সাইকোলজিক্যাল ভিডিও এআই সম্পর্কে কি মনে করেন? একটি লিক-প্রুফ, ব্যাখ্যাযোগ্য, ন্যায্যতা-কেন্দ্রিক বেঞ্চমার্ক তৈরি করুন

বিমূর্ত: ভিডিও মডেলের জন্য উচ্চ স্কোর পটভূমি, ভাষা, ডিভাইস, সাইট, বা পরিচয় সূত্র থেকে আসতে পারে; বিশ্বস্ত মূল্যায়ন অবশ্যই রোগী-স্তরের বিচ্ছিন্নতা, বাহ্যিক সাইট এবং ত্রুটি বিশ্লেষণ সেট আপ করতে হবে। আপনি কিভাবে

*চিত্র 1: এই সংযুক্তির প্রয়োজনীয়তাগুলির চারপাশে সংগঠিত মূল্যায়ন বন্ধ লুপটি একটি পদ্ধতির নকশা চিত্র, প্রকল্পের ফলাফল নয়। *

চিকিৎসা ও জীবন বিজ্ঞান দলটি "মডেলটি সক্ষম" থেকে "মডেলটি কোন কাজ, কোন জনসংখ্যা, কোন ডেটা শর্ত এবং কোন ঝুঁকির সীমানার মধ্যে নির্ভরযোগ্য?" এ স্থানান্তরিত হচ্ছে? একটি ভিডিও মডেলের জন্য উচ্চ স্কোর প্রসঙ্গ, ভাষা, ডিভাইস, সাইট, বা পরিচয় চিহ্ন থেকে আসতে পারে; বিশ্বস্ত পর্যালোচনাগুলি অবশ্যই রোগী-স্তরের বিচ্ছিন্নতা, বাহ্যিক সাইট এবং ত্রুটি বিশ্লেষণ সেট আপ করতে হবে। ল্যাংগুইয়ের জন্য, পেশাদার ডেটা, বিশেষজ্ঞের উত্পাদন এবং ক্রমাগত মূল্যায়নের জন্য একই বন্ধ ব্যবসায়িক লুপ তৈরি করতে হবে: সমস্যাটি স্পষ্টভাবে সংজ্ঞায়িত করা হয়েছে, ডেটা এবং রেফারেন্স মানগুলি সনাক্ত করা যায়, বিশেষজ্ঞের অবদান যাচাই করা যেতে পারে, মডেল অপারেশন পুনরুত্পাদন করা যেতে পারে, এবং ফলাফলগুলি ডেলিভারিতে ফেরত দেওয়া যেতে পারে এবং উন্নতির পরবর্তী রাউন্ডে।

এই নিবন্ধটি "মানসিক-স্বাস্থ্য-ভিডিও-বেঞ্চমার্ক" সংযুক্তির উপর ভিত্তি করে চাহিদা সংকেত বের করে এবং বৈজ্ঞানিক গবেষণা এবং প্রকল্প সরবরাহের জন্য উপযুক্ত একটি মূল্যায়ন নকশা প্রস্তাব করার জন্য অক্টোবর 2026-এর হিসাবে পাবলিক রিসার্চ, মেডিকেল এআই রিপোর্টিং স্পেসিফিকেশন এবং ইঞ্জিনিয়ারিং অনুশীলনগুলিকে একত্রিত করে। সংযুক্তিতে থাকা সংখ্যা, ক্ষেত্র এবং স্বীকৃতির নিয়মগুলি হল সমস্ত প্রয়োজনীয় স্পেসিফিকেশন বা উদাহরণ, এবং এর অর্থ এই নয় যে ডেটা কেনা হয়েছে, টীকা করা হয়েছে, সম্মতির প্রয়োজনীয়তা পূরণ করা হয়েছে বা অ্যালগরিদম কার্যকর৷

1. প্রথমে ডেটা কেনার পরিবর্তে ব্যবসায়িক সমস্যা প্রথমে সংজ্ঞায়িত করুন

যখন ব্যবসায়িক পক্ষ একটি ডেটা সেটের জন্য জিজ্ঞাসা করে, আসলে যা কেনা হয় তা সাধারণত ফাইল নয়, কিন্তু সিদ্ধান্ত নেওয়ার প্রশ্নের উত্তর দেওয়ার ক্ষমতা। এই বিষয়ের জন্য, আমাদের প্রথমে স্পষ্টভাবে বর্ণনা করতে হবে কে মডেলটি ব্যবহার করবে, ইনপুটটি কী, কাজের কোন ধাপে আউটপুট প্রভাব ফেলবে, ত্রুটিটি কী পরিণতি আনবে এবং ম্যানুয়াল পর্যালোচনা কোথায় ঘটবে। সংযুক্তির সাথে সম্পর্কিত বস্তুগুলি পূর্বনির্ধারিত পূর্বাভাস কার্য এবং প্রযোজ্য সীমানা; ক্লিনিকাল রেফারেন্স মান অনুমোদিত উপকরণ এবং বিশেষজ্ঞ প্রক্রিয়া থেকে নির্মিত হয়.

গবেষণার লক্ষ্যগুলিকে একে অপরের জন্য অপরিবর্তনীয় কাজগুলিতে বিভক্ত করার পরামর্শ দেয়: রোগী-স্তর, সাইট-স্তর, সময়ের বাইরে পরীক্ষা; নির্দিষ্ট থ্রেশহোল্ড; বিশেষজ্ঞের ঐকমত্য এবং মতবিরোধ। প্রতিটি কাজ আলাদাভাবে লক্ষ্য ব্যবহারকারী গোষ্ঠী, প্রযোজ্য পরিস্থিতি, বাদ দেওয়া পরিস্থিতি, অনুমোদিত ইনপুট, প্রত্যাশিত আউটপুট, প্রত্যাখ্যানের শর্ত এবং ঝুঁকির মাত্রা নির্ধারণ করে। এইভাবে, ব্যবসায়িক দল বিচার করতে পারে যে নমুনাটি বাস্তব সিদ্ধান্তগুলিকে কভার করে কিনা, অ্যালগরিদম দল শ্রেণীবিভাগ, পুনরুদ্ধার, বিভাজন, বাছাই বা ভবিষ্যদ্বাণীর কাজগুলি বেছে নিতে পারে এবং চিকিৎসা বিশেষজ্ঞরা রেফারেন্স মান প্রতিষ্ঠিত কিনা তাও বিচার করতে পারেন।

