albisteak

IBM Watson 2007an sortu zenetik, gizakiak etengabe aritu dira adimen artifizial medikoan (AA) garatzen. AA sistema mediko erabilgarri eta indartsu batek potentzial izugarria du medikuntza modernoaren alderdi guztiak birmoldatzeko, arreta adimentsuagoa, zehatzagoa, eraginkorragoa eta inklusiboagoa ahalbidetuz, osasun-langileei eta pazienteei ongizatea ekarriz eta, horrela, gizakien osasuna asko hobetuz. Azken 16 urteetan, AA medikoko ikertzaileak hainbat arlo txikitan pilatu diren arren, fase honetan oraindik ez dira gai izan zientzia fikzioa errealitatera ekartzeko.

Aurten, ChatGPT bezalako IA teknologiaren garapen iraultzailearekin, IA medikoak aurrerapen handiak egin ditu alderdi askotan. Aurrekaririk gabeko aurrerapena IA medikoaren gaitasunean: Nature aldizkariak etengabe abiarazi du hizkuntza mediko handiko ereduaren eta irudi medikoen oinarrizko ereduaren ikerketa; Googlek Med-PaLM eta bere ondorengoa kaleratu ditu, AEBetako medikuen azterketako galderei aditu maila lortuz. Aldizkari akademiko nagusiek IA medikoan zentratuko dira: Nature aldizkariak IA mediko orokorraren oinarrizko ereduaren ikuspegia kaleratu du; Aurten lehenago Medikuntzako IAri buruzko hainbat berrikuspen egin ondoren, New England Journal of Medicine (NEJM) aldizkariak bere lehen osasun digitalaren berrikuspena argitaratu zuen azaroaren 30ean, eta NEJM azpialdizkari NEJM AIren lehen alea kaleratu zuen abenduaren 12an. IA medikorako lurra helduagoa da: JAMA azpialdizkariak irudi medikoen datuak partekatzeko ekimen globala argitaratu zuen; AEBetako Elikagai eta Botiken Administrazioak (FDA) IA medikoa arautzeko jarraibideen zirriborroa garatzen ari da.

Jarraian, mundu osoko ikertzaileek 2023an erabilgarri den IA medikorako egin dituzten aurrerapen esanguratsuak aztertzen ditugu.

Medikuntzako IA oinarrizko eredua

Zalantzarik gabe, aurtengo ikerketa-arlo beroena IA medikoan oinarritzen den oinarrizko ereduaren eraikuntza da. Nature aldizkariek osasun-laguntzaren oinarrizko eredu unibertsalari eta osasun-laguntzaren hizkuntza-eredu handiaren inguruko berrikuspen-artikuluak argitaratu dituzte urtean zehar. Medical Image Analysis aldizkariak, industriako aldizkari nagusiak, irudi medikoen analisian oinarrizko ereduen ikerketaren erronkak eta aukerak berrikusi eta aurrera begiratu zituen, eta "oinarrizko ereduaren jatorria" kontzeptua proposatu zuen IA medikoan oinarrizko ereduen ikerketaren garapena laburbiltzeko eta gidatzeko. Osasun-laguntzarako oinarrizko IA ereduen etorkizuna gero eta argiagoa da. ChatGPT bezalako hizkuntza-eredu handien adibide arrakastatsuetan oinarrituta, autogainbegiratu aurreko prestakuntza-metodo aurreratuagoak eta prestakuntza-datuen metaketa zabala erabiliz, IA medikoan lan egiten duten ikertzaileek 1) gaixotasun espezifikoetarako oinarrizko ereduak, 2) oinarrizko eredu orokorrak eta 3) parametro masiboekin eta gaitasun handiagoak dituzten modu sorta zabala integratzen duten eredu multimodal handiak eraikitzen saiatzen ari dira.

Datu Medikoen Eskuratze AI Eredua

Datu klinikoen analisi-lanetan garrantzi handia duten IA eredu handiez gain, datu klinikoen eskurapenean, IA eredu generatiboek ordezkatutako teknologia ere agertu da. IA algoritmoen bidez, datuak eskuratzeko prozesua, abiadura eta kalitatea nabarmen hobetu daitezke.

