ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂದ ಕ್ರಾಂತಿ

ವೈದ್ಯ ವೈವಿಧ್ಯ

ಡಾ.ಎಚ್.ಎಸ್.ಮೋಹನ್

drhsmohan@gmail.com

1957 ರಿಂದ 1974ರ ನಡುವೆ ಕಂಪ್ಯೂಟರ್‌ಗಳು ವೇಗ ಪಡೆದುಕೊಂಡವು, ಅಗ್ಗವಾಗತೊಡಗಿದವು ಹಾಗೂ ಹೆಚ್ಚು ಜನರನ್ನು ತಲುಪತೊಡಗಿದವು. ಮಷೀನ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗಾರಿದಮ್‌ಗಳೂ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಾ ಬಂದವು. ಇಷ್ಟೆಲ್ಲಾ ಆದಾಗ್ಯೂ ಬಹಳಷ್ಟು ಮಾಹಿತಿಗಳನ್ನು ಕಂಪ್ಯೂಟರ್‌ಗಳಲ್ಲಿ ಶೇಖರಿಸಲು ಸಾಧ್ಯ ವಾಗುತ್ತಿರಲಿಲ್ಲ.

ಯಾವುದೇ ರಂಗ ಅಥವಾ ಉದ್ಯಮ ಇರಲಿ ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ಅದನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಆರ್ಟಿಫಿಷಿ ಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್) ಆವರಿಸಿದೆ. ವೈದ್ಯಕೀಯ ರಂಗ ದಲ್ಲಿ ಇದು ವೈದ್ಯರಿಗೆ ತಮ್ಮ ದೈನಂದಿನ ಕೆಲಸಗಳನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ನಿರ್ವಹಿಸಲು, ಮಾಡುವ ಚಿಕಿತ್ಸೆ ಅಥವಾ ಕ್ರಿಯೆಗಳ ದಕ್ಷತೆ ಅಥವಾ ಕಾರ್ಯ ಸಾಮರ್ಥ್ಯತೆ ಯನ್ನು ಹೆಚ್ಚಿಸಲು ಹಾಗೂ ಸಂಕೀರ್ಣವಾದ ಕ್ರಿಯೆ ಅಥವಾ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಸುಲಭಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಇತ್ತೀಚೆಗೆ ಹಲವಾರು ದೊಡ್ಡ ದೊಡ್ಡ ಕಂಪನಿಗಳು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಒಳಗೊಂಡ ವೈದ್ಯಕೀಯ ಆವಿಷ್ಕಾರ ಗಳಿಗೆ ಅಗಾಧ ಪ್ರಮಾಣದ ಹಣವನ್ನು ಹೂಡುತ್ತಿವೆ. ಉದಾಹರಣೆಗೆ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಕಂಪನಿಯು 2020ರಲ್ಲಿ ವೈದ್ಯಕೀಯ ರಂಗದ ಸವಾಲುಗಳಿಗೆ ಐದು ವರ್ಷಗಳ ಕಾರ್ಯಕ್ರಮವಾಗಿ 40 ಮಿಲಿಯನ್ ಡಾಲರುಗಳ ಹೂಡಿಕೆಯನ್ನು ಪ್ರಕಟಿಸಿತು. ಒಂದು ದಿಸೆಯಲ್ಲಿ ಇದು ವೈದ್ಯಕೀಯ ರಂಗವನ್ನು ಹಲವು ರೀತಿಯಲ್ಲಿ ಬದಲಾ ಯಿಸುತ್ತಾ ಇದ್ದರೂ ಈ ತಾಂತ್ರಿಕತೆಯು ಸ್ವಲ್ಪ ಇತ್ತೀಚಿನ ತಂತ್ರಜ್ಞಾನ ಎಂದೇ ಹೇಳಬೇಕು.

