Umesh Rustogi, Sağlık Hizmetleri için Microsoft Bulut’un genel müdürü ”
Bu üç model, klinik araştırmalar ve onkolojideki fenotip bazlı modeller için halihazırda önerilen birkaç önceden oluşturulmuş modele ek olarak sunulmaktadır
Geçen hafta, şirket duyurdu uzantıları Veri analizi platformu Fabric, mayıs ayında açılışını yaptıFabric’in birden fazla sağlık verisi türü üzerinde daha fazla analiz gerçekleştirmesini sağlamak için Microsoft bu endişeler hakkında ne düşünüyor?
Hadas Bitran, Microsoft’un Sağlık Yapay Zekası ve Sağlık ve Yaşam Bilimleri bölümünün başkanı Microsoft
Hadas Bitran, “İyi sonuçlar verebilmek için büyük dil modellerinin başka bir şeyle tamamlanması gerekiyor” dedi “Yani kendi kaynaklarınızı kullanabilirsiniz ve eğer hiçbir şey vermezlerse, güvenilir kaynaklara dayalı yanıtlar da verebilirsiniz, ardından güvenilir kaynaklar hiçbir şey vermezse genel bir yanıta başvurabilirsiniz
Bitran, “En ilginç yaklaşımlardan biri, yüksek lisans ile hibrit bir modelde daha küçük modeller ve kural tabanlı modeller kullanmaktır” diye ekledi ”
Elbette şu anda sağlık gibi hassas uygulamalarda büyük dil modelleri gibi üretken yapay zeka biçimlerinin kullanımına ilişkin pek çok şüphe var Bu makale, “tıbbi görüntüleme ve elektronik sağlık kayıtlarını (EHR’ler) birleştirmek için uygulanabilecek” “veri birleştirme” tekniklerine genel bir bakış sunmaktadır
Örneğin, klinik raporlamanın basitleştirilmesine yönelik önceden oluşturulmuş modelde, “yalnızca dil modelinin açıklamasını istemiyoruz ”
“Modellerimiz doktorun yerini almaya yönelik değil”“Bu sorumlu yapay zeka çerçevesi yalnızca gizlilik, güvenlik, erişilebilirlik ve şeffaflık vb
Sağlık alanı, Microsoft da dahil olmak üzere yapay zeka oyuncularının ilgisini giderek daha fazla çekiyor
Fabric’in yeni özelliklerinden bir diğeri de, doktor notları gibi verilerdeki hasta kimliklerini maskelemek amacıyla klinik verileri temizlemek için makine öğrenimini kullanan “kimlik gizleme hizmeti”dir Rustogi, “Sektör, bu yapılandırılmamış klinik notların nasıl alınacağı ve bunların araştırma camiasına faydalı olmasını sağlayacak şekilde kimlik bilgilerinin nasıl kaldırılacağı sorusunu çözmekte çok zorlandı” dedi Rustogi, “Birçok müşteri, birden fazla veri yöntemini birleştirirseniz, tek bir veri yöntemini araştırarak mümkün olmayan yeni bilgiler elde edebileceğinize inanıyor” dedi Microsoft ayrıca Azure Bulut Bilişim hizmeti için, diğer şeylerin yanı sıra, tıbbi asistanlar olarak büyük dil modellerinin kullanılmasına yönelik yeni hizmetleri de duyurdu Bay Rustogi örnek olarak şunları gösterdi: Prestijli Nature dergisinde 2020’de yayınlanan çalışma Önizlemede üç model sunulmaktadır:
- Hasta zaman çizelgesi“ilaçlar, teşhisler ve prosedürler gibi yapılandırılmamış verilerden önemli olayları çıkarmak için üretken yapay zekayı kullanan ve bakım planlarını daha iyi bilgilendirmek amacıyla klinisyenlere hastanın tıbbi geçmişine ilişkin daha doğru bir görünüm sağlamak için bunları kronolojik olarak organize eden”;
