ਵਾਟਸਨ ਨੇ ਡਾਕਟਰ ਨੂੰ ਨਹੀਂ ਚੱਕਿਆ, ਅਤੇ ਬਹੁਤ ਵਧੀਆ

ਹਾਲਾਂਕਿ, ਜਿਵੇਂ ਕਿ ਕਈ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ, ਡਾਕਟਰਾਂ ਨੂੰ ਏਆਈ ਨਾਲ ਬਦਲਣ ਦਾ ਉਤਸ਼ਾਹ, ਡਾਇਗਨੌਸਟਿਕ ਅਸਫਲਤਾਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਤੋਂ ਬਾਅਦ ਕੁਝ ਘੱਟ ਗਿਆ ਹੈ, ਏਆਈ-ਅਧਾਰਤ ਦਵਾਈ ਦੇ ਵਿਕਾਸ 'ਤੇ ਕੰਮ ਅਜੇ ਵੀ ਜਾਰੀ ਹੈ। ਕਿਉਂਕਿ, ਫਿਰ ਵੀ, ਉਹ ਅਜੇ ਵੀ ਇਸਦੇ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਸੰਚਾਲਨ ਦੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਬਹੁਤ ਵਧੀਆ ਮੌਕੇ ਅਤੇ ਇੱਕ ਮੌਕਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ।

IBM ਦੀ ਘੋਸ਼ਣਾ 2015 ਵਿੱਚ ਕੀਤੀ ਗਈ ਸੀ, ਅਤੇ 2016 ਵਿੱਚ ਇਸਨੇ ਚਾਰ ਪ੍ਰਮੁੱਖ ਮਰੀਜ਼ ਡੇਟਾ ਕੰਪਨੀਆਂ (1) ਤੋਂ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ, ਬਹੁਤ ਸਾਰੀਆਂ ਮੀਡੀਆ ਰਿਪੋਰਟਾਂ ਦਾ ਧੰਨਵਾਦ, ਅਤੇ ਉਸੇ ਸਮੇਂ IBM ਤੋਂ ਉੱਨਤ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲਾ ਸਭ ਤੋਂ ਅਭਿਲਾਸ਼ੀ ਪ੍ਰੋਜੈਕਟ ਓਨਕੋਲੋਜੀ ਨਾਲ ਸਬੰਧਤ ਸੀ। ਵਿਗਿਆਨੀਆਂ ਨੇ ਉਹਨਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਨੁਕੂਲਿਤ ਐਂਟੀ-ਕੈਂਸਰ ਥੈਰੇਪੀਆਂ ਵਿੱਚ ਬਦਲਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਡੇਟਾ ਦੇ ਵਿਸ਼ਾਲ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ। ਲੰਬੇ ਸਮੇਂ ਦਾ ਟੀਚਾ ਵਾਟਸਨ ਨੂੰ ਰੈਫਰੀ ਬਣਾਉਣਾ ਸੀ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਨਤੀਜੇ ਇੱਕ ਡਾਕਟਰ ਦੇ ਰੂਪ ਵਿੱਚ ਹੋਣਗੇ।

1. ਵਾਟਸਨ ਹੈਲਥ ਮੈਡੀਕਲ ਪ੍ਰਣਾਲੀ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਵਿੱਚੋਂ ਇੱਕ

ਹਾਲਾਂਕਿ, ਇਹ ਸਾਹਮਣੇ ਆਇਆ ਹੈ ਕਿ ਵਾਟਸਨ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਮੈਡੀਕਲ ਸਾਹਿਤ ਦਾ ਹਵਾਲਾ ਨਹੀਂ ਦੇ ਸਕਦਾ, ਅਤੇ ਮਰੀਜ਼ਾਂ ਦੇ ਇਲੈਕਟ੍ਰਾਨਿਕ ਮੈਡੀਕਲ ਰਿਕਾਰਡਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਵੀ ਨਹੀਂ ਕੱਢ ਸਕਦਾ। ਹਾਲਾਂਕਿ, ਉਸ 'ਤੇ ਸਭ ਤੋਂ ਗੰਭੀਰ ਦੋਸ਼ ਇਹ ਸੀ ਨਵੇਂ ਮਰੀਜ਼ ਦੀ ਦੂਜੇ ਪੁਰਾਣੇ ਕੈਂਸਰ ਦੇ ਮਰੀਜ਼ਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਪਹਿਲੀ ਨਜ਼ਰ ਵਿੱਚ ਅਦਿੱਖ ਲੱਛਣਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਅਸਮਰੱਥਾ.

ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿ, ਕੁਝ ਓਨਕੋਲੋਜਿਸਟ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਉਸ ਦੇ ਨਿਰਣੇ ਵਿੱਚ ਭਰੋਸਾ ਰੱਖਣ ਦਾ ਦਾਅਵਾ ਕੀਤਾ ਸੀ, ਹਾਲਾਂਕਿ ਜਿਆਦਾਤਰ ਮਿਆਰੀ ਇਲਾਜਾਂ ਲਈ ਵਾਟਸਨ ਦੇ ਸੁਝਾਵਾਂ ਦੇ ਰੂਪ ਵਿੱਚ, ਜਾਂ ਇੱਕ ਵਾਧੂ, ਵਾਧੂ ਡਾਕਟਰੀ ਰਾਏ ਦੇ ਰੂਪ ਵਿੱਚ। ਕਈਆਂ ਨੇ ਇਸ਼ਾਰਾ ਕੀਤਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰਣਾਲੀ ਡਾਕਟਰਾਂ ਲਈ ਇੱਕ ਵਧੀਆ ਆਟੋਮੇਟਿਡ ਲਾਇਬ੍ਰੇਰੀਅਨ ਹੋਵੇਗੀ।