ಅದರ ವಿವರಗಳಿಗೆ ಗಮನ ಕೊಡುವ ಮೊದಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂದರೇನು ಎಂಬುದನ್ನು ಪರಿಶೀಲಿ ಸೋಣ. ಒಂದು ಯಂತ್ರ ಅಥವಾ ವ್ಯವಸ್ಥೆ ಮನುಷ್ಯನ ರೀತಿಯಲ್ಲಿ ವರ್ತಿಸಿದರೆ ಅಥವಾ ಬುದ್ಧಿಮತ್ತೆ ಪ್ರದರ್ಶಿಸಿ ದರೆ ಅದನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎನ್ನಲಾಗುತ್ತದೆ. ಮಾನವನ ರೀತಿಯ ವರ್ತನೆಯನ್ನು ಅನುಕರಿಸಲು ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಅದೇ ರೀತಿಯ ವರ್ತನೆಗಳ ಬಗ್ಗೆ ಹಿಂದಿನ ದಾಖಲೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿ ಈ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಮಾಹಿತಿ ತುಂಬಿಸಲಾಗಿರುತ್ತದೆ. ಬೆಕ್ಕಿಗೂ ಹಕ್ಕಿಗೂ ಇರುವ ವ್ಯತ್ಯಾಸ ವನ್ನು ತಿಳಿಯುವ ಒಂದು ಸಣ್ಣ ವಿಷಯದಿಂದ ಹಿಡಿದು ಒಂದು ದೊಡ್ಡ ಉತ್ಪಾದನಾ ಘಟಕದಲ್ಲಿ ನಡೆಸುವ ಕಷ್ಟದ ಅಥವಾ ಸಂಕೀರ್ಣ ಕ್ರಿಯೆಗಳವರೆಗೂ ಇರ ಬಹುದು. ವೈದ್ಯಕೀಯ ರಂಗದಲ್ಲಿ ಮುಖ್ಯವಾಗಿ ನಾಲ್ಕು ರೀತಿಯಲ್ಲಿ ಈ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಉಪಯೋಗಿಸಲಾಗುತ್ತದೆ.

1) ಕಾಯಿಲೆಗಳನ್ನು ಪತ್ತೆ ಹಚ್ಚಲು: ಇರುವ ಕಾಯಿಲೆಯನ್ನು ನಿಖರವಾಗಿ ಪತ್ತೆ ಹಚ್ಚಲು ಒಬ್ಬ ತಜ್ಞ ವೈದ್ಯನಿಗೆ ಹಲವಾರು ವರ್ಷಗಳ ತರಬೇತಿ ಮತ್ತು ಹಲವು ವರ್ಷಗಳ ಅನುಭವ ಬೇಕಾಗುತ್ತದೆ. ಕೆಲವೊಮ್ಮೆ ಈ ಪ್ರಕ್ರಿಯೆ ತುಂಬಾ ದೀರ್ಘವಾಗಿ ರೋಗಿಗೆ ಸಿಗಬೇಕಾದ ಚಿಕಿತ್ಸೆ ದೊರೆಯುವುದು ವಿಳಂಬವಾಗುತ್ತದೆ. ಕೆಲವೊಮ್ಮೆ ಸೂಕ್ತ ತಜ್ಞವೈದ್ಯರ ಕೊರತೆಯೂ ಇರುತ್ತದೆ.

ಇಂತಹ ಪರಿಸ್ಥಿತಿ ಇದ್ದಾಗ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗೋರಿದಮ್‌ಗಳು ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ತುಂಬಾ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿ ಹೆಚ್ಚು ಶ್ರಮವಿಲ್ಲದೆ ಬಹಳ ಬೇಗನೆ ಕಾಯಿಲೆ ಪತ್ತೆ ಮಾಡುತ್ತವೆ. ಇದರಿಂದ ಕಾಯಿಲೆ ಪತ್ತೆಹಚ್ಚುವ ಒಟ್ಟೂ ಖರ್ಚು ಬಹಳ ಕಡಿಮೆಯಾಗುವುದರಿಂದ ಸಾಮಾನ್ಯ ಜನರಿಗೂ ಇದು ಎಟಕುವಷ್ಟು ಬೆಲೆ ಹೊಂದಿದೆ.