এই বিভাজন সরাসরি বাণিজ্যিক কার্যকারিতা প্রভাবিত করে। প্রকল্প প্রতিষ্ঠার পর্যায়ে, উপলব্ধ ডেটা, অনুমোদনের পথ, বিশেষজ্ঞ সরবরাহ, গুণমানের খরচ এবং যাচাইকরণের উদ্দেশ্যগুলির একটি ছোট-স্কেল সম্ভাব্যতা মূল্যায়ন প্রথমে করা যেতে পারে এবং তারপর ব্যাচের আকার এবং স্টেজ থ্রেশহোল্ড নির্ধারণ করা যেতে পারে। একক-সূচক র‍্যাঙ্কিং মিস করা রোগ নির্ণয়, মিথ্যা ইতিবাচকতা, উপগোষ্ঠীর ঝুঁকি এবং স্থাপনার সীমাবদ্ধতাগুলিকে আবৃত করবে; তাই, বহিরাগত যোগাযোগের তালিকা করা উচিত "গবেষণা ডেটা উপলব্ধতা", "প্রযুক্তিগত নির্দেশক সম্মতি," এবং "কার্যকর ক্লিনিকাল ওয়ার্কফ্লো" বিভিন্ন মাইলফলক হিসাবে।

2. সংযুক্তি বৈশিষ্ট্যগুলিকে গণনাযোগ্য ডেটা চুক্তিতে অনুবাদ করুন

ডেটা চুক্তিতে সত্তা, ক্ষেত্র, প্রকার, ইউনিট, এনকোডিং সংস্করণ, অনুমোদিত মান, শূন্য অর্থ, উত্স সিস্টেম, টাইমস্ট্যাম্প সংজ্ঞা, অ্যাসোসিয়েশন কী এবং গ্রহণযোগ্যতা নিয়মগুলিকে আইটেমাইজ করা উচিত। ফেসিয়াল ভিডিও এবং উপলব্ধ অডিও/টেক্সট মোডালিটিগুলির জন্য, ফাইলটি খোলা যাবে কিনা তা পরীক্ষা করার জন্যই নয়, স্থানিক জ্যামিতি, অধিগ্রহণের শর্ত, উত্স নথি এবং রূপান্তর প্রক্রিয়াগুলি সংরক্ষণ করাও প্রয়োজন; রোগীর স্তর, সাইট-স্তর, সময়ের বাইরে পরীক্ষার জন্য; নির্দিষ্ট থ্রেশহোল্ড; বিশেষজ্ঞের সম্মতি এবং মতানৈক্য, তবে লেবেলটি আসল রেকর্ড, বিশেষজ্ঞের ব্যাখ্যা বা অ্যালগরিদম ডেরাইভেশন থেকে এসেছে কিনা তাও নির্দেশ করতে।

সংযুক্তির নির্দিষ্ট প্রয়োজনীয়তাগুলি মেশিন-চেকযোগ্য সীমাবদ্ধতায় অনুবাদ করা যেতে পারে: পুনরুত্পাদনযোগ্য প্রাইভেট সেট-সাইড সেট, ব্লাইন্ড টেস্ট রেকর্ড, সংস্করণ ফ্রিজিং এবং ক্রমাগত ড্রিফট পর্যবেক্ষণ। কঠিন শর্ত এবং প্রস্তাবিত শর্তগুলিকে আলাদা করা উচিত, এবং অনুপস্থিত মানগুলিকে "প্রযোজ্য নয়", "সংগৃহীত নয়", "অনুপলব্ধ" এবং "পার্সিং ব্যর্থতা" এর মধ্যে পার্থক্য করা উচিত, অন্যথায় ডাউনস্ট্রিম মডেল একই মানতে বিভিন্ন কারণকে একত্রিত করবে। নিয়মের জন্য উদাহরণ লাইন, পাল্টা উদাহরণ, এবং স্বয়ংক্রিয় যাচাইকরণের ফলাফল থাকা এবং প্রতিটি ব্যাচের সাথে নিয়মের একটি সংস্করণ রাখা সর্বোত্তম।

একটি বৈধ ডেটা চুক্তিতে নমুনা, সহনশীলতা, প্রত্যাখ্যান, মেরামত এবং পুনরায় পরিদর্শন সংজ্ঞায়িত করতে হবে। উদাহরণস্বরূপ, রোগী-স্তরের অ্যাসোসিয়েশন শুধুমাত্র আইডি খালি কিনা তা পরীক্ষা করা নয়, বরং ইমেজিং পরীক্ষা, রিপোর্ট, প্যাথলজি এবং ফলো-আপ একই বেনামী বস্তুর উল্লেখ করে কিনা তাও পরীক্ষা করে; AUROC, AUPRC, সংবেদনশীলতা/নির্দিষ্টতা, ক্রমাঙ্কন, আত্মবিশ্বাসের ব্যবধান, গ্রুপ পার্থক্য এবং প্রত্যাখ্যানের হারের জন্য, হর এবং পরিসংখ্যানগত ক্যালিবার অবশ্যই পরিষ্কার হতে হবে। গ্রহণযোগ্যতার উদ্দেশ্য প্রতিটি অসঙ্গতিকে ব্যর্থতা হিসাবে গণনা করা নয়, তবে অসঙ্গতি লক্ষ্য মিশনকে দুর্বল করবে কিনা তা চিহ্নিত করা।

3. রেফারেন্স স্ট্যান্ডার্ড, লেবেল এবং বিশেষজ্ঞের রায় কীভাবে প্রতিষ্ঠা করবেন

চিকিত্সা মূল্যায়নের জন্য খুব কমই একটি পরম "সোনার মান" আছে যা দৃশ্য থেকে তালাকপ্রাপ্ত। রেফারেন্স স্ট্যান্ডার্ডে অবশ্যই উৎস, তারিখ, সংস্করণ, বিশেষজ্ঞের যোগ্যতা, স্বাধীনতা এবং বিরোধের সমাধান উল্লেখ করতে হবে। রোগীর স্তর, সাইট-স্তর, সময়ের বাইরের পরীক্ষা, নির্দিষ্ট থ্রেশহোল্ড এবং এই বিষয়ে বিশেষজ্ঞের সম্মতি এবং মতবিরোধের জন্য, সমকালীন পরীক্ষা, প্যাথলজিকাল ফলাফল, আনুষ্ঠানিক নির্ণয়, স্কেল এবং বিশেষজ্ঞের ঐক্যমত্য স্তরগুলিতে সংরক্ষণ করা যেতে পারে এবং প্রমাণের চেইনটি বজায় রাখা উচিত; প্রমাণের একাধিক টুকরা একটি লেবেলে জোর করা উচিত নয় এবং তারপরে অসংলগ্ন তথ্য বাতিল করা উচিত নয়।

লেবেলিং প্রক্রিয়াটি নিয়ম শেখার, স্বাধীন লেবেলিং, মতবিরোধ পর্যালোচনা এবং সালিশে বিভক্ত হওয়া উচিত। দ্বৈত স্বাধীন টীকা হল সংখ্যাগরিষ্ঠ ভোট তৈরি করা নয়, কিন্তু কাজটির সিদ্ধান্তযোগ্যতা পরিমাপ করা। কঠিন, নিম্ন-মানের বা অপর্যাপ্ত ডেটা নমুনার জন্য, এটিকে "নির্ধারণ করতে অক্ষম", "অপ্রতুল প্রমাণ" এবং "সীমার বাইরে" চিহ্নিত করার অনুমতি দেওয়া উচিত এবং কারণগুলি রেকর্ড করা উচিত। এটি সরবরাহ-পার্শ্বের ঘাটতি বা মডেল ত্রুটি হিসাবে ক্লিনিকাল অনিশ্চয়তার ভুল ব্যাখ্যা এড়ায়।

