صحت کی دیکھ بھال کی صنعت کو متاثر کرنے کے لئے AI کے 12 طریقے

توقع ہے کہ مصنوعی ذہانت صحت کی دیکھ بھال کے شعبے میں ایک تبدیلی کی قوت بن جائے گی۔تو ڈاکٹروں اور مریضوں کو AI سے چلنے والے ٹولز کے اثرات سے کیسے فائدہ ہوتا ہے؟
آج کی صحت کی دیکھ بھال کی صنعت بہت سمجھدار ہے اور کچھ بڑی تبدیلیاں کر سکتی ہے۔دائمی بیماریوں اور کینسر سے لے کر ریڈیولاجی اور رسک اسیسمنٹ تک، ایسا لگتا ہے کہ صحت کی دیکھ بھال کی صنعت کے پاس مریضوں کی دیکھ بھال میں زیادہ درست، موثر اور موثر مداخلتوں کو تعینات کرنے کے لیے ٹیکنالوجی کے استعمال کے بے شمار مواقع موجود ہیں۔
ٹکنالوجی کی ترقی کے ساتھ، مریضوں کو ڈاکٹروں کے لئے اعلی اور اعلی ضروریات ہیں، اور دستیاب اعداد و شمار کی تعداد تشویشناک شرح سے بڑھ رہی ہے.مصنوعی ذہانت طبی دیکھ بھال کی مسلسل بہتری کو فروغ دینے کے لیے ایک انجن بن جائے گی۔
روایتی تجزیہ اور طبی فیصلہ سازی کی ٹیکنالوجی کے مقابلے میں، مصنوعی ذہانت کے بہت سے فوائد ہیں۔جب سیکھنے کا الگورتھم تربیتی ڈیٹا کے ساتھ تعامل کرتا ہے، تو یہ زیادہ درست ہو سکتا ہے، جس سے ڈاکٹروں کو تشخیص، نرسنگ کے عمل، علاج کے تغیرات اور مریض کے نتائج کے بارے میں بے مثال بصیرت حاصل کرنے میں مدد ملتی ہے۔
پارٹنرز ہیلتھ کیئر کے زیر اہتمام 2018 ورلڈ آرٹیفیشل انٹیلی جنس میڈیکل انوویشن فورم (ڈبلیو ایم آئی ایف) میں، طبی محققین اور طبی ماہرین نے طبی صنعت کی ٹیکنالوجیز اور شعبوں کے بارے میں تفصیل سے بتایا جن کا اگلے وقت میں مصنوعی ذہانت کو اپنانے پر نمایاں اثر پڑے گا۔ دہائی.
این کیبلنسی، ایم ڈی، 2018 میں ڈبلیو ایم آئی ایف کی سی او چیئر، اور گریگ میئر، ایم ڈی، پارٹنرز ہیلتھ کیئر کے چیف اکیڈمک آفیسر، نے کہا کہ صنعت کے ہر شعبے میں لائی جانے والی اس قسم کی "تبدیلی" مریضوں کے لیے اہم فوائد پہنچانے کی صلاحیت رکھتی ہے اور اس کا دائرہ وسیع ہے۔ کاروباری کامیابی کی صلاحیت.
شراکت داروں کے ہیلتھ کیئر کے ماہرین کی مدد سے، بشمول ہارورڈ میڈیکل سکول (HMS) کے پروفیسر ڈاکٹر کیتھ ڈریئر، شراکت داروں کے چیف ڈیٹا سائنس آفیسر، اور ڈاکٹر کیتھرین اینڈریول، میساچوسٹس جنرل ہسپتال (MGH) میں تحقیقی حکمت عملی اور آپریشنز کی ڈائریکٹر۔ نے 12 طریقے تجویز کیے جن سے AI طبی خدمات اور سائنس میں انقلاب لائے گا۔
1. دماغی کمپیوٹر انٹرفیس کے ذریعے سوچ اور مشین کو متحد کریں۔

