xəbərlər

IBM Watson 2007-ci ildə başladığından bəri insanlar davamlı olaraq tibbi süni intellektin (AI) inkişafı üzərində çalışırlar. Yararlı və güclü tibbi süni intellekt sistemi müasir tibbin bütün aspektlərini yenidən formalaşdırmaq, daha ağıllı, daha dəqiq, səmərəli və inklüziv qayğıya imkan yaratmaq, tibb işçilərinə və xəstələrə rifah gətirmək və bununla da insan sağlamlığını əhəmiyyətli dərəcədə yaxşılaşdırmaq üçün böyük potensiala malikdir. Son 16 ildə tibbi süni intellekt tədqiqatçıları müxtəlif kiçik sahələrdə toplaşsalar da, bu mərhələdə elmi fantastikanı hələ reallaşdıra bilməyiblər.

Bu il ChatGPT kimi AI texnologiyasının inqilabi inkişafı ilə tibbi süni intellekt bir çox aspektlərdə böyük irəliləyiş əldə etdi. Tibbi süni intellekt qabiliyyətində görünməmiş irəliləyiş: Nature jurnalı davamlı olaraq tibbi geniş dil modeli və tibbi təsvirin əsas modelinin tədqiqinə başlamışdır; Google Med-PaLM və onun varisini buraxır, ABŞ-da Həkim Həkim imtahan suallarında ekspert səviyyəsinə çatır. Əsas akademik jurnallar tibbi süni intellektə diqqət yetirəcək: Təbiət ümumi tibbi AI-nin əsas modeli haqqında dünyagörüşünü dərc edir; Bu ilin əvvəlində Tibbdə süni intellektə dair bir sıra araşdırmalardan sonra, New England Journal of Medicine (NEJM) noyabrın 30-da ilk rəqəmsal sağlamlıq icmalını dərc etdi və dekabrın 12-də NEJM subjurnalının NEJM AI-nin ilk nömrəsini təqdim etdi. Tibbi süni intellekt sahəsi daha da yetkinləşdi: JAMA alt jurnalı qlobal tibbi görüntü məlumatlarının paylaşılması təşəbbüsünü nəşr etdi; ABŞ Qida və Dərman İdarəsi (FDA) tibbi süni intellektin tənzimlənməsi üçün təlimat layihəsi hazırlayır.

Aşağıda, 2023-cü ildə dünyada tədqiqatçıların istifadəyə yararlı tibbi AI istiqamətində əldə etdikləri əhəmiyyətli irəliləyişləri nəzərdən keçiririk.

Tibbi AI Əsas Modeli

Tibbi süni intellektin əsas modelinin qurulması, şübhəsiz ki, bu ilin ən isti tədqiqat mərkəzidir. Təbiət jurnalları il ərzində Universal Basic səhiyyə modeli və səhiyyənin geniş dil modeli haqqında icmal məqalələri dərc etmişdir. Sənayenin ən yaxşı jurnalı olan Medical Image Analysis tibbi görüntü analizində əsas model tədqiqatının çətinliklərini və imkanlarını nəzərdən keçirdi və səbirsizliklə gözlədi və tibbi süni intellektin əsas model tədqiqatını ümumiləşdirmək və inkişaf etdirmək üçün "əsas modelin şəcərəsi" konsepsiyasını təklif etdi. Səhiyyə üçün əsas AI modellərinin gələcəyi daha aydın olur. ChatGPT kimi böyük dil modellərinin uğurlu nümunələrinə əsaslanaraq, daha qabaqcıl öz-özünə nəzarət edilən təlim öncəsi metodlarından və geniş təlim məlumatlarının yığılmasından istifadə edərək, tibbi süni intellekt sahəsində tədqiqatçılar 1) xəstəliyə xas əsas modellər, 2) ümumi əsas modellər və 3) geniş imkanlar və super parametrlər ilə inteqrasiya edən multimodal böyük modellər yaratmağa çalışırlar.

Tibbi məlumatların əldə edilməsi AI modeli

Aşağı axın klinik məlumatların təhlili tapşırıqlarında böyük rol oynayan böyük AI modellərinə əlavə olaraq, yuxarıdakı klinik məlumatların əldə edilməsində generativ AI modelləri ilə təmsil olunan texnologiya da ortaya çıxdı. Məlumatların əldə edilməsi prosesi, sürəti və keyfiyyəti AI alqoritmləri ilə əhəmiyyətli dərəcədə yaxşılaşdırıla bilər.