মূল্যায়নের প্রশ্ন বা ক্ষেত্রেও একটি ডেটা কার্ড তৈরি করা উচিত: উত্সের ধরন, অন্তর্ভুক্তি এবং বর্জন, জনসংখ্যা এবং রোগের রচনা, সময় পরিসীমা, অনুপস্থিত পদ্ধতি, সরঞ্জামের পার্থক্য, নাম প্রকাশের পদ্ধতি, অনুমতির সুযোগ, লেবেল সংজ্ঞা, নমুনা ফলাফল এবং সীমাবদ্ধতা। পুনরুত্পাদনযোগ্য প্রাইভেট সেট-সাইড সেট, ব্লাইন্ড টেস্ট রেকর্ড, ভার্সন ফ্রিজ এবং ক্রমাগত ড্রিফ্ট মনিটরিং সংযোগ করতে এই ক্ষেত্রগুলি ব্যবহার করুন যাতে তৃতীয় পক্ষের কাছে কেবলমাত্র নির্ভুলতা র‌্যাঙ্কিং তালিকা দেখার পরিবর্তে বেঞ্চমার্কের সুযোগ পর্যালোচনা করার সুযোগ থাকে।

*চিত্র 2: এই বিষয়ের মানের মাত্রা এবং সিদ্ধান্ত নেওয়ার নোডের পরিকল্পিত।*

4. মূল্যায়ন সেট এবং অপারেটিং প্রোটোকল: স্কোরগুলি পুনরুত্পাদনযোগ্য করুন

প্রোটোকল মডেল চালানোর আগে পরীক্ষার বস্তু এবং স্কোরিং লজিক হিমায়িত করে। অন্তত মডেলের নাম এবং সংস্করণ, ওজন বা API সংস্করণ, সিস্টেম প্রম্পট, তাপমাত্রা, র্যান্ডম বীজ, টুল অনুমতি, ইনপুট ট্রাঙ্কেশন পদ্ধতি, পুনরায় চেষ্টা করার কৌশল, সময় এবং চলমান পরিবেশ রেকর্ড করুন। ফেসিয়াল ভিডিও এবং উপলব্ধ অডিও/টেক্সট মডেলের কাজগুলির জন্য, ইমেজ প্রিপ্রসেসিং, সমন্বয়/ওরিয়েন্টেশন কনভেনশন, রিস্যাম্পলিং পদ্ধতি, উপলব্ধ সময় উইন্ডো এবং অনুপস্থিত পদ্ধতির কৌশলগুলিও ঠিক করতে হবে।

ডেটা সেগমেন্টেশন রোগীদের উপর ভিত্তি করে ক্ষুদ্রতম একক হওয়া উচিত; যখন একাধিক কেন্দ্র থাকে, তখন কেন্দ্রের বাইরের পরীক্ষাগুলি অবশ্যই প্রস্তুত করতে হবে, এবং সময়ের বিবর্তনের সমস্যা থাকলে বাইরের পরীক্ষাগুলি অবশ্যই সেট আপ করতে হবে। একই রোগীর বিভিন্ন স্লাইস, ফলো-আপ বা পুনরাবৃত্তি করা ভিডিওগুলিকে এলোমেলোভাবে প্রশিক্ষণ এবং পরীক্ষার সেটে ভাগ করা যায় না। যদি সংযুক্তি নকশাটি একটি ইতিবাচক সমগোত্রীয় হয়, তবে পরীক্ষার ফলাফলগুলি শুধুমাত্র এই দলটির বৈষম্য ক্ষমতা এবং একটি প্রদত্ত কাজ হিসাবে ব্যাখ্যা করা যেতে পারে এবং জনসংখ্যার ইতিবাচক ভবিষ্যদ্বাণীমূলক মান বা স্ক্রীনিং মান সরাসরি অনুমান করা যায় না।

প্রশিক্ষণ, পরামিতি সমন্বয়, প্রম্পট ওয়ার্ড ইঞ্জিনিয়ারিং বা ম্যানুয়াল নিয়ম পরীক্ষার উত্তর স্পর্শ করা থেকে এড়াতে অন্ধ পরীক্ষার সেটটি একটি স্বাধীন ভূমিকায় রাখা উচিত। পাবলিক ডেভেলপমেন্ট সেট, অভ্যন্তরীণ বৈধতা সেট, ব্যক্তিগত সেট-সাইড সেট, বাহ্যিক বৈধতা সেট এবং সম্ভাব্য বৈধতা আলাদাভাবে রিপোর্ট করার সুপারিশ করা হয়। প্রতিটি তালিকা আপডেট রান তালিকা এবং হ্যাশ তৈরি করে যা AUROC, AUPRC, সংবেদনশীলতা/নির্দিষ্টতা, ক্রমাঙ্কন, আত্মবিশ্বাসের ব্যবধান, গ্রুপ পার্থক্য এবং প্রত্যাখ্যান হারগুলি পুনরুত্পাদন করে এবং মডেলটিতে সরঞ্জাম, মানব সহায়তা বা একাধিক নমুনা ব্যবহার করা হয়েছে কিনা তা নির্দেশ করে।

5. গুণমান সূচকগুলি কার্যকারিতা, স্থিতিশীলতা এবং নিরাপত্তা কভার করা উচিত

সূচকটি লক্ষ্য হার থেকে শুরু হওয়া উচিত এবং প্রথমে এমন একটি স্কোর বাছাই করা উচিত নয় যা উচ্চ অর্জন করা সহজ। শ্রেণীবিভাগের কাজটি সংবেদনশীলতা, নির্দিষ্টতা, AUROC, AUPRC, ক্রমাঙ্কন এবং সিদ্ধান্তের থ্রেশহোল্ড রিপোর্ট করতে পারে; সেগমেন্টেশন টাস্কে ডাইস, পৃষ্ঠের দূরত্ব, সংযোগ, ভলিউম বিচ্যুতি এবং ছোট কাঠামোর কার্যকারিতা রিপোর্ট করা উচিত; জেনারেটিভ উত্তরের জন্য বাস্তবিক সঠিকতা, প্রমাণ সমর্থন, বাদ দেওয়া, ক্ষতি, প্রত্যাখ্যান এবং বিশেষজ্ঞ স্কোরিং পরীক্ষা করা দরকার। এই বিষয়ের সাথে সঙ্গতিপূর্ণ, অগ্রাধিকার দেওয়া উচিত: AUROC, AUPRC, সংবেদনশীলতা/নির্দিষ্টতা, ক্রমাঙ্কন, আত্মবিশ্বাসের ব্যবধান, গ্রুপ পার্থক্য এবং প্রত্যাখ্যান হার।

