భారత హెల్త్ కేర్ AI రంగం ప్రస్తుతం డేటా కొరతతో ఇబ్బందులను ఎదుర్కొంటోంది. రోగుల రికార్డులు చెల్లాచెదురుగా ఉండటం వల్ల AI మోడల్స్ అభివృద్ధికి ఆటంకం కలుగుతోంది. దీంతో కంపెనీలు ఇప్పుడు డాక్టర్-రోగి సంభాషణలను డిజిటల్ డేటాగా మార్చే కొత్త టెక్నాలజీపై దృష్టి సారిస్తున్నాయి.
భారతీయ హెల్త్ కేర్ రంగంలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) పై భారీగా పెట్టుబడులు వస్తున్నప్పటికీ, క్షేత్రస్థాయిలో వాస్తవ పరిస్థితి భిన్నంగా ఉంది. కంపెనీలు AI మోడల్స్ తయారు చేయడానికి వేల కోట్లు ఖర్చు చేస్తున్నా, దానికి అవసరమైన క్వాలిటీ, స్ట్రక్చర్డ్ క్లినికల్ డేటా లేకపోవడం అతిపెద్ద సవాలుగా మారింది.
డేటా కొరత ఎందుకు?
భారతదేశంలో మెజారిటీ మెడికల్ కన్సల్టేషన్లు ఇంగ్లీష్ మరియు ప్రాంతీయ భాషల కలయికలో సాగుతాయి. ఇవి చేతిరాతలోనో లేదా అసంఘటిత ఆడియో ఫైల్స్ లోనో ఉండిపోతున్నాయి. ఆయుష్మాన్ భారత్ డిజిటల్ మిషన్ (ABHA) ద్వారా పేషెంట్ ఐడెంటిటీ, డేటా షేరింగ్కు అవకాశం ఉన్నా, క్లినికల్ డేటా సృష్టిలో ఇంకా వెనకబడే ఉన్నాం. ఒక పేషెంట్ చరిత్రను దీర్ఘకాలికంగా ట్రాక్ చేసే 'లాంగిట్యూడినల్ రికార్డ్స్' లేకపోవడం వల్ల, AI మోడల్స్ తప్పుడు రోగ నిర్ధారణ చేసే ప్రమాదం ఉంది.
మారుతున్న వ్యూహం: లింగ్విస్టిక్ అవకాశం
ఈ సమస్యను అధిగమించేందుకు Eka Care, Sarvam AI వంటి సంస్థలు కొత్త దారి వెతుకుతున్నాయి. డాక్టర్లు, రోగుల మధ్య జరిగే సంభాషణలను రియల్ టైమ్ లో స్పీచ్-టు-టెక్స్ట్ (Speech-to-Text) ద్వారా స్ట్రక్చర్డ్ ఇంగ్లీష్ డేటాగా మార్చే టెక్నాలజీని ఇవి సిద్ధం చేస్తున్నాయి. అంటే, మెడికల్ రిపోర్టును ఒక స్టాటిక్ డాక్యుమెంట్గా కాకుండా, డైనమిక్ డేటా స్ట్రీమ్గా మార్చడమే వీటి ప్రధాన లక్ష్యం.
ఇన్వెస్టర్లకు హెచ్చరిక
ఇన్వెస్టర్లు ఒక విషయాన్ని గమనించాలి: కేవలం AI మోడల్స్ (Wrapper models) అమ్ముతున్న కంపెనీల కంటే, హాస్పిటల్ డేటాను క్రమబద్ధీకరించే 'ఇన్ఫ్రాస్ట్రక్చర్' బిల్డ్ చేస్తున్న సంస్థలకే భవిష్యత్తులో ఎక్కువ డిమాండ్ ఉంటుంది. కేవలం ల్యాబ్ పరీక్షల్లో పని చేసే మోడల్స్ కంటే, హాస్పిటల్స్ నిజమైన పనితీరులో పనికొచ్చే టెక్నాలజీనే నిలబడుతుంది. వచ్చే ఏడాదిలో OPD వర్క్ఫ్లోలలో ఈ స్పీచ్-ట్రాన్స్క్రిప్షన్ టూల్స్ ఎంతవరకు ఆమోదం పొందుతాయనేదే ఈ సెక్టార్ సక్సెస్ను నిర్ణయిస్తుంది.