Google ਅਤੇ Abbott ਨੇ Abbott ਦੇ Lingo continuous glucose monitor ਤੋਂ ਰੀਅਲ-ਟਾਈਮ ਗਲੂਕੋਜ਼ ਰੀਡਿੰਗ ਨੂੰ Google Health ਐਪ ਦੇ ਅੰਦਰ Google ਦੇ Gemini-ਪਾਵਰਡ ਹੈਲਥ ਕੋਚ ਵਿੱਚ ਸਟ੍ਰੀਮ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁ-ਸਾਲਾ ਸਮਝੌਤਾ ਕੀਤਾ ਹੈ। ਇਹ ਕਦਮ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕ ਡਿਜੀਟਲ ਸਹਾਇਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਪਲ-ਪਲ ਬਦਲਦੇ ਖੂਨ ਦੇ ਸ਼ੂਗਰ ਦੇ ਪੱਧਰਾਂ ਨੂੰ ਖਾਸ ਜੀਵਨ ਸ਼ੈਲੀ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਜ਼ਿਆਦਾਤਰ ਵੈਲਨੈੱਸ ਐਪਸ ਦੁਆਰਾ ਦਿੱਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਆਮ ਸਲਾਹਾਂ ਤੋਂ ਇੱਕ ਕਦਮ ਅੱਗੇ ਹੈ।

ਇੱਕ ਨਵੇਂ ਕਿਸਮ ਦਾ ਹੈਲਥ ਸਹਾਇਕ

Abbott ਦਾ Lingo ਸੈਂਸਰ ਹਰ ਕੁਝ ਮਿੰਟਾਂ ਬਾਅਦ ਗਲੂਕੋਜ਼ ਨੂੰ ਮਾਪਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਡੇਟਾ ਦਾ ਇੱਕ ਲਗਾਤਾਰ ਪ੍ਰਵਾਹ ਮਿਲਦਾ ਹੈ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਭੋਜਨ, ਨੀਂਦ ਅਤੇ ਤਣਾਅ ਸਰੀਰ ਦੇ ਬਾਲਣ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਉਸ ਸਟ੍ਰੀਮ ਨੂੰ ਸਿੱਧਾ Gemini ਵਿੱਚ ਭੇਜ ਕੇ, Google ਦਾ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ ਪੈਟਰਨਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਵਾਪਰਨ ਦੇ ਸਮੇਂ ਹੀ ਪਛਾਣ ਸਕਦਾ ਹੈ। ਦੁਪਹਿਰ ਦੇ ਖਾਣੇ ਤੋਂ ਬਾਅਦ ਸ਼ੂਗਰ ਦਾ ਵਧਣਾ ਅਗਲੇ ਭੋਜਨ ਵਿੱਚ ਘੱਟ-ਗਲਾਈਸੈਮਿਕ (lower-glycemic) ਸਨੈਕ ਲਈ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ; ਰਾਤ ਨੂੰ ਸ਼ੂਗਰ ਦਾ ਘੱਟ ਹੋਣਾ ਸੌਣ ਦੀ ਰੁਟੀਨ ਵਿੱਚ ਬਦਲਾਅ ਕਰਨ ਲਈ ਇੱਕ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ।

ਇਹ ਸਭ Google Health ਐਪ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ, ਜੋ ਪਹਿਲਾਂ ਹੀ ਕਦਮਾਂ (steps), ਦਿਲ ਦੀ ਧੜਕਣ ਅਤੇ ਨੀਂਦ ਦੇ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ। ਇਹ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਇੱਕ ਮੈਟਾਬੋਲਿਕ ਲੇਅਰ ਜੋੜਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਇੱਕ ਸਿੰਗਲ ਡੈਸ਼ਬੋਰਡ ਰਾਹੀਂ ਗਲੂਕੋਜ਼ ਕਰਵ ਦੇ ਨਾਲ-ਨਾਲ ਹੋਰ ਮੈਟ੍ਰਿਕਸ ਦੇਖ ਸਕਦੇ ਹਨ। AI ਮੁੱਖ ਕੰਮ ਕਰਦਾ ਹੈ, ਕੱਚੇ ਅੰਕੜਿਆਂ ਨੂੰ ਸਰਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਜਿਹੀਆਂ ਜਾਣਕਾਰੀਆਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਸਰੀਰਕ ਵਿਗਿਆਨ (physiology) ਦੇ ਬਦਲਣ ਦੇ ਨਾਲ ਅਨੁਕੂਲ ਹੋ ਜਾਂਦੀਆਂ ਹਨ।