IBM ਤੋਂ ਬਹੁਤ ਖੁਸ਼ਹਾਲ ਸਮੀਖਿਆਵਾਂ ਨਾ ਹੋਣ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅਮਰੀਕੀ ਮੈਡੀਕਲ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਵਾਟਸਨ ਸਿਸਟਮ ਦੀ ਵਿਕਰੀ ਨਾਲ ਸਮੱਸਿਆਵਾਂ. IBM ਵਿਕਰੀ ਪ੍ਰਤੀਨਿਧ ਇਸ ਨੂੰ ਭਾਰਤ, ਦੱਖਣੀ ਕੋਰੀਆ, ਥਾਈਲੈਂਡ ਅਤੇ ਹੋਰ ਦੇਸ਼ਾਂ ਦੇ ਕੁਝ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਵੇਚਣ ਵਿੱਚ ਕਾਮਯਾਬ ਰਹੇ। ਭਾਰਤ ਵਿੱਚ, ਡਾਕਟਰਾਂ () ਨੇ ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦੇ 638 ਮਾਮਲਿਆਂ ਲਈ ਵਾਟਸਨ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ। ਇਲਾਜ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਦਰ 73% ਹੈ। ਬਦਤਰ ਵਾਟਸਨ ਦੱਖਣੀ ਕੋਰੀਆ ਦੇ ਗੈਚੋਨ ਮੈਡੀਕਲ ਸੈਂਟਰ ਵਿੱਚ ਛੱਡ ਦਿੱਤਾ ਗਿਆ, ਜਿੱਥੇ ਕੋਲੋਰੇਕਟਲ ਕੈਂਸਰ ਦੇ 656 ਮਰੀਜ਼ਾਂ ਲਈ ਉਸ ਦੀਆਂ ਸਭ ਤੋਂ ਵਧੀਆ ਸਿਫ਼ਾਰਸ਼ਾਂ ਮਾਹਿਰਾਂ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਦਾ ਸਿਰਫ਼ 49 ਪ੍ਰਤੀਸ਼ਤ ਸਮੇਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਡਾਕਟਰਾਂ ਨੇ ਇਸ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਹੈ ਵਾਟਸਨ ਨੇ ਬਜ਼ੁਰਗ ਮਰੀਜ਼ਾਂ ਨਾਲ ਚੰਗਾ ਨਹੀਂ ਕੀਤਾਉਹਨਾਂ ਨੂੰ ਕੁਝ ਮਿਆਰੀ ਦਵਾਈਆਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਨਾ ਕਰਕੇ, ਅਤੇ ਮੈਟਾਸਟੈਟਿਕ ਬਿਮਾਰੀ ਵਾਲੇ ਕੁਝ ਮਰੀਜ਼ਾਂ ਲਈ ਹਮਲਾਵਰ ਇਲਾਜ ਨਿਗਰਾਨੀ ਕਰਨ ਦੀ ਗੰਭੀਰ ਗਲਤੀ ਕੀਤੀ।

ਅਖੀਰ ਵਿੱਚ, ਹਾਲਾਂਕਿ ਇੱਕ ਡਾਇਗਨੌਸਟਿਸ਼ੀਅਨ ਅਤੇ ਡਾਕਟਰ ਵਜੋਂ ਉਸਦਾ ਕੰਮ ਅਸਫਲ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਅਜਿਹੇ ਖੇਤਰ ਹਨ ਜਿੱਥੇ ਉਹ ਬਹੁਤ ਉਪਯੋਗੀ ਸਾਬਤ ਹੋਏ। ਉਤਪਾਦ ਜੀਨੋਮਿਕਸ ਲਈ ਵਾਟਸਨ, ਜੋ ਕਿ ਉੱਤਰੀ ਕੈਰੋਲੀਨਾ ਯੂਨੀਵਰਸਿਟੀ, ਯੇਲ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਹੋਰ ਸੰਸਥਾਵਾਂ ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਓਨਕੋਲੋਜਿਸਟਸ ਲਈ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਲਈ ਜੈਨੇਟਿਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ. ਵਾਟਸਨ ਡਾਊਨਲੋਡ ਲਿਸਟ ਫਾਈਲ ਜੈਨੇਟਿਕ ਪਰਿਵਰਤਨ ਇੱਕ ਮਰੀਜ਼ ਵਿੱਚ ਅਤੇ ਮਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਰਿਪੋਰਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਾਰੀਆਂ ਮਹੱਤਵਪੂਰਨ ਦਵਾਈਆਂ ਅਤੇ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਲਈ ਸੁਝਾਅ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਵਾਟਸਨ ਅਨੁਵੰਸ਼ਕ ਜਾਣਕਾਰੀ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸੰਭਾਲਦਾ ਹੈਕਿਉਂਕਿ ਉਹ ਸਟ੍ਰਕਚਰਡ ਫਾਈਲਾਂ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਵਿੱਚ ਅਸਪਸ਼ਟਤਾ ਨਹੀਂ ਹੁੰਦੀ - ਜਾਂ ਤਾਂ ਇੱਕ ਪਰਿਵਰਤਨ ਹੁੰਦਾ ਹੈ ਜਾਂ ਕੋਈ ਪਰਿਵਰਤਨ ਨਹੀਂ ਹੁੰਦਾ।

ਉੱਤਰੀ ਕੈਰੋਲੀਨਾ ਯੂਨੀਵਰਸਿਟੀ ਦੇ IBM ਭਾਈਵਾਲਾਂ ਨੇ 2017 ਵਿੱਚ ਕੁਸ਼ਲਤਾ 'ਤੇ ਇੱਕ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ। ਵਾਟਸਨ ਨੇ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਪਰਿਵਰਤਨ ਲੱਭੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ 32% ਵਿੱਚ ਮਨੁੱਖੀ ਅਧਿਐਨਾਂ ਦੁਆਰਾ ਪਛਾਣੇ ਨਹੀਂ ਗਏ ਸਨ। ਮਰੀਜ਼ਾਂ ਦਾ ਅਧਿਐਨ ਕੀਤਾ, ਉਹਨਾਂ ਨੂੰ ਨਵੀਂ ਦਵਾਈ ਲਈ ਚੰਗੇ ਉਮੀਦਵਾਰ ਬਣਾਉਂਦੇ ਹੋਏ। ਹਾਲਾਂਕਿ, ਅਜੇ ਵੀ ਇਸ ਗੱਲ ਦਾ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਹੈ ਕਿ ਵਰਤੋਂ ਨਾਲ ਇਲਾਜ ਦੇ ਬਿਹਤਰ ਨਤੀਜੇ ਨਿਕਲਦੇ ਹਨ।

