ලන්ඩනයේ ෆ්‍රැන්සිස් ක්‍රික් ආයතනයේ (Francis Crick Institute) පැවති “A Question of Science” වැඩසටහනේදී ප්‍රකට විද්‍යාඥ මහාචාර්ය බ්‍රයන් කොක්ස්ගේ (Professor Brian Cox) මෙහෙයවීමෙන් වෛද්‍ය ක්ෂේත්‍රය තුළ කෘත්‍රිම බුද්ධියේ (AI) භූමිකාව පිළිබඳ ගැඹුරු සහ විචාරාත්මක සංවාදයක් පැවැත්විණි. මෑත කාලීනව එක්සත් රාජධානියේ රජය සෞඛ්‍ය තාක්ෂණික පර්යේෂණ උදෙසා පවුම් මිලියන 120කට අධික මුදලක් ආයෝජනය කර ඇති පසුබිමක, මෙම සංවාදය වෛද්‍ය විද්‍යාවේ අනාගතය පිළිබඳ වැදගත් මානයන් රැසක් ආවරණය කරයි.
සංවාදයට එක්වූ විද්වත් මණ්ඩලය
- මහාචාර්ය බ්‍රයන් කොක්ස් (Professor Brian Cox) – මෙහෙයවීම: සුප්‍රකට බ්‍රිතාන්‍ය භෞතික විද්‍යාඥ සහ විද්‍යා සන්නිවේදක.
- මහාචාර්ය මිහයෙලා වැන් ඩර් ෂාර් (Professor Mihaela van der Schaar): කේම්බ්‍රිජ් විශ්වවිද්‍යාලයේ මැෂින් ලර්නින් (Machine Learning), කෘත්‍රිම බුද්ධිය සහ වෛද්‍ය විද්‍යාව පිළිබඳ මහාචාර්යවරිය; ෆ්‍රැන්සිස් ක්‍රික් ආයතනයේ ප්‍රධාන AI විද්‍යාඥවරිය (Chief AI Scientist).
- වෛද්‍ය ඉන්ද්‍රා ජෝෂි (Dr. Indra Joshi): හදිසි අනතුරු හා ප්‍රතිකාර වෛද්‍ය (Emergency Medicine Physician); Optum Emis හි ප්‍රධාන නිෂ්පාදන සහ වෛද්‍ය නිලධාරිනී (Chief Product and Medical Officer).
- ලෝඩ් පැට්‍රික් වැලන්ස් (Lord Patrick Vallance): වෛද්‍යවරයෙක්, ශාස්ත්‍රාලිකයෙක්, හිටපු එක්සත් රාජධානි රජයේ ප්‍රධාන විද්‍යාත්මක උපදේශක (Chief Scientific Adviser) සහ විද්‍යා පර්යේෂණ නායකයෙක්.
- වෛද්‍ය සම්රා තුරාජ්ලික් (Dr. Samra Turajlic): පිළිකා රෝග විශේෂඥ වෛද්‍යවරිය (Oncologist) සහ පර්යේෂණ විද්‍යාඥවරිය; Cancer Research UK මැන්චෙස්ටර් ආයතනයේ අධ්‍යක්ෂිකා; ද ක්‍රිස්ටි NHS පදනමේ සහ ක්‍රික් ආයතනයේ පර්යේෂණ කණ්ඩායම් නායිකා.
1. AI පිළිබඳ විශේෂඥයින්ගේ මූලික බලාපොරොත්තු
සංවාදය ආරම්භයේදී, වෛද්‍ය විද්‍යාව තුළ AI භාවිතයෙන් වඩාත්ම උද්යෝගිමත් වන අංශ පිළිබඳව මණ්ඩලයේ අවධානය යොමු විය:
- ජීවන චක්‍රය පුරා රෝගියා සවිබල ගැන්වීම: රෝග නිවාරණය, කල්තියා හඳුනාගැනීම, නිවැරදි රෝග විනිශ්චය සහ පසු විපරම (follow-up) දක්වා සම්පූර්ණ ක්‍රියාවලියම ක්‍රමවත් කිරීමේ හැකියාව AI සතු බව මහාචාර්ය මිහයෙලා වැන් ඩර් ෂාර් පෙන්වා දෙයි. එසේම, සීමිත සෞඛ්‍ය සම්පත් කාර්යක්ෂමව කළමනාකරණය කිරීම, සායනික පරීක්ෂණ (clinical trials) වඩාත් නිවැරදිව සැලසුම් කිරීම සහ ජීව විද්‍යාත්මක රෝග යාන්ත්‍රණ අනාවරණය කරගැනීමට AI මග පාදයි.