ਇਹ ਭਾਈਵਾਲੀ ਹੁਣ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਵੇਅਰੇਬਲ ਸੈਂਸਰਾਂ ਦੀ ਪ੍ਰਸਿੱਧੀ ਬਹੁਤ ਵਧੀ ਹੈ, ਪਰ ਜ਼ਿਆਦਾਤਰ ਐਪਸ ਡੇਟਾ ਨੂੰ ਇੱਕ ਸਥਿਰ ਰਿਕਾਰਡ ਵਜੋਂ ਮੰਨਦੀਆਂ ਹਨ। Google-Abbott ਦੀ ਇਹ ਸਾਂਝ ਮਾਡਲ ਨੂੰ "agentic" ਸਹਾਇਤਾ ਵੱਲ ਲੈ ਕੇ ਜਾਂਦੀ ਹੈ—ਅਜਿਹਾ ਸਾਫਟਵੇਅਰ ਜੋ ਨਾ ਸਿਰਫ਼ ਡੇਟਾ ਪੜ੍ਹਦਾ ਹੈ ਬਲਕਿ ਇਹ ਵੀ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਉਸ 'ਤੇ ਕਿਵੇਂ ਕਾਰਵਾਈ ਕਰਨੀ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ: ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਚੇਤਾਵਨੀਆਂ ("ਤੁਹਾਡਾ ਗਲੂਕੋਜ਼ ਉੱਚਾ ਹੈ") ਤੋਂ ਪ੍ਰੋਐਕਟਿਵ ਕੋਚਿੰਗ ("ਕੱਲ੍ਹ ਦੇ ਸ਼ੂਗਰ ਦੇ ਘਾਟ ਨੂੰ ਰੋਕਣ ਲਈ ਰਾਤ ਦੇ ਖਾਣੇ ਵਿੱਚ ਕਾਰਬੋਹਾਈਡ੍ਰੇਟ ਘਟਾਓ") ਵੱਲ ਵਧਣਾ।

Google ਵਿਸ਼ਾਲ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਅਤੇ ਇੱਕ ਉੱਨਤ ਰੀਜ਼ਨਿੰਗ ਇੰਜਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ; Abbott ਅਜਿਹਾ ਮੈਡੀਕਲ-ਗ੍ਰੇਡ ਹਾਰਡਵੇਅਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਸ਼ੁੱਧਤਾ ਲਈ ਰੈਗੂਲੇਟਰੀ ਮਿਆਰਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਇਕੱਠੇ ਮਿਲ ਕੇ ਉਹ ਇੱਕ ਉਪਭੋਗਤਾ-ਕੇਂਦ੍ਰਿਤ ਉਤਪਾਦ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਡਾਕਟਰ ਕੋਲ ਜਾਣ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਕਲੀਨਿਕਲ ਟੂਲ ਵਰਗੀ ਸਖ਼ਤੀ ਦੇ ਨੇੜੇ ਪਹੁੰਚਦਾ ਹੈ।

ਕਿਸ ਨੂੰ ਫਾਇਦਾ ਹੋਵੇਗਾ, ਅਤੇ ਕੌਣ ਚਿੰਤਤ ਹੋ ਸਕਦਾ ਹੈ

ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਇਸਦਾ ਫਾਇਦਾ ਵਧੇਰੇ ਪ੍ਰਸੰਗਿਕ ਸਲਾਹ ਹੈ। ਪ੍ਰੀ-ਡਾਇਬੀਟੀਜ਼ ਵਾਲਾ ਵਿਅਕਤੀ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਅਜਿਹੀਆਂ ਆਦਤਾਂ ਦੇਖ ਸਕਦਾ ਹੈ ਜੋ ਗਲੂਕੋਜ਼ ਨੂੰ ਸਿਹਤਮੰਦ ਪੱਧਰ 'ਤੇ ਰੱਖਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਸ਼ਾਇਦ ਦਵਾਈ ਦੀ ਲੋੜ ਨੂੰ ਲਟਕਾਇਆ ਜਾ ਸਕੇ। ਫਿਟਨੈੱਸ ਪ੍ਰੇਮੀ ਇਸ ਗੱਲ ਦੀ ਸਪੱਸ਼ਟ ਤਸਵੀਰ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ ਕਿ ਟ੍ਰੇਨਿੰਗ ਬਾਲਣ ਦੀ ਵਰਤੋਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਹੋਰ AI-ਡਰਾਈਵਨ ਹੈਲਥ ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਇੱਕ ਟੈਂਪਲੇਟ ਵੀ ਮਿਲ ਸਕਦਾ ਹੈ ਜੋ ਲਾਈਵ ਸੈਂਸਰ ਸਟ੍ਰੀਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਇਸਦਾ ਦੂਜਾ ਪਹਿਲੂ ਪ੍ਰਾਈਵੇਸੀ (privacy) ਹੈ। ਲਗਾਤਾਰ ਗਲੂਕੋਜ਼ ਡੇਟਾ ਬਹੁਤ ਨਿੱਜੀ ਹੁੰਦਾ ਹੈ, ਜੋ ਖਾਣ-ਪੀਣ ਦੀਆਂ ਆਦਤਾਂ, ਤਣਾਅ ਦੇ ਪੱਧਰ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸੰਭਾਵਿਤ ਡਾਕਟਰੀ ਸਥਿਤੀਆਂ ਨੂੰ ਵੀ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ। ਉਸ ਸਟ੍ਰੀਮ ਨੂੰ ਅਜਿਹੇ AI ਨਾਲ ਜੋੜਨਾ ਜੋ ਅਰਬਾਂ ਹੋਰ ਉਪਭੋਗਤਾਵਾਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ, ਸਟੋਰੇਜ, ਪਹੁੰਚ ਅਤੇ ਵਿਗਿਆਪਨ ਜਾਂ ਬੀਮਾ ਅੰਡਰਰਾਈਟਿੰਗ ਲਈ ਸੰਭਾਵੀ ਦੁਬਾਰਾ ਵਰਤੋਂ ਬਾਰੇ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰਦਾ ਹੈ।