ਪ੍ਰੋਟੀਨ ਦਾ ਘਰੇਲੂਕਰਨ

ਇਹ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੀਆਂ ਉਦਾਹਰਣਾਂ ਵਧ ਰਹੇ ਵਿਸ਼ਵਾਸ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀਆਂ ਹਨ ਕਿ ਸਿਹਤ ਦੇਖਭਾਲ ਵਿੱਚ ਸਾਰੀਆਂ ਕਮੀਆਂ ਨੂੰ ਦੂਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ, ਪਰ ਸਾਨੂੰ ਉਹਨਾਂ ਖੇਤਰਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਜਿੱਥੇ ਇਹ ਅਸਲ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਲੋਕ ਉੱਥੇ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਨਹੀਂ ਕਰ ਰਹੇ ਹਨ। ਅਜਿਹਾ ਖੇਤਰ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰੋਟੀਨ ਖੋਜ. ਪਿਛਲੇ ਸਾਲ, ਜਾਣਕਾਰੀ ਸਾਹਮਣੇ ਆਈ ਸੀ ਕਿ ਇਹ ਪ੍ਰੋਟੀਨ ਦੇ ਕ੍ਰਮ (2) ਦੇ ਆਧਾਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਸ਼ਕਲ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦੀ ਹੈ। ਇਹ ਇੱਕ ਪਰੰਪਰਾਗਤ ਕੰਮ ਹੈ, ਨਾ ਸਿਰਫ਼ ਲੋਕਾਂ ਦੀ ਸ਼ਕਤੀ, ਸਗੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਿਊਟਰਾਂ ਦੀ ਸ਼ਕਤੀ ਤੋਂ ਪਰੇ। ਜੇਕਰ ਅਸੀਂ ਪ੍ਰੋਟੀਨ ਦੇ ਅਣੂਆਂ ਨੂੰ ਮਰੋੜਨ ਦੇ ਸਟੀਕ ਮਾਡਲਿੰਗ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਜੀਨ ਥੈਰੇਪੀ ਦੇ ਵੱਡੇ ਮੌਕੇ ਹੋਣਗੇ। ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਅਲਫਾਫੋਲਡ ਦੀ ਮਦਦ ਨਾਲ ਅਸੀਂ ਹਜ਼ਾਰਾਂ ਦੇ ਫੰਕਸ਼ਨਾਂ ਦਾ ਅਧਿਐਨ ਕਰਾਂਗੇ, ਅਤੇ ਇਹ, ਬਦਲੇ ਵਿੱਚ, ਸਾਨੂੰ ਕਈ ਬਿਮਾਰੀਆਂ ਦੇ ਕਾਰਨਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ।

ਚਿੱਤਰ 2. ਪ੍ਰੋਟੀਨ ਟਵਿਸਟਿੰਗ ਡੀਪਮਾਈਂਡ ਦੇ ਅਲਫਾਫੋਲਡ ਨਾਲ ਮਾਡਲ ਕੀਤੀ ਗਈ।

ਹੁਣ ਅਸੀਂ ਦੋ ਸੌ ਮਿਲੀਅਨ ਪ੍ਰੋਟੀਨ ਜਾਣਦੇ ਹਾਂ, ਪਰ ਅਸੀਂ ਉਹਨਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਹਿੱਸੇ ਦੀ ਬਣਤਰ ਅਤੇ ਕਾਰਜ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਦੇ ਹਾਂ। ਪ੍ਰੋਟੀਨ ਇਹ ਜੀਵਤ ਜੀਵਾਂ ਦਾ ਬੁਨਿਆਦੀ ਬਿਲਡਿੰਗ ਬਲਾਕ ਹੈ। ਉਹ ਸੈੱਲਾਂ ਵਿੱਚ ਹੋਣ ਵਾਲੀਆਂ ਜ਼ਿਆਦਾਤਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਨ। ਉਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹ ਕੀ ਕਰਦੇ ਹਨ ਇਹ ਉਹਨਾਂ ਦੇ 50D ਢਾਂਚੇ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਉਹ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਨਿਯਮਾਂ ਦੁਆਰਾ ਨਿਰਦੇਸ਼ਤ, ਬਿਨਾਂ ਕਿਸੇ ਨਿਰਦੇਸ਼ ਦੇ ਢੁਕਵਾਂ ਰੂਪ ਲੈਂਦੇ ਹਨ। ਦਹਾਕਿਆਂ ਤੋਂ, ਪ੍ਰੋਟੀਨ ਦੀ ਸ਼ਕਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗਾਤਮਕ ਢੰਗ ਮੁੱਖ ਢੰਗ ਰਹੇ ਹਨ। XNUMX ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਵਰਤੋਂ ਐਕਸ-ਰੇ ਕ੍ਰਿਸਟਲੋਗ੍ਰਾਫਿਕ ਵਿਧੀਆਂ. ਪਿਛਲੇ ਦਹਾਕੇ ਵਿੱਚ, ਇਹ ਚੋਣ ਦਾ ਖੋਜ ਸੰਦ ਬਣ ਗਿਆ ਹੈ. ਕ੍ਰਿਸਟਲ ਮਾਈਕ੍ਰੋਸਕੋਪੀ. 80 ਅਤੇ 90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਪ੍ਰੋਟੀਨ ਦੀ ਸ਼ਕਲ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕੰਪਿਊਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ 'ਤੇ ਕੰਮ ਸ਼ੁਰੂ ਹੋਇਆ। ਹਾਲਾਂਕਿ, ਨਤੀਜਿਆਂ ਨੇ ਅਜੇ ਵੀ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਕੀਤਾ. ਕੁਝ ਪ੍ਰੋਟੀਨ ਲਈ ਕੰਮ ਕਰਨ ਵਾਲੇ ਢੰਗ ਦੂਜਿਆਂ ਲਈ ਕੰਮ ਨਹੀਂ ਕਰਦੇ ਸਨ।