Bu ilin əvvəlində Nature Biomedical Engineering Türkiyənin Straits Universitetindən klinik tətbiqlərdə patoloji görüntüyə köməkli diaqnoz problemini həll etmək üçün generativ süni intellektdən istifadəyə yönəlmiş bir araşdırma dərc etdi. Əməliyyat zamanı donmuş kəsik toxumasında artefaktlar sürətli diaqnostik qiymətləndirməyə maneədir. Formalin və parafinlə gömülmüş (FFPE) toxuma daha keyfiyyətli nümunə təmin etsə də, onun istehsal prosesi çox vaxt aparır və çox vaxt 12-48 saat çəkir, bu da onu cərrahiyyədə istifadə üçün yararsız edir. Tədqiqat qrupu buna görə də AI-FFPE adlı alqoritm təklif etdi və bu alqoritm dondurulmuş hissədəki toxumanın görünüşünü FFPE-yə bənzədir. Alqoritm dondurulmuş kəsiklərin artefaktlarını uğurla düzəltdi, təsvirin keyfiyyətini yaxşılaşdırdı və eyni zamanda klinik cəhətdən uyğun xüsusiyyətləri saxladı. Klinik qiymətləndirmədə AI-FFPE alqoritmi şiş alt tipləri üçün patoloqların diaqnostik dəqiqliyini əhəmiyyətli dərəcədə yaxşılaşdırır, eyni zamanda klinik diaqnoz vaxtını xeyli qısaldır.

Cell Reports Medicine, Jilin Universitetinin Üçüncü Klinik Kolleci, Radiologiya Departamenti, Fudan Universitetinə bağlı Zhongshan Xəstəxanası və Şanxay Elm və Texnologiya Universitetindən olan bir qrupun tədqiqat işini bildirir [25]. Bu tədqiqat sürətli MRT, aşağı dozalı CT və sürətli PET-də mükəmməl təsvirin rekonstruksiya performansını göstərən yüksək universallıq və çevikliyə malik ümumi məqsədli dərin öyrənmə və təkrarlanan rekonstruksiya füzyon çərçivəsini (Hybrid DL-IR) təklif edir. Alqoritm 100 saniyə ərzində MR Tək orqanlı çox ardıcıl skanına nail ola bilər, radiasiya dozasını CT təsvirinin yalnız 10%-nə qədər azalda bilər və səs-küyü aradan qaldıra bilər və hərəkət artefaktlarının təsirini azaldaraq, PET-in əldə edilməsindən kiçik lezyonları 2-4 dəfə sürətləndirmə ilə yenidən qura bilər.

Tibb işçiləri ilə əməkdaşlıqda tibbi süni intellekt

Tibbi süni intellektin sürətli inkişafı həm də tibb mütəxəssislərini klinik prosesləri təkmilləşdirmək üçün süni intellektlə necə əməkdaşlıq etməyi ciddi şəkildə düşünməyə və araşdırmağa vadar edib. Bu ilin iyul ayında DeepMind və çox institusional tədqiqat qrupu birlikdə Tamamlayıcı İdarə olunan Klinik İş Akışı Gecikməsi (CoDoC) adlı AI sistemini təklif etdilər. Diaqnostika prosesinə əvvəlcə proqnozlaşdırıcı AI sistemi diaqnoz qoyulur, sonra əvvəlki nəticəyə görə başqa bir AI sistemi tərəfindən mühakimə olunur və şübhə varsa, diaqnostik dəqiqliyi və balans səmərəliliyini artırmaq üçün diaqnoz nəhayət klinisist tərəfindən qoyulur. Döş xərçəngi skrininqinə gəldikdə, CoDoC eyni yalançı mənfi nisbətlə yalan müsbət nisbətləri 25% azaldarkən, Böyük Britaniyada mövcud "ikiqat oxunan arbitraj" prosesi ilə müqayisədə klinisistlərin iş yükünü 66% azaldıb. Vərəm təsnifatı baxımından, müstəqil süni intellekt və klinik iş axınları ilə müqayisədə eyni yalançı mənfi nisbətlə saxta müsbət nisbətlər 5-15 faiz azaldı.

