বায়োমেডিকেল ইঞ্জিনিয়ারিংয়ে কৃত্রিম বুদ্ধিমত্তা এবং যাচাইকরণ শৃঙ্খলার ভূমিকা

লাভ:

• বায়োমেডিকাল ওয়ার্কফ্লোতে কৃত্রিম বুদ্ধিমত্তা কোথায় নিরাপদ মূল্য তৈরি করে এবং কোন সিদ্ধান্তগুলি চিকিত্সক এবং অনুমোদিত প্রকৌশলীর দায়িত্ব থেকে যায় তা আলাদা করতে সক্ষম হওয়া।
• একটি শৃঙ্খলা প্রয়োগ করার ক্ষমতা যা প্রতিটি AI আউটপুটকে শারীরবৃত্তীয় ক্রম, ক্লিনিকাল প্রশস্ততা এবং স্বাধীন প্রমাণের সাথে ক্রস-বৈধ করে।
• হ্যালুসিনেশন, ডেটা ফাঁস এবং রোগীর নিরাপত্তার ঝুঁকিগুলিকে চিনুন এবং প্রসঙ্গ বেনামে সুরক্ষিত প্রম্পট সেট আপ করার অভ্যাস গড়ে তুলুন।

বায়োমেডিকেল ইঞ্জিনিয়ারিং হল এমন একটি পেশা যেখানে মানবদেহের জটিলতা এবং প্রকৌশলের নির্ভুলতার সাধনা ছেদ করে। একটি ইসিজি সংকেত হৃৎপিণ্ডের বৈদ্যুতিক ছায়া, একটি এমআরআই চিত্র হল টিস্যুর একটি চৌম্বক প্রতিধ্বনি, একটি পরীক্ষাগার মান একটি স্ন্যাপশট। এই সমস্ত পরিমাপ পরোক্ষ, কোলাহলপূর্ণ, এবং ব্যাখ্যার প্রয়োজন। কৃত্রিম বুদ্ধিমত্তা (AI; ​​সফ্টওয়্যার সিস্টেম যা বড় ডেটা প্যাটার্ন থেকে শেখে এবং টেক্সট/ইমেজ/সংখ্যা তৈরি করে) এই ব্যাখ্যার গতি বাড়াতে পারে, কিন্তু একটি সাবলীল ভাষা দিয়ে এর ভুলগুলিও আড়াল করতে পারে। এই ইউনিটটি দুটি ভিত্তি স্থাপন করে যার উপর পুরো মডিউলটি তৈরি করা হবে: যেখানে বায়োমেডিকাল ওয়ার্কফ্লোতে AI প্রকৃত মান তৈরি করে এবং কীভাবে আমরা প্রতিটি আউটপুটকে যাচাই করব।

চলুন শুরু থেকে একটি পরম রেখা আঁকুন: এই মডিউল জুড়ে আপনি যে কৌশলগুলি শিখবেন তার কোনোটিই একজন যোগ্য চিকিত্সকের রোগ নির্ণয়, একজন দক্ষ প্রকৌশলীর অনুমোদন, এবং বৈধ ডিভাইস প্রক্রিয়াগুলিকে প্রতিস্থাপন করবে না। কৃত্রিম বুদ্ধিমত্তা রোগ নির্ণয় করে না। কৃত্রিম বুদ্ধিমত্তা একটি সহকারী; দ্রুত পড়ে, দ্রুত সাইন ইন করে, প্যাটার্ন ধরে। কিন্তু যদি একটি টিউমার মিস হয়, একটি ডিভাইস একটি মিথ্যা অ্যালার্ম দেয়, একটি ডোজ ভুল গণনা করা হয়, দায়বদ্ধতা সফ্টওয়্যারের সাথে নয় বরং সিদ্ধান্ত নেওয়া চিকিৎসক এবং ইঞ্জিনিয়ারের। আপনি প্রতিটি ইউনিটে এই বাক্যটিকে বিভিন্ন আকারে দেখতে পাবেন, কারণ ইঞ্জিনিয়ারিংয়ের এটাই একমাত্র সত্য যা রোগীর সুরক্ষার সাথে সম্পর্কিত।

বায়োমেডিকাল ওয়ার্কফ্লোতে কৃত্রিম বুদ্ধিমত্তা কোথায় মান তৈরি করে?