Aurten, Nature Biomedical Engineering aldizkariak Turkiako Straits Unibertsitateko ikerketa bat argitaratu zuen, eta bertan IA sortzailea erabiltzea zentratu zen aplikazio klinikoetan irudi bidezko diagnostiko patologikoaren arazoa konpontzeko. Kirurgia zehar ehun izoztuetan dauden artefaktuak oztopo dira ebaluazio diagnostiko azkarra egiteko. Formalina eta parafina txertatutako (FFPE) ehunak kalitate handiagoko lagina eskaintzen badu ere, bere ekoizpen-prozesuak denbora asko eskatzen du eta askotan 12-48 ordu irauten du, eta horrek ez du egokia kirurgian erabiltzeko. Horregatik, ikerketa-taldeak AI-FFPE izeneko algoritmo bat proposatu zuen, ehunaren itxura izoztutako atalean FFPEren antzekoa izan daitekeena. Algoritmoak arrakastaz zuzendu zituen atal izoztuen artefaktuak, irudiaren kalitatea hobetu zuen eta, aldi berean, ezaugarri kliniko garrantzitsuak mantendu zituen. Baliozkotze klinikoan, AI-FFPE algoritmoak nabarmen hobetzen du patologoen diagnostiko-zehaztasuna tumore-azpimotetarako, eta, aldi berean, diagnostiko klinikoaren denbora asko laburtzen du.

Cell Reports Medicine aldizkariak Jilin Unibertsitateko Hirugarren Fakultate Klinikoko, Erradiologia Saileko, Fudan Unibertsitateari atxikitako Zhongshan Ospitaleko eta Shanghaiko Zientzia eta Teknologia Unibertsitateko [25] talde batek egindako ikerketa-lan baten berri ematen du. Ikerketa honek ikaskuntza sakoneko eta berreraikuntza iteratiboaren fusio-esparru orokor bat (DL-IR hibridoa) proposatzen du, malgutasun eta moldakortasun handikoa, irudien berreraikuntza-errendimendu bikaina erakutsiz MRI azkarrean, dosi baxuko CT-an eta PET azkarrean. Algoritmoak MR organo bakarreko eskaneatzea lor dezake 100 segundotan, erradiazio-dosia CT irudiaren % 10era murriztu, zarata ezabatu eta lesio txikiak berreraiki ditzake PET eskurapenetik 2 eta 4 aldiz azelerazioarekin, mugimendu-artefaktuen eragina murriztuz.

Medikuntzako Adimen Artifiziala Osasun Langileekin Elkarlanean

IA medikoaren garapen azkarrak mediku profesionalak ere serio kontuan hartzera eta aztertzera bultzatu ditu nola elkarlanean aritu IArekin prozesu klinikoak hobetzeko. Aurtengo uztailean, DeepMindek eta erakunde anitzeko ikerketa-talde batek batera Complementary Driven Clinical Workflow Delay (CoDoC) izeneko IA sistema bat proposatu zuten. Diagnostiko-prozesua lehenik IA sistema prediktibo batek diagnostikatzen du, ondoren beste IA sistema batek epaitzen du aurreko emaitzaren arabera, eta zalantzarik izanez gero, diagnostikoa kliniko batek egiten du azkenean, diagnostikoaren zehaztasuna eta oreka-eraginkortasuna hobetzeko. Bularreko minbiziaren baheketari dagokionez, CoDoC-k positibo faltsuen tasak % 25 murriztu zituen negatibo faltsuen tasa berarekin, eta klinikoen lan-karga % 66 murriztu zuen, Erresuma Batuko egungo "irakurketa bikoitzeko arbitraje" prozesuarekin alderatuta. TB sailkapenari dagokionez, positibo faltsuen tasak % 5etik % 15era murriztu ziren negatibo faltsuen tasa berarekin, IA independentearekin eta lan-fluxu klinikoekin alderatuta.