ਪਹਿਲਾਂ ਹੀ 2018 ਵਿੱਚ ਅਲਫ਼ਾਫੋਲਡ ਵਿੱਚ ਮਾਹਿਰਾਂ ਤੋਂ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ ਪ੍ਰੋਟੀਨ ਮਾਡਲਿੰਗ. ਹਾਲਾਂਕਿ, ਉਸ ਸਮੇਂ ਇਸਨੇ ਦੂਜੇ ਪ੍ਰੋਗਰਾਮਾਂ ਦੇ ਸਮਾਨ ਢੰਗਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਸੀ। ਵਿਗਿਆਨੀਆਂ ਨੇ ਰਣਨੀਤੀਆਂ ਬਦਲੀਆਂ ਅਤੇ ਇੱਕ ਹੋਰ ਬਣਾਇਆ, ਜਿਸ ਵਿੱਚ ਪ੍ਰੋਟੀਨ ਅਣੂਆਂ ਦੇ ਫੋਲਡਿੰਗ ਵਿੱਚ ਭੌਤਿਕ ਅਤੇ ਜਿਓਮੈਟ੍ਰਿਕ ਪਾਬੰਦੀਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ। ਅਲਫ਼ਾਫੋਲਡ ਅਸਮਾਨ ਨਤੀਜੇ ਦਿੱਤੇ। ਕਈ ਵਾਰ ਉਸ ਨੇ ਬਿਹਤਰ ਕੀਤਾ, ਕਈ ਵਾਰ ਬੁਰਾ. ਪਰ ਉਸ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਦਾ ਲਗਭਗ ਦੋ-ਤਿਹਾਈ ਹਿੱਸਾ ਪ੍ਰਯੋਗਾਤਮਕ ਤਰੀਕਿਆਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਨਤੀਜਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਸਾਲ 2 ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ, ਐਲਗੋਰਿਦਮ ਨੇ SARS-CoV-3 ਵਾਇਰਸ ਦੇ ਕਈ ਪ੍ਰੋਟੀਨ ਦੀ ਬਣਤਰ ਦਾ ਵਰਣਨ ਕੀਤਾ। ਬਾਅਦ ਵਿੱਚ, ਇਹ ਪਾਇਆ ਗਿਆ ਕਿ Orf2020a ਪ੍ਰੋਟੀਨ ਲਈ ਪੂਰਵ-ਅਨੁਮਾਨ ਪ੍ਰਯੋਗਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਨਤੀਜਿਆਂ ਨਾਲ ਇਕਸਾਰ ਹਨ।

ਇਹ ਸਿਰਫ਼ ਪ੍ਰੋਟੀਨ ਨੂੰ ਫੋਲਡਿੰਗ ਦੇ ਅੰਦਰੂਨੀ ਤਰੀਕਿਆਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਵੀ ਹੈ। NIH BRAIN ਪਹਿਲਕਦਮੀ ਤੋਂ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵਰਤਿਆ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਇੱਕ ਪ੍ਰੋਟੀਨ ਵਿਕਸਤ ਕਰੋ ਜੋ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਦਿਮਾਗ ਦੇ ਸੇਰੋਟੋਨਿਨ ਦੇ ਪੱਧਰਾਂ ਨੂੰ ਟਰੈਕ ਕਰ ਸਕਦਾ ਹੈ। ਸੇਰੋਟੋਨਿਨ ਇੱਕ ਨਿਊਰੋ ਕੈਮੀਕਲ ਹੈ ਜੋ ਕਿ ਦਿਮਾਗ ਸਾਡੇ ਵਿਚਾਰਾਂ ਅਤੇ ਭਾਵਨਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਇਸ ਵਿੱਚ ਮੁੱਖ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਬਹੁਤ ਸਾਰੇ ਐਂਟੀ-ਡਿਪ੍ਰੈਸੈਂਟਸ ਸੇਰੋਟੋਨਿਨ ਸਿਗਨਲਾਂ ਨੂੰ ਬਦਲਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ ਜੋ ਨਿਊਰੋਨਸ ਦੇ ਵਿਚਕਾਰ ਸੰਚਾਰਿਤ ਹੁੰਦੇ ਹਨ। ਜਰਨਲ ਸੈੱਲ ਦੇ ਇੱਕ ਲੇਖ ਵਿੱਚ, ਵਿਗਿਆਨੀਆਂ ਨੇ ਦੱਸਿਆ ਕਿ ਉਹ ਕਿਵੇਂ ਅਡਵਾਂਸਡ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੈਨੇਟਿਕ ਇੰਜੀਨੀਅਰਿੰਗ ਢੰਗ ਇੱਕ ਬੈਕਟੀਰੀਆ ਪ੍ਰੋਟੀਨ ਨੂੰ ਇੱਕ ਨਵੇਂ ਖੋਜ ਸਾਧਨ ਵਿੱਚ ਬਦਲੋ ਜੋ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਨਾਲ ਸੇਰੋਟੋਨਿਨ ਸੰਚਾਰ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਪ੍ਰੀ-ਕਲੀਨਿਕਲ ਪ੍ਰਯੋਗਾਂ, ਜ਼ਿਆਦਾਤਰ ਚੂਹਿਆਂ ਵਿੱਚ, ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਸੈਂਸਰ ਨੀਂਦ, ਡਰ ਅਤੇ ਸਮਾਜਿਕ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੇ ਦੌਰਾਨ ਦਿਮਾਗ ਦੇ ਸੇਰੋਟੋਨਿਨ ਦੇ ਪੱਧਰਾਂ ਵਿੱਚ ਸੂਖਮ ਤਬਦੀਲੀਆਂ ਦਾ ਤੁਰੰਤ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਨਵੀਆਂ ਮਨੋਵਿਗਿਆਨਕ ਦਵਾਈਆਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ।

