Microsoft Research ਨੇ 17 ਨਵੰਬਰ 2026 ਨੂੰ ਇੱਕ ਪੌਡਕਾਸਟ ਐਪੀਸੋਡ ਜਾਰੀ ਕੀਤਾ ਹੈ ਜੋ ਪੁੱਛਦਾ ਹੈ ਕਿ AI ਨਾਲ ਦਵਾਈ ਦਾ ਖੇਤਰ ਕਿਹੋ ਜਿਹਾ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਮਹਿਮਾਨ ਇੱਕ ਸਾਫ਼ ਗੱਲ ਉੱਤੇ ਇੱਕਮਤ ਹਨ: ਖੋਜ ਹਸਪਤਾਲਾਂ ਨਾਲੋਂ ਤੇਜ਼ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ। ਐਪੀਸੋਡ “Can AI help build a healthier future?” ਲੜੀ The Shape of Things to Come ਦਾ ਹਿੱਸਾ ਹੈ, ਜਿਸ ਦੇ ਮੇਜ਼ਬਾਨ Doug Burger ਹਨ।
ਉਨ੍ਹਾਂ ਨਾਲ ਤਿੰਨ ਮਹਿਮਾਨ ਹਨ। Eric Horvitz Microsoft ਦੇ ਮੁੱਖ ਵਿਗਿਆਨਕ ਅਧਿਕਾਰੀ ਹਨ, Ava Amini Microsoft Research ਵਿੱਚ ਪ੍ਰਿੰਸੀਪਲ ਰਿਸਰਚ ਮੈਨੇਜਰ ਅਤੇ Broad Institute ਨਾਲ Project Ex Vivo ਦੀ ਸਹਿ-ਮੁਖੀ ਹਨ, ਅਤੇ ਡਾ. Eric Topol Scripps Research ਦੇ ਕਾਰਜਕਾਰੀ ਉਪ-ਪ੍ਰਧਾਨ ਹਨ। ਗੱਲਬਾਤ ਵਿੱਚ ਨਿਦਾਨ, ਮੈਡੀਕਲ ਇਮੇਜਿੰਗ, ਪੂਰੇ-ਮਰੀਜ਼ ਮਾਡਲ, ਵਰਚੁਅਲ ਸੈੱਲ ਅਤੇ ਦਵਾਈ ਦੀ ਖੋਜ ਸ਼ਾਮਲ ਹਨ।
Microsoft ਦੀ ਟੀਮ ਨੇ AI ਨਿਦਾਨ ਬਾਰੇ ਕੀ ਦੱਸਿਆ?
Horvitz ਨੇ ਦੱਸਿਆ ਕਿ ਨਿਦਾਨ ਵਾਲੀ AI ਨੂੰ ਪਰਖਣ ਦਾ ਤਰੀਕਾ ਬਦਲਿਆ ਹੈ। ਮਾਡਲ ਨੂੰ ਪੂਰਾ ਕੇਸ ਫ਼ਾਈਲ ਦੇਣ ਦੀ ਥਾਂ ਉਸ ਨੂੰ ਡਾਕਟਰ ਦੀ ਥਾਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ: ਉਹ ਮੁੱਖ ਸ਼ਿਕਾਇਤ ਅਤੇ ਥੋੜ੍ਹੇ ਇਤਿਹਾਸ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਫਿਰ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਸਵਾਲ ਪੁੱਛਣੇ ਹਨ, ਲਾਗਤ ਦੇਖ ਕੇ ਕਿਹੜੇ ਟੈਸਟ ਕਰਵਾਉਣੇ ਹਨ, ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਵਿੱਚ ਵੀ ਨਿਦਾਨ ਕਦੋਂ ਦੇਣਾ ਹੈ। ਉਹ ਇਸ ਨੂੰ ਕ੍ਰਮਵਾਰ ਨਿਦਾਨ ਦੀ ਚੁਣੌਤੀ ਕਹਿੰਦੇ ਹਨ।
Microsoft Research ਦੇ ਪੇਪਰ ਵਾਲੇ ਪੰਨੇ ਉੱਤੇ ਮੁੱਖ ਅੰਕੜੇ ਦਿੱਤੇ ਹਨ:
- ਡਾਕਟਰਾਂ ਦੇ ਪੈਨਲ ਦੀ ਨਕਲ ਕਰਨ ਵਾਲੇ AI ਸਿਸਟਮ ਨੇ New England Journal of Medicine ਦੇ ਕਲੀਨਿਕੋਪੈਥੋਲੋਜੀਕਲ ਕੇਸਾਂ ਉੱਤੇ 83.2% ਸ਼ੁੱਧਤਾ ਹਾਸਲ ਕੀਤੀ