Era berean, Annie Y. Ng et al.-ek, Londresko (Erresuma Batua) Kheiron Companykoak, IA irakurgailu gehigarriak sartu zituzten (giza aztertzaileekin lankidetzan) emaitzak berriro aztertzeko, irakurketa bikoitzeko arbitraje prozesuan emaitzarik ez zegoenean, eta horrek bularreko minbiziaren baheketa goiztiarrean detekzio hutsen arazoa hobetu zuen, eta prozesuak ia ez zuen positibo faltsurik izan. Beste ikerketa batek, Texasko Unibertsitateko McGovern Medikuntza Fakultateko talde batek zuzendu eta lau iktus zentrotan burutu zenak, tomografia konputazio bidezko angiografia (CTA) oinarritutako IA teknologia aplikatu zuen iktus iskemiko baskular oklusibo handiaren (LVO) detekzioa automatizatzeko. Klinikoek eta erradiologoek denbora errealeko alertak jasotzen dituzte beren telefono mugikorretan TC irudiak amaitu eta minutu gutxira, LVOren presentzia posiblearen berri emanez. IA prozesu honek ospitaleko lan-fluxuak hobetzen ditu iktus iskemiko akutuetarako, atetik izterraren arteko denbora murriztuz onarpenetik tratamendura eta erreskate arrakastatsurako aukerak eskainiz. Emaitzak JAMA Neurology aldizkarian argitaratu dira.

Onura Unibertsalerako IA Osasun Eredua

2023an lan on asko egingo da, halaber, IA medikoa erabiliz, giza begiarentzat ikusezinak diren ezaugarriak aurkitzeko, datu errazago eskuragarrietatik abiatuta, diagnostiko unibertsala eta eskala handiko baheketa goiztiarra ahalbidetuz. Urte hasieran, Nature Medicine aldizkariak Sun Yat-sen Unibertsitateko Zhongshan Eye Center-ek eta Fujian Medical University-ko Bigarren Ospitale Kideak egindako ikerketak argitaratu zituen. Smartphone-ak aplikazio terminal gisa erabiliz, marrazki bizidunen antzeko bideo irudiak erabili zituzten haurren begirada eragiteko eta haurren begiradaren portaera eta aurpegiko ezaugarriak grabatzeko, eta, gainera, ikaskuntza sakoneko ereduak erabiliz eredu anormalak aztertu zituzten 16 begi gaixotasun arrakastaz identifikatzeko, besteak beste, katarata kongenitoak, ptosi kongenitoa eta glaukoma kongenitoa, % 85etik gorako batez besteko baheketa zehaztasunarekin. Horrek baliabide tekniko eraginkor eta erraz zabaltzen eskaintzen du haurren ikusmen funtzioaren urritasuna eta erlazionatutako begi gaixotasunak eskala handian goiz bahetzeko.

Urte amaieran, Nature Medicine aldizkariak mundu osoko 10 mediku eta ikerketa erakunde baino gehiagok egindako lan baten berri eman zuen, besteak beste, Pankreako Gaixotasunen Shanghai Institutua eta Zhejiang Unibertsitateko Lehen Ospitale Afiliatua. Egileak adimen artifiziala aplikatu zuen azterketa fisikoko zentroetan, ospitaleetan eta abarretan dauden pertsona asintomatikoen pankreako minbiziaren baheketan, begi hutsez detektatzea zaila den CT irudietan lesioen ezaugarriak detektatzeko, pankreako minbiziaren detekzio goiztiar eraginkor eta ez-inbaditzailea lortzeko. 20.000 paziente baino gehiagoren datuak berrikustean, ereduak klinikoki galdutako 31 lesio kasu ere identifikatu zituen, eta horrek emaitza klinikoak nabarmen hobetu zituen.

Datu medikoen partekatzea

2023an, datuak partekatzeko mekanismo perfektu eta kasu arrakastatsu gehiago sortu dira mundu osoan, zentro anitzeko lankidetza eta datuen irekitasuna bermatuz, datuen pribatutasuna eta segurtasuna babesteko premisan.

