ഇന്ത്യൻ രോഗികളുടെ ഡാറ്റ പഠിക്കുന്ന AI; കാൻസർ കണ്ടെത്തലിൽ പുതിയൊരു പരീക്ഷണം

ഇന്ത്യൻ രോഗികളുടെ ആരോഗ്യ ഡാറ്റ ഉപയോഗിച്ച് breast cancer നേരത്തെ കണ്ടെത്താൻ സഹായിക്കുന്ന AI സംവിധാനം വികസിപ്പിക്കാൻ PGIMERയും IIT Delhiയും ചേർന്നു. Project ഇപ്പോൾ trial ഘട്ടത്തിലാണ്. ഇന്ത്യൻ clinical സാഹചര്യങ്ങൾക്ക് അനുയോജ്യമായ Medical AI വികസിപ്പിക്കുകയാണ് ലക്ഷ്യം.

AIയെക്കുറിച്ച് നമ്മൾ സംസാരിക്കുമ്പോൾ സാധാരണയായി ChatGPT, Gemini, Copilot തുടങ്ങിയ പേരുകളാണ് ആദ്യം ഓർമ്മ വരുന്നത്. എന്നാൽ അടുത്ത വലിയ AI മാറ്റം ഒരുപക്ഷേ ആശുപത്രിയിലെ ഒരു സ്ക്രീനിലായിരിക്കും നമ്മൾ കാണുക.
ഒരു mammogram പരിശോധിക്കുമ്പോൾ ഡോക്ടർക്ക് ഒപ്പം മറ്റൊരു digital കണ്ണായി പ്രവർത്തിക്കുന്ന AI.
ഇന്ത്യയിൽ അതിനുള്ള പുതിയൊരു ശ്രമമാണ് ഇപ്പോൾ നടക്കുന്നത്.
ചണ്ഡീഗഢിലെ Postgraduate Institute of Medical Education and Research (PGIMER) യും IIT Delhiയും ചേർന്ന് ഇന്ത്യൻ സ്ത്രീകളിലെ breast cancer നേരത്തെ കണ്ടെത്താൻ സഹായിക്കുന്ന ഒരു AI സംവിധാനം വികസിപ്പിക്കുകയാണ്. ഇതിനായി ഇരു സ്ഥാപനങ്ങളും ധാരണാപത്രത്തിൽ ഒപ്പുവച്ചു. ഏറ്റവും ശ്രദ്ധേയമായ കാര്യം, ഈ സംവിധാനത്തെ ഇന്ത്യൻ രോഗികളുടെ ആരോഗ്യ ഡാറ്റ ഉപയോഗിച്ച് പരിശീലിപ്പിക്കാനാണ് പദ്ധതി.
ഇത് ഇപ്പോൾ ആശുപത്രികളിൽ വ്യാപകമായി ഉപയോഗിക്കുന്ന ഒരു ready-made AI tool അല്ല. Project trial ഘട്ടത്തിലാണ്. അതുകൊണ്ട് “AI കാൻസർ കണ്ടെത്തുന്നു” എന്നതിനേക്കാൾ കൃത്യമായ headline “കാൻസർ കണ്ടെത്താൻ സഹായിക്കുന്ന India-specific AI വികസിപ്പിക്കുന്നു” എന്നതാണ്.

എന്തുകൊണ്ട് ഇന്ത്യൻ ഡാറ്റ ഇത്ര പ്രധാനമാകുന്നത്?

AI എത്ര മികച്ചതാണെന്ന് തീരുമാനിക്കുന്നത് algorithm മാത്രം അല്ല.
അതിനെ പഠിപ്പിച്ച data-യും അത്ര തന്നെ പ്രധാനമാണ്.
ഒരു medical AI system ലോകത്തിന്റെ മറ്റൊരു ഭാഗത്തെ രോഗികളുടെ data ഉപയോഗിച്ചാണ് പ്രധാനമായും പരിശീലിപ്പിച്ചതെങ്കിൽ, അതിന്റെ performance ഇന്ത്യയിലെ രോഗികളിൽ അതേപടി ആവർത്തിക്കുമെന്ന് ഉറപ്പില്ല.
PGIMER–IIT Delhi പദ്ധതിയുടെ പ്രത്യേകത ഇവിടെയാണ്.
Indian patients-ന്റെ data ഉപയോഗിച്ച് Indian clinical context-ന് അനുയോജ്യമായ AI വികസിപ്പിക്കുകയാണ് ലക്ഷ്യം.
ഇത് AI രംഗത്ത് നമ്മൾ കാണുന്ന മറ്റൊരു വലിയ മാറ്റത്തെയും ഇത് സൂചിപ്പിക്കുന്നു.