- MIMIC-IV-ED ਦੇ ਐਮਰਜੈਂਸੀ ਦਾਖ਼ਲਿਆਂ ਉੱਤੇ 80.3%
- ਜਨਰਲ ਡਾਕਟਰਾਂ ਨੇ ਇਨ੍ਹਾਂ ਦੋਵਾਂ ਸੈੱਟਾਂ ਉੱਤੇ ਕ੍ਰਮਵਾਰ 36.1 ਅਤੇ 46.8% ਹਾਸਲ ਕੀਤਾ
ਸਾਰ ਦੱਸਦਾ ਹੈ ਕਿ ਇਹ ਨਤੀਜੇ ਇੱਕ ਨਿਯੰਤਰਿਤ ਬੈਂਚਮਾਰਕ ਮਾਹੌਲ ਵਿੱਚ ਮਿਲੇ ਹਨ। Horvitz ਨੇ ਵੀ ਐਪੀਸੋਡ ਵਿੱਚ ਕਿਹਾ ਕਿ ਜਨਰਲ ਡਾਕਟਰਾਂ ਨਾਲ ਤੁਲਨਾ ਨੂੰ ਉਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਸਮੇਤ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ। Topol ਨੇ ਇਸ ਨੂੰ ਪਹਿਲਾ ਏਜੰਟਿਕ ਸਿਸਟਮ ਕਿਹਾ ਜਿਸ ਨੇ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਡਾਕਟਰਾਂ ਅਤੇ ਹੋਰ ਅਗਲੀ ਕਤਾਰ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਪਛਾੜਿਆ, ਸ਼ੁੱਧਤਾ “ਲਗਭਗ ਦੁੱਗਣੀ” ਅਤੇ ਲਾਗਤ ਘੱਟ।
Topol ਕਿਉਂ ਕਹਿੰਦੇ ਹਨ ਕਿ ਪਰਖੀ ਹੋਈ AI ਮਰੀਜ਼ਾਂ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚ ਰਹੀ?
Topol ਨੇ ਕਿਹਾ ਕਿ ਇਸ ਖੇਤਰ ਨੇ ਜਨਰੇਟਿਵ AI ਦਾ ਪਿੱਛਾ ਕੀਤਾ ਪਰ ਉਹ ਖੇਤਰ ਛੱਡ ਦਿੱਤਾ ਜਿੱਥੇ ਸਬੂਤ ਵੱਧ ਹਨ: ਅੱਖ ਦੀ ਪੁਤਲੀ, ਛਾਤੀ ਦੇ ਐਕਸ-ਰੇ ਅਤੇ ਈਸੀਜੀ ਵਰਗੀਆਂ ਮੈਡੀਕਲ ਤਸਵੀਰਾਂ। ਉਨ੍ਹਾਂ ਨੇ ਇੱਕ ਲੱਖ ਤੋਂ ਵੱਧ ਔਰਤਾਂ ਵਾਲੇ ਮੈਮੋਗ੍ਰਾਫ਼ੀ ਦੇ ਇੱਕ ਰੈਂਡਮਾਈਜ਼ਡ ਟ੍ਰਾਇਲ ਅਤੇ ਕੋਲੋਨੋਸਕੋਪੀ ਦੇ 44 ਰੈਂਡਮਾਈਜ਼ਡ ਟ੍ਰਾਇਲਾਂ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ, ਜੋ ਰਸਾਲਿਆਂ ਵਿੱਚ ਹੀ ਪਏ ਹਨ।
ਉਨ੍ਹਾਂ ਦੀ ਵਿਆਖਿਆ ਵਿਗਿਆਨ ਦੀ ਨਹੀਂ, ਅਪਣਾਉਣ ਦੀ ਹੈ। ਸਿਹਤ ਪ੍ਰਣਾਲੀਆਂ ਘੱਟ ਮੁਨਾਫ਼ੇ ਉੱਤੇ ਚੱਲਦੀਆਂ ਹਨ, ਪੇਸ਼ਾ ਬਦਲਾਅ ਵਿੱਚ ਹੌਲੀ ਹੈ, ਅਤੇ ਨਾ ਡਾਕਟਰ ਨਾ ਮਰੀਜ਼ ਇਨ੍ਹਾਂ ਸਾਧਨਾਂ ਦੀ ਮੰਗ ਕਰ ਰਹੇ ਹਨ। ਉਨ੍ਹਾਂ ਕਿਹਾ ਕਿ ਉਹ ਅਜੇ ਵੀ ਉਡੀਕ ਕਰ ਰਹੇ ਹਨ ਕਿ ਇਹ ਖੋਜ ਇਲਾਜ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੇ, ਅਤੇ ਸੁਝਾਇਆ ਕਿ ਡਾਕਟਰਾਂ ਜਾਂ ਮਰੀਜ਼ਾਂ ਦਾ ਦਬਾਅ ਇਸ ਨੂੰ ਅੱਗੇ ਵਧਾ ਸਕਦਾ ਹੈ।
ਪੂਰੇ-ਮਰੀਜ਼ ਮਾਡਲ ਅਤੇ ਵਰਚੁਅਲ ਸੈੱਲ ਕੀ ਹਨ?