- තීරණ ගැනීමේ සහාය සහ කාර්ය ප්‍රවාහ වේගවත් කිරීම: සායනික තීරණ ගැනීමේදී වෛද්‍යවරුන්ට මෙන්ම රෝගීන්ටද මගපෙන්වන “තීරණ සහායක මෙවලම්” (decision support tools) මගින් වෛද්‍ය විද්‍යාව ප්‍රජාතන්ත්‍රවාදී වන බව වෛද්‍ය ඉන්ද්‍රා ජෝෂි පවසයි.
- වෛද්‍ය-රෝගී මානව සබඳතාව සුරැකීම: කෘත්‍රිම බුද්ධිය පරිපාලන සහ ලේඛන කටයුතු භාරගැනීම තුළින් වෛද්‍යවරුන්ට සහ හෙදියන්ට රෝගියා සමඟ සෘජුව ගත කිරීමට වැඩි මානව කාලයක් (human interaction) හිමිවන බව පැට්‍රික් වැලන්ස් අවධාරණය කළේය.
- කාලය හැකිලීම (Contracting Time): සාම්ප්‍රදායිකව ඖෂධ සංවර්ධනයට වසර 10 සිට 30 දක්වා ගතවන බවත්, රෝගීන්ට ඒ සා දීර්ඝ කාලයක් බලා සිටිය නොහැකි බැවින් රෝග විනිශ්චය, නව ඖෂධ සොයාගැනීම සහ ප්‍රතිකාර සැපයීමේ කාල රාමුව සංක්ෂිප්ත කිරීම AI හරහා සිදු කළ හැකි බව වෛද්‍ය සම්රා තුරාජ්ලික් ප්‍රකාශ කළාය.
2. ජනගහන සෞඛ්‍යය, සෞඛ්‍ය සම්පන්න වයස්ගතවීම සහ පුද්ගලාරෝපිත අවදානම
සාම්ප්‍රදායික වෛද්‍ය ක්‍රමය රෝගයක් වැලඳුණු පසු ප්‍රතිකාර කිරීමට නැඹුරු වූවද, වර්තමානයේ ප්‍රමුඛතාව හිමිවන්නේ රෝග නිවාරණයටය.
- UK Biobank දත්ත සංචිතය: වසර 20ක් පුරා පුද්ගලයින් ලක්ෂ පහකගේ (500,000) දත්ත සහ රුධිර සාම්පල උපයෝගී කරගනිමින් ක්‍රික් ආයතනය සිදු කළ පර්යේෂණයකදී, මැෂින් ලර්නින් ආශ්‍රයෙන් වසර 5කට පෙර පෙනහළු පිළිකා අවදානම පුරෝකථනය කිරීමට පියවර ගෙන ඇත.
- දත්ත අවම කිරීම (Data Minimization): සාමාන්‍යයෙන් රෝග අවදානම ගණනය කිරීමට සාධක විශාල සංඛ්‍යාවක් අවශ්‍ය වුවද, AI මගින් රෝගියාට නිවසේදීම සරලව මැනිය හැකි මූලික සාධක 3ක් දක්වා එය සීමා කරගත හැකි බව මිහයෙලා වැන් ඩර් ෂාර් සඳහන් කළාය.