“AI for India” എന്നത് ഇനി ഇന്ത്യൻ ഭാഷകൾ മനസ്സിലാക്കുന്ന chatbot മാത്രം എന്നതല്ല.
Indian data ഉപയോഗിച്ച് Indian problems-ന് പരിഹാരം കണ്ടെത്തുന്ന AI കൂടിയാണ്.

Breast cancer screening-ൽ AI എന്ത് ചെയ്യും?

ഇവിടെ AI ഡോക്ടറുടെ പകരക്കാരനാകുന്നില്ല.
Mammogram പോലുള്ള breast imaging പരിശോധിക്കുമ്പോൾ സംശയാസ്പദമായ ഭാഗങ്ങൾ കണ്ടെത്താൻ AI ഒരു second reader ആയി സഹായിക്കുകയാണ് ലക്ഷ്യം.
അത് ഇങ്ങനെ ചിന്തിക്കാം:
Mammogram → AI analysis → suspicious area flag ചെയ്യുക → Radiologist പരിശോധിക്കുക → Clinical decision
ഇത്തരം സംവിധാനങ്ങളുടെ പ്രധാന ലക്ഷ്യം ഒരു abnormality മനുഷ്യന്റെ ശ്രദ്ധയിൽപ്പെടാതെ പോകാനുള്ള സാധ്യത കുറയ്ക്കുക എന്നതാണ്.
AIIMS Delhi-യും mammogram-ൽ breast cancer-ന്റെ സാധ്യതയുള്ള ലക്ഷണങ്ങൾ flag ചെയ്യാൻ കഴിയുന്ന ഒരു AI tool വികസിപ്പിച്ചിട്ടുണ്ട്. Radiologist-ന് second reader ആയി പ്രവർത്തിക്കാനാണ് അത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്.
അതായത് ഇന്ത്യയിൽ medical AI പതുക്കെ “experiment” എന്നതിൽ നിന്ന് “clinical support tool” എന്ന ഘട്ടത്തിലേക്ക് നീങ്ങുകയാണ്.

PGIMER എന്താണ് പരീക്ഷിക്കുന്നത്?

PGIMER റിപ്പോർട്ട് ചെയ്യുന്നതനുസരിച്ച്, project-ൽ digital mammography images വിശകലനം ചെയ്യാനുള്ള AI സംവിധാനം വികസിപ്പിക്കുന്നുണ്ട്.
ഇന്ത്യൻ രോഗികളിൽ നിന്നുള്ള data ഉപയോഗിച്ച് model കൂടുതൽ അനുയോജ്യമാക്കുകയാണ് ലക്ഷ്യം. Dense breast tissue പോലുള്ള സാഹചര്യങ്ങളിലും abnormalities തിരിച്ചറിയാൻ AI-യെ കൂടുതൽ സഹായകരമാക്കാനുള്ള സാധ്യതയാണ് ഗവേഷകർ പരിശോധിക്കുന്നത്.
പദ്ധതി മുന്നോട്ട് പോയാൽ 3D breast imaging അഥവാ tomosynthesis, ultrasound എന്നിവയിലേക്കും technology വികസിപ്പിക്കാനുള്ള പ്രവർത്തനങ്ങൾ നടക്കുന്നുണ്ട്.
പക്ഷേ ഇതെല്ലാം ഇപ്പോഴും development/validation ഘട്ടങ്ങളിലാണ്.
അതുകൊണ്ട് “AI മനുഷ്യ ഡോക്ടറെക്കാൾ മികച്ചതാണ്” എന്ന നിഗമനത്തിലേക്ക് അല്ല ഈ പരീക്ഷണം എത്തുന്നത്

യഥാർത്ഥ മത്സരം data-യുടെ പേരിലാണ്

AI model നിർമ്മിക്കാൻ ഇന്ന് എല്ലാവരും GPU, computing power, algorithms എന്നിവയെക്കുറിച്ച് സംസാരിക്കുന്നു.
പക്ഷേ healthcare AI-യിൽ മറ്റൊരു resource അത്ര തന്നെ നിർണായകമാണ്:

High-quality clinical data.