ਇੱਕ ਹੋਰ ਚਿੰਤਾ ਮੈਡੀਕਲ ਲਾਇਬਿਲਟੀ (medical liability) ਹੈ। ਇੱਕ AI ਜੋ ਗਲੂਕੋਜ਼ ਦੇ ਰੁਝਾਨਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਖੁਰਾਕ ਵਿੱਚ ਤਬਦੀਲੀ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਉਹ ਵੈਲਨੈੱਸ ਕੋਚਿੰਗ ਅਤੇ ਡਾਕਟਰੀ ਸਲਾਹ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਬਾਰੀਕ ਰੇਖਾ 'ਤੇ ਚੱਲਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਸਿਫ਼ਾਰਸ਼ ਕਿਸੇ ਨੁਕਸਾਨਦੇਹ ਘਟਨਾ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ, ਤਾਂ ਇਹ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ ਕਿ ਜ਼ਿੰਮੇਵਾਰੀ ਡਿਵਾਈਸ ਬਣਾਉਣ ਵਾਲੇ, AI ਡਿਵੈਲਪਰ ਜਾਂ ਪਲੇਟਫਾਰਮ ਹੋਸਟ ਦੀ ਹੈ।

ਵਿਰੋਧੀ ਪੱਖ: AI ਪੇਸ਼ੇਵਰ ਦੇਖਭਾਲ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ

ਆਲੋਚਕਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ ਸਭ ਤੋਂ ਉੱਨਤ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਵਿੱਚ ਵੀ ਸਿਹਤ ਨਾਲ ਸਬੰਧਤ ਬਾਰੀਕ ਫੈਸਲਿਆਂ ਲਈ ਲੋੜੀਂਦੀ ਕਲੀਨਿਕਲ ਸੋਚ ਦੀ ਕਮੀ ਹੁੰਦੀ ਹੈ। Gemini ਰੁਝਾਨਾਂ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਪੂਰੇ ਮੈਡੀਕਲ ਇਤਿਹਾਸ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਲੈਬ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਡਾਕਟਰ ਦੀ ਯੋਗਤਾ ਦੀ ਜਗ੍ਹਾ ਨਹੀਂ ਲੈ ਸਕਦਾ। ਭਾਈਵਾਲੀ ਦੀ ਪ੍ਰਚਾਰ ਸਮੱਗਰੀ "ਪਰਸਨਲਾਈਜ਼ਡ ਕੋਚਿੰਗ" 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ, ਨਾ ਕਿ ਡਾਇਗਨੋਸਿਸ 'ਤੇ, ਫਿਰ ਵੀ ਉਹ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਅੰਤਰ ਧੁੰਦਲਾ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਐਪ ਨੂੰ ਮੁੱਖ ਸਿਹਤ ਗਾਈਡ ਵਜੋਂ ਵਰਤਦੇ ਹਨ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • **ਰੈ

ਇਹ ਸਾਂਝੇਦਾਰੀ ਆਧੁਨਿਕ ਹੈਲਥ ਟੈਕ ਦੇ ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪਹਿਲੂਆਂ—ਲਗਾਤਾਰ ਬਾਇਓਮੈਟ੍ਰਿਕ ਨਿਗਰਾਨੀ ਅਤੇ ਜਨਰੇਟਿਵ AI ਤਰਕ—ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜਦੀ ਹੈ। ਜੇਕਰ ਇਹ ਸਾਂਝੀ ਪ੍ਰਣਾਲੀ ਨਿੱਜਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਦਾ ਸਤਿਕਾਰ ਕਰਦੇ ਹੋਏ ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਆਮ ਲੋਕਾਂ ਦੁਆਰਾ ਆਪਣੀ ਮੈਟਾਬੋਲਿਕ ਸਿਹਤ ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਅਜਿਹਾ ਨਹੀਂ ਹੁੰਦਾ, ਤਾਂ ਇਹ ਪ੍ਰਯੋਗ ਇਸ ਵਿਚਾਰ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰ ਸਕਦਾ ਹੈ ਕਿ AI, ਭਾਵੇਂ ਕਿੰਨਾ ਵੀ ਚਲਾਕ ਕਿਉਂ ਨਾ ਹੋਵੇ, ਪੇਸ਼ੇਵਰ ਡਾਕਟਰੀ ਨਿਗਰਾਨੀ ਦਾ ਇੱਕ ਪੂਰਕ ਹੈ, ਨਾ ਕਿ ਉਸਦਾ ਬਦਲ।