- ජීවන රටා වෙනස්කම්: පැළඳිය හැකි ස්මාර්ට් උපාංග (wearables) හරහා දත්ත නිරීක්ෂණය කර පුද්ගලයාගේ සෞඛ්‍ය අවදානමට අනුව චර්යාත්මක වෙනස්කම් සිදු කිරීමට පෙළඹවීම් (nudges) ලබාදීමේ හැකියාව මතු වෙමින් පවතී. කෙසේ වෙතත්, ක්‍රමානුකූල පරීක්ෂණ, වෛද්‍ය හමුවීම්, ව්‍යායාම සහ සමබල ආහාර වැනි මූලික පුරුදු නිරෝගී වයස්ගතවීම සඳහා අත්‍යවශ්‍ය පදනම ලෙස පවතී.
3. සායනික රෝග විනිශ්චය, අනතුරු ඇඟවීමේ වෙහෙස (Alert Fatigue) සහ මානව සාධකය
- ද්විමය තත්ත්ව (Binary) සහ සංකීර්ණතා: එක්ස්-රේ (X-ray) හෝ ස්කෑන් පරීක්ෂණ සිය දහස් ගණනක් පිරික්සා “සාමාන්‍යද, අසාමාන්‍යද” (normal vs. not normal) යන්න වෙන්කර හඳුනාගැනීමට AI ආකෘති ඉතා දක්ෂය.
- Alert Fatigue සහ නොසලකා හැරීමේ අවදානම: රාත්‍රී සේවා මුරවලදී වෙහෙසට පත්ව සිටින වෛද්‍යවරුන් යන්ත්‍රයෙන් දිගින් දිගටම ලැබෙන අනතුරු ඇඟවීම් (alerts) නොසලකා හැරීමට ඉඩ ඇත. එබැවින් තාක්ෂණය මත යැපෙන අතරම, එය ප්‍රශ්න කිරීමට සහ පසු විපරම් කිරීමට වෛද්‍ය කාර්ය මණ්ඩලය පුහුණු කළ යුතුය.
- රෝගියා යනු ‘විසඳිය යුතු ප්‍රහේලිකාවක්’ නොවේ: වෛද්‍ය සම්රා තුරාජ්ලික් පෙන්වා දෙන්නේ රෝගියෙකුගේ පවුල් පසුබිම, ආර්ථික බාධා, සහ පෞද්ගලික අභිලාෂයන් වැනි සියුම් මානව හැඟීම් AI ලේඛනයකට හසුකර ගත නොහැකි බැවින්, තීරණ ගැනීමේ අවසන් වගකීම මානව වෛද්‍යවරයා සතුවිය යුතු බවයි.
4. පරිපාලනය, ‘Ambient Scribing’ සහ AI හි විභ්‍රාන්ති (Hallucinations)
වෛද්‍ය හමුවීම්වලදී කතාබහට සවන් දී සටහන් තබන හඬ තාක්ෂණයන් (Ambient Voice Technologies – AVT) මගින් කාර්යක්ෂමතාව 8%කින් පමණ ඉහළ නංවාගත හැක.
- විභ්‍රාන්ති පාලනය (Controlling Hallucinations): ජනක AI (Generative AI) මගින් සත්‍ය නොවන තොරතුරු නිර්මාණය කිරීමේ (hallucination) අවදානම පවතී. මේ වන විට මෙම පද්ධතිවල නිරවද්‍යතාව 90%ක මට්ටමක පවතින අතර, සටහන් පද්ධතිගත කිරීමට පෙර වෛද්‍යවරයා එය පරීක්ෂා කිරීම (Human-in-the-loop) අනිවාර්ය වේ.
- සෘජු රෝගී සන්නිවේදනය: පරිගණක තිරය දෙස බලා සිටිනු වෙනුවට රෝගියා දෙස සෘජුව බලා අදහස් හුවමාරු කරගැනීමට මේ හරහා වෛද්‍යවරුන්ට අවකාශය සැලසේ.