Topol ਨੇ ਪੂਰੇ-ਮਰੀਜ਼ ਮਾਡਲਾਂ ਨੂੰ ਅਗਲਾ ਪੜਾਅ ਦੱਸਿਆ: ਇਲੈਕਟ੍ਰਾਨਿਕ ਸਿਹਤ ਰਿਕਾਰਡ ਦੇ ਨਾਲ ਕੱਚੀਆਂ ਤਸਵੀਰਾਂ, ਜੀਨੋਮਿਕਸ, ਪ੍ਰੋਟੀਓਮਿਕਸ ਅਤੇ ਐਕਸਪੋਜ਼ੋਮ। ਮਕਸਦ ਹੈ ਬਿਮਾਰੀਆਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਸੰਭਾਵੀ ਸਮੇਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ, ਵੱਖ-ਵੱਖ ਹਾਲਾਤਾਂ ਨੂੰ ਪਰਖਣਾ, ਅਤੇ “ਤੁਹਾਨੂੰ ਖ਼ਤਰਾ ਹੈ” ਕਹਿਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਰੋਕਥਾਮ ਸੰਭਵ ਬਣਾਉਣਾ। ਉਨ੍ਹਾਂ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਵਰਚੁਅਲ ਸੈੱਲ ਤੋਂ ਪਹਿਲਾਂ ਪਰਿਪੱਕ ਪੂਰੇ-ਮਰੀਜ਼ ਮਾਡਲ ਆਉਣਗੇ, ਜੋ ਅਜੇ ਦੂਰ ਹੈ।
Amini ਨੇ ਕਿਹਾ ਕਿ ਜੀਵ ਵਿਗਿਆਨ ਕਈ ਪੱਧਰਾਂ ਉੱਤੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਣੂਆਂ ਤੋਂ ਸੈੱਲਾਂ ਅਤੇ ਅੰਗ ਪ੍ਰਣਾਲੀਆਂ ਤੱਕ, ਅਤੇ ਇਨ੍ਹਾਂ ਨੂੰ ਜੋੜਨਾ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਔਖੀ ਚੁਣੌਤੀ ਹੈ। ਉਨ੍ਹਾਂ ਦੀ ਮੁੱਖ ਚਿੰਤਾ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਹੈ: ਇਹ ਮਾਡਲ ਕੀ ਹੱਲ ਕਰਨਗੇ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਵਿਗਿਆਨੀ ਇਨ੍ਹਾਂ ਨੂੰ ਕਿਵੇਂ ਅਪਣਾਉਣਗੇ। Broad Institute ਨਾਲ ਸਾਂਝ ਇਹ ਕੜੀ ਹੇਠਾਂ ਤੋਂ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਹੈ।
ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ AI ਨੂੰ ਕੀ ਰੋਕ ਰਿਹਾ ਹੈ?
Topol ਅਤੇ Amini ਦੋਵਾਂ ਮੁਤਾਬਕ ਡੇਟਾ। Topol ਨੇ ਕਿਹਾ ਕਿ AlphaFold ਇਸ ਲਈ ਸਫ਼ਲ ਹੋਇਆ ਕਿਉਂਕਿ Protein Data Bank ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਸੀ, ਅਤੇ ਜੀਵਨ ਵਿਗਿਆਨ ਜਾਂ ਦਵਾਈ ਵਿੱਚ ਇਸ ਵਰਗਾ ਕੋਈ ਡੇਟਾਸੈੱਟ ਨਹੀਂ ਹੈ। Amini ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਗਤੀਵਿਧੀ ਉੱਤੇ ਆਧਾਰਿਤ ਡੇਟਾਸੈੱਟ ਬਣਨ, ਜੋ ਪ੍ਰੋਟੀਨ ਦੀ ਲੜੀ ਨੂੰ ਉਸ ਦੇ ਕੰਮ ਨਾਲ ਵੱਡੇ ਪੈਮਾਨੇ ਉੱਤੇ ਜੋੜਨ।