بات چیت کے لیے کمپیوٹر کا استعمال کوئی نیا خیال نہیں ہے، لیکن کی بورڈ، ماؤس اور ڈسپلے کے بغیر ٹیکنالوجی اور انسانی سوچ کے درمیان براہ راست انٹرفیس بنانا ایک فرنٹیئر ریسرچ فیلڈ ہے، جس کا کچھ مریضوں کے لیے اہم اطلاق ہوتا ہے۔
اعصابی نظام کی بیماریاں اور صدمے کچھ مریض دوسروں اور اپنے ماحول کے ساتھ بامعنی گفتگو، حرکت اور تعامل کی صلاحیت سے محروم ہو سکتے ہیں۔دماغی کمپیوٹر انٹرفیس (BCI) مصنوعی ذہانت سے تعاون یافتہ مریضوں کے لیے ان بنیادی تجربات کو بحال کر سکتا ہے جو ان افعال کو ہمیشہ کے لیے کھونے کے لیے پریشان ہیں۔
"اگر میں نیورولوجی کے انتہائی نگہداشت کے یونٹ میں کسی مریض کو دیکھتا ہوں جو اچانک کام کرنے یا بولنے کی صلاحیت کھو دیتا ہے، تو مجھے امید ہے کہ اگلے دن اس کی بات چیت کرنے کی صلاحیت بحال ہو جائے گی،" لی ہوچبرگ، ایم ڈی، مرکز برائے نیورو ٹیکنالوجی اور نیورو ہیبیلیٹیشن کے ڈائریکٹر نے کہا۔ میساچوسٹس جنرل ہسپتال (ایم جی ایچ)۔دماغی کمپیوٹر انٹرفیس (BCI) اور مصنوعی ذہانت کا استعمال کرتے ہوئے، ہم ہاتھ کی حرکت سے متعلق اعصاب کو متحرک کر سکتے ہیں، اور ہمیں پوری سرگرمی کے دوران مریض کو کم از کم پانچ بار دوسروں کے ساتھ بات چیت کرنے کے قابل ہونا چاہیے، جیسے کہ ہر جگہ موجود مواصلاتی ٹیکنالوجیز کا استعمال۔ ٹیبلیٹ کمپیوٹر یا موبائل فون کے طور پر۔"
دماغی کمپیوٹر انٹرفیس امیوٹروفک لیٹرل سکلیروسیس (ALS)، فالج یا ایٹریسیا سنڈروم کے ساتھ ساتھ ہر سال دنیا بھر میں ریڑھ کی ہڈی کی چوٹ کے 500000 مریضوں کے معیار زندگی کو بہت بہتر بنا سکتا ہے۔
2. تابکاری کے آلات کی اگلی نسل تیار کریں۔

مقناطیسی گونج امیجنگ (MRI)، CT سکینرز، اور ایکس رے کے ذریعے حاصل کی جانے والی تابکاری کی تصاویر انسانی جسم کے اندرونی حصے میں غیر جارحانہ مرئیت فراہم کرتی ہیں۔تاہم، بہت سے تشخیصی طریقہ کار اب بھی بایپسی کے ذریعے حاصل کیے گئے جسمانی بافتوں کے نمونوں پر انحصار کرتے ہیں، جس میں انفیکشن کا خطرہ ہوتا ہے۔
ماہرین نے پیش گوئی کی ہے کہ بعض صورتوں میں، مصنوعی ذہانت ریڈیولوجی کے آلات کی اگلی نسل کو درست اور تفصیلی ہونے کے قابل بنائے گی تاکہ زندہ بافتوں کے نمونوں کی مانگ کو بدل سکے۔
Brigham Women's Hospital (BWh) میں امیج گائیڈڈ نیورو سرجری کی ڈائریکٹر، الیگزینڈرا گولبی نے کہا، "ہم تشخیصی امیجنگ ٹیم کو سرجنز یا انٹروینشنل ریڈیولوجسٹ اور پیتھالوجسٹ کے ساتھ لانا چاہتے ہیں، لیکن مختلف ٹیموں کے لیے تعاون حاصل کرنا ایک بہت بڑا چیلنج ہے۔ اور اہداف کی مستقل مزاجی۔ اگر ہم چاہتے ہیں کہ ریڈیولاجی ٹشو کے نمونوں سے فی الحال دستیاب معلومات فراہم کرے، تو ہمیں کسی بھی پکسل کے بنیادی حقائق کو جاننے کے لیے بہت قریبی معیارات حاصل کرنے کے قابل ہونا پڑے گا۔"
اس عمل میں کامیابی سے معالجین کو ٹیومر کی مجموعی کارکردگی کو زیادہ درست طریقے سے سمجھنے میں مدد مل سکتی ہے، بجائے اس کے کہ مہلک ٹیومر کی خصوصیات کے ایک چھوٹے سے حصے کی بنیاد پر علاج کے فیصلے کریں۔
AI کینسر کے ناگوار ہونے کی بھی بہتر وضاحت کر سکتا ہے، اور زیادہ مناسب طریقے سے علاج کے ہدف کا تعین کر سکتا ہے۔اس کے علاوہ، مصنوعی ذہانت "ورچوئل بایپسی" کو محسوس کرنے اور ریڈیولاجی کے شعبے میں جدت کو فروغ دینے میں مدد کر رہی ہے، جو ٹیومر کی فینوٹائپک اور جینیاتی خصوصیات کو نمایاں کرنے کے لیے تصویر پر مبنی الگورتھم استعمال کرنے کے لیے پرعزم ہے۔
3. غیر محفوظ یا ترقی پذیر علاقوں میں طبی خدمات کو وسعت دیں۔