ਮਹਾਂਮਾਰੀ ਵਿਰੁੱਧ ਲੜਾਈ ਹਮੇਸ਼ਾ ਸਫਲ ਨਹੀਂ ਰਹੀ ਹੈ

ਆਖ਼ਰਕਾਰ, ਇਹ ਪਹਿਲੀ ਮਹਾਂਮਾਰੀ ਸੀ ਜਿਸ ਬਾਰੇ ਅਸੀਂ MT ਵਿੱਚ ਲਿਖਿਆ ਸੀ। ਹਾਲਾਂਕਿ, ਉਦਾਹਰਨ ਲਈ, ਜੇ ਅਸੀਂ ਮਹਾਂਮਾਰੀ ਦੇ ਵਿਕਾਸ ਦੀ ਪ੍ਰਕਿਰਿਆ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ 'ਤੇ, AI ਇੱਕ ਅਸਫਲਤਾ ਵਾਲੀ ਚੀਜ਼ ਜਾਪਦੀ ਸੀ. ਵਿਦਵਾਨਾਂ ਨੇ ਇਹ ਸ਼ਿਕਾਇਤ ਕੀਤੀ ਹੈ ਬਣਾਵਟੀ ਗਿਆਨ ਪਿਛਲੀਆਂ ਮਹਾਮਾਰੀ ਦੇ ਅੰਕੜਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਕੋਰੋਨਾ ਵਾਇਰਸ ਦੇ ਫੈਲਣ ਦੀ ਹੱਦ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾ ਸਕਦਾ। “ਇਹ ਹੱਲ ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਉਹਨਾਂ ਚਿਹਰਿਆਂ ਨੂੰ ਪਛਾਣਨਾ ਜਿਹਨਾਂ ਦੀਆਂ ਅੱਖਾਂ ਅਤੇ ਕੰਨਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ ਹੈ। SARS-CoV-2 ਮਹਾਂਮਾਰੀ ਇਹ ਪਹਿਲਾਂ ਤੋਂ ਅਣਜਾਣ ਘਟਨਾਵਾਂ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਨਵੇਂ ਵੇਰੀਏਬਲ ਹਨ, ਇਸਲਈ ਇਤਿਹਾਸਿਕ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ ਨਕਲੀ ਬੁੱਧੀ ਜੋ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੀ ਗਈ ਸੀ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਨਹੀਂ ਕਰਦੀ। ਮਹਾਂਮਾਰੀ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਸਾਨੂੰ ਹੋਰ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਪਹੁੰਚਾਂ ਦੀ ਭਾਲ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ”ਸਕੋਲਟੈਕ ਤੋਂ ਮੈਕਸਿਮ ਫੇਡੋਰੋਵ ਨੇ ਅਪ੍ਰੈਲ 2020 ਵਿੱਚ ਰੂਸੀ ਮੀਡੀਆ ਨੂੰ ਦਿੱਤੇ ਇੱਕ ਬਿਆਨ ਵਿੱਚ ਕਿਹਾ।

ਸਮੇਂ ਦੇ ਨਾਲ ਉੱਥੇ ਸਨ ਹਾਲਾਂਕਿ ਐਲਗੋਰਿਦਮ ਜੋ COVID-19 ਦੇ ਵਿਰੁੱਧ ਲੜਾਈ ਵਿੱਚ AI ਦੀ ਮਹਾਨ ਉਪਯੋਗਤਾ ਨੂੰ ਸਾਬਤ ਕਰਦੇ ਹਨ. ਯੂਐਸ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨੇ 2020 ਦੇ ਪਤਝੜ ਵਿੱਚ COVID-19 ਵਾਲੇ ਲੋਕਾਂ ਵਿੱਚ ਖੰਘ ਦੇ ਲੱਛਣਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਣਾਲੀ ਵਿਕਸਤ ਕੀਤੀ, ਭਾਵੇਂ ਉਨ੍ਹਾਂ ਵਿੱਚ ਕੋਈ ਹੋਰ ਲੱਛਣ ਨਾ ਹੋਣ।

ਜਦੋਂ ਟੀਕੇ ਪ੍ਰਗਟ ਹੋਏ, ਤਾਂ ਇਹ ਵਿਚਾਰ ਆਬਾਦੀ ਨੂੰ ਟੀਕਾਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਪੈਦਾ ਹੋਇਆ ਸੀ। ਉਹ ਕਰ ਸਕਦੀ ਹੈ, ਉਦਾਹਰਨ ਲਈ ਵੈਕਸੀਨਾਂ ਦੀ ਆਵਾਜਾਈ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਮਾਡਲ ਦੀ ਮਦਦ ਕਰੋ. ਇਹ ਵੀ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਕਿ ਮਹਾਂਮਾਰੀ ਨਾਲ ਤੇਜ਼ੀ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਪਹਿਲਾਂ ਕਿਹੜੀਆਂ ਆਬਾਦੀਆਂ ਦਾ ਟੀਕਾਕਰਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਮੰਗ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੀ ਜਲਦੀ ਪਛਾਣ ਕਰਕੇ ਟੀਕਾਕਰਨ ਦੇ ਸਮੇਂ ਅਤੇ ਗਤੀ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰੇਗਾ। ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ ਦੇ ਨਾਲ ਐਲਗੋਰਿਦਮ ਦਾ ਸੁਮੇਲ ਸੰਭਵ ਮਾੜੇ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਸਿਹਤ ਸੰਬੰਧੀ ਘਟਨਾਵਾਂ ਬਾਰੇ ਤੇਜ਼ੀ ਨਾਲ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ।