একজন বায়োমেডিকেল ইঞ্জিনিয়ার বা ক্লিনিক্যাল টেকনোলজি দলের সপ্তাহকে মোটামুটিভাবে তিন ধরনের কাজের মধ্যে ভাগ করা হয়: ডেটা প্রস্তুতি (সিগন্যাল ক্লিনিং, ইমেজ প্রিপ্রসেসিং, টেবিল এডিটিং, লগ এক্সট্র্যাকশন), ব্যাখ্যা এবং বিশ্লেষণ (ফাইন্ডিং ডিটেকশন, ক্লাসিফিকেশন, ভবিষ্যদ্বাণীমূলক মডেলিং, রিস্ক স্কোরিং), এবং যোগাযোগ এবং ডকুমেন্টেশন (প্রযুক্তিগত ডিভাইস, ম্যানেজমেন্ট ফাইল, সুভালড লিটারেচার)। AI তিনটি ক্ষেত্রেই স্পর্শ করে, কিন্তু এর অবদান এবং ঝুঁকি প্রতিটিতে আলাদা।

ডেটা প্রস্তুতি কৃত্রিম বুদ্ধিমত্তার সবচেয়ে নিরাপদ এবং সবচেয়ে লাভজনক ক্ষেত্র। কাঁচা সংকেত থেকে শব্দ অপসারণ করা, চিত্রগুলিকে স্ট্যান্ডার্ড আকারে স্কেল করা, ফ্রী-টেক্সট ক্লিনিকাল নোটগুলিকে কাঠামোগত ক্ষেত্রে অনুবাদ করা, অসামঞ্জস্যপূর্ণ ইউনিটগুলি সারিবদ্ধ করা—এগুলি পুনরাবৃত্তিমূলক, নিয়ম-ভিত্তিক, এবং যাচাই করা সহজ। এখানে কোনো ত্রুটি থাকলেও, উৎসে ফিরে যেতে এবং এটি পরীক্ষা করতে মিনিট সময় লাগবে।

ব্যাখ্যা এবং বিশ্লেষণের ক্ষেত্রটি সর্বোচ্চ মান এবং সর্বোচ্চ ঝুঁকি বহন করে। এআই একটি চিত্রে একটি সন্দেহজনক এলাকা চিহ্নিত করতে পারে, একটি সংকেতে সম্ভাব্য অ্যারিথমিয়া সনাক্ত করতে পারে; এটি একটি প্যাটার্ন প্রকাশ করতে পারে যা একটি ব্যস্ত ক্লিনিকে উপেক্ষা করা যেতে পারে। কিন্তু একই মডেল আত্মবিশ্বাসের সাথে একটি অস্তিত্বহীন আবিষ্কার তৈরি করতে পারে (এই ঘটনাটিকে হ্যালুসিনেশন বলা হয়: মডেলটি অস্তিত্বহীন তথ্যকে বাস্তব হিসাবে উপস্থাপন করে)। এই ক্ষেত্রে, এআই একটি অনুমান এবং অগ্রাধিকারের সরঞ্জাম, সিদ্ধান্ত গ্রহণকারী নয়।

যোগাযোগ এবং ডকুমেন্টেশনে এআই ড্রাফ্ট অ্যাক্সিলারেটর। একটি বৈধতা প্রতিবেদনের পদ্ধতি বিভাগ, একটি সাহিত্য সারাংশ, বা মিনিটের মধ্যে একটি ঝুঁকি বিশ্লেষণের প্রথম খসড়া তৈরি করে। এখানে ঝুঁকি হল যে তৈরি করা উত্স এবং ভুল সংখ্যাগুলি লক্ষ্য না করেই একটি প্রবাহিত পাঠ্যে স্লিপ করতে পারে।

বৈধতা শৃঙ্খলা: তিনটি অ্যাঙ্কর নিয়ম

এই মডিউলটির কেন্দ্রবিন্দু হল একটি একক অভ্যাস: এটিকে যাচাই না করে ক্লিনিকাল বা ইঞ্জিনিয়ারিং সিদ্ধান্তে কোনো AI আউটপুট অন্তর্ভুক্ত না করা। আমরা তিনটি স্বাধীন নোঙ্গর উপর ভিত্তি করে বৈধতা.