Lehenik eta behin, IA teknologiaren beraren laguntzarekin, IA ikertzaileek datu medikoak partekatzen lagundu dute. Qi Changek eta Estatu Batuetako Rutgers Unibertsitateko beste batzuek artikulu bat argitaratu zuten Nature Communications aldizkarian, banatutako sare sintetiko aurkarietan oinarritutako DSL ikaskuntza esparru federal bat proposatuz, zentro anitzeko datu sortutakoak entrenatzeko IA sortzailea erabiltzen duena, eta gero zentro anitzeko datu errealak sortutako datuekin ordezkatzen dituena. Ziurtatu zentro anitzeko datu handietan oinarritutako IA entrenamendua, datuen pribatutasuna babestuz. Talde berak sortutako irudi patologikoen datu multzo bat eta dagokien anotazioak ere ireki ditu. Sortutako datu multzoan entrenatutako segmentu ereduak datu errealen antzeko emaitzak lor ditzake.

Tsinghua Unibertsitateko Dai Qionghai taldeak npj Osasun Digitalari buruzko artikulu bat argitaratu zuen, Relay Learning proposatuz, zeinak datu handiak erabiltzen dituen IA ereduak entrenatzeko, datu lokalen subiranotasunaren eta gune arteko sare-konexiorik ezaren premisan. Datuen segurtasunaren eta pribatutasunaren kezkak orekatzen ditu IAren errendimenduaren bilaketarekin. Ondoren, talde berak CAIMEN garatu eta balioztatu zuen elkarrekin, ikaskuntza federalean oinarritutako bularreko CT pan-mediastino tumoreen diagnostiko sistema bat, Guangzhou Medikuntza Unibertsitateko Lehen Ospitale Kidearekin eta herrialde osoko 24 ospitalerekin lankidetzan. Sistemak, 12 mediastino tumore arruntetan aplika daitekeenak, % 44,9ko zehaztasun hobea lortu zuen bakarrik erabili zenean, adituek bakarrik erabili zutenean baino, eta % 19ko diagnostiko zehaztasun hobea adituek lagunduta.

Bestalde, hainbat ekimen abian dira datu mediko multzo seguru, global eta eskala handikoak eraikitzeko. 2023ko azaroan, Agustina Saenzek eta Harvard Medical School-eko Informatika Biomedikoko Saileko beste batzuek Lancet Digital Health aldizkarian argitaratu zuten sarean irudi medikoen datuak partekatzeko esparru global bat, Artificial Intelligence Data for All Health (MAIDA) izenekoa. Mundu osoko osasun-erakundeekin ari dira lanean datuak biltzeari eta desidentifikazioari buruzko orientazio osoa emateko, AEBetako Federal Demonstration Partner (FDP) txantiloia erabiliz datuen partekatzea estandarizatzeko. Mundu osoko eskualde eta ezarpen kliniko desberdinetan bildutako datu-multzoak pixkanaka kaleratzeko asmoa dute. Lehenengo datu-multzoa 2024 hasieran kaleratzea espero da, eta gehiago etorriko dira lankidetza zabaltzen den heinean. Proiektua saiakera garrantzitsua da publikoki eskuragarri dagoen IA datu multzo global, eskala handiko eta anitza eraikitzeko.

Proposamenaren ondoren, Erresuma Batuko Biobankuak eredu bat ezarri du. Erresuma Batuko Biobankuak azaroaren 30ean argitaratu zituen datu berriak, bere 500.000 parte-hartzaileen genoma osoaren sekuentziaziotik abiatuta. 500.000 boluntario britainiar bakoitzaren genoma-sekuentzia osoa argitaratzen duen datu-basea munduko giza genoma osoaren datu-base handiena da. Mundu osoko ikertzaileek datu anonimizatu horietarako sarbidea eska dezakete eta osasunaren eta gaixotasunen oinarri genetikoa aztertzeko erabil dezakete. Datu genetikoak beti izan dira oso sentikorrak egiaztatzeko iraganean, eta Erresuma Batuko Biobankuaren lorpen historiko honek frogatzen du posible dela datu-base global irekia, pribatutasunik gabekoa eta eskala handikoa eraikitzea. Teknologia eta datu-base honekin, IA medikoak hurrengo jauziari hasiera emango dio.