ਇਹ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਿਸਟਮ ਸਿਹਤ ਸੰਭਾਲ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਪਹਿਲਾਂ ਹੀ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਦੇ ਵਿਹਾਰਕ ਫਾਇਦਿਆਂ ਦੀ ਸ਼ਲਾਘਾ ਕੀਤੀ ਗਈ; ਉਦਾਹਰਨ ਲਈ, ਅਮਰੀਕਾ ਵਿੱਚ ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਮੈਕਰੋ-ਆਈਜ਼ ਦੁਆਰਾ ਵਿਕਸਤ ਸਿਹਤ ਸੰਭਾਲ ਪ੍ਰਣਾਲੀ। ਜਿਵੇਂ ਕਿ ਕਈ ਹੋਰ ਮੈਡੀਕਲ ਸੰਸਥਾਵਾਂ ਦਾ ਮਾਮਲਾ ਹੈ, ਸਮੱਸਿਆ ਉਹਨਾਂ ਮਰੀਜ਼ਾਂ ਦੀ ਘਾਟ ਸੀ ਜੋ ਮੁਲਾਕਾਤਾਂ ਲਈ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦੇ ਸਨ। ਮੈਕਰੋ ਆਈਜ਼ ਇੱਕ ਸਿਸਟਮ ਬਣਾਇਆ ਜੋ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦਾ ਸੀ ਕਿ ਕਿਹੜੇ ਮਰੀਜ਼ ਉੱਥੇ ਨਹੀਂ ਸਨ। ਕੁਝ ਸਥਿਤੀਆਂ ਵਿੱਚ, ਉਹ ਕਲੀਨਿਕਾਂ ਲਈ ਵਿਕਲਪਿਕ ਸਮੇਂ ਅਤੇ ਸਥਾਨਾਂ ਦਾ ਸੁਝਾਅ ਵੀ ਦੇ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮਰੀਜ਼ ਦੇ ਦਿਖਾਈ ਦੇਣ ਦੀ ਸੰਭਾਵਨਾ ਵਧ ਜਾਂਦੀ ਹੈ। ਬਾਅਦ ਵਿੱਚ, ਇਸੇ ਤਰ੍ਹਾਂ ਦੀ ਤਕਨਾਲੋਜੀ ਅਰਕਾਨਸਾਸ ਤੋਂ ਨਾਈਜੀਰੀਆ ਤੱਕ ਵੱਖ-ਵੱਖ ਥਾਵਾਂ 'ਤੇ ਸਹਾਇਤਾ ਨਾਲ ਲਾਗੂ ਕੀਤੀ ਗਈ ਸੀ, ਖਾਸ ਤੌਰ 'ਤੇ, ਅੰਤਰਰਾਸ਼ਟਰੀ ਵਿਕਾਸ ਲਈ ਯੂਐਸ ਏਜੰਸੀ ਆਈ.

ਤਨਜ਼ਾਨੀਆ ਵਿੱਚ, ਮੈਕਰੋ-ਆਈਜ਼ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਇੱਕ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਕੰਮ ਕੀਤਾ ਬੱਚਿਆਂ ਦੇ ਟੀਕਾਕਰਨ ਦੀਆਂ ਦਰਾਂ ਵਿੱਚ ਵਾਧਾ. ਸੌਫਟਵੇਅਰ ਨੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਕਿ ਕਿਸੇ ਟੀਕਾਕਰਨ ਕੇਂਦਰ ਨੂੰ ਟੀਕਿਆਂ ਦੀਆਂ ਕਿੰਨੀਆਂ ਖੁਰਾਕਾਂ ਭੇਜਣ ਦੀ ਲੋੜ ਹੈ। ਉਹ ਇਹ ਵੀ ਮੁਲਾਂਕਣ ਕਰਨ ਦੇ ਯੋਗ ਸੀ ਕਿ ਕਿਹੜੇ ਪਰਿਵਾਰ ਆਪਣੇ ਬੱਚਿਆਂ ਦਾ ਟੀਕਾਕਰਨ ਕਰਨ ਤੋਂ ਝਿਜਕ ਰਹੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਨੂੰ ਢੁਕਵੀਂ ਦਲੀਲਾਂ ਨਾਲ ਅਤੇ ਕਿਸੇ ਸੁਵਿਧਾਜਨਕ ਸਥਾਨ 'ਤੇ ਟੀਕਾਕਰਨ ਕੇਂਦਰ ਦੀ ਸਥਿਤੀ ਨਾਲ ਮਨਾ ਲਿਆ ਜਾ ਸਕਦਾ ਸੀ। ਇਸ ਸੌਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਤਨਜ਼ਾਨੀਆ ਸਰਕਾਰ ਆਪਣੇ ਟੀਕਾਕਰਨ ਪ੍ਰੋਗਰਾਮ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਨੂੰ 96% ਤੱਕ ਵਧਾਉਣ ਦੇ ਯੋਗ ਹੋ ਗਈ ਹੈ। ਅਤੇ ਵੈਕਸੀਨ ਦੀ ਰਹਿੰਦ-ਖੂੰਹਦ ਨੂੰ 2,42 ਪ੍ਰਤੀ 100 ਲੋਕਾਂ ਤੱਕ ਘਟਾਓ।

ਸੀਅਰਾ ਲਿਓਨ ਵਿੱਚ, ਜਿੱਥੇ ਵਸਨੀਕਾਂ ਦਾ ਸਿਹਤ ਡੇਟਾ ਗਾਇਬ ਸੀ, ਕੰਪਨੀ ਨੇ ਇਸ ਨੂੰ ਸਿੱਖਿਆ ਬਾਰੇ ਜਾਣਕਾਰੀ ਨਾਲ ਮੇਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ। ਇਹ ਸਾਹਮਣੇ ਆਇਆ ਕਿ ਇਕੱਲੇ ਅਧਿਆਪਕਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਗਿਣਤੀ 70 ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕਾਫੀ ਸੀ। ਇਸ ਗੱਲ ਦੀ ਸ਼ੁੱਧਤਾ ਕਿ ਕੀ ਸਥਾਨਕ ਕਲੀਨਿਕ ਕੋਲ ਸਾਫ਼ ਪਾਣੀ ਦੀ ਪਹੁੰਚ ਹੈ, ਜੋ ਪਹਿਲਾਂ ਹੀ ਉੱਥੇ ਰਹਿ ਰਹੇ ਲੋਕਾਂ ਦੀ ਸਿਹਤ 'ਤੇ ਅੰਕੜਿਆਂ ਦਾ ਇੱਕ ਪੈਰ ਦਾ ਨਿਸ਼ਾਨ ਹੈ (3)।