5. දත්ත පක්ෂග්‍රාහීත්වය (Data Bias) සහ සෞඛ්‍ය සමානාත්මතාව
- පක්ෂග්‍රාහී දත්තවල අනතුර: AI ඇල්ගොරිතම පුහුණු කරන දත්තවල පවතින පක්ෂග්‍රාහීත්වයන් එලෙසින්ම ප්‍රතිඵලයට බලපායි. උදාහරණයක් ලෙස, සුදු ජාතික සම මත පමණක් පුහුණු කළ AI ආකෘති වෙනත් සමේ වර්ණ සහිත රෝගීන්ගේ චර්ම රෝග නිවැරදිව හඳුනා නොගනී.
- ජාන දත්ත විෂමතාව: ලෝකයේ පවතින ජාන දත්තවලින් 80%ක් පමණ යුරෝපීය සම්භවයක් සහිත පුද්ගලයන්ගේ වීමත්, අතීත සායනික පරීක්ෂණ රැසක වාර්ගික දත්ත නිසි ලෙස සටහන් නොවීමත් බරපතළ අඩුපාඩුවකි.
- ප්‍රජාතන්ත්‍රීකරණය: රෝග විනිශ්චය සඳහා පටක පරීක්ෂා කරන ව්‍යාධිවේදීන්ගේ (Pathologists) හිඟයක් පවතින රටවලට සහ ප්‍රදේශවලට, AI ආශ්‍රිත පරිගණකගත ව්‍යාධිවේදය (computational pathology) මගින් විශේෂඥ දැනුම සමීප කළ හැකිය.
6. වසංගත සූදානම: දින 100 ඉලක්කය
නව වසංගතයක් පැමිණි විට AI තීරණාත්මක කාර්යභාරයක් ඉටු කරනු ඇත:
- වෛරස් විකෘතිතා පුරෝකථනය: වෛරසයක ඇති විය හැකි සියලු විකෘතිතා කල්තියා ගණනය කර, එක් ප්‍රභේදයකට පමණක් නොව පුළුල් පරාසයකට ඔරොත්තු දෙන එන්නත් නිපදවීම.
- G7 සංවිධානයේ දින 100 ඉලක්කය: නව ආසාදනයක් හඳුනාගෙන දින 100ක් ඇතුළත රෝග විනිශ්චය ක්‍රමයක්, එන්නතක් සහ ඖෂධීය ප්‍රතිකාරයක් සූදානම් කරගැනීමේ ඉලක්කය සපුරාගත හැක්කේ AI හරහා පමණි.
- සම්පත් කළමනාකරණය: රෝහල් ඇඳන්, වාතාශ්‍රක (ventilators) බෙදාහැරීම සහ පාසල් හෝ ආයතන වැසීම වැනි ඖෂධීය නොවන මැදිහත්වීම් ලෝක දත්ත විශ්ලේෂණය කර වඩාත් කාර්යක්ෂමව සැලසුම් කළ හැකිය.
7. නව ඖෂධ සොයාගැනීම සහ AlphaFold
- ජෛව රසායනික පිම්ම: ප්‍රෝටීන ව්‍යුහය හඳුනාගැනීමට අතීතයේ වසර ගණනාවක් ගත වූ ක්‍රියාවලිය, 2024 නොබෙල් ත්‍යාගයෙන් පිදුම් ලැබූ DeepMind හි AlphaFold තාක්ෂණය හරහා බොත්තමක් එබීමෙන් විසඳිය හැකි මට්ටමට පැමිණ ඇත. ලොව ප්‍රෝටීන ව්‍යුහවලින් 90%කට වඩා මේ වන විට හඳුනාගෙන තිබේ.
- සංකීර්ණ ජෛව විද්‍යාත්මක පද්ධති: ඖෂධ සංයෝග පිළිකා ෙසෙල, ප්‍රතිශක්තිකරණ පද්ධතිය, පුද්ගලයාගේ ආහාර රටාව, ක්ෂුද්‍රජීවී පරිසරය (microbiome) සහ නින්ද වැනි සාධක සමඟ අන්තර්ක්‍රියා කරන ආකාරය තේරුම් ගැනීමට AI සහාය වේ.