প্রথম অ্যাঙ্কর - মাত্রার শারীরবৃত্তীয় ক্রম। ফলাফল কি মানব শারীরবিদ্যার পরিচিত পরিসরের মধ্যে? বিশ্রামের হৃদস্পন্দন সাধারণত 50-100 বিট প্রতি মিনিটে হয়; যদি মডেলটি 400 দেয়, হয় একটি শিল্পকর্ম বা একটি সম্পাদনা ত্রুটি রয়েছে৷ প্রাপ্তবয়স্কদের শরীরের তাপমাত্রা 36-38 °C ব্যান্ডের মধ্যে থাকে; 45 °C জীবিত জিনিসের সাথে শারীরবৃত্তীয়ভাবে বেমানান। একজন প্রাপ্তবয়স্ক মানুষের মোট রক্তের পরিমাণ প্রায় 5 লিটার। এই চেকটি সেকেন্ড সময় নেয় এবং বেশিরভাগ ত্রুটি ধরা দেয়।

দ্বিতীয় নোঙ্গর - ক্লিনিকাল সম্ভাব্যতা। আউটপুট কি রোগীর ক্লিনিকাল ইতিহাস এবং চিকিৎসা যুক্তির সাথে সামঞ্জস্যপূর্ণ? যদি মডেলটি একটি 25 বছর বয়সী উপসর্গবিহীন রোগীর জন্য একটি উন্নত অনুসন্ধানের "উচ্চ আত্মবিশ্বাস" প্রস্তাব করে, তবে পূর্বাভাসের সম্ভাবনা কম এবং এই সংকেতটিকে অতিরিক্ত সন্দেহের সাথে দেখা হয়। বয়স, লিঙ্গ, ইতিহাস এবং উপসর্গগুলি প্রশংসনীয়তার ফিল্টার যা প্রতিটি ব্যাখ্যাকে অবশ্যই পাস করতে হবে।

তৃতীয় অ্যাঙ্কর - স্বাধীন প্রমাণ। এটি সবচেয়ে শক্তিশালী অ্যাঙ্কর। একটি রেফারেন্স স্ট্যান্ডার্ড পরীক্ষা, একটি দ্বিতীয় ইমেজিং পদ্ধতি, পরীক্ষাগার নিশ্চিতকরণ, একটি বিশেষজ্ঞ দ্বিতীয় মতামত। AI দ্বারা পতাকাঙ্কিত একটি অনুসন্ধান একটি গোল্ড স্ট্যান্ডার্ড পদ্ধতি বা বিশেষজ্ঞ দ্বারা স্বাধীন মূল্যায়নের বিরুদ্ধে পরীক্ষা করা হয়। ক্লিনিকাল সত্য সবসময় জয়ী হয়।

তিনটি মিনি কেস: সংখ্যা দ্বারা

কেস 1 - সিগন্যাল প্রিপ্রসেসিংয়ে সময় সাশ্রয়। একজন ক্লিনিক্যাল ইঞ্জিনিয়ার একটি গবেষণা অধ্যয়নের জন্য 320টি ইসিজি রেকর্ডিং-এ ম্যানুয়ালি আর্টিফ্যাক্টগুলিকে সেগমেন্ট এবং ফ্ল্যাগিং করছিলেন; রেকর্ডিং প্রতি গড়ে 7 মিনিট, মোট প্রায় 37 ঘন্টা। একটি AI-চালিত প্রাক-প্রসেসিং ওয়ার্কফ্লো সহ, এটি প্রথম ড্রাফ্ট মার্কআপকে প্রতি রেকর্ডে 40 সেকেন্ডে কমিয়ে দেয়, বাকি সময়টি ভিজ্যুয়াল পরিদর্শনে ব্যয় করে। মোট সময় প্রায় 12 ঘন্টা নেমে গেছে; যা গুরুত্বপূর্ণ ছিল তা হল যে সময় বাঁচানো হয়েছে তা যাচাইকরণে ব্যয় করা হয়েছে।

কেস 2 - ক্যাপচার হ্যালুসিনেশন। যখন একজন বায়োমেডিকেল ইঞ্জিনিয়ার একটি ডিভাইসের ক্লিনিকাল মূল্যায়ন প্রতিবেদনের জন্য একটি সাহিত্যের সারাংশের অনুরোধ করেছিলেন, তখন পাঠ্যটিতে বাক্যটি অন্তর্ভুক্ত ছিল "Yilmaz et al. 2019 রিপোর্ট করেছে 98% সংবেদনশীলতা।" এমন কোন প্রবন্ধ ছিল না; মডেলটি একটি বাস্তব প্যাটার্ন অনুকরণ করে অ্যাট্রিবিউশনটি তৈরি করেছিল। রিপোর্টে স্বাক্ষর করার আগে সোর্স ভেরিফিকেশন (DOI এবং জার্নাল চেক) ত্রুটি ধরা পড়েছে।