3. ਅਫਰੀਕਾ ਵਿੱਚ AI-ਸੰਚਾਲਿਤ ਸਿਹਤ ਸੰਭਾਲ ਪ੍ਰੋਗਰਾਮਾਂ ਦਾ ਮੈਕਰੋ-ਆਈਜ਼ ਚਿੱਤਰ।

ਮਸ਼ੀਨੀ ਡਾਕਟਰ ਦੀ ਮਿੱਥ ਨਹੀਂ ਮਿਟਦੀ

ਅਸਫਲਤਾਵਾਂ ਦੇ ਬਾਵਜੂਦ ਵਾਟਸਨ ਨਵੇਂ ਡਾਇਗਨੌਸਟਿਕ ਪਹੁੰਚ ਅਜੇ ਵੀ ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਉੱਨਤ ਮੰਨੇ ਜਾਂਦੇ ਹਨ। ਸਤੰਬਰ 2020 ਵਿੱਚ ਸਵੀਡਨ ਵਿੱਚ ਕੀਤੀ ਗਈ ਤੁਲਨਾ। ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦੇ ਇਮੇਜਿੰਗ ਡਾਇਗਨੌਸਟਿਕਸ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਨੇ ਦਿਖਾਇਆ ਕਿ ਉਹਨਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਰੇਡੀਓਲੋਜਿਸਟ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ। ਰੂਟੀਨ ਸਕ੍ਰੀਨਿੰਗ ਦੌਰਾਨ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ ਲਗਭਗ ਨੌਂ ਹਜ਼ਾਰ ਮੈਮੋਗ੍ਰਾਫਿਕ ਚਿੱਤਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਲਗੋਰਿਦਮ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ। ਤਿੰਨ ਪ੍ਰਣਾਲੀਆਂ, ਜਿਨ੍ਹਾਂ ਨੂੰ AI-1, AI-2 ਅਤੇ AI-3 ਵਜੋਂ ਨਾਮਜ਼ਦ ਕੀਤਾ ਗਿਆ ਹੈ, ਨੇ 81,9%, 67% ਦੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਅਤੇ 67,4%। ਤੁਲਨਾ ਕਰਨ ਲਈ, ਰੇਡੀਓਲੋਜਿਸਟਸ ਲਈ ਜੋ ਇਹਨਾਂ ਚਿੱਤਰਾਂ ਦੀ ਪਹਿਲੀ ਵਿਆਖਿਆ ਕਰਦੇ ਹਨ, ਇਹ ਅੰਕੜਾ 77,4% ਸੀ, ਅਤੇ ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਰੇਡੀਓਲੋਜਿਸਟਇਸਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲਾ ਦੂਜਾ ਕੌਣ ਸੀ, ਇਹ 80,1 ਪ੍ਰਤੀਸ਼ਤ ਸੀ. ਸਭ ਤੋਂ ਵਧੀਆ ਐਲਗੋਰਿਦਮ ਉਹਨਾਂ ਕੇਸਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੇ ਯੋਗ ਵੀ ਸਨ ਜੋ ਰੇਡੀਓਲੋਜਿਸਟ ਸਕ੍ਰੀਨਿੰਗ ਦੌਰਾਨ ਖੁੰਝ ਗਏ ਸਨ, ਅਤੇ ਔਰਤਾਂ ਨੂੰ ਇੱਕ ਸਾਲ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਬਿਮਾਰ ਮੰਨਿਆ ਗਿਆ ਸੀ।

ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਅਨੁਸਾਰ, ਇਹ ਨਤੀਜੇ ਇਹ ਸਾਬਤ ਕਰਦੇ ਹਨ ਨਕਲੀ ਖੁਫੀਆ ਐਲਗੋਰਿਦਮ ਰੇਡੀਓਲੋਜਿਸਟਸ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਗਲਤ-ਨਕਾਰਾਤਮਕ ਨਿਦਾਨਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੋ। ਇੱਕ ਔਸਤ ਰੇਡੀਓਲੋਜਿਸਟ ਦੇ ਨਾਲ AI-1 ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਜੋੜਨ ਨਾਲ ਖੋਜੇ ਗਏ ਛਾਤੀ ਦੇ ਕੈਂਸਰਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ 8% ਵਾਧਾ ਹੋਇਆ ਹੈ। ਇਸ ਅਧਿਐਨ ਦਾ ਸੰਚਾਲਨ ਕਰਨ ਵਾਲੀ ਰਾਇਲ ਇੰਸਟੀਚਿਊਟ ਦੀ ਟੀਮ ਉਮੀਦ ਕਰਦੀ ਹੈ ਕਿ AI ਐਲਗੋਰਿਦਮ ਦੀ ਗੁਣਵੱਤਾ ਵਧਦੀ ਰਹੇਗੀ। ਪ੍ਰਯੋਗ ਦਾ ਪੂਰਾ ਵੇਰਵਾ JAMA ਓਨਕੋਲੋਜੀ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।

ਪੰਜ-ਪੁਆਇੰਟ ਪੈਮਾਨੇ 'ਤੇ ਡਬਲਯੂ. ਵਰਤਮਾਨ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਕਨੀਕੀ ਪ੍ਰਵੇਗ ਦੇਖ ਰਹੇ ਹਾਂ ਅਤੇ IV ਪੱਧਰ (ਉੱਚ ਆਟੋਮੇਸ਼ਨ) ਤੱਕ ਪਹੁੰਚ ਰਹੇ ਹਾਂ, ਜਦੋਂ ਸਿਸਟਮ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਮਾਹਰ ਨੂੰ ਪੂਰਵ-ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ, ਮਨੁੱਖੀ ਗਲਤੀ ਤੋਂ ਬਚਦਾ ਹੈ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਮਰੀਜ਼ ਦੇਖਭਾਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਹ ਉਹੀ ਹੈ ਜੋ ਉਸਨੇ ਕੁਝ ਮਹੀਨੇ ਪਹਿਲਾਂ ਨਿਰਣਾ ਕੀਤਾ ਸੀ ਸਟੈਨ ਏ.ਆਈ. ਦਵਾਈ ਦੇ ਖੇਤਰ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੇ ਨਜ਼ਦੀਕੀ ਪ੍ਰੋ. ਜਾਨੁਜ਼ ਬ੍ਰਾਜ਼ੀਵਿਜ਼ ਪੋਲਿਸ਼ ਸੋਸਾਇਟੀ ਫਾਰ ਨਿਊਕਲੀਅਰ ਮੈਡੀਸਨ ਤੋਂ ਪੋਲਿਸ਼ ਪ੍ਰੈਸ ਏਜੰਸੀ ਨੂੰ ਇੱਕ ਬਿਆਨ ਵਿੱਚ.