8. දත්ත රහස්‍යභාවය, වාණිජකරණය සහ විශ්වාසනීයත්වය
- විශ්වාසනීය දත්ත පරිසර (Trusted Data Environments): පුද්ගලික සමාගම් ඖෂධ සහ තාක්ෂණයන් නිපදවීමට මැදිහත් වුවද, රෝගීන්ගේ පුද්ගලික දත්ත පිටතට ගෙන යාමට ඉඩ නොදී, අධීක්ෂණය යටතේ විශ්ලේෂණයට පමණක් ඉඩ සලසන ආරක්ෂිත පරිසර ස්ථාපිත කළ යුතුය.
- කෘත්‍රිම දත්ත (Synthetic Data): පුද්ගල අනන්‍යතාව හෙළි නොවන පරිදි නිපදවන ‘පෞද්ගලිකත්වය සුරැකි කෘත්‍රිම දත්ත’ මගින් ආකෘති පුහුණු කිරීමේ වැදගත්කම මහාචාර්ය වැන් ඩර් ෂාර් පෙන්වා දෙයි.
- නියාමනය: NHS වැනි ආයතන සමඟ ගිවිසුම්ගත නොවන සමාජ මාධ්‍ය හෝ වෙනත් ජනක AI වේදිකා වෙත තම සෞඛ්‍ය තොරතුරු ඇතුළත් කිරීමේදී ජනතාව වඩාත් විමසිලිමත් විය යුතුය.
9. වෛද්‍ය විශේෂඥයෝ ඉක්මන් සෞඛ්‍ය උපදෙස් සඳහා AI භාවිත කරත්ද?
සංවාදය අවසානයේ විද්වතුන් තමන් පෞද්ගලිකව සෞඛ්‍ය උපදෙස් ලබාගන්නේ කෙසේදැයි විවෘතව පැහැදිලි කළහ:
- මහාචාර්ය මිහයෙලා වැන් ඩර් ෂාර්: උපදෙස් ලබාගැනීමට මෙන්ම තම වෛද්‍යවරයා පවසන දේ නැවත පරීක්ෂා කර බැලීමටද (cross-check) ඇය AI භාවිත කරයි. ඇගේ දැක්ම වන්නේ රෝගියා, වෛද්‍යවරයා සහ AI අතර සහයෝගීතාවයි.
- වෛද්‍ය ඉන්ද්‍රා ජෝෂි: මිතුරන්ගෙන් සහ විශේෂඥයන්ගෙන් විමසන නමුත්, මැදියම් රැයේදී ක්ෂණික පිළිතුරු සෙවීමට තමන් “Claude” වැනි AI මෙවලම් සහාය කරගන්නා බව පිළිගනියි.
- ලෝඩ් පැට්‍රික් වැලන්ස්: AI භාවිතය සහ තමන් දන්නා විශේෂඥ වෛද්‍යවරයෙකුට ඇමතුමක් ලබාදීම යන දෙකෙහි එකතුවක් තමන් යොදාගන්නා බව පවසයි.
- වෛද්‍ය සම්රා තුරාජ්ලික්: තමන් ප්‍රධාන වශයෙන් මිතුරු විශේෂඥ වෛද්‍යවරයෙකු අමතන නමුත්, ඔවුන් තීරණ ගැනීමට උපකාරයක් ලෙස AI භාවිත කරන්නේ නම් ඊට විරුද්ධ නොවන බව ප්‍රකාශ කරයි.
සාරාංශය: කෘත්‍රිම බුද්ධිය යනු වෛද්‍යවරයා විස්ථාපනය කරන උපකරණයක් නොව, වෛද්‍ය කාර්ය මණ්ඩලය සවිබල ගන්වන, කාලය ඉතිරි කරන සහ ලොව පුරා විසිරී සිටින ජනතාවට විශේෂඥ දැනුම සාධාරණව බෙදාහරින ප්‍රබල සහායකයෙකි. එහි සාර්ථකත්වය රඳා පවතින්නේ තාක්ෂණික දියුණුව මත පමණක් නොව, මානව විශ්වාසය, විනිවිදභාවය සහ දැඩි නියාමනය මතය.
ප්‍රතිචාරයක් ලබාදෙන්න