ಈ ತಾಂತ್ರಿಕತೆ ಕೆಲಸ ಮಾಡುವ ವಿಧಾನ: ವೈದ್ಯರು ಕಾಯಿಲೆ ಪತ್ತೆ ಹಚ್ಚುವ ರೀತಿಯಲ್ಲಿಯೇ ಮಷೀನ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗಾರಿದಮ್‌ಗಳು ಕೆಲಸ ಮಾಡುತ್ತವೆ. ಅವುಗಳು ಆ ಕೆಲಸ ಮಾಡಲು ಅವುಗಳಿಗೆ ಸಾವಿರಾರು ರೋಗಿಗಳ ಪೂರ್ವ ಮಾಹಿತಿ ಅವಶ್ಯಕ. ಅಂದರೆ ಇವೆ ಡಿಜಿಟಲ್ ಮಾಧ್ಯಮದಲ್ಲಿ ದಾಖಲಾಗಿದ್ದರೆ ಈ ಯಂತ್ರಗಳಿಗೆ ಕಾಯಿಲೆ ಪತ್ತೆ ಹಚ್ಚುವ ಕೆಲಸ ಬಹಳ ಸುಲಭವಾಗುತ್ತದೆ.

ಉದಾ: *ಸಿ ಟಿ ಸ್ಕ್ಯಾನ್ ಪರೀಕ್ಷೆಯಿಂದ ಶ್ವಾಸಕೋಶದ ಕ್ಯಾನ್ಸರ್ ಅಥವಾ ಪಾರ್ಶ್ವವಾಯು ಕಾಯಿಲೆ ಪತ್ತೆ ಹಚ್ಚುವುದು.

*ಇ ಸಿ ಜಿ ಮತ್ತು ಹೃದಯದ ಎಂಆರ್‌ಐ ಸ್ಕ್ಯಾನ್‌ಗಳ ನೆರವಿನಿಂದ ಒಮ್ಮೆಲೇ ಬರುವ ಹೃದಯ ಸಂಬಂಧಿ ಕಾಯಿಲೆಯಿಂದ ವ್ಯಕ್ತಿಗೆ ಉಂಟಾಗುವ ಮರಣದ ಸಾಧ್ಯತೆ ಅಥವಾ ಬೇರೆ ರೀತಿಯ ಹೃದಯದ ಕಾಯಿಲೆಗಳ ನಿಖರ ಪತ್ತೆ ಸಾಧ್ಯ.

*ಚರ್ಮದ ಚಿತ್ರಗಳಿಂದ ಚರ್ಮದ ಕಾಯಿಲೆಗಳ ವರ್ಗೀಕರಣ.

*ಕಣ್ಣಿನ ಫೋಟೋಗಳಿಂದ ಡಯಾಬಿಟಿಸ್ ನಿಂದ ಉಂಟಾಗುವ ರೆಟಿನೋಪತಿ ಬರುತ್ತದೋ ಅಥವಾ ಇಲ್ಲವೋ ಎಂಬುದನ್ನು ಮೊದಲು ತಿಳಿದುಕೊಳ್ಳುವುದು.
ಈ ಬಗೆಗೆ ತುಂಬಾ ಮಾಹಿತಿ ಲಭ್ಯವಿರುವುದರಿಂದ ಒಬ್ಬ ಅನುಭವಿ ತಜ್ಞ ವೈದ್ಯ ಹೇಗೆ ನಿಖರವಾಗಿ ಕಾಯಿಲೆ ಪತ್ತೆ ಹಚ್ಚುತ್ತಾನೆ ಅದೇ ರೀತಿ ನಿಖರವಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗಾರಿದಮ್‌ಗಳು ಕಾಯಿಲೆ ಪತ್ತೆ ಹಚ್ಚುತ್ತವೆ. ಇದರ ತುಂಬಾ ಧನಾತ್ಮಕ ಅಂಶ ಅಂದರೆ ಈ ಆಲ್ಗಾರಿದಮ್‌ಗಳು ಕೆಲವೇ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಈ ಮೇಲಿನ ವಿಚಾರಗಳ ಬಗ್ಗೆ ಏನು ಮಾಡಿದರೆ ಏನಾಗುತ್ತದೆ ಎಂಬ ತೀರ್ಮಾನವನ್ನು ಹೇಳಬಲ್ಲವು.