4. ਮੈਡੀਕਲ ਚਿੱਤਰਾਂ ਨੂੰ ਦੇਖਣ ਵਾਲੀ ਮਸ਼ੀਨ

ਐਲਗੋਰਿਥਮ, ਅਜਿਹੇ ਮਾਹਰਾਂ ਦੇ ਅਨੁਸਾਰ ਪ੍ਰੋ. ਬ੍ਰਾਜ਼ੀਵਿਚਇਸ ਉਦਯੋਗ ਵਿੱਚ ਵੀ ਲਾਜ਼ਮੀ ਹੈ। ਕਾਰਨ ਡਾਇਗਨੌਸਟਿਕ ਇਮੇਜਿੰਗ ਟੈਸਟਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ ਹੈ। ਸਿਰਫ 2000-2010 ਦੀ ਮਿਆਦ ਲਈ। MRI ਪ੍ਰੀਖਿਆਵਾਂ ਅਤੇ ਇਮਤਿਹਾਨਾਂ ਦੀ ਗਿਣਤੀ ਦਸ ਗੁਣਾ ਵਧ ਗਈ ਹੈ। ਬਦਕਿਸਮਤੀ ਨਾਲ, ਉਪਲਬਧ ਸਪੈਸ਼ਲਿਸਟ ਡਾਕਟਰਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਵਾਧਾ ਨਹੀਂ ਹੋਇਆ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਜਲਦੀ ਅਤੇ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪੂਰਾ ਕਰ ਸਕਦੇ ਹਨ। ਯੋਗ ਟੈਕਨੀਸ਼ੀਅਨਾਂ ਦੀ ਵੀ ਘਾਟ ਹੈ। AI-ਅਧਾਰਿਤ ਐਲਗੋਰਿਦਮ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਸਮੇਂ ਦੀ ਬਚਤ ਕਰਦਾ ਹੈ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਪੂਰੇ ਮਾਨਕੀਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਨਾਲ ਹੀ ਮਨੁੱਖੀ ਗਲਤੀ ਤੋਂ ਬਚਣ ਅਤੇ ਮਰੀਜ਼ਾਂ ਲਈ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਵਿਅਕਤੀਗਤ ਇਲਾਜਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਜਿਵੇਂ ਕਿ ਇਹ ਨਿਕਲਿਆ, ਇਹ ਵੀ ਫੋਰੈਂਸਿਕ ਦਵਾਈ ਤੋਂ ਲਾਭ ਲੈ ਸਕਦੇ ਹਨ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਵਿਕਾਸ. ਇਸ ਖੇਤਰ ਦੇ ਮਾਹਰ ਕੀੜੇ ਅਤੇ ਹੋਰ ਜੀਵਾਂ ਦੇ સ્ત્રਵਾਂ ਦੇ ਰਸਾਇਣਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਮ੍ਰਿਤਕ ਦੀ ਮੌਤ ਦਾ ਸਹੀ ਸਮਾਂ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਮਰੇ ਹੋਏ ਟਿਸ਼ੂਆਂ 'ਤੇ ਭੋਜਨ ਕਰਦੇ ਹਨ। ਇੱਕ ਸਮੱਸਿਆ ਉਦੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਨੈਕਰੋਫੈਜਾਂ ਦੇ સ્ત્રਵਾਂ ਦੇ ਮਿਸ਼ਰਣ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਖੇਡ ਵਿੱਚ ਆਉਂਦੀ ਹੈ। ਅਲਬਾਨੀ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨੇ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ ਵਿਧੀ ਜੋ ਕੀੜੇ ਦੀਆਂ ਕਿਸਮਾਂ ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਪਛਾਣ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਉਹਨਾਂ ਦੇ "ਰਸਾਇਣਕ ਫਿੰਗਰਪ੍ਰਿੰਟਸ" ਦੇ ਅਧਾਰ ਤੇ। ਟੀਮ ਨੇ ਮੱਖੀ ਦੀਆਂ ਛੇ ਕਿਸਮਾਂ ਤੋਂ ਵੱਖ-ਵੱਖ ਰਸਾਇਣਕ ਰਸਾਇਣਾਂ ਦੇ ਮਿਸ਼ਰਣ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ। ਉਸਨੇ ਪੁੰਜ ਸਪੈਕਟ੍ਰੋਮੈਟਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕੀੜੇ ਦੇ ਲਾਰਵੇ ਦੇ ਰਸਾਇਣਕ ਦਸਤਖਤਾਂ ਨੂੰ ਸਮਝਿਆ, ਜੋ ਕਿ ਇੱਕ ਆਇਨ ਦੇ ਇਲੈਕਟ੍ਰਿਕ ਚਾਰਜ ਦੇ ਪੁੰਜ ਦੇ ਅਨੁਪਾਤ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਮਾਪ ਕੇ ਰਸਾਇਣਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ।

ਇਸ ਲਈ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ, ਹਾਲਾਂਕਿ ਇੱਕ ਖੋਜੀ ਜਾਸੂਸ ਵਜੋਂ ਏ.ਆਈ ਬਹੁਤ ਵਧੀਆ ਨਹੀਂ, ਇਹ ਫੋਰੈਂਸਿਕ ਲੈਬ ਵਿੱਚ ਬਹੁਤ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ। ਸ਼ਾਇਦ ਅਸੀਂ ਇਸ ਪੜਾਅ 'ਤੇ ਉਸ ਤੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਉਮੀਦ ਕਰਦੇ ਹਾਂ, ਐਲਗੋਰਿਦਮ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹੋਏ ਜੋ ਡਾਕਟਰਾਂ ਨੂੰ ਕੰਮ ਤੋਂ ਬਾਹਰ ਕਰ ਦੇਣਗੇ (5). ਜਦੋਂ ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਬਣਾਵਟੀ ਗਿਆਨ ਵਧੇਰੇ ਯਥਾਰਥਕ ਤੌਰ 'ਤੇ, ਆਮ ਦੀ ਬਜਾਏ ਖਾਸ ਵਿਹਾਰਕ ਲਾਭਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹੋਏ, ਦਵਾਈ ਵਿੱਚ ਉਸਦਾ ਕੈਰੀਅਰ ਫਿਰ ਤੋਂ ਬਹੁਤ ਵਧੀਆ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।

5. ਡਾਕਟਰ ਦੀ ਕਾਰ ਦਾ ਦਰਸ਼ਨ