কেস 3 - ইউনিট ত্রুটি। ডোজ গণনার সাহায্যে, মডেলটি mg/mL-এর পরিবর্তে µg/mL-এর সাথে ওষুধের ঘনত্বকে বিভ্রান্ত করে প্রস্তাবিত ভলিউমকে 1000-গুণে সরিয়ে দিয়েছে। ম্যাগনিটিউড চেকের শারীরবৃত্তীয় ক্রম-"একজন প্রাপ্তবয়স্ককে 2 মিলিলিটার দেওয়া হয়, 2 লিটার নয়" - অবিলম্বে ত্রুটিটি প্রকাশ করে৷ এই হিসাবটি এখনও অনুমোদনের জন্য ফার্মাসিস্ট এবং চিকিত্সকের কাছে গেছে; এআই নিছক একটি মধ্যবর্তী নিয়ন্ত্রণ সরঞ্জাম ছিল।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই রোগীর তথ্য দেখুন এবং তার রোগ নির্ণয় বলুন।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: আপনি একজন বায়োমেডিকাল ডেটা বিশ্লেষক (আপনি নির্ণয় করবেন না)। শুধুমাত্র প্রদত্ত ডেটার উপর ভিত্তি করে নিম্নলিখিত বেনামী পরিমাপগুলিকে সংক্ষিপ্ত করুন৷ - নির্ণয় করবেন না; শুধুমাত্র সংখ্যাসূচক ফলাফল এবং স্বাভাবিক পরিসীমা তুলনা দিন। - ডেটাতে নেই এমন কোনো অনুসন্ধান, মান বা গল্প যোগ করবেন না। - প্রতিটি পর্যবেক্ষণের পাশে বন্ধনী দিয়ে আপনি যে ডেটা লাইনের উপর ভিত্তি করে আছেন তা দেখান। - অস্পষ্ট জায়গায় "ডেটা অপর্যাপ্ত" লিখুন। - শেষে: 3 পয়েন্টের একটি পৃথক তালিকা তৈরি করুন যা চিকিত্সককে নিশ্চিত করতে হবে। বেনামী তথ্য: [পরিমাপ]

শক্তিশালী প্রম্পট মডেলটিতে তিনটি জিনিস আরোপ করে: উৎসের সাথে লেগে থাকা, ডায়াগনস্টিক কর্তৃত্ব ধরে না নেওয়া এবং যাচাই করার জন্য জিনিসগুলি চিহ্নিত করা। এটি হ্যালুসিনেশনকে সম্পূর্ণরূপে শেষ করে না, তবে এটি এটিকে দৃশ্যমান করে এবং ভূমিকাটিকে সঠিকভাবে অবস্থান করে।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) বেনামী প্রসঙ্গ স্থাপন:

আমি একটি বায়োমেডিকেল মিশনে সাহায্য চাই। রোগীর নাম, পরিচয়, তারিখ এবং প্রাতিষ্ঠানিক তথ্য গোপনীয়; আমি তাদের প্রতিনিধিত্বমূলক অভিব্যক্তি যেমন "রোগী-A", "দিন-0" দিয়ে দেব। অনুসন্ধান: [অন্বেষণ]। আমি যে বেনামী প্রযুক্তিগত তথ্য প্রদান করি তার উপর নির্ভর করুন।

2) তিনটি অ্যাঙ্কর যাচাইকরণের অনুরোধ:

নিম্নলিখিত আউটপুটের জন্য তিনটি পরীক্ষা করুন: 1) মাত্রার শারীরবৃত্তীয় ক্রম: প্রতিটি সংখ্যা কি মানব পরিসরের মধ্যে রয়েছে? যদি না হয়, মার্ক. 2) ক্লিনিকাল সম্ভাব্যতা: বয়স/ইতিহাস/লক্ষণের সাথে অসঙ্গতিপূর্ণ দাবি আছে? 3) যাচাই তালিকা: আইটেমগুলি স্বাধীন পরীক্ষা/বিশেষজ্ঞ দ্বারা নিশ্চিত করা হবে৷ আউটপুট: [পাঠ্য]

3) অস্পষ্টতা বলবৎকরণ:

আত্মবিশ্বাসের তিনটি স্তরে আপনার ব্যাখ্যা দিন: - উচ্চ আত্মবিশ্বাস (সরাসরি ডেটা দ্বারা সমর্থিত)- মাঝারি আত্মবিশ্বাস (যুক্তিসঙ্গত অনুমান)- অনুমানমূলক (অতিরিক্ত ডেটা/পরীক্ষা প্রয়োজন) টাস্ক: [টাস্ক]। ডেটা: [বেনামী ডেটা]

4) সিদ্ধান্ত/সমর্থনের পার্থক্য:

নিম্নলিখিত কাজটিকে দুটি ভাগে ভাগ করুন: A) ডেটা/ড্রাফ্ট কাজ যা AI আত্মবিশ্বাসের সাথে করতে পারেB) সিদ্ধান্তের পয়েন্ট যার জন্য অনুমোদিত চিকিত্সক/ইঞ্জিনিয়ারের অনুমোদন বাধ্যতামূলক টাস্কের বিবরণ: [সংজ্ঞা]

AI এর ভূমিকা: মিশন টাইপ দ্বারা ঝুঁকি

টাস্ক টাইপ

এআই অবদান

ঝুঁকির স্তর

যাচাইকরণ ঘনত্ব

সংকেত/চিত্র প্রিপ্রসেসিং

উচ্চ

কম

স্পট চেক

প্রাথমিক চিহ্নিতকরণ খোঁজা

উচ্চ

মাঝারি

বিশেষজ্ঞ + যুক্তিসঙ্গততা

পূর্বাভাস/ঝুঁকি স্কোরিং

মাঝারি

উচ্চ

ক্রমাঙ্কন + স্বাধীন

রোগ নির্ণয়/চিকিৎসার সিদ্ধান্ত

সীমিত

খুব উচ্চ

সম্পূর্ণ চিকিৎসকের অনুমোদন

রিপোর্ট/সাহিত্যের খসড়া

উচ্চ

মাঝারি

উৎস নিশ্চিতকরণ

ডিভাইস নিরাপত্তা সিদ্ধান্ত

সীমিত

খুব উচ্চ

স্ট্যান্ডার্ড + V&V + অনুমোদন

টিপ: একটি কাজের ঝুঁকির স্তর নির্ধারণ করতে, একটি প্রশ্ন জিজ্ঞাসা করুন: "এই আউটপুটটি ভুল হলে রোগীর কী হবে?" যদি উত্তর হয় "আমি কয়েক মিনিট হারাবো", হালকাভাবে যাচাই করুন; যদি "একজন রোগীর ক্ষতি হতে পারে", আউটপুটটিকে একটি হাইপোথিসিস হিসাবে বিবেচনা করুন এবং এটি সম্পূর্ণ ক্লিনিকাল/ইঞ্জিনিয়ারিং প্রক্রিয়ার মাধ্যমে চালান।

মনোযোগ: কৃত্রিম বুদ্ধিমত্তার সবচেয়ে বিপজ্জনক বৈশিষ্ট্যটি এটি ভুল করে না, তবে এটি আত্মবিশ্বাসের সাথে এবং চিকিৎসা ভাষায় ভুল করে। একটি সাবলীল, প্রযুক্তিগত এবং পেশাদার পাঠ্যের অর্থ এই নয় যে এটি সঠিক। স্টাইল নয়, প্রমাণ বিশ্বাস করুন।

সাধারণ ভুল

• নির্ভুলতার জন্য সাবলীলতা ভুল। লেখাটি যেভাবেই মেডিক্যাল দেখা হোক না কেন, বাস্তবসম্মত দাবি (মান, খোঁজ, উৎস, ডোজ) স্বাধীনভাবে যাচাই করা উচিত।
• টাস্কের ধরন অনুসারে ঝুঁকি স্কেল না করা। একটি ইমেল খসড়া হিসাবে একই ভাবে একটি ডোজ অ্যাকাউন্ট দেখছেন. বৈধতা রোগীর সম্ভাব্য ক্ষতি দ্বারা স্কেল করা হয়.
• চিন্তা না করে রোগীর ডেটা প্রবেশ করানো। স্বাস্থ্য তথ্য বিশেষ ব্যক্তিগত তথ্য; অনিয়ন্ত্রিত গাড়িতে ঢোকার আগে পরিচয় গোপন করুন।
• AI ডায়াগনস্টিক অথরিটি প্রদান করা। এআই রোগ নির্ণয় করে না; অনুমান তৈরি করে। রোগ নির্ণয় ও চিকিৎসার সিদ্ধান্ত চিকিৎসকের।
• অনিশ্চয়তা উপেক্ষা করে। মডেলটি "আত্মবিশ্বাসী" দেখায় তার মানে এই নয় যে অনিশ্চয়তা অদৃশ্য হয়ে যায়; আত্মবিশ্বাসের স্তর এবং পরিসরের জন্য জিজ্ঞাসা করুন।

