யார் மக்கள்தொகையின் ஆரோக்கியத்தை மேம்படுத்துவதற்கும் பாதுகாப்பதற்கும் பொருத்தமான பயன்பாட்டிற்காக பெரிய மல்டி-மாடல் மாடல்களின் (LMMs) நெறிமுறைகள் மற்றும் நிர்வாகத்தின் மீது புதிய வழிகாட்டுதலை வெளியிட்டுள்ளது. LMMs என்பது வேகமாக வளரும் ஒரு வகை உற்பத்தியாகும் செயற்கை நுண்ணறிவு (AI) ஆரோக்கியத்திற்கான ஐந்து பரந்த பயன்பாடுகளைக் கொண்ட தொழில்நுட்பம் in
1. நோயறிதல் மற்றும் மருத்துவ பராமரிப்பு, நோயாளிகளின் எழுதப்பட்ட கேள்விகளுக்கு பதிலளிப்பது போன்றவை;
2. அறிகுறிகளை ஆராய்வதற்கும் சிகிச்சையளிப்பதற்கும் நோயாளி-வழிகாட்டப்பட்ட பயன்பாடு;
3. எலக்ட்ரானிக் ஹெல்த் ரெக்கார்டுகளுக்குள் நோயாளிகளின் வருகைகளை ஆவணப்படுத்துதல் மற்றும் சுருக்கமாக எழுதுதல் போன்ற எழுத்தர் மற்றும் நிர்வாகப் பணிகள்;
4. மருத்துவம் மற்றும் நர்சிங் கல்வி, பயிற்சியாளர்களுக்கு உருவகப்படுத்தப்பட்ட நோயாளி சந்திப்புகளை வழங்குதல், மற்றும்;
5. புதிய சேர்மங்களை அடையாளம் காண்பது உட்பட அறிவியல் ஆராய்ச்சி மற்றும் மருந்து மேம்பாடு.
However, these applications in healthcare run the risks of producing false, inaccurate, biased, or incomplete statements, which could harm people using such information in making health decisions. Furthermore, LMMs may be trained on data that are of poor quality or biased, whether by race, ethnicity, ancestry, sex, gender identity, or age. There are also broader risks to health systems, such as accessibility and affordability of the best performing LMMs. LMMs can also encourage ‘automation bias’ by health care professionals and patients, whereby errors are overlooked that would otherwise have been identified or difficult choices are improperly delegated to a LMM. LMMs, like other forms of AI, are also vulnerable to cybersecurity risks that could endanger patient information or the trustworthiness of these algorithms and the provision of health care more broadly.
எனவே, பாதுகாப்பான மற்றும் பயனுள்ள LMMகளை உருவாக்க, WHO ஆனது LMMகளை உருவாக்குபவர்களுக்கும் அரசாங்கங்களுக்கும் பரிந்துரைகளை செய்துள்ளது.
LMMகளின் மேம்பாடு மற்றும் வரிசைப்படுத்தல் மற்றும் பொது சுகாதாரம் மற்றும் மருத்துவ நோக்கங்களுக்காக அவற்றின் ஒருங்கிணைப்பு மற்றும் பயன்பாட்டிற்கான தரநிலைகளை அமைக்கும் முதன்மை பொறுப்பு அரசாங்கங்களுக்கு உள்ளது. பொது, தனியார் மற்றும் இலாப நோக்கற்ற துறைகளில் உள்ள டெவலப்பர்களுக்கு அணுகக்கூடிய, கம்ப்யூட்டிங் பவர் மற்றும் பொது தரவுத் தொகுப்புகள் உட்பட, இலாப நோக்கற்ற அல்லது பொது உள்கட்டமைப்பில் அரசாங்கங்கள் முதலீடு செய்ய வேண்டும் அல்லது வழங்க வேண்டும். அணுகலுக்கான பரிமாற்றம்.
· Use laws, policies and regulations to ensure that LMMs and applications used in health care and medicine, irrespective of the risk or benefit associated with the AI technology, meet ethical obligations and human rights standards that affect, for example, a person’s dignity, autonomy or privacy.
· வளங்கள் அனுமதியின்படி - சுகாதாரப் பாதுகாப்பு அல்லது மருத்துவத்தில் பயன்படுத்த நோக்கம் கொண்ட LMMகள் மற்றும் பயன்பாடுகளை மதிப்பிடுவதற்கு மற்றும் அங்கீகரிக்க ஏற்கனவே உள்ள அல்லது புதிய ஒழுங்குமுறை நிறுவனத்தை நியமிக்கவும்.
· LMM பெரிய அளவில் பயன்படுத்தப்படும் போது, சுயாதீன மூன்றாம் தரப்பினரால், தரவு பாதுகாப்பு மற்றும் மனித உரிமைகள் உட்பட, கட்டாய வெளியீட்டிற்கு பிந்தைய தணிக்கை மற்றும் தாக்க மதிப்பீடுகளை அறிமுகப்படுத்துதல். தணிக்கை மற்றும் தாக்க மதிப்பீடுகள் வெளியிடப்பட வேண்டும்
வயது, இனம் அல்லது இயலாமை உட்பட, பயனரின் வகையால் பிரிக்கப்பட்ட விளைவுகளையும் தாக்கங்களையும் உள்ளடக்கியிருக்க வேண்டும்.
· LMMs are designed not only by scientists and engineers. Potential users and all direct and indirect stakeholders, including medical providers, scientific researchers, health care professionals and patients, should be engaged from the early stages of AI development in structured, inclusive, transparent design and given opportunities to raise ethical issues, voice concerns and provide input for the AI application under consideration.
சுகாதார அமைப்புகளின் திறனை மேம்படுத்துவதற்கும் நோயாளியின் நலன்களை முன்னேற்றுவதற்கும் தேவையான துல்லியம் மற்றும் நம்பகத்தன்மையுடன் நன்கு வரையறுக்கப்பட்ட பணிகளைச் செய்ய LMMகள் வடிவமைக்கப்பட்டுள்ளன. டெவலப்பர்கள் இரண்டாம் நிலை விளைவுகளைக் கணிக்கவும் புரிந்துகொள்ளவும் முடியும்.
***
மூல:
WHO 2024. ஆரோக்கியத்திற்கான செயற்கை நுண்ணறிவின் நெறிமுறைகள் மற்றும் ஆளுகை: பெரிய பல மாதிரி மாதிரிகள் பற்றிய வழிகாட்டுதல். இல் கிடைக்கும் https://iris.who.int/bitstream/handle/10665/375579/9789240084759-eng.pdf?sequence=1&isAllowed=y
***