Eynilə, Böyük Britaniyanın London şəhərindəki Kheiron şirkətindən Annie Y. Ng və başqaları, erkən döş xərçəngi skrininqində buraxılmış aşkarlanma problemini yaxşılaşdıran ikiqat oxunmuş arbitraj prosesində heç bir geri çağırış nəticəsi olmadıqda nəticələri yenidən yoxlamaq üçün əlavə süni intellekt oxuyucularını (insan yoxlayıcıları ilə əməkdaşlıqda) təqdim etdi və prosesdə demək olar ki, heç bir yalan müsbət nəticə olmadı. Texas McGovern Tibb Məktəbində bir komandanın rəhbərlik etdiyi və dörd insult mərkəzində tamamlanan başqa bir araşdırmada iri damar tıkayıcı işemik insultun (LVO) aşkarlanmasını avtomatlaşdırmaq üçün kompüter tomoqrafiyası angioqrafiyasına (CTA) əsaslanan AI texnologiyası tətbiq edilmişdir. Klinisyenler və rentgenoloqlar CT görüntüləməsi tamamlandıqdan bir neçə dəqiqə ərzində mobil telefonlarına real vaxt rejimində LVO-nun mümkün mövcudluğu barədə bildiriş alırlar. Bu süni insult prosesi kəskin işemik insult üçün xəstəxanadaxili iş axınlarını yaxşılaşdırır, qəbuldan müalicəyə qədər olan vaxtı azaldır və uğurlu xilasetmə imkanlarını təmin edir. Nəticələr JAMA Neurology jurnalında dərc olunub.

Universal Fayda üçün AI Sağlamlıq Modeli

2023-cü ildə daha asan əldə edilən məlumatlardan insan gözü üçün görünməyən xüsusiyyətləri tapmaq üçün tibbi süni intellektdən istifadə edən, universal diaqnostikaya və miqyasda erkən müayinəyə imkan verən bir çox yaxşı iş görəcək. İlin əvvəlində Nature Medicine, Sun Yat-sen Universitetinin Zhongshan Göz Mərkəzi və Fujian Tibb Universitetinin İkinci Əlaqəli Xəstəxanası tərəfindən aparılan araşdırmaları dərc etdi. Tətbiq terminalları kimi smartfonlardan istifadə edərək, uşaqların baxışlarını cəlb etmək və uşaqların baxışlarının davranışını və üz xüsusiyyətlərini qeyd etmək üçün cizgi filminə bənzər video təsvirlərdən istifadə etdilər və dərin öyrənmə modellərindən istifadə edərək anormal modelləri daha da təhlil edərək 16 göz xəstəliyini, o cümlədən anadangəlmə katarakta, anadangəlmə ptozis və anadangəlmə qlaukomanı müvəffəqiyyətlə müəyyən ediblər. Bu, körpələrin görmə funksiyalarının pozulmasının və əlaqədar göz xəstəliklərinin genişmiqyaslı erkən skrininqi üçün effektiv və asan populyarlaşan texniki vasitələri təmin edir.

İlin sonunda Nature Medicine, Şanxay Pankreas Xəstəlikləri İnstitutu və Zhejiang Universitetinin Birinci Əlaqəli Xəstəxanası da daxil olmaqla, dünya üzrə 10-dan çox tibb və tədqiqat qurumu tərəfindən görülən iş haqqında məlumat verdi. Müəllif mədəaltı vəzi xərçənginin effektiv və qeyri-invaziv erkən aşkarlanmasına nail olmaq üçün fiziki müayinə mərkəzlərində, xəstəxanalarda və s.-də asemptomatik insanların mədəaltı vəzi xərçənginin skrininqinə süni intellekt tətbiq edib. 20,000-dən çox xəstənin məlumatlarını nəzərdən keçirərkən, model, həmçinin klinik nəticələri əhəmiyyətli dərəcədə yaxşılaşdıran 31 kliniki buraxılmış lezyonları müəyyən etdi.

Tibbi Məlumatların Paylaşılması

2023-cü ildə bütün dünyada çoxlu mərkəzli əməkdaşlığı və məlumatların məxfiliyini və təhlükəsizliyini qorumaq şərti ilə məlumatların açıqlığını təmin edən daha çox mükəmməl məlumat mübadiləsi mexanizmləri və uğurlu hallar ortaya çıxdı.