ترقی پذیر ممالک میں تربیت یافتہ صحت کی دیکھ بھال فراہم کرنے والوں کی کمی، بشمول الٹراساؤنڈ ٹیکنیشن اور ریڈیولوجسٹ، مریضوں کی جان بچانے کے لیے طبی خدمات کے استعمال کے امکانات کو بہت کم کر دے گا۔
میٹنگ نے نشاندہی کی کہ بوسٹن کے مشہور لانگ ووڈ ایونیو کے ساتھ چھ ہسپتالوں میں مغربی افریقہ کے تمام ہسپتالوں کے مقابلے زیادہ ریڈیولوجسٹ کام کر رہے ہیں۔
مصنوعی ذہانت عام طور پر انسانوں کو تفویض کردہ تشخیصی ذمہ داریوں میں سے کچھ کو سنبھال کر معالجین کی شدید کمی کے اثرات کو کم کرنے میں مدد کر سکتی ہے۔
مثال کے طور پر، ایک AI امیجنگ ٹول تپ دق کی علامات کی جانچ کرنے کے لیے سینے کے ایکسرے کا استعمال کر سکتا ہے، عام طور پر ڈاکٹر کی طرح درستگی کے ساتھ۔اس خصوصیت کو وسائل کے ناقص علاقوں میں فراہم کنندگان کے لیے ایک درخواست کے ذریعے تعینات کیا جا سکتا ہے، جس سے تجربہ کار تشخیصی ریڈیولوجسٹ کی ضرورت کو کم کیا جا سکتا ہے۔
"اس ٹیکنالوجی میں صحت کی دیکھ بھال کو بہتر بنانے کی بڑی صلاحیت ہے،" ڈاکٹر جے شری کلپتی کریمر، اسسٹنٹ نیورو سائنس اور میساچوسٹس جنرل ہسپتال (MGH) میں ریڈیولوجی کے ایسوسی ایٹ پروفیسر نے کہا۔
تاہم، AI الگورتھم تیار کرنے والوں کو اس حقیقت پر غور کرنا چاہیے کہ مختلف قومیتوں یا علاقوں کے لوگوں میں منفرد جسمانی اور ماحولیاتی عوامل ہو سکتے ہیں، جو بیماری کی کارکردگی کو متاثر کر سکتے ہیں۔
"مثال کے طور پر، بھارت میں بیماری سے متاثر ہونے والی آبادی ریاستہائے متحدہ میں اس سے بہت مختلف ہو سکتی ہے،" انہوں نے کہا۔جب ہم یہ الگورتھم تیار کرتے ہیں، تو یہ یقینی بنانا بہت ضروری ہے کہ ڈیٹا بیماری کی پیش کش اور آبادی کے تنوع کی نمائندگی کرتا ہے۔ہم نہ صرف ایک آبادی کی بنیاد پر الگورتھم تیار کر سکتے ہیں بلکہ یہ امید بھی رکھتے ہیں کہ یہ دوسری آبادیوں میں اپنا کردار ادا کر سکتا ہے۔"
4. الیکٹرانک ہیلتھ ریکارڈز کے استعمال کے بوجھ کو کم کریں۔

الیکٹرانک ہیلتھ ریکارڈ (اس) نے صحت کی دیکھ بھال کی صنعت کے ڈیجیٹل سفر میں ایک اہم کردار ادا کیا ہے، لیکن اس تبدیلی نے علمی اوورلوڈ، لامتناہی دستاویزات اور صارف کی تھکاوٹ سے متعلق متعدد مسائل کو جنم دیا ہے۔
الیکٹرانک ہیلتھ ریکارڈ (اس کے) ڈویلپرز اب مصنوعی ذہانت کا استعمال کر رہے ہیں تاکہ زیادہ بدیہی انٹرفیس بنایا جا سکے اور معمولات کو خودکار بنایا جا سکے جس میں صارف کا بہت زیادہ وقت لگتا ہے۔
بریگھم ہیلتھ کے نائب صدر اور چیف انفارمیشن آفیسر ڈاکٹر ایڈم لینڈ مین نے کہا کہ صارفین اپنا زیادہ تر وقت تین کاموں پر صرف کرتے ہیں: طبی دستاویزات، آرڈر انٹری، اور اپنے ان باکسز کو ترتیب دینا۔تقریر کی پہچان اور ڈکٹیشن کلینیکل دستاویز کی پروسیسنگ کو بہتر بنانے میں مدد کر سکتی ہے، لیکن قدرتی زبان کی پروسیسنگ (NLP) ٹولز کافی نہیں ہو سکتے ہیں۔
لینڈ مین نے کہا، "میرے خیال میں زیادہ جرات مندانہ ہونا اور کچھ تبدیلیوں پر غور کرنا ضروری ہو سکتا ہے، جیسے کہ طبی علاج کے لیے ویڈیو ریکارڈنگ کا استعمال، بالکل اسی طرح جیسے پولیس کیمرے پہنتی ہے۔"مصنوعی ذہانت اور مشین لرننگ کو پھر مستقبل میں بازیافت کے لیے ان ویڈیوز کو انڈیکس کرنے کے لیے استعمال کیا جا سکتا ہے۔بالکل اسی طرح جیسے سری اور الیکسا، جو گھر میں مصنوعی ذہانت کے معاونین کا استعمال کرتے ہیں، ورچوئل اسسٹنٹس کو مستقبل میں مریضوں کے بستر پر لایا جائے گا، جس سے معالجین کو طبی آرڈرز میں داخل ہونے کے لیے ایمبیڈڈ انٹیلی جنس استعمال کرنے کی اجازت ہوگی۔"