ಹಾಗೆಯೇ ಈ ಇಮೇಜ್ ಗಳನ್ನು ಜಗತ್ತಿನ ಯಾವ ಮೂಲೆಗಾದರೂ ರವಾನಿಸಬಹುದು. ಇವೆಲ್ಲ ತೀರಾ ಕಡಿಮೆ ಅಥವಾ ಎಲ್ಲರಿಗೆ ಎಟಕುವ ದರದಲ್ಲಿ ಲಭ್ಯ ವಾಗುತ್ತವೆ. ಹಾಗಾಗಿ ಇವುಗಳ ಮಹತ್ವ ತೀರಾ ಜಾಸ್ತಿ ಎಂದೆನಿಸುತ್ತದೆ. ಈ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಆಲ್ಗಾರಿದಮ್‌ಗಳ ಇನ್ನಿತರ ಮುಖ್ಯ ಉಪಯೋಗಗಳು ೨) ಔಷಧಗಳನ್ನು ವೇಗವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹಲವು ರೀತಿಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತವೆ. ೩) ಯಾವ ವ್ಯಕ್ತಿಗೆ ಯಾವ ರೀತಿಯ ಚಿಕಿತ್ಸೆ ಕೊಟ್ಟರೆ ಜಾಸ್ತಿ
ಪರಿಣಾಮಕಾರಿ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ತಿಳಿಸುತ್ತದೆ. ೪) ಜೀನ್ ಎಡಿಟಿಂಗ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿ ಪಡಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಇತಿಹಾಸ: 1949ರ ಮೊದಲು ಮನುಷ್ಯ ಕೊಟ್ಟ ಕಮಾಂಡ್ ಗಳನ್ನು ಮಾತ್ರ ಕಂಪ್ಯೂಟರ್‌ಗಳು ನಿರ್ವಹಿಸುತ್ತಿದ್ದವು. ಆದರೆ ಅವುಗಳನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳಲು ವ್ಯವಸ್ಥೆ ಇಲ್ಲದಿದ್ದುದರಿಂದ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ನೆನಪಿನ ಶಕ್ತಿ ಇರಲಿಲ್ಲ. 1950ರಲ್ಲಿ ಅಲನ್ ಟ್ಯೂರಿಂಗ್ ಎಂಬ ತಂತ್ರಜ್ಞ ಕಂಪ್ಯೂಟರ್ ಮಶಿನರಿ ಮತ್ತು ಬುದ್ಧಿವಂತಿಕೆ ಎಂಬ ತನ್ನ ಪ್ರಬಂಧದಲ್ಲಿ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಬುದ್ಧಿವಂತಿಕೆ ತುಂಬಿ ಬುದ್ಧಿವಂತ ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ರೂಪಿಸುವುದು ಹೇಗೆ? ಬುದ್ಧಿವಂತಿಕೆ ಯನ್ನು ಪರೀಕ್ಷೆ ಮಾಡುವುದು ಹೇಗೆ? ಎಂಬ ಬಗ್ಗೆ ಚರ್ಚಿಸಿದ್ದ.

ಐದು ವರ್ಷಗಳ ನಂತರ ಮೊಟ್ಟಮೊದಲ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಕಾರ್ಯಕ್ರಮ ರೂಪಿತವಾಯಿತು. ಅನಂತರ ಹಲವು ದಶಕಗಳ ಕಾಲ ಈ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ
ಬಗೆಗಿನ ಸಂಶೋಧನೆ ಸ್ವಲ್ಪ ವೇಗ ಪಡೆಯಿತು. 1957 ರಿಂದ 1974ರ ನಡುವೆ ಕಂಪ್ಯೂಟರ್ ಗಳು ವೇಗ ಪಡೆದುಕೊಂಡವು, ಅಗ್ಗವಾಗತೊಡಗಿದವು ಹಾಗೂ ಹೆಚ್ಚು ಜನರನ್ನು ತಲುಪತೊಡವು. ಮಷೀನ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗಾರಿದಮ್‌ಗಳೂ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಾ ಬಂದವು. ಇಷ್ಟೆಲ್ಲಾ ಆದಾಗ್ಯೂ ಬಹಳಷ್ಟು ಮಾಹಿತಿಗಳನ್ನು ಕಂಪ್ಯೂಟರ್ ಗಳಲ್ಲಿ ಶೇಖರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತಿರಲಿಲ್ಲ.