- Klinik raporları basitleştirme“klinisyenlere tıbbi jargonu alma ve bunu sade dile dönüştürme yeteneği vermek için üretken yapay zekayı kullanan ve aynı zamanda hastalar da dahil olmak üzere diğer kişilerle paylaşılabilmesi için klinik bilgilerin özünü koruyan”;
-
Radyoloji içgörüleri“hatalar ve tutarsızlıklar hakkında geri bildirim yoluyla kalite kontrolleri sağlar Bay Bitran, Bay Rustogi ile aynı röportajda ZDNET’e “Amaç, bu hizmetin müşterilerin özel ortak sürüş deneyimleri yaratmasına yardımcı olmasıdır” dedi Ve bunu bugün başarmak çok da kolay değil” diye açıkladı “Aynı zamanda doğruluk, hesap verebilirlik ve adaletle de ilgilidir Bitran, “Oluşturduğumuz her model, büyük dil modelleri kullanırsak her zaman sağlık sektörüne özel koruma önlemleriyle birlikte gelecektir” diye eklediAzure AI Health Insights teklifi, önceden oluşturulmuş makine öğrenimi modellerinden oluşur Model aynı zamanda radyolog tarafından belgelenen ölçümler (boyutlar) ile klinik belgelerdeki takip önerilerini ve klinik bulguları da tanımlar Sadeleştirmenin performans ölçümleri” diye açıkladı Sayın Bitran
Bitran, “İlginç olan da basamaklı bir etki yaratmanın mümkün olmasıdır” diye ekledi com”
genel-15Azure AI Health Bot adlı yeni bir teklif, bir sağlık kuruluşunun kendi veritabanı gibi kaynaklardan yanıtlar çıkarmak ve soruları yanıtlamak için büyük dil modeli (LLM) teknolojisini kullanıyor Aynı zamanda basitleştirmenin sonucunu almamıza, onu mevcut duruma göre ölçmemize olanak tanıyan birçok ön işleme ve son işleme mantığını da uyguluyoruz ”
Kaynak : “ZDNetMicrosoft Bulut genel müdürü Umesh Rustogi şöyle konuştu: “Bu birleşik, çok modlu veritabanını Fabric One Lake’te oluşturmak istiyoruz; burada tüm bu farklı veri yöntemlerini birleştirip bu veriler hakkında mantık yürütebilir, yapay zeka modellerini çalıştırabilirsiniz “Klinisyenlere iş yüklerini hafifletecek ve işlerinde yardımcı olacak araçlar sağlamayı amaçlıyorlar ”
Bitran, “Son olarak modellerimiz doktorun yerini almayı amaçlamıyor” diye ekledi ” Sağlık, ZDNET ile röportajda ile ilgili değildir “Daha sonra sonuçların aslında kaynağın basitleştirilmiş hali olup olmadığını veya uydurma ya da eksik unsurlar olup olmadığını görmek için çapraz referans veriyoruz
Sağlık alanında yapay zeka için hangi kaynakları kullanmalıyız?
Bay Rustogi’nin meslektaşı, Microsoft’un Sağlık Yapay Zekası ve Sağlık ve Yaşam Bilimleri bölümü başkanı Hadas Bitran, Azure web hizmetleri tarafından sunulan birkaç yeni yapay zeka teklifini tartıştı Microsoft
Çoklu yöntemlerin örnekleri arasında “görüntüleme sonuçlarından ve klinik sonuçlarından elde edilen kriterlere dayalı olarak hasta gruplarının oluşturulması yer alıyor
“Görüntüleme sonuçları ve klinik sonuçlardan elde edilen kriterlere dayalı hasta gruplarının oluşturulması”
Rustogi, ZDNET’in bu ay yapay zeka üzerine bir makalesinde incelediği çoklu yöntem eğiliminin sağlık hizmetlerinde giderek daha önemli hale geldiğini söyledi