Medikuntzako Adimen Artifizialaren Egiaztapena eta Ebaluazioa

IA medikoaren teknologiaren beraren garapen azkarrarekin alderatuta, IA medikoaren egiaztapenaren eta ebaluazioaren garapena apur bat motela da. IA orokorreko arloko baliozkotzeak eta ebaluazioak askotan alde batera uzten dituzte klinikoek eta pazienteek IArako duten benetako beharrak. Ausazko kontrolatutako entsegu kliniko tradizionalak oso neketsuak dira IA tresnen iterazio azkarrarekin bat etortzeko. IA medikorako tresnetarako egokia den egiaztapen eta ebaluazio sistema ahalik eta azkarren hobetzea da garrantzitsuena IA medikoa sustatzeko, ikerketa eta garapena benetan lurreratze klinikoraino jauzi egin dezan.

Google-ren Med-PaLM-ri buruzko ikerketa-artikuluan, Nature aldizkarian argitaratua, taldeak MultiMedQA ebaluazio-erreferentzia ere argitaratu zuen, hizkuntza-eredu handiek ezagutza klinikoa eskuratzeko duten gaitasuna ebaluatzeko erabiltzen dena. Erreferentziak sei galdera-erantzun mediko profesionalen datu-multzo konbinatzen ditu, ezagutza mediko profesionala, ikerketa eta beste alderdi batzuk biltzen dituztenak, baita lineako bilaketa medikoen galdera-erantzunen datu-base multzo bat ere, mediku-paziente lineako galdera-erantzunak kontuan hartuta, IA mediku kualifikatu bihurtzeko trebatzen saiatuz alderdi askotatik. Horrez gain, taldeak giza ebaluazioan oinarritutako esparru bat proposatzen du, gertaeren, ulermenaren, arrazoibidearen eta alborapen posibleen hainbat dimentsio kontuan hartzen dituena. Aurten argitaratu den osasun-arloko IA ebaluatzeko ikerketa-ahaleginik adierazgarrienetako bat da hau.

Hala ere, hizkuntza-eredu handiek ezagutza klinikoaren kodeketa-maila altua erakusteak esan nahi al du hizkuntza-eredu handiek gai direla benetako munduko zeregin klinikoetarako? Medikuntzako ikasle profesional bat puntuazio perfektuarekin gainditzen duen mediku-buru bakar bat izatetik urrun dagoen bezala, Google-k proposatutako ebaluazio-irizpideak agian ez dira erantzun perfektua IA modeloen IA medikoaren ebaluazioaren gaiari dagokionez. 2021 eta 2022 hasieran, ikertzaileek Decid-AI, SPIRIT-AI eta INTRPRT bezalako txosten-jarraibideak proposatu dituzte, IA medikoaren garapen goiztiarra eta baliozkotzea gidatzeko asmoz, praktikotasun klinikoa, segurtasuna, giza faktoreak eta gardentasuna/interpretagarritasuna bezalako faktoreak kontuan hartuta. Duela gutxi, Nature Medicine aldizkariak Oxfordeko Unibertsitateko eta Stanfordeko Unibertsitateko ikertzaileek egindako ikerketa bat argitaratu zuen IA tresnak baliozkotzeko "kanpoko balidazioa" edo "bertako balidazio errepikakorra" erabili behar den ala ez aztertzeko.

