएस लागू किया जाता है। बायेसियन प्रोबैबिलिटीसिव विश्वास नेटवर्क लोकप्रिय हैं और उनके सन्निकटन विधियों का उपयोग निदान के लिए किया जा सकता है। चिकित्सक सहायक आर्टिफिशियल इंटेलिजेंस संदर्भ प्रणाली (जोड़े) इसी तरह की लाइनों में विकसित की गई है। इसमें लगभग ४८६ आंतरिक चिकित्सा रोगों और २० सुविधाओं के लिए लगभग २८ ००० रोग-फीचर लिंक हैं । जोड़े सुविधाओं के लक्षण, संकेत या परीक्षण से मिलकर बनता है। यह एआई एनएलपी और डीडीएस के होते हैं। एनएलपी SNOMED-सीटी शब्द सूचकांक विश्लेषण पर आधारित है। यह एल्गोरिदम एक शब्द आधारित सूचकांक उत्पन्न करता है जिसमें से संभावित समानार्थी शब्दों का चयन और प्रदर्शन किया जाता है। उपयोगकर्ता डेटा दर्ज कर सकता है क्योंकि एक पसंद और कार्यक्रम एक फीचर सूची से उनके समानार्थी शब्दों की तलाश करता है। एआई-मेड जोड़े डेटाबेस का उपयोग करता है। उपयोगकर्ता के अनुकूल एनएलपी एक पसंद के रूप में नैदानिक डेटा दर्ज करने के लिए सक्षम बनाता है । उदाहरण के लिए, एनएलपी द्वारा संक्षिप्त शब्दों की सही पहचान की जाती है। एक बार रोगी डेटा दर्ज हो जाने के बाद, कोई भी डीडीएस चला सकता है।

एआई-मेड अपने डीडीएस के लिए बायेसियन प्रोबैबिलिटी विधि की सन्निकटन विधि का उपयोग करता है। इस विधि को 1999 में टॉमी जाकोला और माइकल जॉर्डन द्वारा जर्नल ऑफ आर्टिफिशियल इंटेलिजेंस रिसर्च में प्रकाशित किया गया था। प्रत्येक जोड़े सुविधाओं को उनके रोगविज्ञानी आधार और उनके नैदानिक महत्व के अनुसार भारित (0.09 से 0.99) किया जाता है। नैदानिक निर्णय के लिए प्रत्येक समूह में से एक में संकुल है: संक्रमण, नियोप्लासिया, ऑटोइम्यून या अन्य। डीडीएस संभावित निदान का एक सेट देने के लिए रोगी डेटा पर चलता है। एआई-मेड किसी भी पूर्वाग्रह के बावजूद नैदानिक डेटा देता है। किसी भी रोगी डेटा के लिए, यह जोड़े डेटाबेस से एक मामला डेटा बनाता है । केस डेटा में वजन, रोग की घटनाएं और उनके सांख्यिकीय रिसाव कारक शामिल हैं। डीडीएस को किसी बीमारी की संभावना के अनुमान की गणना करने के लिए डिज़ाइन किया गया है। इस अनुमान की एक ऊपरी और निचली सीमा है। इन बीजीय एल्गोरिदम के कार्यान्वयन की सटीकता को सीमा के बीच 0.00004 से 0.00009 तक लगातार संख्यात्मक भिन्नता के परिणामस्वरूप सत्यापित किया जाता है। एक Bayesian संभावय अनुमान एक निदान के लिए किया जाता है। अंत में, संभावित निदान के परीक्षण के लिए जांच का एक सेट सुझाया जाता है। आउटपुट को आगे के संदर्भ के लिए फ़ाइल में सहेजा जा सकता है।