ಇದ್ದ ಮಾಹಿತಿಯನ್ನು ವೇಗವಾಗಿ ಸಂಸ್ಕರಿಸಿ ಮಾಹಿತಿ ಕೊಡಲು ಸಾಧ್ಯವಾಗುತ್ತಿರಲಿಲ್ಲ ಹಾಗಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಈ 10-14 ವರ್ಷಗಳ ಕಾಲ ಏನೂ ಪ್ರಗತಿ ಕಾಣಲಿಲ್ಲ. 1980ರ ದಶಕದಲ್ಲಿ ಹೆಚ್ಚಿನ ಹಣಕಾಸಿನ ಸೌಲಭ್ಯ ಹಾಗೂ ಆಲ್ಗಾರಿದಮ್ ಗಳ ಟೂಲ್ ಕಿಟ್‌ಗಳ ವಿಸ್ತರಣೆಯೊಂದಿಗೆ ಹೊಸ ಅಧ್ಯಾಯ ಆರಂಭ ವಾಯಿತು. ಜಾನ್ ಹೋಪ್ ಫೀಲ್ಡ ಮತ್ತು ಅಮೆರಿಕದ ಡೇವಿಡ್ ರುಮೆಲ್ ಹಾರ್ಟ್ ಅವರುಗಳು ಡೀಪ್ ಲರ್ನಿಂಗ್ ತಾಂತ್ರಿಕತೆಯನ್ನು ಆರಂಭಿಸಿದ ನಂತರ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಅನುಭವದ ಮೂಲಕ ಕಲಿಯುವ ಕ್ರಮ ಲಭ್ಯವಾಯಿತು.

ಎಡ್ ವರ್ಡ್ ಫೀಗೆನ್ ಬಾಮ್ ಎಂಬಾತ ಮನುಷ್ಯನ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ರೀತಿಯ ದಕ್ಷ ವ್ಯವಸ್ಥೆಯನ್ನು ಕಂಪ್ಯೂಟರ್‌ಗಳಲ್ಲಿ ಆರಂಭಿಸಿದ. ಸರಕಾರಗಳ ಹಣಕಾಸಿನ ಸಹಾಯ ಮತ್ತು ಸಾಮಾನ್ಯ ಜನರಲ್ಲಿ ಪ್ರಚಾರ- ಏನೂ ಇಲ್ಲದೆ ಮುಂದಿನ ಎರಡು ದಶಕಗಳಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕಡಿಮೆ ಪ್ರಗತಿ ಕಂಡಿತು. 1977ರಲ್ಲಿ ಐಬಿಎಂ ನ ಡೀಪ್ ಬ್ಲೂ ಎಂಬ ಚೆಸ್ ಆಡುವ ಕಂಪ್ಯೂಟರ್ ಕಾರ್ಯಕ್ರಮ ಆಗಿನ ಚೆಸ್ ನ ವಿಶ್ವ ಚಾಂಪಿಯನ್ ಗ್ಯಾರಿ ಕ್ಯಾಸ್ಪರೋವ್‌ನನ್ನು
ಸೋಲಿಸಿತು. ಅದೇ ವರ್ಷ ವಿಂಡೋಸ್‌ಗಳಲ್ಲಿ ಮಾತನ್ನು ಗುರುತಿಸುವ ಸಾಫ್ಟ್ ವೇರ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಯಿತು. ಸಿಂಥಿಯಾ ಬ್ರೆಜಿಲ್ ಎಂಬಾತ ಮನುಷ್ಯನನ್ನು ಗುರುತಿಸುವ ಮತ್ತು ಭಾವನೆಗಳನ್ನು ವ್ಯಕ್ತಪಡಿಸುವ ಕಿಸ್‌ಮೆಟ್ ಎಂಬ ರೋಬೋಟ್ ಅಭಿವೃದ್ಧಿ ಪಡಿಸಿದರು. 2016 ಮತ್ತು 2017ರಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ಕಾರ್ಯ ಕ್ರಮಗಳು ವಿವಿಧ ಕ್ರೀಡೆಗಳಲ್ಲಿ ನುರಿತ ಕ್ರೀಡಾಳುಗಳನ್ನು ಸೋಲಿಸಿದವು.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವೈದ್ಯರಿಗೆ ಯಾವ ರೀತಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ?: ರೋಗ ಪತ್ತೆ ಹಚ್ಚಲು ಸರಿಯಾದ ಮಾಹಿತಿ ಕ್ಲುಪ್ತ ಸಮಯದಲ್ಲಿ ಲಭ್ಯವಿರಬೇಕು. ಈ ಕಾರ್ಯವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸರಿಯಾಗಿ ನಿರ್ವಹಿಸುವುದರಿಂದ ವೈದ್ಯರು ಸೂಕ್ತ ಸಮಯದಲ್ಲಿ ಮುಖ್ಯವಾದ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಮಾಹಿತಿ ಅತಿ
ವೇಗವಾಗಿ ಲಭ್ಯವಾಗುವುದರಿಂದ ಖರ್ಚು ಕಡಿಮೆ ಯಾಗುತ್ತದೆ, ರೋಗಿಗಳು ಕಾಯುವ ಸಮಯ ಉಳಿಯುತ್ತದೆ.