সমস্ত মূল সূচককে অনিশ্চয়তার ব্যবধান দেওয়া উচিত এবং নমুনার আকার, বিভাগের বন্টন, পরিসংখ্যানগত ইউনিট এবং আত্মবিশ্বাসের ব্যবধান অ্যালগরিদম রিপোর্ট করা উচিত। কেস-স্তর, ক্ষত-স্তর, ফ্রেম-স্তর বা ভক্সেল-স্তরের সংখ্যাগুলি একসাথে মিশ্রিত করা যাবে না। ম্যাক্রো-গড় এবং মাইক্রো-গড় বিভিন্ন প্রশ্নের উত্তর দিন। ইতিবাচক সমৃদ্ধি সঠিকতা পরিবর্তন করবে, এবং প্রান্তিক পরিবর্তন সংবেদনশীলতা এবং মিথ্যা ইতিবাচক পরিবর্তন করবে। অতএব, তালিকাটি প্রধান স্কোর প্রদর্শন করতে পারে, তবে নিরাপত্তা উপ-স্কোর, টাস্ক সাব-স্কোর, গ্রুপ সাব-স্কোর, সম্পদ খরচ এবং ব্যর্থতার প্রকারগুলিও প্রদান করে।

"বিশেষজ্ঞ ঐক্যমত" এবং "মডেল সঠিকতা" একই ধারণা হিসাবে গণ্য করা যাবে না। আন্তঃ-বিশেষজ্ঞ চুক্তি টাস্ক ডিসিডিবিলিটি পরিমাপের জন্য একটি রেফারেন্স; যখন একটি মডেল একক বিশেষজ্ঞের সাথে একমত না হয়, তখন প্রমাণে ফিরে যাওয়া এবং বিশেষজ্ঞের পার্থক্য, অপর্যাপ্ত লেবেল সংজ্ঞা বা মডেল ত্রুটি কিনা তা বিশ্লেষণ করা প্রয়োজন। রোগীর স্তর, সাইট-স্তর, সময়ের বাইরে পরীক্ষার জন্য; নির্দিষ্ট থ্রেশহোল্ড; বিশেষজ্ঞের ঐকমত্য এবং মতানৈক্য, দ্বৈত মূল্যায়ন ব্যবহার করা যেতে পারে: একটি অংশ বস্তুনিষ্ঠভাবে যাচাইযোগ্য সূচক, এবং অন্য অংশটি অন্ধ বিশেষজ্ঞদের দ্বারা মূল্যায়ন করা হয়, এবং স্কোরিং অ্যাঙ্কর পয়েন্ট এবং ধারাবাহিকতা ডেটা প্রকাশিত হয়।

6. পক্ষপাত, বাহ্যিক সাধারণীকরণ এবং ব্যর্থতা বিশ্লেষণ

মডেল একটি অতি উচ্চ স্কোর অর্জন করতে লক্ষ্যের বাইরে সংকেত ব্যবহার করতে পারে। উদাহরণস্বরূপ, একই অংশগ্রহণকারী প্রশিক্ষণ পরীক্ষা, টাস্ক ফাঁস, লেবেল পক্ষপাত এবং ওভার ডায়াগনসিস অতিক্রম করে। ত্রুটি বিশ্লেষণ তাই সাইট, ডিভাইস, কাজটি কীভাবে সম্পাদিত হয়, যন্ত্রের টেমপ্লেট, ভাষা, বয়স, লিঙ্গ, রোগের তীব্রতা, ক্ষতের আকার এবং অনুপস্থিত পদ্ধতিগুলি পরীক্ষা করে; শনাক্তযোগ্য বা ব্যবহার করা উচিত নয় এমন কোনো বৈশিষ্ট্য শর্টকাট হিসাবে পরিবেশন করা উচিত নয়।

সাধারণীকরণ মূল্যায়নের জন্য ক্রমান্বয়ে ক্রমবর্ধমান অসুবিধার মাত্রা প্রয়োজন: একই-কেন্দ্রের রোগী-স্তরের সেট-সাইড, সময়ের বাইরের বৈধতা, ডিভাইস/হাসপাতাল বাহ্যিক পরীক্ষা, বিভিন্ন কর্মপ্রবাহ, বিভিন্ন জনসংখ্যা, এবং অনুপস্থিত পদ্ধতি পরীক্ষা। কেন্দ্র-স্তরের আত্মবিশ্বাসের ব্যবধান বা বিতরণ কেন্দ্র জুড়ে ফলাফলের জন্য দেওয়া উচিত, শুধু সমষ্টিগত স্কোর নয়। একটি ন্যায্য নিরীক্ষার প্রথমে প্রত্যাশিত স্থাপনার সাথে প্রাসঙ্গিক গোষ্ঠীগুলিকে সংজ্ঞায়িত করা উচিত এবং তারপর পরীক্ষা করা উচিত যে নমুনাটি নির্ভরযোগ্য সিদ্ধান্তে সমর্থন করার জন্য যথেষ্ট কিনা; যখন নমুনা অপর্যাপ্ত হয়, তখন এটিকে "অপ্রতুল প্রমাণ" হিসাবে চিহ্নিত করা উচিত এবং সামগ্রিক গড় দ্বারা আবৃত করা যাবে না।

ত্রুটি বিশ্লেষণে কর্মযোগ্য ব্যর্থতার শ্রেণীবিভাগ অন্তর্ভুক্ত করা উচিত, যেমন একই অংশগ্রহণকারীর উপর ক্রস-প্রশিক্ষণ পরীক্ষা, টাস্ক ফাঁস, লেবেল পক্ষপাত এবং ওভার ডায়াগনসিস। প্রতিটি ব্যর্থতা ইনপুট গুণমান, লেবেল উত্স, প্রিপ্রসেসিং, মডেল আউটপুট এবং বিশেষজ্ঞ পর্যালোচনার সাথে লিঙ্ক করা উচিত। উচ্চ-ঝুঁকির ত্রুটি, সিদ্ধান্তহীনতা এবং মডেল প্রত্যাখ্যান আলাদাভাবে উপস্থাপন করা প্রয়োজন। বিশেষ করে, মানসিক এবং মনস্তাত্ত্বিক দৃশ্যের জন্য, মুখের আচরণকে রোগের অর্থে সরাসরি বরাদ্দ করা এড়ানো প্রয়োজন; টিউমার পূর্বাভাসের জন্য, সময় ফুটো প্রতিরোধ করা উচিত; জরুরী চিত্রের জন্য, মিস সনাক্তকরণের আপেক্ষিক ঝুঁকি এবং মিথ্যা ইতিবাচক ব্যাখ্যা করা উচিত।