Birincisi, süni intellekt texnologiyasının özünün köməyi ilə AI tədqiqatçıları tibbi məlumatların paylaşılmasına öz töhfələrini verdilər. ABŞ-ın Rutgers Universitetindən Qi Chang və başqaları Nature Communications-da məqalə dərc edərək, paylanmış sintetik rəqib şəbəkələrə əsaslanan federal öyrənmə çərçivəsini təklif edərək, çox mərkəzlərin xüsusi yaradılan məlumatlarını öyrətmək üçün generativ süni intellektdən istifadə edir və sonra çox mərkəzlərin real məlumatlarını yaradılan məlumatlarla əvəz edir. Məlumatların məxfiliyini qoruyarkən çoxmərkəzli böyük dataya əsaslanan AI təlimini təmin edin. Eyni komanda, həmçinin yaradılan patoloji şəkillərin və onların müvafiq annotasiyalarının verilənlər toplusunu da açıq mənbə ilə təmin edir. Yaradılmış verilənlər toplusunda öyrədilmiş seqmentləşdirmə modeli real verilənlərə oxşar nəticələr əldə edə bilər.

Tsinghua Universitetindən Dai Qionghai komandası, yerli məlumatların suverenliyi və saytlararası şəbəkə bağlantısı olmadan süni intellekt modellərini öyrətmək üçün çox saytlı böyük məlumatlardan istifadə edən Relay Learning təklifini irəli sürərək npj Digital Health haqqında məqalə dərc etdi. O, məlumatların təhlükəsizliyi və məxfilik problemlərini süni intellekt performansının axtarışı ilə balanslaşdırır. Eyni komanda daha sonra Guangzhou Tibb Universitetinin Birinci Əlaqəli Xəstəxanası və ölkə daxilində 24 xəstəxana ilə əməkdaşlıq edərək federal öyrənməyə əsaslanan döş qəfəsinin CT pan-mediastinal şiş diaqnostikası sistemi olan CAIMEN-i birgə inkişaf etdirdi və təsdiq etdi. 12 ümumi mediastinal şişə tətbiq oluna bilən sistem, tək insan mütəxəssisləri tərəfindən istifadə edildikdən fərqli olaraq, tək istifadə edildikdə 44,9 faiz daha yaxşı dəqiqliyə və insan mütəxəssislərin köməyi ilə 19 faiz daha yaxşı diaqnoz dəqiqliyinə nail oldu.

Digər tərəfdən, təhlükəsiz, qlobal, geniş miqyaslı tibbi məlumat dəstləri yaratmaq üçün bir sıra təşəbbüslər həyata keçirilir. 2023-cü ilin noyabrında Harvard Tibb Məktəbinin Biotibbi İnformatika Departamentindən Agustina Saenz və başqaları Lancet Digital Health-də bütün Səhiyyə üçün Süni İntellekt Məlumatları (MAIDA) adlı tibbi görüntü məlumatlarının paylaşılması üçün qlobal çərçivəni onlayn olaraq nəşr etdilər. Onlar məlumat mübadiləsini standartlaşdırmaq üçün ABŞ Federal Nümayiş Tərəfdaşının (FDP) şablonundan istifadə edərək, məlumatların toplanması və şəxsiyyətin identifikasiyası üzrə hərtərəfli təlimat vermək üçün bütün dünyada səhiyyə təşkilatları ilə işləyirlər. Onlar dünyanın müxtəlif bölgələrində və klinik Parametrlərdə toplanmış məlumat dəstlərini tədricən buraxmağı planlaşdırırlar. İlk məlumat dəstinin 2024-cü ilin əvvəlində buraxılacağı gözlənilir və tərəfdaşlıq genişləndikcə daha çox şey gələcək. Layihə qlobal, genişmiqyaslı və müxtəlif ictimai AI məlumatlarının yaradılması üçün mühüm cəhddir.

Təklifdən sonra Böyük Britaniyanın Biobankı nümunə göstərdi. UK Biobank 30 Noyabrda 500.000 iştirakçının bütün genom ardıcıllığına dair yeni məlumatları açıqladı. 500.000 britaniyalı könüllünün hər birinin tam genom ardıcıllığını dərc edən məlumat bazası dünyada ən böyük tam insan genomu məlumat bazasıdır. Dünyadakı tədqiqatçılar bu de-identifikasiya edilmiş məlumatlara giriş tələb edə və sağlamlıq və xəstəliklərin genetik əsaslarını araşdırmaq üçün istifadə edə bilərlər. Genetik məlumatlar keçmişdə yoxlama üçün həmişə yüksək həssas olub və Böyük Britaniya Biobankının bu tarixi nailiyyəti açıq, məxfilikdən kənar qlobal geniş miqyaslı verilənlər bazası yaratmağın mümkün olduğunu sübut edir. Bu texnologiya və verilənlər bazası ilə tibbi süni intellekt növbəti sıçrayışa səbəb olacaq.