সংক্ষেপে

• জৈব চিকিৎসা পরিমাপ পরোক্ষ এবং গোলমাল; কৃত্রিম বুদ্ধিমত্তা উভয়ই তাদের গতি বাড়াতে পারে এবং তাদের ত্রুটিগুলি আড়াল করতে পারে।
• কৃত্রিম বুদ্ধিমত্তা তথ্য প্রস্তুতিতে সবচেয়ে নিরাপদ এবং সবচেয়ে লাভজনক, ব্যাখ্যা/বিশ্লেষণে সবচেয়ে মূল্যবান কিন্তু ঝুঁকিপূর্ণ এবং ডকুমেন্টেশনে ত্বরণকারী।
• প্রতিটি ফলাফল তিনটি অ্যাঙ্কর দ্বারা যাচাই করা হয়: মাত্রার শারীরবৃত্তীয় ক্রম, ক্লিনিকাল সম্ভাব্যতা, স্বাধীন প্রমাণ।
• ফলাফলের ঝুঁকি যদি এটি ভুল হয় তবে রোগীর ক্ষতির সমান; সেই অনুযায়ী বৈধতা স্কেল।
• এআই রোগ নির্ণয় করে না; রোগীর নিরাপত্তা সংক্রান্ত প্রতিটি সিদ্ধান্ত অনুমোদিত চিকিত্সক এবং প্রকৌশলীর অনুমোদন নিয়ে নেওয়া হয়।

আবেদন টাস্ক

আপনার নিজের কাজ থেকে আপনি এক সপ্তাহে যে পাঁচটি বায়োমেডিকাল কাজ করেন তার তালিকা করুন (যেমন সিগন্যাল ক্লিয়ারিং, প্রিফ্লাইট খোঁজা, রিপোর্ট বিভাগ, ঝুঁকি টীকা, ডিভাইস পরীক্ষা)। এই ইউনিটে টেবিল অনুসারে ঝুঁকির স্তরে প্রতিটিকে রাখুন এবং জিজ্ঞাসা করুন "যদি এটি ভুল হয় তবে রোগীর কী হবে?" এক বাক্যে প্রশ্নের উত্তর দাও। তারপরে সবচেয়ে কম ঝুঁকিপূর্ণ কাজের জন্য একটি শক্তিশালী, বেনামী প্রম্পট লিখুন এবং এটি চেষ্টা করুন; তিনটি অ্যাঙ্কর দিয়ে আউটপুট পরীক্ষা করুন এবং নোট করুন কোন অ্যাঙ্করে সমস্যা হয়েছে।

চেকলিস্ট

• আমি আলাদা করতে পারি কোথায় কৃত্রিম বুদ্ধিমত্তা নিরাপদ এবং কোথায় ঝুঁকিপূর্ণ মূল্য বায়োমেডিকাল কর্মপ্রবাহে।
• [ ] আমি শারীরবৃত্তীয় মাত্রা, ক্লিনিকাল সম্ভাব্যতা, এবং স্বাধীন প্রমাণের সাথে প্রতিটি ফলাফল যাচাই করার জন্য রিফ্লেক্স অর্জন করেছি।
• একটি কাজের ঝুঁকি স্তর "রোগীর কি হবে যদি এটি ভুল হয়ে যায়?" আমি প্রশ্ন দিয়ে নির্ধারণ করতে পারেন.
• [ ] আমি জানি হ্যালুসিনেশন এবং অনিশ্চয়তা কি এবং কিভাবে তাদের দৃশ্যমান করা যায়।
• আমি অভ্যন্তরীণভাবে বলেছি যে কৃত্রিম বুদ্ধিমত্তা রোগ নির্ণয় করে না এবং রোগ নির্ণয়/চিকিৎসার সিদ্ধান্ত ডাক্তারের উপর নির্ভর করে।