7. ছোট নমুনা পাইলট থেকে ডেলিভারি গ্রহণযোগ্যতা পর্যন্ত

প্রকল্পের শেষে সম্পূর্ণ পরিমাণ ডেটা নিয়ে তর্ক করার পরিবর্তে প্রথমে ছোট ব্যাচ যাচাইকরণ এবং পর্যায়ক্রমে গ্রহণযোগ্যতা সেট আপ করার পরামর্শ দেওয়া হয়। প্রথম ধাপে উৎস, লাইসেন্স, ফিল্ড ম্যাপিং, ফাইল ফরম্যাট এবং টীকা ম্যানুয়াল পরীক্ষা করা হয়; দ্বিতীয় পর্যায়ে সম্পূর্ণতা এবং টীকা সামঞ্জস্য পরীক্ষা করার জন্য প্রতিনিধি নমুনা আঁকা; তৃতীয় পর্যায়ে ডেটা প্রস্তাবিত কাজ সমর্থন করে কিনা তা নিশ্চিত করতে লক্ষ্য মডেল বা বেসলাইন চালায়। সংযুক্তিতে প্রদত্ত মাপ এবং স্পেসিফিকেশনগুলি প্রয়োজনীয় ইনপুট এবং বিতরণ করা ফলাফলগুলি উপস্থাপন করে না।

ডেলিভারি প্যাকেজে ডেটা অভিধান, রোগী/পরীক্ষার সূচী, আসল বা অনুমোদিত প্রাপ্ত ফাইল, লেবেল, ডেটা কার্ড, প্রক্রিয়াকরণ লগ, ক্রমাঙ্কন প্রতিবেদন, নমুনা রেকর্ড, ত্রুটির তালিকা, রেকর্ড পরিবর্তন এবং পুনরায় পরীক্ষার ফলাফল থাকতে পারে। পুনরুত্পাদনযোগ্য প্রাইভেট সেট-সাইড সেট, ব্লাইন্ড টেস্ট রেকর্ড, ভার্সন ফ্রিজ এবং ক্রমাগত ড্রিফ্ট মনিটরিংয়ের জন্য, এটি পরিষ্কার হওয়া উচিত যে কোন আইটেমগুলি ত্রুটিগুলিকে ব্লক করছে, যা আনুপাতিকভাবে পুনরায় কাজ করা যেতে পারে এবং যেগুলির জন্য চিকিৎসা বিশেষজ্ঞের বিচার প্রয়োজন। প্রতিটি প্রত্যাখ্যান একটি বেনামী নমুনা, ক্ষেত্র বা ফাইলে থাকা উচিত, নিয়ম এবং প্রমাণ সংযুক্ত করা উচিত।

ব্যবসায়িক চুক্তিতে ব্যবহারের সীমানা, ডেটা ধরে রাখার সময়কাল, অ্যাক্সেস নিয়ন্ত্রণ, ডি-আইডেন্টিফিকেশন দায়িত্ব, সমস্যা প্রতিক্রিয়ার সময়, পুনঃওয়ার্ক ব্যাচ এবং স্বীকৃতি স্বাক্ষরের ভূমিকাও নির্ধারণ করা উচিত। সত্যিকারের উৎস বা নৈতিক শর্ত পূরণ না হলে, অ্যালগরিদম যতই ভালো হোক না কেন, ফলো-আপ প্রক্রিয়ায় প্রবেশ করা উচিত নয়। মূল ত্রুটিগুলি ঢেকে "সামগ্রিক যোগ্য" এড়ানোর জন্য কেস, পদ্ধতি, ক্ষেত্র, লেবেল, নথি এবং আইনি অনুমোদন দ্বারা পৃথকভাবে গ্রহণযোগ্যতা ফলাফল জারি করা ভাল।

8. ক্রমাগত মূল্যায়ন এবং ব্যবসা বন্ধ লুপ

বেঞ্চমার্ক একটি এককালীন তালিকা নয়, কিন্তু একটি সংস্করণযোগ্য পরিমাপ ব্যবস্থা। চালানোর আগে কাজ, ডেটা এবং মডেল স্ন্যাপশট নিশ্চিত করুন; চলাকালীন ইনপুট, আউটপুট, টুল কল, ব্যর্থতার স্থিতি এবং চলমান লগ সংরক্ষণ করুন; এবং দৌড়ানোর পরে স্বাধীন স্কোরার এবং বিশেষজ্ঞদের দ্বারা তাদের পর্যালোচনা করুন। প্রজননযোগ্য প্রাইভেট সেট একপাশে, অন্ধ পরীক্ষার রেকর্ড, সংস্করণ হিমায়িতকরণ এবং সমস্যা টিকিটের প্রবণতার জন্য ক্রমাগত ড্রিফ্ট পর্যবেক্ষণ অনুসারে, ব্যর্থতার মোডটিকে পরবর্তী রাউন্ড ডেটা সাপ্লিমেন্ট, লেবেল সংশোধন বা মডেলের উন্নতির ভিত্তিতে পরিণত করা যেতে পারে।

ক্রমাগত মূল্যায়ন বেসলাইন পরিবর্তন এবং মডেল পরিবর্তনের মধ্যে পার্থক্য করা উচিত। নতুন কেস যোগ করার সময়, লেবেল পরিবর্তন করা, স্কোরিং ওজন সামঞ্জস্য করা, বা মডেল ইন্টারফেসগুলি প্রতিস্থাপন করার সময়, একটি সংস্করণ নম্বর এবং পরিবর্তনের বিবরণ তৈরি করা উচিত এবং পুরানো এবং নতুন সংস্করণগুলিতে ব্রিজিং পরীক্ষা করা উচিত। অন্যথায়, র‍্যাঙ্কিং স্কোর বৃদ্ধি বা হ্রাস শুধুমাত্র পরীক্ষার সেট পরিবর্তনের কারণে হতে পারে। পাবলিক রিপোর্টগুলি পরীক্ষিত টাস্ক পরিসংখ্যান প্রদর্শন করে, এবং সংবেদনশীল পরীক্ষার উত্তরগুলি অ্যাক্সেস লগ এবং অ্যান্টি-ডুপ্লিকেট ক্যোয়ারী মেকানিজম ব্যবহার করে অনুমতি-নিয়ন্ত্রিত বেঞ্চমার্কিং পরিষেবাতে স্থাপন করা হয়।

ব্যবসা বন্ধ লুপ "চাহিদা স্পষ্টীকরণ-নমুনা সম্ভাব্যতা-বিশেষজ্ঞ উত্পাদন-ডেটা গুণমান নিয়ন্ত্রণ-ব্যক্তিগত মূল্যায়ন-ত্রুটি অ্যাট্রিবিউশন-উন্নতি পুনরায় পরীক্ষা-ব্যাচ গ্রহণ" চারপাশে প্রচার করা যেতে পারে। AUROC, AUPRC, সংবেদনশীলতা/নির্দিষ্টতা, ক্রমাঙ্কন, আত্মবিশ্বাসের ব্যবধান, গোষ্ঠীর পার্থক্য এবং প্রত্যাখ্যান হারের জন্য, প্রতিটি ব্যর্থতার বিভাগকে ডেটা পরিপূরক, টীকা প্রশিক্ষণ, মডেল ইঞ্জিনিয়ারিং, বা ব্যবহারের সীমাবদ্ধতাগুলির সাথে মানচিত্র করুন এবং পরিমাপ করুন যে উন্নতিগুলি স্বাধীন পরীক্ষার সেটগুলিতে ধারণ করে কিনা৷ল্যাংহুই অনুমোদন এবং চুক্তির ভিত্তিতে ডেটা ইঞ্জিনিয়ারিং, বিশেষজ্ঞ টীকা, মান নিয়ন্ত্রণ এবং মেডিকেল গেট ব্যক্তিগত মূল্যায়ন কাজের প্যাকেজ সরবরাহ করতে পারে। একটি প্রকল্প দ্বারা প্রকল্প ভিত্তিতে নির্দিষ্ট দল, স্কেল এবং সময় নিশ্চিত করা প্রয়োজন।