AI ان باکسز سے معمول کی درخواستوں کو سنبھالنے میں بھی مدد کر سکتا ہے، جیسے کہ منشیات کے سپلیمنٹس اور نتائج کی اطلاع۔لینڈ مین نے مزید کہا کہ اس سے ایسے کاموں کو ترجیح دینے میں بھی مدد مل سکتی ہے جن پر واقعی معالجین کی توجہ کی ضرورت ہوتی ہے، جس سے مریضوں کے لیے ان کے کام کی فہرستوں پر کارروائی کرنا آسان ہو جاتا ہے۔
5.اینٹی بائیوٹک مزاحمت کا خطرہ

اینٹی بائیوٹک مزاحمت انسانوں کے لیے بڑھتا ہوا خطرہ ہے، کیونکہ ان اہم ادویات کا زیادہ استعمال سپر بیکٹیریا کے ارتقاء کا باعث بن سکتا ہے جو اب علاج کا جواب نہیں دیتے۔ملٹی ڈرگ ریزسٹنٹ بیکٹیریا ہسپتال کے ماحول کو شدید نقصان پہنچا سکتے ہیں جس سے ہر سال دسیوں ہزار مریض ہلاک ہو جاتے ہیں۔صرف Clostridium difficile سے امریکی صحت کی دیکھ بھال کے نظام پر سالانہ 5 بلین ڈالر خرچ ہوتے ہیں اور 30000 سے زیادہ اموات ہوتی ہیں۔
EHR ڈیٹا مریض کے علامات ظاہر کرنے سے پہلے انفیکشن کے نمونوں کی شناخت اور خطرے کو اجاگر کرنے میں مدد کرتا ہے۔ان تجزیوں کو چلانے کے لیے مشین لرننگ اور مصنوعی ذہانت کے ٹولز کا استعمال ان کی درستگی کو بہتر بنا سکتا ہے اور صحت کی دیکھ بھال فراہم کرنے والوں کے لیے تیز تر اور زیادہ درست الرٹس بنا سکتا ہے۔
میساچوسٹس جنرل ہسپتال (MGH) میں انفیکشن کنٹرول کی ڈپٹی ڈائریکٹر ڈاکٹر ایریکا شینائے نے کہا، "مصنوعی ذہانت کے اوزار انفیکشن کنٹرول اور اینٹی بائیوٹک مزاحمت کی توقعات کو پورا کر سکتے ہیں۔"اگر وہ نہیں کرتے تو سب ناکام ہو جائیں گے۔کیونکہ ہسپتالوں کے پاس بہت زیادہ EHR ڈیٹا ہوتا ہے، اگر وہ ان کا مکمل استعمال نہیں کرتے ہیں، اگر وہ ایسی صنعتیں نہیں بناتے ہیں جو کلینکل ٹرائل ڈیزائن میں زیادہ ہوشیار اور تیز ہوں، اور اگر وہ EHR استعمال نہیں کرتے ہیں جو یہ ڈیٹا بناتے ہیں، وہ ناکامی کا سامنا کریں گے."
6. پیتھولوجیکل امیجز کے لیے زیادہ درست تجزیہ بنائیں

