WHO ಜನಸಂಖ್ಯೆಯ ಆರೋಗ್ಯವನ್ನು ಉತ್ತೇಜಿಸಲು ಮತ್ತು ರಕ್ಷಿಸಲು ಅದರ ಸೂಕ್ತ ಬಳಕೆಗಾಗಿ ದೊಡ್ಡ ಬಹು-ಮಾದರಿ ಮಾದರಿಗಳ (LMMs) ನೈತಿಕತೆ ಮತ್ತು ಆಡಳಿತದ ಕುರಿತು ಹೊಸ ಮಾರ್ಗದರ್ಶನವನ್ನು ನೀಡಿದೆ. LMM ಗಳು ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ಒಂದು ರೀತಿಯ ಉತ್ಪಾದಕವಾಗಿದೆ ಕೃತಕ ಬುದ್ಧಿವಂತಿಕೆ (AI) ತಂತ್ರಜ್ಞಾನವು ಆರೋಗ್ಯಕ್ಕಾಗಿ ಐದು ವಿಶಾಲ ಅನ್ವಯಿಕೆಗಳನ್ನು ಹೊಂದಿದೆ in
1. ರೋಗಿಗಳ ಲಿಖಿತ ಪ್ರಶ್ನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವಂತಹ ರೋಗನಿರ್ಣಯ ಮತ್ತು ವೈದ್ಯಕೀಯ ಆರೈಕೆ;
2. ರೋಗಿ-ಮಾರ್ಗದರ್ಶಿ ಬಳಕೆ, ಉದಾಹರಣೆಗೆ ರೋಗಲಕ್ಷಣಗಳು ಮತ್ತು ಚಿಕಿತ್ಸೆಗಾಗಿ ತನಿಖೆ;
3. ಕ್ಲೆರಿಕಲ್ ಮತ್ತು ಆಡಳಿತಾತ್ಮಕ ಕಾರ್ಯಗಳು, ಉದಾಹರಣೆಗೆ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಆರೋಗ್ಯ ದಾಖಲೆಗಳಲ್ಲಿ ರೋಗಿಗಳ ಭೇಟಿಗಳನ್ನು ದಾಖಲಿಸುವುದು ಮತ್ತು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು;
4. ವೈದ್ಯಕೀಯ ಮತ್ತು ಶುಶ್ರೂಷಾ ಶಿಕ್ಷಣ, ತರಬೇತಿ ಪಡೆಯುವವರಿಗೆ ಅನುಕರಿಸಿದ ರೋಗಿಗಳ ಮುಖಾಮುಖಿಗಳನ್ನು ಒದಗಿಸುವುದು ಮತ್ತು;
5. ಹೊಸ ಸಂಯುಕ್ತಗಳನ್ನು ಗುರುತಿಸುವುದು ಸೇರಿದಂತೆ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆ ಮತ್ತು ಔಷಧ ಅಭಿವೃದ್ಧಿ.
ಆದಾಗ್ಯೂ, ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿನ ಈ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ತಪ್ಪು, ನಿಖರವಲ್ಲದ, ಪಕ್ಷಪಾತ ಅಥವಾ ಅಪೂರ್ಣ ಹೇಳಿಕೆಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಅಪಾಯವನ್ನು ಎದುರಿಸುತ್ತವೆ, ಇದು ಆರೋಗ್ಯ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ ಅಂತಹ ಮಾಹಿತಿಯನ್ನು ಬಳಸುವ ಜನರಿಗೆ ಹಾನಿಯುಂಟುಮಾಡುತ್ತದೆ. ಇದಲ್ಲದೆ, ಜನಾಂಗ, ಜನಾಂಗೀಯತೆ, ಪೂರ್ವಜರು, ಲಿಂಗ, ಲಿಂಗ ಗುರುತಿಸುವಿಕೆ ಅಥವಾ ವಯಸ್ಸಿನ ಮೂಲಕ ಕಳಪೆ ಗುಣಮಟ್ಟದ ಅಥವಾ ಪಕ್ಷಪಾತದ ಡೇಟಾದ ಮೇಲೆ LMM ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಬಹುದು. ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯ LMM ಗಳ ಪ್ರವೇಶ ಮತ್ತು ಕೈಗೆಟುಕುವಿಕೆಯಂತಹ ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ವಿಶಾಲವಾದ ಅಪಾಯಗಳಿವೆ. LMM ಗಳು ಆರೋಗ್ಯ ವೃತ್ತಿಪರರು ಮತ್ತು ರೋಗಿಗಳಿಂದ 'ಆಟೊಮೇಷನ್ ಪಕ್ಷಪಾತ'ವನ್ನು ಪ್ರೋತ್ಸಾಹಿಸಬಹುದು, ಆ ಮೂಲಕ ದೋಷಗಳನ್ನು ಕಡೆಗಣಿಸಲಾಗುತ್ತದೆ, ಇಲ್ಲದಿದ್ದರೆ ಗುರುತಿಸಬಹುದು ಅಥವಾ ಕಷ್ಟಕರವಾದ ಆಯ್ಕೆಗಳನ್ನು LMM ಗೆ ಅಸಮರ್ಪಕವಾಗಿ ನಿಯೋಜಿಸಲಾಗುತ್ತದೆ. LMMಗಳು, ಇತರ ರೂಪಗಳಂತೆ AI, ರೋಗಿಗಳ ಮಾಹಿತಿ ಅಥವಾ ಈ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಆರೋಗ್ಯ ರಕ್ಷಣೆಯನ್ನು ಹೆಚ್ಚು ವಿಶಾಲವಾಗಿ ಒದಗಿಸುವ ಅಪಾಯವನ್ನುಂಟುಮಾಡುವ ಸೈಬರ್‌ ಸುರಕ್ಷತೆಯ ಅಪಾಯಗಳಿಗೆ ಸಹ ದುರ್ಬಲವಾಗಿರುತ್ತವೆ.
ಆದ್ದರಿಂದ, ಸುರಕ್ಷಿತ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ LMM ಗಳನ್ನು ರಚಿಸಲು, WHO ಸರ್ಕಾರಗಳು ಮತ್ತು LMM ಗಳ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಶಿಫಾರಸುಗಳನ್ನು ಮಾಡಿದೆ.
LMM ಗಳ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ನಿಯೋಜನೆ ಮತ್ತು ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಮತ್ತು ವೈದ್ಯಕೀಯ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಅವುಗಳ ಏಕೀಕರಣ ಮತ್ತು ಬಳಕೆಗೆ ಮಾನದಂಡಗಳನ್ನು ಹೊಂದಿಸಲು ಸರ್ಕಾರಗಳು ಪ್ರಾಥಮಿಕ ಜವಾಬ್ದಾರಿಯನ್ನು ಹೊಂದಿವೆ. ಸಾರ್ವಜನಿಕ, ಖಾಸಗಿ ಮತ್ತು ಲಾಭರಹಿತ ವಲಯಗಳಲ್ಲಿನ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಪ್ರವೇಶಿಸಬಹುದಾದ ಕಂಪ್ಯೂಟಿಂಗ್ ಪವರ್ ಮತ್ತು ಸಾರ್ವಜನಿಕ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಲಾಭರಹಿತ ಅಥವಾ ಸಾರ್ವಜನಿಕ ಮೂಲಸೌಕರ್ಯಗಳನ್ನು ಸರ್ಕಾರಗಳು ಹೂಡಿಕೆ ಮಾಡಬೇಕು ಅಥವಾ ಒದಗಿಸಬೇಕು. ಪ್ರವೇಶಕ್ಕಾಗಿ ವಿನಿಮಯ.
· ಆರೋಗ್ಯ ರಕ್ಷಣೆ ಮತ್ತು ಔಷಧದಲ್ಲಿ LMM ಗಳು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಬಳಸಲಾಗಿದೆಯೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಕಾನೂನುಗಳು, ನೀತಿಗಳು ಮತ್ತು ನಿಬಂಧನೆಗಳನ್ನು ಬಳಸಿ, ಅಪಾಯ ಅಥವಾ ಪ್ರಯೋಜನಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಅಪಾಯವನ್ನು ಲೆಕ್ಕಿಸದೆ AI ತಂತ್ರಜ್ಞಾನ, ನೈತಿಕ ಹೊಣೆಗಾರಿಕೆಗಳು ಮತ್ತು ಮಾನವ ಹಕ್ಕುಗಳ ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸುವುದು, ಉದಾಹರಣೆಗೆ, ವ್ಯಕ್ತಿಯ ಘನತೆ, ಸ್ವಾಯತ್ತತೆ ಅಥವಾ ಗೌಪ್ಯತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ.