9. কাজের প্যাকেজ এবং সক্ষমতার সীমানা যা ল্যাংহুই গ্রহণ করতে পারে

ল্যাংগুইয়ের ব্যবসায়িক অবস্থান "অ্যালগরিদম প্রভাব" অতিরঞ্জিত করার পরিবর্তে নিরীক্ষণযোগ্য পরিষেবা শৃঙ্খলে হওয়া উচিত: ফেসিয়াল ভিডিও এবং উপলব্ধ অডিও/টেক্সট মোডালিটিগুলির চারপাশে একটি ডেটা প্ল্যান তৈরি করুন, ফিল্ড অভিধান এবং ডেটা কার্ডগুলি স্থাপন করুন, অনুমোদনের প্রয়োজনীয়তাগুলি পূরণ করে এমন বিশেষজ্ঞের টীকাগুলি সমন্বয় করুন, ফর্ম্যাট/অ্যাসোসিয়েশন এবং মান নিয়ন্ত্রণের ভিত্তিতে মডেলটি ব্যবহার করুন এবং মান নিয়ন্ত্রণের জন্য সম্মত হন। মেডিকেল গেট ব্যক্তিগত মূল্যায়ন পরিচালনা প্রকল্প. প্রতিটি ধাপে ইনপুট এবং আউটপুট, দায়িত্বশীল ভূমিকা এবং সংস্করণের প্রমাণ ছেড়ে দেওয়া উচিত।

প্রকল্প শুরু করার আগে, ল্যাংহুইকে ডেটা অধিকার, হাসপাতালের অনুমোদন, নৈতিক পর্যালোচনা বা অবহিত সম্মতি প্রযোজ্যতা, সংবেদনশীলকরণ পরিকল্পনা, বিশেষজ্ঞের যোগ্যতা, ডেলিভারির সুযোগ, সেট-সাইড ব্যবস্থাপনা এবং গ্রহণযোগ্যতা সূচকগুলি নিশ্চিত করতে গ্রাহকের সাথে কাজ করতে হবে। সংযুক্তিতে পূর্বনির্ধারিত পূর্বাভাস কার্য এবং প্রযোজ্য সীমানা; ক্লিনিকাল রেফারেন্স মানগুলি অনুমোদিত উপকরণ থেকে তৈরি করা হয় এবং বিশেষজ্ঞ প্রক্রিয়াগুলি শুধুমাত্র এই পরিকল্পনা আলোচনার জন্য একটি রেফারেন্স হিসাবে ব্যবহার করা হয়। এটি বাজারে দাবি করার জন্য ব্যবহার করা যাবে না যে LumeSage-এর কাছে এই স্কেলের উপলভ্য ডেটা রয়েছে, বা গবেষণা পরিষেবাগুলিকে মেডিকেল ডিভাইস সার্টিফিকেশন বা ক্লিনিকাল ডায়াগনস্টিক পরিষেবা হিসাবে বর্ণনা করা যাবে না।

বিতরণযোগ্য শুধুমাত্র নমুনা ফাইল নয়, কিন্তু ব্যবহারযোগ্যতা মূল্যায়ন, ডেটা অভিধান, টাস্ক সংজ্ঞা, টীকা স্পেসিফিকেশন, স্পট পরিদর্শন প্রতিবেদন, ত্রুটি স্তরবিন্যাস, মূল্যায়ন প্রোটোকল এবং সংস্করণযুক্ত ফলাফলের প্রতিবেদনও অন্তর্ভুক্ত করতে পারে। এর মূল্য হল প্রাথমিক স্পষ্টীকরণ, বারবার পরিষ্কার করা এবং অ-পুনরুত্পাদনযোগ্য মূল্যায়নে অ্যালগরিদম দলের ঘর্ষণ কমানো এবং পরবর্তী বিনিয়োগ সংগ্রহ, লেবেল, মডেল বা যাচাইকরণে যোগ করা উচিত কিনা তা নির্ধারণ করতে ব্যবসায়িক পক্ষকে সাহায্য করা। পরিষেবার প্রকৃত সুযোগ লিখিত কাজের বিবরণ এবং চুক্তির সাপেক্ষে হবে।

10. গবেষণা এবং শিল্প উন্নয়ন সম্ভাবনা

ভবিষ্যত প্রযুক্তিগত দিকনির্দেশের মধ্যে সাময়িক মৌলিক মডেল, মাল্টি-মোডাল উপস্থাপনা শেখার, অনুপস্থিত পদ্ধতির শক্তিশালী ফিউশন, পুনরুদ্ধার বৃদ্ধি, সক্রিয় শিক্ষা, বিশেষজ্ঞ প্রতিক্রিয়া এবং অনিশ্চয়তা ক্রমাঙ্কন অন্তর্ভুক্ত থাকতে পারে। কিন্তু আর্কিটেকচারাল ফ্রন্টিয়ারগুলি স্বয়ংক্রিয়ভাবে ক্লিনিকাল বৈধতার দিকে পরিচালিত করে না; মডেলগুলিকে স্বচ্ছ বেসলাইন, ম্যানুয়াল প্রসেস এবং পূর্বনির্ধারিত কাজের উপযুক্ত রেফারেন্স স্ট্যান্ডার্ডের সাথে তুলনা করা আবশ্যক। ফেসিয়াল ভিডিও এবং উপলব্ধ অডিও/টেক্সট মোডালিটিগুলি বিশেষভাবে পদ্ধতি অনুপস্থিত, অধিগ্রহণের পার্থক্য এবং ইনপুট মানের বৈচিত্রের জন্য মূল্যায়ন করা হয়।