IA tresnen alboragabetasuna ere ebaluazio-norabide garrantzitsua da, eta aurten arreta jaso du bai Science aldizkarian bai NEJM aldizkarietako artikuluetan. IAk askotan alborapena erakusten du entrenamendu-datuetara mugatzen delako. Alborapen horrek gizarte-desberdintasuna islatu dezake, eta horrek, gainera, diskriminazio algoritmiko bihurtzen du. Osasun Institutu Nazionalak duela gutxi jarri zuen abian Bridge2AI ekimena, 130 milioi dolarreko kostua duela kalkulatuta, datu-multzo anitzak eraikitzeko (goian aipatutako MAIDA ekimenaren helburuekin bat etorriz), IA tresnen alboragabetasuna balioztatzeko erabil daitezkeenak. MultiMedQAk ez ditu alderdi horiek kontuan hartzen. IA eredu medikoak nola neurtu eta balioztatzeko auziak oraindik eztabaida zabal eta sakona behar du.

Urtarrilean, Nature Medicine aldizkariak “The Next Generation of Evidence-Based Medicine” izeneko iritzi-artikulu bat argitaratu zuen, Texasko Unibertsitateko MD Anderson Minbiziaren Zentroko Vivek Subbiah-ek idatzia, COVID-19 pandemiaren testuinguruan agerian utzitako entsegu klinikoen mugak aztertuz eta berrikuntzaren eta ikerketa klinikoaren prozesuari atxikitzearen arteko kontraesana adieraziz. Azkenik, entsegu klinikoak berregituratzeko etorkizuna adierazten du: adimen artifiziala erabiltzen duten entsegu klinikoen hurrengo belaunaldia, hau da, adimen artifiziala erabiltzea ikerketa historikoen datu kopuru handi batetik, mundu errealeko datuetatik, datu kliniko multimodaletatik eta gailu eramangarrien datuetatik ebidentzia gakoa aurkitzeko. Horrek esan nahi al du IA teknologia eta IAren baliozkotze klinikoaren prozesuak elkar indartzen eta elkarrekin eboluzionatzen ari direla etorkizunean? Hau da 2023ko galdera irekia eta hausnarketarako bidea ematen duena.

Medikuntzako Adimen Artifizialaren Erregulazioa

IA teknologiaren aurrerapenak erronkak ere sortzen ditu IAren erregulazioan, eta mundu osoko politikariek arretaz eta kontu handiz erantzuten ari dira. 2019an, FDAk lehen aldiz argitaratu zuen Adimen Artifizialeko Gailu Medikoetan Software Aldaketetarako Araudi Esparru Proposamena (Eztabaida Zirriborroa), IA eta ikaskuntza automatikoan oinarritutako software aldaketen merkatu aurreko berrikuspenerako bere ikuspegi potentziala zehaztuz. 2021ean, FDAk "Adimen Artifiziala/Ikaskuntza Automatikoan oinarritutako Softwarea Gailu Mediko gisa Ekintza Plana" proposatu zuen, eta bertan bost IA neurri arautzaile mediko zehatz argitu ziren. Aurten, FDAk Gailuen Software Ezaugarrien Merkatu Aurreko Aurkezpena berriro argitaratu zuen, FDAk gailuen software ezaugarrien segurtasuna eta eraginkortasuna ebaluatzeko merkatu aurreko aurkezpen gomendioei buruzko informazioa emateko, ikaskuntza automatikoaren metodoen bidez entrenatutako ikaskuntza automatikoaren ereduak erabiltzen dituzten software gailuen ezaugarri batzuk barne. FDAren arauzko politika hasierako proposamen batetik orientazio praktikora eboluzionatu da.