ڈاکٹر جیفری گولڈن، برگھم خواتین کے ہسپتال (BWh) کے شعبہ پیتھالوجی کے سربراہ اور ایچ ایم ایس میں پیتھالوجی کے پروفیسر نے کہا کہ پیتھالوجسٹ طبی خدمات فراہم کرنے والوں کی مکمل رینج کے لیے تشخیصی ڈیٹا کا ایک اہم ترین ذریعہ فراہم کرتے ہیں۔
انہوں نے کہا، "صحت کی دیکھ بھال کے 70% فیصلے پیتھولوجیکل نتائج پر مبنی ہوتے ہیں، اور EHRs میں تمام ڈیٹا کا 70% اور 75% کے درمیان پیتھولوجیکل نتائج سے آتے ہیں،" انہوں نے کہا۔اور نتائج جتنے زیادہ درست ہوں گے، اتنی ہی جلد درست تشخیص کی جائے گی۔یہ وہ مقصد ہے جسے ڈیجیٹل پیتھالوجی اور مصنوعی ذہانت کو حاصل کرنے کا موقع ملتا ہے۔"
بڑی ڈیجیٹل تصاویر پر گہرے پکسل لیول کا تجزیہ ڈاکٹروں کو ان لطیف فرقوں کو پہچاننے کے قابل بناتا ہے جو انسانی نظروں سے بچ سکتے ہیں۔
گولڈن نے کہا، "اب ہم اس مقام پر پہنچ گئے ہیں جہاں ہم بہتر اندازہ لگا سکتے ہیں کہ کینسر تیزی سے ترقی کرے گا یا آہستہ، اور مریضوں کے علاج کو طبی مراحل یا ہسٹوپیتھولوجیکل گریڈنگ کے بجائے الگورتھم کی بنیاد پر کیسے تبدیل کیا جائے،" گولڈن نے کہا۔یہ ایک بہت بڑا قدم آگے بڑھنے والا ہے۔"
انہوں نے مزید کہا، "اے آئی کلینشین ڈیٹا کا جائزہ لینے سے پہلے سلائیڈز میں دلچسپی کی خصوصیات کی نشاندہی کرکے پیداواری صلاحیت کو بھی بہتر بنا سکتا ہے۔ AI سلائیڈز کے ذریعے فلٹر کر سکتا ہے اور صحیح مواد دیکھنے کے لیے ہماری رہنمائی کر سکتا ہے تاکہ ہم اندازہ کر سکیں کہ کیا اہم ہے اور کیا نہیں۔ پیتھالوجسٹ کے استعمال کی کارکردگی اور ہر کیس کے ان کے مطالعہ کی قدر کو بڑھاتا ہے۔"
طبی آلات اور مشینوں میں ذہانت کو لائیں۔

سمارٹ ڈیوائسز صارفین کے ماحول کو اپنی لپیٹ میں لے رہی ہیں اور ریفریجریٹر کے اندر ریئل ٹائم ویڈیو سے لے کر کاروں تک آلات فراہم کرتی ہیں جو ڈرائیور کے خلفشار کا پتہ لگاتی ہیں۔
طبی ماحول میں، آئی سی یو اور دیگر جگہوں پر مریضوں کی نگرانی کے لیے ذہین آلات ضروری ہیں۔مصنوعی ذہانت کا استعمال حالت کی خرابی کی نشاندہی کرنے کی صلاحیت کو بڑھانے کے لیے، جیسا کہ یہ بتانا کہ سیپسس بڑھ رہا ہے، یا پیچیدگیوں کا ادراک نتائج کو نمایاں طور پر بہتر کر سکتا ہے اور علاج کے اخراجات کو کم کر سکتا ہے۔
مارک میکالسکی نے کہا، "جب ہم صحت کی دیکھ بھال کے نظام میں مختلف ڈیٹا کو ضم کرنے کے بارے میں بات کرتے ہیں، تو ہمیں ICU ڈاکٹروں کو جلد از جلد مداخلت کرنے کے لیے انضمام اور متنبہ کرنے کی ضرورت ہے، اور یہ کہ ان ڈیٹا کو جمع کرنا کوئی اچھی چیز نہیں ہے جو انسانی ڈاکٹر کر سکتے ہیں۔" ، BWh میں کلینیکل ڈیٹا سائنس سینٹر کے ایگزیکٹو ڈائریکٹر۔ان آلات میں سمارٹ الگورتھم ڈالنے سے ڈاکٹروں پر علمی بوجھ کم ہوتا ہے اور یہ یقینی بناتا ہے کہ مریضوں کا جلد سے جلد علاج کیا جائے۔"
8. کینسر کے علاج کے لیے امیونو تھراپی کو فروغ دینا