ആരോഗ്യരംഗത്ത് AI-യ്ക്ക് വേണ്ടത്:
വിശ്വസനീയമായ medical images
ശരിയായ diagnosis records
രോഗിയുടെ clinical history
വിവിധ പ്രായവിഭാഗങ്ങളിൽ നിന്നുള്ള data
വ്യത്യസ്ത രോഗാവസ്ഥകളുടെ examples
ശരിയായ labelling
privacy protection
clinical validation
ഇവയൊന്നും ഇല്ലാതെ വലിയ AI model ഉണ്ടാക്കിയാലും അതിന്റെ clinical usefulness ചോദ്യം ചെയ്യപ്പെടും.
ഇന്ത്യയിൽ അതുകൊണ്ടുതന്നെ healthcare AI-യ്ക്ക് data infrastructure വലിയ വിഷയമായി മാറുകയാണ്.
ഇന്ത്യ ഇതിനകം ഈ വഴിയിലാണ്

PGIMER–IIT Delhi project ഒറ്റപ്പെട്ട നീക്കമല്ല.

കേന്ദ്ര ആരോഗ്യ മന്ത്രാലയം AIIMS Delhi, PGIMER Chandigarh, AIIMS Rishikesh എന്നിവയെ healthcare AI Centres of Excellence ആയി പ്രഖ്യാപിച്ചിട്ടുണ്ട്. AI-based diagnostic tools വികസിപ്പിക്കുകയും healthcare-ൽ അവയുടെ ഉപയോഗം പ്രോത്സാഹിപ്പിക്കുകയുമാണ് ലക്ഷ്യം.
അതേസമയം IndiaAI Mission-ന്റെ കീഴിൽ Cancer AI & Technology Challenge (CATCH) എന്ന programme ആരംഭിച്ചിട്ടുണ്ട്. Cancer screening, diagnosis, treatment എന്നിവയിൽ AI ഉപയോഗിക്കുന്ന solutions വികസിപ്പിക്കാനും pilot ചെയ്യാനും funding നൽകുകയാണ് ലക്ഷ്യം.
2026-ൽ IndiaAIയും ICMR-ഉം healthcare-ൽ responsible AI adoption വേഗത്തിലാക്കുന്നതിനായി MoU ഒപ്പുവച്ചതും ഈ ecosystem-ന്റെ മറ്റൊരു സൂചനയാണ്.

Research institutions + Hospitals + AI companies + Government
ഇവയെല്ലാം ചേർന്ന് ഇന്ത്യയ്ക്ക് അനുയോജ്യമായ healthcare AI ecosystem നിർമ്മിക്കാനാണ് ഇപ്പോൾ ശ്രമിക്കുന്നത്.

കേരളത്തിനും ഇത് വലിയൊരു അവസരമാകും.

ഈ മാറ്റത്തിൽ കേരളത്തിന് എന്താണ് ചെയ്യാനുള്ളത്?
സംസ്ഥാനത്ത് medical colleges, large hospitals, diagnostic centres, research institutions, health-tech startups എന്നിവയുടെ ശക്തമായ ecosystem ഉണ്ട്.
അതിനാൽ breast imaging മാത്രം അല്ല:

• Radiology AI
  Pathology AI
  Diabetes screening
  Cardiac imaging
  Cancer screening
  Hospital decision-support
  Remote diagnosis

തുടങ്ങിയ മേഖലകളിൽ കേരളത്തിലെ hospitals-നും startups-നും ഗവേഷണ സ്ഥാപനങ്ങൾക്കും വലിയ അവസരമുണ്ട്.
പക്ഷേ അതിനായി ഒരു കാര്യം നിർണായകമാണ്.

Data ഉണ്ടാകണം.

സുരക്ഷിതമായും anonymised ആയും ശരിയായ consent-ഓടെയും ഉപയോഗിക്കാവുന്ന clinical data.
AI healthcare-ന്റെ അടുത്ത infrastructure ഒരുപക്ഷേ hospital building അല്ല.
ഒരു നല്ല clinical dataset ആയിരിക്കും.

രോഗിയുടെ data ആരുടേതാണ്?