· ಸಂಪನ್ಮೂಲಗಳ ಅನುಮತಿಯಂತೆ - ಆರೋಗ್ಯ ರಕ್ಷಣೆ ಅಥವಾ ಔಷಧದಲ್ಲಿ ಬಳಸಲು ಉದ್ದೇಶಿಸಲಾದ LMM ಗಳು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಣಯಿಸಲು ಮತ್ತು ಅನುಮೋದಿಸಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅಥವಾ ಹೊಸ ನಿಯಂತ್ರಕ ಏಜೆನ್ಸಿಯನ್ನು ನಿಯೋಜಿಸಿ.
· LMM ಅನ್ನು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನಿಯೋಜಿಸಿದಾಗ ಸ್ವತಂತ್ರ ಮೂರನೇ ವ್ಯಕ್ತಿಗಳಿಂದ ಡೇಟಾ ರಕ್ಷಣೆ ಮತ್ತು ಮಾನವ ಹಕ್ಕುಗಳು ಸೇರಿದಂತೆ ಕಡ್ಡಾಯ ಪೋಸ್ಟ್-ರಿಲೀಸ್ ಆಡಿಟಿಂಗ್ ಮತ್ತು ಪ್ರಭಾವದ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಪರಿಚಯಿಸಿ. ಲೆಕ್ಕಪರಿಶೋಧನೆ ಮತ್ತು ಪ್ರಭಾವದ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಪ್ರಕಟಿಸಬೇಕು
ಮತ್ತು ವಯಸ್ಸು, ಜನಾಂಗ ಅಥವಾ ಅಂಗವೈಕಲ್ಯ ಸೇರಿದಂತೆ ಬಳಕೆದಾರರ ಪ್ರಕಾರದಿಂದ ವಿಂಗಡಣೆಯಾದ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಪರಿಣಾಮಗಳನ್ನು ಒಳಗೊಂಡಿರಬೇಕು.
· LMM ಗಳನ್ನು ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಇಂಜಿನಿಯರ್‌ಗಳು ಮಾತ್ರವಲ್ಲದೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಸಂಭಾವ್ಯ ಬಳಕೆದಾರರು ಮತ್ತು ವೈದ್ಯಕೀಯ ಪೂರೈಕೆದಾರರು, ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧಕರು, ಆರೋಗ್ಯ ವೃತ್ತಿಪರರು ಮತ್ತು ರೋಗಿಗಳು ಸೇರಿದಂತೆ ಎಲ್ಲಾ ನೇರ ಮತ್ತು ಪರೋಕ್ಷ ಮಧ್ಯಸ್ಥಗಾರರು ಆರಂಭಿಕ ಹಂತಗಳಿಂದಲೇ ತೊಡಗಿಸಿಕೊಳ್ಳಬೇಕು. AI ರಚನಾತ್ಮಕ, ಅಂತರ್ಗತ, ಪಾರದರ್ಶಕ ವಿನ್ಯಾಸದಲ್ಲಿ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ನೈತಿಕ ಸಮಸ್ಯೆಗಳು, ಧ್ವನಿ ಕಾಳಜಿಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ಮತ್ತು ಇನ್ಪುಟ್ ಒದಗಿಸಲು ಅವಕಾಶಗಳನ್ನು ನೀಡಲಾಗಿದೆ AI ಪರಿಗಣನೆಯಲ್ಲಿರುವ ಅರ್ಜಿ.
ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಗಳ ಸಾಮರ್ಥ್ಯವನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ರೋಗಿಗಳ ಹಿತಾಸಕ್ತಿಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ಅಗತ್ಯವಾದ ನಿಖರತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಯೊಂದಿಗೆ ಉತ್ತಮವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು LMM ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಡೆವಲಪರ್‌ಗಳು ಸಂಭಾವ್ಯ ದ್ವಿತೀಯಕ ಫಲಿತಾಂಶಗಳನ್ನು ಊಹಿಸಲು ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
***
ಮೂಲ:
WHO 2024. ಆರೋಗ್ಯಕ್ಕಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ನೈತಿಕತೆ ಮತ್ತು ಆಡಳಿತ: ದೊಡ್ಡ ಬಹು-ಮಾದರಿ ಮಾದರಿಗಳ ಮಾರ್ಗದರ್ಶನ. ನಲ್ಲಿ ಲಭ್ಯವಿದೆ https://iris.who.int/bitstream/handle/10665/375579/9789240084759-eng.pdf?sequence=1&isAllowed=y
***