امیونو تھراپی کینسر کے علاج کے سب سے زیادہ امید افزا طریقوں میں سے ایک ہے۔مہلک ٹیومر پر حملہ کرنے کے لیے جسم کے اپنے مدافعتی نظام کو استعمال کرتے ہوئے، مریض ضدی ٹیومر پر قابو پانے کے قابل ہو سکتے ہیں۔تاہم، صرف چند مریض ہی موجودہ امیونو تھراپی کے طریقہ کار کا جواب دیتے ہیں، اور ماہرینِ آنکولوجسٹ کے پاس ابھی تک یہ تعین کرنے کا کوئی درست اور قابل اعتماد طریقہ نہیں ہے کہ کون سے مریض اس طرز عمل سے مستفید ہوں گے۔
مشین لرننگ الگورتھم اور انتہائی پیچیدہ ڈیٹا سیٹس کی ترکیب کرنے کی ان کی صلاحیت افراد کی منفرد جین کی ساخت کو واضح کرنے اور ٹارگٹڈ تھراپی کے لیے نئے اختیارات فراہم کرنے کے قابل ہو سکتی ہے۔
"حال ہی میں، سب سے زیادہ دلچسپ ترقی چیک پوائنٹ انحیبیٹرز کی ہے، جو بعض مدافعتی خلیوں کے ذریعے تیار کردہ پروٹین کو روکتے ہیں،" ڈاکٹر لانگ لی، میساچوسٹس جنرل ہسپتال (MGH) کے جامع تشخیصی مرکز میں کمپیوٹیشنل پیتھالوجی اور ٹیکنالوجی کی ترقی کے ڈائریکٹر بتاتے ہیں۔لیکن ہم ابھی تک تمام مسائل کو نہیں سمجھتے، جو کہ بہت پیچیدہ ہے۔ہمیں یقینی طور پر مزید مریضوں کے ڈیٹا کی ضرورت ہے۔یہ علاج نسبتاً نئے ہیں، اس لیے بہت سے مریض انہیں نہیں لیتے۔لہذا، چاہے ہمیں کسی تنظیم کے اندر یا متعدد تنظیموں میں ڈیٹا کو ضم کرنے کی ضرورت ہو، یہ ماڈلنگ کے عمل کو آگے بڑھانے کے لیے مریضوں کی تعداد میں اضافے کا ایک اہم عنصر ہوگا۔"
9. الیکٹرانک صحت کے ریکارڈ کو قابل اعتماد خطرے کی پیش گوئوں میں تبدیل کریں۔

الیکٹرانک ہیلتھ ریکارڈ (وہ) مریض کے ڈیٹا کا خزانہ ہے، لیکن فراہم کنندگان اور ڈویلپرز کے لیے درست، بروقت اور قابل اعتماد طریقے سے معلومات کی ایک بڑی مقدار کو نکالنا اور اس کا تجزیہ کرنا ایک مستقل چیلنج ہے۔
ڈیٹا کے معیار اور سالمیت کے مسائل، ڈیٹا فارمیٹ کی الجھن کے ساتھ مل کر، ساختہ اور غیر ساختہ ان پٹ اور نامکمل ریکارڈ، لوگوں کے لیے درست طریقے سے یہ سمجھنا مشکل بنا دیتے ہیں کہ بامعنی خطرے کی سطح بندی، پیشن گوئی کے تجزیے اور طبی فیصلے کی حمایت کو کیسے انجام دیا جائے۔
ڈاکٹر زیاد اوبرمیئر، بریگھم ویمنز ہسپتال (BWh) میں ایمرجنسی میڈیسن کے اسسٹنٹ پروفیسر اور ہارورڈ میڈیکل اسکول (HMS) کے اسسٹنٹ پروفیسر نے کہا، "ڈیٹا کو ایک جگہ پر ضم کرنے کے لیے کچھ مشکل کام کرنا پڑتا ہے۔ لیکن ایک اور مسئلہ یہ ہے کہ سمجھنا۔ الیکٹرانک ہیلتھ ریکارڈ (اس کے) میں کسی بیماری کی پیشین گوئی کرنے پر لوگ کیا حاصل کرتے ہیں۔ لوگ سن سکتے ہیں کہ مصنوعی ذہانت کے الگورتھم ڈپریشن یا فالج کی پیش گوئی کر سکتے ہیں، لیکن پتا ہے کہ وہ دراصل فالج کی لاگت میں اضافے کی پیش گوئی کر رہے ہیں۔ یہ اس سے بہت مختلف ہے۔ خود کو جھٹکا لگا۔"