Medical AI വളരുമ്പോൾ ഈ ചോദ്യം കൂടുതൽ പ്രധാനമാകും.
ഒരു രോഗിയുടെ mammogram AI training-ന് ഉപയോഗിക്കുമ്പോൾ:

ആ data എങ്ങനെ ശേഖരിച്ചു?
ആരെയാണ് അത് ഉപയോഗിക്കാൻ അനുവദിച്ചിരിക്കുന്നത്?
Patient identity എങ്ങനെ സംരക്ഷിക്കും?
AI model തെറ്റായ result നൽകിയാൽ ഉത്തരവാദിത്തം ആരുടേത്?
ഇവയെല്ലാം technology-യോടൊപ്പം പരിഹരിക്കേണ്ട വിഷയങ്ങളാണ്.
PGIMER ഡയറക്ടർ ഉൾപ്പെടെയുള്ള ആരോഗ്യരംഗത്തെ വിദഗ്ധർ AI-യെ clinical judgement-ന്റെ പകരക്കാരനല്ല, സഹായിയായി കാണേണ്ടതിന്റെ ആവശ്യകത നേരത്തെയും ചൂണ്ടിക്കാട്ടിയിട്ടുണ്ട്.

AIയുടെ അടുത്ത healthcare race

ഇതുവരെ AI race-നെക്കുറിച്ച് പറയുമ്പോൾ ചോദിച്ചിരുന്നത്:
ആരാണ് ഏറ്റവും വലിയ model നിർമ്മിച്ചത്?
Healthcare-ൽ ചോദ്യം കുറച്ച് വ്യത്യസ്തമാണ്.
ആരുടെ data ആണ് കൂടുതൽ representative?
ആരുടെ model ആണ് clinical testing കടന്നത്?
ആരുടെ technology ആണ് യഥാർത്ഥ ആശുപത്രിയിൽ സുരക്ഷിതമായി ഉപയോഗിക്കാൻ കഴിയുന്നത്?
ഇന്ത്യ ഇപ്പോൾ ഈ ചോദ്യങ്ങളിലേക്ക് നീങ്ങുകയാണ്.
PGIMER–IIT Delhiയുടെ breast cancer AI project അതിന്റെ ഒരു ഉദാഹരണം മാത്രമാണ്.

ഇന്ന് ഇത് ഒരു trial ആണ്.

നാളെ ഇത് validation കടന്നാൽ, ഇന്ത്യയിലെ കൂടുതൽ ആശുപത്രികളിലേക്ക് എത്താം.
അത് സംഭവിച്ചാൽ കഥ “AI cancer കണ്ടെത്തുന്നു” എന്നതിലൊതുങ്ങില്ല.
ഇന്ത്യൻ രോഗികളുടെ യാഥാർഥ്യം മനസ്സിലാക്കുന്ന Medical AI ഇന്ത്യയിൽ തന്നെ നിർമ്മിക്കാം എന്നതിന്റെ തെളിവായി അത് മാറും.
അതാണ് ഈ ചെറിയ research project-ന്റെ വലിയ സാധ്യത.

VOC FACT CHECK

സ്ഥിതി: Project trial/development ഘട്ടത്തിൽ.
സ്ഥാപനങ്ങൾ: PGIMER + IIT Delhi.
പ്രധാന ലക്ഷ്യം: ഇന്ത്യൻ രോഗികളുടെ data ഉപയോഗിച്ച് breast-cancer detection-ന് AI വികസിപ്പിക്കുക.
AIയുടെ role: Diagnostic support / second-reader approach; doctor replacement അല്ല.
അടുത്ത ഘട്ടം: Clinical validation, refinement, regulatory/deployment considerations.

FAQ

1. ഈ പുതിയ AI സംവിധാനം എന്തിനാണ്?
ഇന്ത്യൻ സ്ത്രീകളിലെ breast cancer നേരത്തെ കണ്ടെത്താൻ സഹായിക്കുന്ന AI tool വികസിപ്പിക്കുകയാണ് ലക്ഷ്യം. Digital mammography images വിശകലനം ചെയ്ത് സംശയാസ്പദമായ abnormalities കണ്ടെത്തുന്നതിൽ ഡോക്ടർമാർക്ക് additional support നൽകാനാണ് സംവിധാനം രൂപകൽപ്പന ചെയ്യുന്നത്. The Times of India