ಈ ತಂತ್ರಜ್ಞಾನ ಹಾಗೆಯೇ ಹಲವು ರೀತಿಯ ಕ್ರಿಯೆಗಳನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತಿದೆ. ಬುದ್ಧಿವಂತಿಕೆಯ ಎಕ್ಸ್ ರೇ ತಂತ್ರಜ್ಞಾನದ ಸಹಾಯದಿಂದ ಸೂಕ್ಷ್ಮ ಬದಲಾವಣೆ ಗಳನ್ನು ಗಮನಿಸಿ ವೈದ್ಯರಿಗೆ ಬಹಳಷ್ಟು ಸಮಯ ಮತ್ತು ಪರಿಶ್ರಮ ಉಳಿಸುತ್ತದೆ. ಹಾಗೆಯೇ ವೈದ್ಯಕೀಯ ವಿಮೆಗಳ ಮೇಲೆ ಆಧಾರಿತ ಪಾಶ್ಚಿಮಾತ್ಯ ರಾಷ್ಟ್ರ ಗಳಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನ ಉಪಯೋಗಿಸುವುದರಿಂದ ವೈದ್ಯಕೀಯ ವೆಚ್ಚವು ಬಹಳಷ್ಟು ಕಡಿಮೆ ಆಗುತ್ತದೆ. ಆಗ ವಿಮಾ ಕಂಪನಿಗಳು ವಿಮೆಯ ಮೊಬಲಗನ್ನು ಅರ್ಧಂಬರ್ಧ ಭರಿಸುವ ಸಾಧ್ಯತೆ ಕಡಿಮೆಯಾಗಿ ರೋಗಿಗೆ ದೊಡ್ಡ ರೀತಿಯಲ್ಲಿ ಸಹಾಯವಾಗುತ್ತದೆ.