ডেটা নির্মাণ স্ট্যাটিক লেবেল থেকে ইভেন্ট এবং প্রমাণ মানচিত্রে আপগ্রেড করা যেতে পারে: রেকর্ডিং কে কখন এবং কোন ডেটার উপর ভিত্তি করে রায় দিয়েছে, কীভাবে ডেটা রূপান্তরিত হয়েছিল, মডেলটি কী সময় কেটেছে এবং কীভাবে আউটপুট বিশেষজ্ঞদের দ্বারা গৃহীত বা সংশোধন করা হয়েছিল। শুধুমাত্র রোগীর স্তর, সাইট-স্তর এবং সময়ের বাইরের পরীক্ষার উত্স এবং মতবিরোধ বজায় রেখে; নির্দিষ্ট থ্রেশহোল্ড; বিশেষজ্ঞের ঐকমত্য এবং মতবিরোধ পরবর্তী অ্যালগরিদম গবেষণা জৈবিক সংকেত, প্রক্রিয়া বৈশিষ্ট্য এবং পরিমাপের ত্রুটিগুলিকে আলাদা করতে পারে। সিন্থেটিক ডেটা বিকাশ এবং স্ট্রেস পরীক্ষার জন্য ব্যবহার করা যেতে পারে তবে স্বাধীন বৈধতা ছাড়া প্রকৃত রোগীর ডেটার বিকল্প হিসাবে ব্যবহার করা যাবে না।

শিল্প মূল্যায়নের পরিপক্কতা শেষ পর্যন্ত প্রয়োগের স্বচ্ছ সুযোগ, স্পষ্ট পুনরাবৃত্তি প্রক্রিয়া, সনাক্তযোগ্য ঝুঁকি, ব্যাখ্যাযোগ্য ব্যর্থতা এবং নিরীক্ষাযোগ্য আপডেটে প্রতিফলিত হয়। এটি সুপারিশ করা হয় যে সংকীর্ণ কাজ, শক্তিশালী প্রমাণ এবং সুস্পষ্ট রেফারেন্স মান সহ মানদণ্ড স্থাপনে অগ্রাধিকার দেওয়া উচিত এবং তারপর ধীরে ধীরে ক্রস-ডিজিজ প্রকার এবং ক্রস-প্রতিষ্ঠানে প্রসারিত করা উচিত। অপর্যাপ্ত প্রমাণ সহ কাজের জন্য, একটি যুক্তিসঙ্গত উপসংহার হওয়া উচিত ডেটার পরিপূরক বা র‌্যাঙ্কিং বাধ্য করার পরিবর্তে একটি অধ্যয়ন ডিজাইন করা।

পদ্ধতির সীমানা এবং ডেটা গভর্নেন্স

এই নিবন্ধটি মুখের ভিডিও এবং উপলব্ধ অডিও/টেক্সট পদ্ধতির প্রকৃত ডেটা প্রবাহে "পদ্ধতি সীমানা এবং ডেটা শাসন" প্রয়োগ করে। মূলটি নথিতে আরও পদ যোগ করা নয়, তবে প্রতিটি নিয়মকে ডেটা পরীক্ষা, একটি বিশেষজ্ঞের রায়, বা একটি পুনরুত্পাদনযোগ্য মডেল পরিমাপের সাথে সামঞ্জস্য করার অনুমতি দেওয়া। পূর্বনির্ধারিত পূর্বাভাস কার্য এবং প্রযোজ্য সীমানার জন্য; ক্লিনিকাল রেফারেন্স স্ট্যান্ডার্ডগুলি অনুমোদিত উপকরণ এবং বিশেষজ্ঞের প্রক্রিয়াগুলি থেকে তৈরি করা হয় এবং অন্তর্ভুক্ত জনসংখ্যা এবং পরিস্থিতিগুলিও বর্ণনা করতে হবে যা অন্তর্ভুক্ত নয়।

দল পুনরুত্পাদনযোগ্য প্রাইভেট সেট একপাশে পরিমার্জন করতে পারে, ব্লাইন্ড টেস্ট রেকর্ড, ভার্সন ফ্রিজিং এবং ক্রমাগত ড্রিফ্ট মনিটরিং ভূমিকা এবং পণ্যগুলিতে: ডেটা ইঞ্জিনিয়াররা গঠন এবং ট্রেসেবিলিটি বজায় রাখে, ক্লিনিক্যাল বিশেষজ্ঞরা লেবেল এবং শাসনের সীমানা সংজ্ঞায়িত করে, অ্যালগরিদম কর্মী ফ্রিজ টাস্ক এবং মানসম্পন্ন প্রজেক্ট পরিচালনা করে এবং প্রোজেক্ট নিয়ন্ত্রণ করে। স্বাক্ষর গ্রহণ। যদি এই ভূমিকা একই ব্যক্তি দ্বারা সঞ্চালিত হয়, এটি প্রতিবেদনে প্রকাশ করা উচিত এবং একটি স্বাধীন পর্যালোচনা যোগ করা উচিত।

একযোগে AUROC, AUPRC, সংবেদনশীলতা/নির্দিষ্টতা, ক্রমাঙ্কন, আত্মবিশ্বাসের ব্যবধান, গোষ্ঠীগত পার্থক্য এবং প্রত্যাখ্যানের হারগুলিকে সীমিত করে, "একক সূচক র‌্যাঙ্কিং মিস করা রোগ নির্ণয়, মিথ্যা ইতিবাচকতা, উপগোষ্ঠীর ঝুঁকি লুকিয়ে রাখবে" সীমাবদ্ধ করার সময় এবং গঠনের সীমাবদ্ধতা এবং সীমাবদ্ধতা নির্ধারণ করে অংশগ্রহণকারী ক্রস-প্রশিক্ষণ পরীক্ষা, টাস্ক লিকেজ, লেবেলিং পক্ষপাত, ওভারডায়াগনোসিস" পরবর্তী গবেষণায় সমাধান করা প্রয়োজন। এটি পাঠককে বুঝতে দেয় যে বেঞ্চমার্ক কী উত্তর দিতে পারে এবং এটি কী অনুমান করতে পারে না। পাবলিক নিবন্ধগুলি শুধুমাত্র পদ্ধতিগত কাঠামো বর্ণনা করে এবং ক্লায়েন্ট ডেটা, শনাক্তযোগ্য কেস বা অননুমোদিত মূল উপাদান প্রকাশ করে না।

উপসংহার: তথ্য সরবরাহকে যাচাইযোগ্য ক্ষমতায় পরিণত করুন

এই সংযুক্তিটি শিল্পকে মনে করিয়ে দেয়: আপনি কীভাবে মানসিক এবং মনস্তাত্ত্বিক ভিডিও AI কে রেট দেন? এমন মানদণ্ড তৈরি করুন যা লিক-প্রুফ, ব্যাখ্যাযোগ্য এবং ন্যায্যতার উপর দৃষ্টি নিবদ্ধ করে। মেডিকেল এআই-এর জন্য উচ্চ-মানের ডেটা ফাইলের সংখ্যা বা একটি একক স্কোর দিয়ে শেষ হয় না, তবে টাস্ক ম্যাচিং, বিশ্বাসযোগ্য উত্স, সনাক্তযোগ্য বিশেষজ্ঞের রায়, পুনরুত্পাদনযোগ্য মডেল মূল্যায়ন এবং স্পষ্ট ঝুঁকির সীমানার উপর ভিত্তি করে। ল্যাংগুই গ্রাহক অনুমোদন, ডেটা কার্ড এবং চুক্তির ভিত্তিতে পর্যায়ক্রমে প্রকল্পগুলিতে সমাধান মূল্যায়ন, ডেটা প্রক্রিয়াকরণ, বিশেষজ্ঞ টীকা, মান নিয়ন্ত্রণ এবং মেডিকেল গেট ব্যক্তিগত মূল্যায়নকে একত্রিত করতে পারে; প্রকল্পটি বাস্তবসম্মত কিনা, ডেটা উপলব্ধ কিনা এবং কতজন বিশেষজ্ঞ এবং সময় প্রয়োজন তা নির্দিষ্ট পরিস্থিতিতে যাচাই করতে হবে।