انہوں نے جاری رکھا، "ایم آر آئی کے نتائج پر بھروسہ کرنا زیادہ مخصوص ڈیٹا سیٹ فراہم کرتا ہے۔ لیکن اب ہمیں یہ سوچنا ہوگا کہ کون ایم آر آئی کا متحمل ہوسکتا ہے؟ اس لیے حتمی پیشن گوئی متوقع نتیجہ نہیں ہے۔"
NMR تجزیہ نے بہت سے کامیاب رسک اسکورنگ اور اسٹریٹیفکیشن ٹولز تیار کیے ہیں، خاص طور پر جب محققین بظاہر غیر متعلقہ ڈیٹا سیٹس کے درمیان نئے رابطوں کی نشاندہی کرنے کے لیے گہری سیکھنے کی تکنیک استعمال کرتے ہیں۔
تاہم، OBERMEYER کا خیال ہے کہ اس بات کو یقینی بنانا کہ یہ الگورتھم ڈیٹا میں چھپے ہوئے تعصبات کی نشاندہی نہیں کرتے ہیں، ایسے ٹولز کی تعیناتی کے لیے بہت ضروری ہے جو واقعی طبی دیکھ بھال کو بہتر بنا سکتے ہیں۔
انہوں نے کہا کہ "سب سے بڑا چیلنج یہ یقینی بنانا ہے کہ ہم بلیک باکس کو کھولنا شروع کرنے اور پیشین گوئی کرنے کے طریقہ کو دیکھنے سے پہلے اس بات کو یقینی بنائیں کہ ہم نے کیا پیشن گوئی کی تھی"۔
10. پہننے کے قابل آلات اور ذاتی آلات کے ذریعے صحت کی حالت کی نگرانی کرنا

اب تقریباً تمام صارفین صحت کی قدر کے بارے میں ڈیٹا اکٹھا کرنے کے لیے سینسر استعمال کر سکتے ہیں۔اسٹیپ ٹریکر والے اسمارٹ فونز سے لے کر پہننے کے قابل آلات تک جو سارا دن دل کی دھڑکن کو ٹریک کرتے ہیں، کسی بھی وقت زیادہ سے زیادہ صحت سے متعلق ڈیٹا تیار کیا جا سکتا ہے۔
ان اعداد و شمار کو جمع کرنا اور ان کا تجزیہ کرنا اور مریضوں کی جانب سے ایپلی کیشنز اور دیگر گھریلو نگرانی کے آلات کے ذریعے فراہم کردہ معلومات کی تکمیل انفرادی اور ہجوم کی صحت کے لیے ایک منفرد تناظر فراہم کر سکتی ہے۔
AI اس بڑے اور متنوع ڈیٹا بیس سے قابل عمل بصیرت نکالنے میں اہم کردار ادا کرے گا۔
لیکن ڈاکٹر عمر آرنوٹ، برگھم ویمنز ہسپتال (BWh) کے ایک نیورو سرجن، مرکز برائے کمپیوٹیشنل نیورو سائنس کے نتائج کے سی او ڈائریکٹر، نے کہا کہ مریضوں کو اس قریبی، جاری نگرانی کے اعداد و شمار کے مطابق ڈھالنے میں مدد کرنے کے لیے اضافی کام کرنا پڑ سکتا ہے۔
انہوں نے کہا کہ "ہم ڈیجیٹل ڈیٹا پر کارروائی کرنے کے لیے بالکل آزاد ہوتے تھے۔"لیکن چونکہ کیمبرج اینالیٹکس اور فیس بک پر ڈیٹا لیک ہو رہا ہے، لوگ اس بارے میں زیادہ سے زیادہ محتاط رہیں گے کہ وہ کون سا ڈیٹا شیئر کریں گے۔"
انہوں نے مزید کہا کہ مریض فیس بک جیسی بڑی کمپنیوں سے زیادہ اپنے ڈاکٹروں پر بھروسہ کرتے ہیں، جس سے بڑے پیمانے پر تحقیقی پروگراموں کے لیے ڈیٹا فراہم کرنے کی تکلیف کو کم کرنے میں مدد مل سکتی ہے۔
"یہ امکان ہے کہ پہننے کے قابل ڈیٹا کا ایک اہم اثر پڑے گا کیونکہ لوگوں کی توجہ بہت حادثاتی ہے اور جمع کردہ ڈیٹا بہت کچا ہے،" آرناؤٹ نے کہا۔دانے دار ڈیٹا کو مسلسل جمع کرنے سے، ڈیٹا ڈاکٹروں کو مریضوں کی بہتر دیکھ بھال میں مدد کرنے کا زیادہ امکان ہوتا ہے۔"
11. سمارٹ فونز کو ایک طاقتور تشخیصی ٹول بنائیں