2. ആരാണ് ഈ AI വികസിപ്പിക്കുന്നത്?
ചണ്ഡീഗഢിലെ PGIMERയും IIT Delhiയും ചേർന്നാണ് പദ്ധതി നടപ്പാക്കുന്നത്. ഇരു സ്ഥാപനങ്ങളും ഇതുമായി ബന്ധപ്പെട്ട് MoU ഒപ്പുവച്ചിട്ടുണ്ട്. The Times of India

3. ഇന്ത്യൻ രോഗികളുടെ data ഉപയോഗിക്കുന്നത് എന്തുകൊണ്ട്?
ഇന്ത്യൻ രോഗികളിൽ നിന്നുള്ള clinical data ഉപയോഗിച്ച് model വികസിപ്പിക്കുന്നത് ഇന്ത്യൻ clinical സാഹചര്യങ്ങൾക്ക് കൂടുതൽ അനുയോജ്യമായ സംവിധാനം നിർമ്മിക്കാൻ സഹായിക്കുകയാണ് ലക്ഷ്യം. PGIMER സ്വന്തം patient data ഉപയോഗിക്കുന്നതായി റിപ്പോർട്ട് പറയുന്നു. The Times of India

4. AI ഡോക്ടർമാരെ മാറ്റിസ്ഥാപിക്കുമോ?
ഇപ്പോൾ ലഭ്യമായ വിവരങ്ങൾ പ്രകാരം ഇത് diagnostic support/second opinion നൽകുന്നതിനാണ്. AI output-ന് പകരം clinical judgement ആണ് അന്തിമ തീരുമാനത്തിന് ആവശ്യമായത്. Project ഇപ്പോഴും trial ഘട്ടത്തിലാണ്. The Times of India

5. ഈ technology mammogram മാത്രം പരിശോധിക്കുമോ?
ഇപ്പോൾ digital mammography analysis ആണ് പ്രധാന focus. ഭാവിയിൽ 3D breast scans (tomosynthesis), ultrasound videos എന്നിവയും വിശകലനം ചെയ്യാനുള്ള ശേഷി വികസിപ്പിക്കുകയാണ് പദ്ധതിയുടെ ഭാഗം. The Times of India

6. ഈ AI ഇപ്പോൾ ആശുപത്രികളിൽ ലഭ്യമാണോ?
ഇല്ല. പദ്ധതി ഇപ്പോഴും trial/development ഘട്ടത്തിലാണ്. പൂർണ്ണമായ clinical validation പൂർത്തിയാക്കിയ ശേഷം മാത്രമേ വ്യാപകമായ deployment പരിഗണിക്കാനാകൂ. The Times of India

7. ഇന്ത്യയിൽ Medical AI-യുടെ വലിയ ecosystem ഉണ്ടാകുന്നുണ്ടോ?
ഉണ്ട്. AIIMS Delhi, PGIMER Chandigarh, AIIMS Rishikesh എന്നിവയെ healthcare AI Centres of Excellence ആയി സർക്കാർ പ്രഖ്യാപിച്ചിട്ടുണ്ട്. IndiaAI–ICMR സഹകരണത്തിലൂടെ health datasets, AI models, computing infrastructure എന്നിവയിലും പ്രവർത്തനം നടക്കുന്നുണ്ട്

Official Sources

• Government of India — Healthcare AI Centres of Excellence: Press Information Bureau — AI-based diagnostic tools in healthcare
• Government of India — IndiaAI–ICMR healthcare AI collaboration: Press Information Bureau — IndiaAI and ICMR sign MoU
• Indian Biological Images Archive — Indian Mammography Database 2.0: IBDC/IBIA — Indian Mammography Database 2.0
• Government of India — IndiaAI–NCG Cancer AI & Technology Challenge: Press Information Bureau — CATCH Grant Challenge

References
1. PGIMER–IIT Delhi MoU and India-trained breast cancer AI project — October 3, 2026. The Times of India
2. Ministry of Health & Family Welfare — healthcare AI Centres of Excellence and AI diagnostic initiatives. Press Information Bureau
3. MeitY / IndiaAI–ICMR — anonymised health datasets, AIKosh and healthcare AI infrastructure. Press Information Bureau
4. Indian Biological Images Archive — Indian Mammography Database 2.0, released June 18, 2026. IBDC
5. IndiaAI–NCG Cancer AI & Technology Challenge — 10 AI solutions selected for grant support.

VOC Verified™:
Author: Voc Business Desk
Editorial Review: VOC Editorial Team
Fact Check: VOC Research Team
Last Updated : Oct 03. 2026