Tibbi AI-nin yoxlanılması və qiymətləndirilməsi

Tibbi AI texnologiyasının özünün sürətli inkişafı ilə müqayisədə, tibbi AI-nin yoxlanılması və qiymətləndirilməsinin inkişafı bir qədər yavaşdır. Ümumi AI sahəsində doğrulama və qiymətləndirmə çox vaxt klinisyenlərin və xəstələrin AI üçün real tələblərinə məhəl qoymur. Ənənəvi randomizə edilmiş nəzarət edilən klinik sınaqlar süni intellekt alətlərinin sürətli iterasiyasına uyğun gəlmək üçün çox zəhmətlidir. Tibbi süni intellekt alətləri üçün uyğun olan yoxlama və qiymətləndirmə sisteminin mümkün qədər tez təkmilləşdirilməsi tibbi süni intellektin tədqiqat və inkişafı həqiqətən sıçrayışla klinik səviyyəyə çatdırmaq üçün təşviq etmək üçün ən vacib şeydir.

Google-un Təbiətdə nəşr olunan Med-PaLM üzrə tədqiqat məqaləsində komanda, həmçinin böyük dil modellərinin klinik bilik əldə etmək qabiliyyətini qiymətləndirmək üçün istifadə edilən MultiMedQA qiymətləndirmə meyarını dərc etdi. Benchmark, peşəkar tibbi bilikləri, tədqiqatları və digər aspektləri əhatə edən altı mövcud peşəkar tibbi sual-cavab məlumat dəstini, həmçinin həkim-xəstə onlayn sual-cavablarını nəzərə alaraq, AI-ni bir çox aspektlərdən ixtisaslı həkim kimi yetişdirməyə çalışan onlayn axtarış tibbi sual verilənlər bazasını birləşdirir. Bundan əlavə, komanda faktın, anlayışın, əsaslandırmanın və mümkün qərəzliliyin çoxsaylı ölçülərini nəzərə alan insan qiymətləndirməsinə əsaslanan çərçivə təklif edir. Bu, səhiyyədə süni intellektin qiymətləndirilməsi üçün bu il nəşr olunan ən nümayidələndirici tədqiqat səylərindən biridir.

Bununla belə, böyük dil modellərinin yüksək səviyyəli kodlaşdırma klinik bilik nümayiş etdirməsi, böyük dil modellərinin real dünyadakı klinik tapşırıqlar üçün səriştəli olduğunu göstərirmi? Peşəkar həkim imtahanından mükəmməl balla keçən tibb tələbəsi hələ də solo baş həkim olmaqdan uzaq olduğu kimi, Google tərəfindən təklif olunan qiymətləndirmə meyarları süni intellekt modelləri üçün tibbi süni intellekt qiymətləndirməsi mövzusuna mükəmməl cavab olmaya bilər. Hələ 2021 və 2022-ci illərdə tədqiqatçılar klinik praktiklik, təhlükəsizlik, insan faktorları və şəffaflıq/interpretativlik kimi amilləri nəzərə almaq şərti ilə tibbi süni intellektin erkən inkişafı və təsdiqlənməsinə rəhbərlik etməyə ümid edərək, Decid-AI, SPIRIT-AI və INTRPRT kimi hesabat təlimatlarını təklif ediblər. Bu yaxınlarda The Nature Medicine jurnalı Oksford Universiteti və Stenford Universitetinin tədqiqatçıları tərəfindən “xarici yoxlama” və ya “təkrarlanan yerli yoxlama”nın istifadə edilməsi ilə bağlı araşdırma dərc etdi. “AI alətlərini doğrulamaq üçün.