Iazko uztailean Europako Osasun Datuen Espazioa argitaratu ondoren, EBk berriro ere Adimen Artifizialaren Legea onartu du. Lehenengoaren helburua osasun-datuak ahalik eta ondoen erabiltzea da kalitate handiko osasun-laguntza emateko, desberdintasunak murrizteko eta datuak prebentziorako, diagnostikorako, tratamendurako, berrikuntza zientifikorako, erabakiak hartzeko eta legegintzarako laguntzeko, aldi berean EBko herritarrek beren osasun-datu pertsonalen gaineko kontrol handiagoa izan dezaten bermatuz. Bigarrenak argi uzten du diagnostiko medikoen sistema arrisku handiko IA sistema dela, eta gainbegiratze sendo eta zuzendua, bizitza-ziklo osoko gainbegiratzea eta aurre-ebaluazioko gainbegiratzea hartu behar dituela. Europako Medikamentuen Agentziak (EMA) hausnarketa-dokumentu bat argitaratu du IAren erabilerari buruz sendagaien garapena, arautzea eta erabilera laguntzeko, IAren sinesgarritasuna hobetzean arreta jarriz pazientearen segurtasuna eta ikerketa klinikoen emaitzen osotasuna bermatzeko. Oro har, EBren arautze-ikuspegia pixkanaka forma hartzen ari da, eta azken ezarpen-xehetasunak zehatzagoak eta zorrotzagoak izan daitezke. EBren arautze zorrotzaren guztiz kontrakoa bada ere, Erresuma Batuko IAren arautze-planak argi uzten du gobernuak ikuspegi leuna hartzea eta oraingoz lege-proiektu berriak ez onartzea edo erregulatzaile berriak ezartzea duela asmoa.

Txinan, Medikuntzako Produktuen Administrazio Nazionaleko Medikuntzako Gailu Teknikoen Berrikuspen Zentroak (NMPA) dokumentuak argitaratu ditu lehenago, hala nola “Ikaskuntza Sakoneko Erabakiak Hartzeko Softwarearen Berrikuspen Puntuak”, “Adimen Artifizialeko Medikuntzako Gailuen Erregistroaren Berrikuspenerako Gida Printzipioak (Iruzkinak jasotzeko zirriborroa)” eta “Adimen Artifizialeko Medikuntzako Software Produktuen Sailkapen eta Definiziorako Gida Printzipioei buruzko Zirkularra (47. zk., 2021ean)”. Aurten, "2023ko lehen gailu medikoen produktuen sailkapenaren emaitzen laburpena" berriro argitaratu da. Dokumentu sorta honek adimen artifizialeko software medikoen produktuen definizioa, sailkapena eta erregulazioa argiago eta errazagoa egiten du, eta industriako hainbat enpresaren produktuen kokapen eta erregistro estrategietarako orientabide argiak eskaintzen ditu. Dokumentu hauek IA gailu medikoen erregulazio zientifikorako esparru eta kudeaketa erabakiak eskaintzen dituzte. Espero da abenduaren 21etik 23ra Hangzhoun ospatu den Txinako Adimen Artifizialeko Medikuntza Konferentziaren agendak gobernantza mediko digitalari eta ospitale publikoen garapen kalitate handikoari buruzko foro berezi bat eta adimen artifizialeko gailu medikoen probak eta ebaluazioari buruzko teknologia estandarizatzeko industriaren garapen foroa ezartzea. Garai hartan, Garapen eta Erreforma Batzorde Nazionaleko eta NMPAko funtzionarioek parte hartuko dute bileran eta informazio berria argitaratu dezakete.

Ondorioa

2023an, IA medikoa prozesu mediko osoan integratzen hasi da, bai goin bai behen, ospitaleetako datuen bilketa, fusioa, analisia, diagnostikoa eta tratamendua, eta komunitatearen baheketa barne hartzen ditu, eta modu organikoan lankidetzan aritu da mediku/gaixotasunen kontroleko langileekin, gizakien osasunean ongizatea ekartzeko potentziala erakutsiz. IA medikoari buruzko ikerketa erabilgarria agertzen hasi da. Etorkizunean, IA medikoaren aurrerapena ez da soilik garapen teknologikoaren beraren mende egongo, baizik eta industriaren, unibertsitatearen eta ikerketa medikoaren lankidetza osoa eta politikagileen eta erregulatzaileen laguntza ere beharko ditu. Eremu arteko lankidetza hau IA bidez integratutako zerbitzu medikoak lortzeko gakoa da, eta, zalantzarik gabe, giza osasunaren garapena sustatuko du.