ಒಂದು ಅಂದಾಜಿನ ಪ್ರಕಾರ ಪ್ರತಿವರ್ಷ 200 ಬಿಲಿಯನ್ ಡಾಲರುಗಳಷ್ಟು ಮೊತ್ತ ಅನಗತ್ಯವಾಗಿ ವೈದ್ಯಕೀಯ ರಂಗದಲ್ಲಿ ಖರ್ಚಾಗುತ್ತಿದೆ. ಆಡಳಿತ ವ್ಯವಸ್ಥೆಯ ವಿವಿಧ ಅಂಗಗಳಾದ ರೋಗಿಗಳ ದಾಖಲೆ ಫುಲ್ ಮಾಡುವುದು, ಪುನರ್ ಪರಿಶೀಲಿಸುವುದು, ರೋಗಿಗಳ ಹಣಕಾಸಿನ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು- ಈ ರೀತಿಯ ಕ್ರಿಯೆಗಳು ಅಗಾಧ ಸಮಯ ಮತ್ತು ಖರ್ಚನ್ನು ತಿನ್ನುತ್ತವೆ. ಅದನ್ನು ಈ ತಂತ್ರಜ್ಞಾನ ಬಹಳಷ್ಟು ಉಳಿಸುತ್ತದೆ. ಹಾಗೆಯೇ ರೋಗಿಯ ಬಗೆಗಿನ ಹಿಂದಿನ ಚರಿತ್ರೆ ಅಥವಾ ಆಗುಹೋಗುಗಳನ್ನು ವಿವರವಾಗಿ ತಿಳಿಯುವುದು ಹಾಗೂ ಅದನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು- ಇದು ಇದರ ಬಹಳಷ್ಟು ಸಮಯವನ್ನು ತಿನ್ನುತ್ತದೆ.
ಇತ್ತೀಚಿನ ಹೊಸ ನ್ಯಾಚುರಲ್ ಲಾಂಗ್ವೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ಮತ್ತು ಡೀಪ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗಾರಿದಮ್‌ಗಳು ಈ ರೀತಿಯ ಕ್ರಿಯೆಗಳಲ್ಲಿ ವೈದ್ಯರಿಗೆ ಬಹಳಷ್ಟು ಸಹಾಯ ಮಾಡಿ ವೈದ್ಯರು ಸೂಕ್ತ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ ಸಹಕರಿಸುತ್ತವೆ.

ಹಾಗಾಗಿ ವೈದ್ಯರು ರೋಗಿಗಳಿಗೆ ಹೀಗೆ ಉಳಿತಾಯವಾದ ಹೆಚ್ಚು ಸಮಯವನ್ನು ಮೀಸಲಿಡಬಹುದು. ಈ ತಂತ್ರಜ್ಞಾನ ವೈದ್ಯರಿಗೆ ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆ ಯಲ್ಲಿ ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಹಾಗೆಯೇ ಹಲವು ರೀತಿಗಳಲ್ಲಿ ವೈದ್ಯರಿಗೆ ಸಮಯ ಉಳಿತಾಯ ಮಾಡುವುದರಿಂದ ಅವರುಗಳ ಮಾನಸಿಕ ಒತ್ತಡವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಹಾಗೆಯೇ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ವೈದ್ಯಕೀಯ ರಂಗದಲ್ಲಿ ಹಲವಾರು ಮಿತಿಗಳೂ ಇವೆ. ಇವು ಕೇವಲ ಯಂತ್ರಗಳಾದ್ದರಿಂದ ಸೂಕ್ತ ಮನುಷ್ಯರ ಸಹಾಯ ಇವುಗಳಿಗೆ ಬೇಕೇ ಬೇಕು.

ಒಂದು ರೀತಿಯಲ್ಲಿ ಹಲವು ವ್ಯಕ್ತಿಗಳಿಗೆ ಕೆಲಸ ಇಲ್ಲದಂತೆ ಮಾಡುತ್ತದೆ. ಕಡಿಮೆ ಮಾಹಿತಿಗಳು ಲಭ್ಯವಿದ್ದಾಗ ರೋಗ ಪತ್ತೆ ಹಚ್ಚುವಲ್ಲಿ ಕೆಲವೊಮ್ಮೆ ತಪ್ಪು ಗಳಾಗುತ್ತವೆ. ಹಾಗಿದ್ದರೂ ಭವಿಷ್ಯದಲ್ಲಿ ವೈದ್ಯಕೀಯರಂಗದಲ್ಲಿ ಇದು ಹೆಚ್ಚೆಚ್ಚು ಉಪಯೋಗವಾಗಬಹುದು ಎಂಬ ನಿರೀಕ್ಷೆಯಿದೆ.