Süni intellekt alətlərinin qərəzsizliyi həm də bu il həm Elm, həm də NEJM məqalələrindən diqqət çəkən mühüm qiymətləndirmə istiqamətidir. AI çox vaxt qərəz nümayiş etdirir, çünki o, təlim məlumatları ilə məhdudlaşır. Bu qərəz daha sonra alqoritmik ayrı-seçkiliyə çevrilən sosial bərabərsizliyi əks etdirə bilər. Milli Sağlamlıq İnstitutları bu yaxınlarda tibbi süni intellekt alətlərinin qərəzsizliyini təsdiqləmək üçün istifadə oluna bilən müxtəlif məlumat dəstləri yaratmaq üçün (yuxarıda qeyd olunan MAIDA təşəbbüsünün məqsədlərinə uyğun olaraq) 130 milyon dollara başa gəldiyi təxmin edilən Bridge2AI təşəbbüsünü başlatdı. Bu aspektlər MultiMedQA tərəfindən nəzərə alınmır. Tibbi süni intellekt modellərinin necə ölçülməsi və təsdiqlənməsi məsələsi hələ də geniş və dərin müzakirələrə ehtiyac duyur.

Yanvar ayında Nature Medicine, Texas Universitetinin MD Anderson Xərçəng Mərkəzinin əməkdaşı Vivek Subbiahdan COVID-19 pandemiyası kontekstində məruz qalmış klinik sınaqların məhdudiyyətlərini nəzərdən keçirən və innovasiya ilə clinical tədqiqat prosesinə sadiqlik arasındakı ziddiyyətə işarə edərək, "Sübutlara əsaslanan təbabətin növbəti nəsli" adlı rəy yazısını dərc etdi. Nəhayət, o, klinik sınaqların yenidən qurulmasının gələcəyinə işarə edir - süni intellektdən istifadə edən növbəti nəsil klinik sınaqlar, yəni əsas sübutları tapmaq üçün çoxlu sayda tarixi tədqiqat məlumatlarından, real dünya məlumatlarından, multimodal klinik məlumatlardan, daşınan cihaz məlumatlarından süni intellektdən istifadə. Bu o deməkdirmi ki, AI texnologiyası və AI klinik qiymətləndirmə prosesləri gələcəkdə bir-birini gücləndirə və birlikdə inkişaf edə bilər? Bu, 2023-cü ilin açıq və düşündürücü sualıdır.

Tibbi AI-nin tənzimlənməsi

Süni intellekt texnologiyasının inkişafı süni intellektin tənzimlənməsi üçün də problemlər yaradır və bütün dünyada siyasətçilər diqqətlə və diqqətlə cavab verirlər. 2019-cu ildə FDA ilk dəfə süni intellektə malik tibbi cihazlara proqram dəyişiklikləri üçün Təklif olunan Tənzimləyici Çərçivəni (Müzakirə layihəsi) dərc etdi və bu, süni intellekt və maşın öyrənməsi ilə idarə olunan proqram modifikasiyalarının marketinqdən əvvəl nəzərdən keçirilməsinə potensial yanaşmasını ətraflı təsvir etdi. 2021-ci ildə FDA beş xüsusi süni intellekt tibbi tənzimləmə tədbirinə aydınlıq gətirən “Tibbi Cihaz Fəaliyyət Planı kimi Süni İntellekt/Maşın Öyrənməsinə əsaslanan Proqram təminatı” təklif etdi. Bu il FDA, maşın öyrənmə metodları vasitəsilə öyrədilmiş maşın öyrənmə modellərindən istifadə edən bəzi proqram cihazı xüsusiyyətləri də daxil olmaqla, cihaz proqram təminatı xüsusiyyətlərinin təhlükəsizliyi və effektivliyinin FDA-nın qiymətləndirilməsi üçün əvvəlcədən bazara təqdim edilmə tövsiyələri haqqında məlumat vermək üçün Cihaz Proqramı Xüsusiyyətləri üçün Premarket Təqdimatını yenidən nəşr etdi. FDA-nın tənzimləmə siyasəti ilkin təklifdən praktiki rəhbərliyə çevrilmişdir.