Amini ਅਤੇ Horvitz ਨੇ ਮਾਡਲਾਂ ਨਾਲ ਪ੍ਰਯੋਗਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਬਾਰੇ ਵੀ ਦੱਸਿਆ, ਤਾਂ ਜੋ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦਾ ਸਮਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਕਲਪਾਂ ਉੱਤੇ ਲੱਗੇ ਅਤੇ ਲਾਗਤ ਤੇ ਸਮਾਂ ਘਟੇ। Amini ਨੇ ਸਾਫ਼ ਕਿਹਾ ਕਿ ਅਸਲ ਦੁਨੀਆ ਹਮੇਸ਼ਾ ਰੁਕਾਵਟ ਰਹੇਗੀ।
ਕੀਮਤ
ਐਪੀਸੋਡ ਦੇ ਪੰਨੇ ਉੱਤੇ ਕੋਈ ਕੀਮਤ ਨਹੀਂ ਦਿੱਤੀ ਗਈ। ਉੱਥੇ ਵੀਡੀਓ ਪਲੇਬੈਕ, ਪੂਰੀ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਅਤੇ Apple Podcasts, Spotify, ਈਮੇਲ, Android ਅਤੇ RSS ਲਈ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਲਿੰਕ ਹਨ।
ਇਹ ਕਿਸ ਲਈ ਹੈ
ਮੈਡੀਕਲ AI ਉੱਤੇ ਨਜ਼ਰ ਰੱਖਣ ਵਾਲੇ ਪਾਠਕ। ਐਪੀਸੋਡ ਵਿੱਚ Microsoft ਦੇ ਖੋਜੀ ਅਤੇ ਇੱਕ ਬਾਹਰੀ ਡਾਕਟਰ-ਵਿਗਿਆਨੀ ਸਹਿਮਤ ਹੁੰਦੇ, ਅਸਹਿਮਤ ਹੁੰਦੇ ਅਤੇ ਆਪਣੇ ਦਾਅਵਿਆਂ ਨੂੰ ਸੀਮਤ ਕਰਦੇ ਸੁਣੇ ਜਾ ਸਕਦੇ ਹਨ।
ਹਸਪਤਾਲ ਅਤੇ ਸਿਹਤ ਪ੍ਰਣਾਲੀ ਦੇ ਪ੍ਰਬੰਧਕ। Topol ਦੀ ਦਲੀਲ ਲਾਗਤ, ਮੁਨਾਫ਼ੇ ਅਤੇ ਪ੍ਰੋਤਸਾਹਨ ਵਰਗੀਆਂ ਰੁਕਾਵਟਾਂ ਬਾਰੇ ਹੈ।
ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਵਿਦਿਆਰਥੀ ਤੇ ਖੋਜੀ। ਡੇਟਾ ਅਤੇ ਪੁਸ਼ਟੀ ਬਾਰੇ ਚਰਚਾ ਦੱਸਦੀ ਹੈ ਕਿ ਅਗਲੀ ਤਰੱਕੀ ਕਿੱਥੋਂ ਆਉਣੀ ਹੈ।
ਸਿਹਤ ਸੰਬੰਧੀ ਸਲਾਹ ਲੱਭਣ ਵਾਲੇ ਲੋਕ। ਇਹ ਖੋਜ ਬਾਰੇ ਚਰਚਾ ਹੈ, ਡਾਕਟਰੀ ਸਲਾਹ ਨਹੀਂ। ਆਪਣੀ ਸਿਹਤ ਬਾਰੇ ਸਵਾਲਾਂ ਲਈ ਯੋਗ ਡਾਕਟਰ ਨਾਲ ਗੱਲ ਕਰੋ।
ਜੋ ਅਜੇ ਪਤਾ ਨਹੀਂ
ਐਪੀਸੋਡ ਇਹ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਇਹ ਸਿਸਟਮ ਕਲੀਨਿਕਾਂ ਵਿੱਚ ਕਦੋਂ ਵਰਤੇ ਜਾ ਸਕਣਗੇ, ਅਤੇ ਪੇਪਰ ਦੇ ਨਤੀਜੇ ਬੈਂਚਮਾਰਕ ਦੇ ਨਤੀਜੇ ਹਨ। ਮਹਿਮਾਨ ਖ਼ੁਦ ਕਹਿੰਦੇ ਹਨ ਕਿ ਅਮਲ, ਬਿਹਤਰ ਜੀਵ ਵਿਗਿਆਨਕ ਡੇਟਾ ਅਤੇ ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਪੁਸ਼ਟੀ ਦੀ ਅਜੇ ਘਾਟ ਹੈ।
ਹੋਰ ਜਾਣਨ ਲਈ Microsoft Research ਦੀ ਸਾਈਟ ਉੱਤੇ ਐਪੀਸੋਡ ਦਾ ਪੰਨਾ ਖੋਲ੍ਹ ਕੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਪੜ੍ਹੋ, ਫਿਰ ਪੇਪਰ ਦੇ ਪੰਨੇ ਤੋਂ ਪੂਰਾ ਸਾਰ ਦੇਖੋ।