পদ্ধতির সীমানা এবং গোপনীয়তার বিবরণ

এই নিবন্ধটি একটি গবেষণা এবং ডেটা ইঞ্জিনিয়ারিং পদ্ধতি বিশ্লেষণ এবং এটি রোগ নির্ণয়, চিকিত্সার সুপারিশ, মেডিকেল ডিভাইসের কর্মক্ষমতা সার্টিফিকেশন, বা আইনি পরামর্শ গঠন করে না। মনস্তাত্ত্বিক ভিডিও এবং ছবি অত্যন্ত সংবেদনশীল তথ্য; কেস-লেভেল তথ্য সর্বজনীনভাবে প্রচার করা উচিত নয়। যেকোন প্রশিক্ষণ, বৈধতা বা বেঞ্চমার্কিং ব্যবহার আইনানুগ অনুমোদন, প্রযোজ্য নৈতিক পর্যালোচনা, ন্যূনতম প্রয়োজনীয় প্রক্রিয়াকরণ, ডি-আইডেন্টিফিকেশন, অ্যাক্সেস নিয়ন্ত্রণ এবং ব্যবহারের সীমাবদ্ধতা সাপেক্ষে হওয়া উচিত। সংযুক্তিতে প্রস্তাবিত মানসিক ভিডিও এআই সম্পর্কে আপনি কী মনে করেন? একটি লিক-প্রুফ, ব্যাখ্যাযোগ্য এবং ন্যায্য-কেন্দ্রিক বেঞ্চমার্ক তৈরি করতে, প্রকল্পের পক্ষগুলিকে এখনও বাস্তবায়নের আগে উত্স, অনুমোদন, প্রযুক্তিগত সম্ভাব্যতা এবং গ্রহণযোগ্যতার মানদণ্ড নিশ্চিত করতে হবে।

রেফারেন্স এবং পদ্ধতিগত ভিত্তি

[1] Mwangi B, et al. মানব বনাম এআই ক্লিনিকাল মূল্যায়ন ... npj মানসিক স্বাস্থ্য গবেষণা, 2026। https://doi.org/10.1038/s44184-026-00245-y

[2] সৌন্দরজাহ ভি, এবং অন্যান্য। STARD-AI. নেচার মেডিসিন, 2025। https://doi.org/10.1038/s41591-025-03953-8

[3] ভবিষ্যত-এআই ঐক্যমত্য নির্দেশিকা। বিএমজে, 2025। https://doi.org/10.1136/bmj-2024-081554

ডুপ্লিকেট অংশগ্রহণকারীদের বিশেষ হ্যান্ডলিং এবং গোপনীয়তা ঝুঁকি

সংযুক্তি একই অংশগ্রহণকারীকে বিভিন্ন জুটিবদ্ধ গোষ্ঠীতে উপস্থিত হতে দেয়, যা একাধিক টাস্ক তুলনা গঠনের জন্য সহায়ক, কিন্তু মডেল বেঞ্চমার্কে একটি উল্লেখযোগ্য ফাঁসের ঝুঁকি: একই ব্যক্তির মুখ, ব্যাকগ্রাউন্ড, ভয়েসপ্রিন্ট বা শুটিং ডিভাইস উভয় প্রশিক্ষণ এবং পরীক্ষার ডেটাতে উপস্থিত হতে পারে।নিয়ন্ত্রিত ডিডপ্লিকেশন আইডেন্টিটি কীগুলি প্রথমে স্থাপন করা উচিত এবং তারপরে অংশগ্রহণকারী স্তর দ্বারা ডেটা ভাগ করা যেতে পারে; যদি ডুপ্লিকেট অংশগ্রহণকারীদের জোড়া নকশা বজায় রাখা হয়, সমগ্র ব্যক্তির সমস্ত ভিডিও একই পার্টিশনে লক করা প্রয়োজন, এবং জুটিবদ্ধ গ্রুপ-স্তরের বিশ্লেষণ অতিরিক্ত রিপোর্ট করা উচিত।সংযুক্তিতে চীনা-ভাষী এশিয়ান অংশগ্রহণকারীদের অগ্রাধিকার দেওয়ার কথা উল্লেখ করা হয়েছে, তবে অন্যান্য জনসংখ্যাগত বৈশিষ্ট্যগুলিকে কঠিন থ্রেশহোল্ড হিসাবে সেট করে না; এটি একটি নির্দিষ্ট প্রকল্পের নিয়োগের প্রবণতা এবং এর মানে এই নয় যে বেঞ্চমার্কটি সরাসরি অন্য গ্রুপগুলিতে এক্সট্রাপোলেট করা যেতে পারে।মুখ নিজেই অত্যন্ত শনাক্তযোগ্য, এবং অস্পষ্টতা আচরণগত সংকেতকে প্রভাবিত করবে, তাই অ্যাক্সেস, সঞ্চয়স্থান, ডাউনলোড সীমাবদ্ধতা এবং ধারণ সময়কাল একটি নীতিশাস্ত্র এবং অনুমোদন প্রকল্পের মাধ্যমে স্পষ্টভাবে সংজ্ঞায়িত করা প্রয়োজন।

নীতির সময়সীমা এবং মানদণ্ডের বর্তমান অবস্থা আলাদা করে বুঝতে হবে। চীনের জাতীয় স্বাস্থ্য কমিশন ও সংশ্লিষ্ট সংস্থাগুলোর ২০২৫ সালের বাস্তবায়ন মতামতে ২০২৭ সালের মধ্যে স্বাস্থ্য খাতের উচ্চমানের ডেটাসেট ও বিশ্বস্ত ডেটা স্পেস গড়ার লক্ষ্য রয়েছে; জাতীয় ডেটা প্রশাসনের ২০২৬ সালের খাতভিত্তিক কর্মপরিকল্পনায় ২০২৮ সালের শেষ নাগাদ প্রয়োগের মাধ্যমে যাচাইকৃত ডেটাসেট গড়ার লক্ষ্য রয়েছে। প্রকাশিত মান-পরিমাপ নির্দেশিকাটি এখনও GB/T XXXXX—XXXX (মন্তব্যের জন্য খসড়া) হিসেবে চিহ্নিত। তিনটি মাত্রায় ৯০ নম্বরের সীমা খসড়ার বিধান, কার্যকর সর্বজনীন বাধ্যবাধকতা নয়। আবেদন করার আগে চূড়ান্ত মান ও নির্দিষ্ট বিজ্ঞপ্তি যাচাই করুন।