Keçən ilin iyul ayında Avropa Sağlamlıq Məlumat Məkanının nəşrindən sonra Aİ bir daha Süni İntellekt Aktı qəbul etdi. Birincisi, yüksək keyfiyyətli səhiyyə təmin etmək, bərabərsizlikləri azaltmaq və profilaktika, diaqnostika, müalicə, elmi innovasiyalar, qərarların qəbulu və qanunvericilik üçün məlumatları dəstəkləmək üçün sağlamlıq məlumatlarından ən yaxşı şəkildə istifadə etməyi hədəfləyir, eyni zamanda Aİ vətəndaşlarının şəxsi sağlamlıq məlumatları üzərində daha çox nəzarətə malik olmasını təmin edir. Sonuncu aydın edir ki, tibbi diaqnostika sistemi yüksək riskli süni intellekt sistemidir və o, məqsədyönlü güclü nəzarəti, bütün ömür boyu nəzarəti və qiymətləndirmədən əvvəl nəzarəti qəbul etməlidir. Avropa Dərman Agentliyi (EMA) xəstələrin təhlükəsizliyini və klinik tədqiqat nəticələrinin bütövlüyünü təmin etmək üçün süni intellektin etibarlılığının artırılmasına diqqət yetirməklə, dərmanların hazırlanması, tənzimlənməsi və istifadəsini dəstəkləmək üçün süni intellektdən istifadəyə dair Reflection Paper layihəsini dərc etmişdir. Bütövlükdə, Aİ-nin tənzimləmə yanaşması tədricən formalaşır və son icra detalları daha ətraflı və sərt ola bilər. AB-nin sərt tənzimləməsindən kəskin şəkildə fərqli olaraq, Böyük Britaniyanın süni intellektlə bağlı tənzimləmə planı hökumətin yumşaq yanaşmağı və yeni qanun layihələrini qəbul etməyi və ya yeni tənzimləyicilər yaratmamağı planlaşdırdığını açıq şəkildə göstərir.

Çində Milli Tibbi Məhsullar Administrasiyasının Tibbi Cihazların Texniki Baxış Mərkəzi (NMPA) əvvəllər “Dərin Öyrənmə Yardımlı Qərar Proqramının Nəzərdən keçirilməsi Nöqtələri”, “Süni İntellektli Tibbi Cihazların Qeydiyyatının Nəzərdən keçirilməsi üçün Rəhbər Prinsiplər (Şərh üçün layihə)” və “Müəyyənləşdirmə Prinsipləri və Təsnifatı” kimi sənədləri dərc etmişdir. Süni İntellekt Tibbi Proqram Məhsulları (2021-ci ildə № 47)”. Bu il "2023-cü ildə ilk tibbi cihaz məhsullarının təsnifat nəticələrinin xülasəsi" yenidən nəşr olundu. Bu sənədlər seriyası süni intellekt tibbi proqram məhsullarının tərifini, təsnifatını və tənzimlənməsini daha aydın və asan idarə edir və sənayedəki müxtəlif müəssisələrin məhsulun yerləşdirilməsi və qeydiyyat strategiyaları üçün aydın təlimat verir. Dekabrın 21-dən 23-dək Hançjouda keçirilən Çin Tibbi Süni İntellekt Konfransının gündəliyi dövlət xəstəxanalarının və süni intellektin tibbi cihazların sınaqdan keçirilməsi və qiymətləndirilməsi texnologiyasının standartlaşdırılması sənayesinin inkişafı forumunda rəqəmsal tibbi idarəetmə və yüksək keyfiyyətli inkişaf üçün xüsusi bir forum qurdu.

Nəticə

2023-cü ildə tibbi süni intellekt xəstəxana məlumatlarının toplanması, birləşmə, təhlil, diaqnostika və müalicə və icma müayinəsini əhatə edən bütün tibbi yuxarı və aşağı axın prosesinə inteqrasiya etməyə başladı və tibbi/xəstəliklərə nəzarət işçiləri ilə üzvi şəkildə əməkdaşlıq edərək insan sağlamlığına rifah gətirmək potensialını nümayiş etdirdi. İstifadə edilə bilən tibbi süni intellekt tədqiqatı səhər açılmağa başlayır. Gələcəkdə tibbi AI-nin tərəqqisi təkcə texnoloji inkişafın özündən asılı deyil, həm də sənaye, universitet və tibbi tədqiqatların tam əməkdaşlığına və siyasətçilərin və tənzimləyicilərin dəstəyinə ehtiyac duyur. Bu domenlərarası əməkdaşlıq süni intellektə inteqrasiya olunmuş tibbi xidmətlərə nail olmaq üçün açardır və şübhəsiz ki, insan sağlamlığının inkişafına kömək edəcəkdir.