இந்திய ஹெல்த்-கேர் AI துறையில் எதிர்பார்த்த வளர்ச்சி இல்லை. துல்லியமான மருத்துவத் தரவுகள் (Clinical Data) இல்லாததே இதற்கு முக்கிய காரணம். இதனால், வெறும் AI மாடல்களை உருவாக்குவதை விடுத்து, நோயாளிகளின் உரையாடல்களை டேட்டாவாக மாற்றும் புதிய முயற்சியில் நிறுவனங்கள் இறங்கியுள்ளன.
இந்திய ஹெல்த்-கேர் துறையில் செயற்கை நுண்ணறிவு (AI) குறித்த எதிர்பார்ப்புகள் அதிகமாக இருந்தாலும், தற்போது ஒரு பெரிய தடையைச் சந்தித்து வருகிறது. முதலீடுகள் குவிந்தாலும், உயர்தரமான மற்றும் நீண்டகால மருத்துவத் தரவுகள் (Longitudinal Clinical Data) இல்லாதது பெரும் பின்னடைவாக உள்ளது.
டேட்டா பற்றாக்குறை ஏன்?
இந்தியாவில் மருத்துவ ஆலோசனைகள் பெரும்பாலும் ஆங்கிலம் மற்றும் பிராந்திய மொழிகள் கலந்தே நடைபெறுகின்றன. இவை கையெழுத்து குறிப்புகளாகவோ அல்லது ஆடியோவாகவோ இருப்பதால், அதை முறையாகப் புரிந்துகொள்ள AI மாடல்கள் திணறுகின்றன. Ayushman Bharat Digital Mission (ABHA) தரவுகளைப் பகிர வழிவகை செய்தாலும், மருத்துவத் தரவுகளை உருவாக்குவதில் இன்னும் சவால்கள் நீடிக்கின்றன. சரியான தரவுகள் இல்லாததால், பல AI நிறுவனங்கள் 'Synthetic Datasets'-ஐ நம்பி ஏமாறுகின்றன.
புதிய வியூகம்: மொழித் தொழில்நுட்பம்
இந்த இடைவெளியை நிரப்ப, Eka Care மற்றும் Sarvam AI போன்ற நிறுவனங்கள் இப்போது களமிறங்கியுள்ளன. மருத்துவ ஆலோசனைகளை நிகழ்நேரத்தில் (Real-time) கேட்டு, அதை முறைப்படுத்தப்பட்ட மருத்துவ அறிக்கைகளாக (Structured Clinical English) மாற்றும் 'Speech-to-Text' தொழில்நுட்பத்தில் இவை முதலீடு செய்கின்றன.
முதலீட்டாளர்களுக்கான எச்சரிக்கை
சந்தையில் வெறும் 'Wrapper' மாடல்களை வைத்து இயங்கும் நிறுவனங்களைத் தவிர்த்து, தரமான டேட்டா கட்டமைப்பை (Data Infrastructure) உருவாக்கும் நிறுவனங்களை உன்னிப்பாகக் கவனிக்க வேண்டும். மருத்துவமனைகளின் அன்றாட பணிகளில் (OPD Workflows) இந்த AI கருவிகள் எவ்வளவு எளிதாகப் பொருந்துகின்றன என்பதே வரும் ஓராண்டில் இந்த நிறுவனங்களின் வெற்றியைத் தீர்மானிக்கும்.