ماہرین کا خیال ہے کہ سمارٹ فونز اور صارفین کی سطح کے دیگر وسائل سے حاصل کی گئی تصاویر پورٹ ایبل ڈیوائسز کے طاقتور فنکشنز کے استعمال کو جاری رکھنے سے، خاص طور پر غیر محفوظ علاقوں یا ترقی پذیر ممالک میں، کلینکل کوالٹی امیجنگ کے لیے ایک اہم ضمیمہ بن جائیں گی۔
موبائل کیمرے کا معیار ہر سال بہتر ہو رہا ہے، اور یہ ایسی تصاویر بنا سکتا ہے جو AI الگورتھم کے تجزیہ کے لیے استعمال کی جا سکتی ہیں۔ڈرمیٹالوجی اور آپتھلمولوجی اس رجحان کے ابتدائی مستفید ہیں۔
برطانوی محققین نے بچوں کے چہروں کی تصاویر کا تجزیہ کرکے نشوونما سے متعلق بیماریوں کی نشاندہی کرنے کا ایک آلہ بھی تیار کیا ہے۔الگورتھم مجرد خصوصیات کا پتہ لگا سکتا ہے، جیسے بچوں کی مینڈیبل لائن، آنکھوں اور ناک کی پوزیشن، اور دیگر صفات جو چہرے کی غیر معمولیات کی نشاندہی کر سکتی ہیں۔فی الحال، یہ ٹول 90 سے زیادہ بیماریوں کے ساتھ عام تصویروں سے میل کھا سکتا ہے تاکہ طبی فیصلے میں مدد فراہم کی جا سکے۔
ڈاکٹر ہادی شفیع، ڈائرکٹر برائے مائیکرو/نینو میڈیسن اینڈ ڈیجیٹل ہیلتھ لیبارٹری برگھم ویمنز ہسپتال (BWh) نے کہا: "زیادہ تر لوگ طاقتور موبائل فونز سے لیس ہوتے ہیں جن میں بہت سے مختلف سینسر بنائے جاتے ہیں۔ یہ ہمارے لیے ایک بہترین موقع ہے۔ تقریباً سبھی انڈسٹری کے کھلاڑیوں نے اپنے آلات میں Ai سافٹ ویئر اور ہارڈ ویئر بنانا شروع کر دیا ہے، یہ کوئی اتفاقی بات نہیں ہے۔ ہماری ڈیجیٹل دنیا میں روزانہ 25 لاکھ ٹیرا بائٹس سے زیادہ ڈیٹا تیار ہوتا ہے۔ موبائل فون کے شعبے میں، مینوفیکچررز کا خیال ہے کہ وہ اسے استعمال کر سکتے ہیں۔ مصنوعی ذہانت کا ڈیٹا زیادہ ذاتی، تیز اور ذہین خدمات فراہم کرنے کے لیے۔"
مریضوں کی آنکھوں، جلد کے زخموں، زخموں، انفیکشنز، ادویات یا دیگر مضامین کی تصاویر جمع کرنے کے لیے سمارٹ فون کا استعمال غیر محفوظ علاقوں میں ماہرین کی کمی کو پورا کرنے میں مدد کر سکتا ہے، جبکہ بعض شکایات کی تشخیص کے لیے وقت کو کم کرتا ہے۔
شفیع نے کہا، "مستقبل میں کچھ بڑے واقعات ہو سکتے ہیں، اور ہم اس موقع سے فائدہ اٹھاتے ہوئے کیئر پوائنٹ میں بیماریوں کے انتظام کے کچھ اہم مسائل کو حل کر سکتے ہیں۔"
12. بیڈ سائیڈ AI کے ساتھ طبی فیصلہ سازی میں جدت لانا

چونکہ صحت کی دیکھ بھال کی صنعت فیس پر مبنی خدمات کا رخ کرتی ہے، یہ غیر فعال صحت کی دیکھ بھال سے تیزی سے دور ہوتی جارہی ہے۔دائمی بیماری سے پہلے روک تھام، شدید بیماری کے واقعات اور اچانک بگاڑ ہر فراہم کنندہ کا مقصد ہے، اور معاوضے کا ڈھانچہ بالآخر انہیں ایسے عمل کو تیار کرنے کی اجازت دیتا ہے جو فعال اور پیش گوئی کرنے والی مداخلت حاصل کر سکیں۔
مصنوعی ذہانت اس ارتقاء کے لیے بہت سی بنیادی ٹیکنالوجیز فراہم کرے گی، پیشین گوئی کے تجزیے اور طبی فیصلے کے معاون ٹولز کی مدد سے، اس سے پہلے کہ فراہم کنندگان کو کارروائی کرنے کی ضرورت کا احساس ہو مسائل کو حل کیا جا سکے۔مصنوعی ذہانت مرگی یا سیپسس کے لیے ابتدائی انتباہ فراہم کر سکتی ہے، جس کے لیے عام طور پر انتہائی پیچیدہ ڈیٹا سیٹس کے گہرائی سے تجزیہ کی ضرورت ہوتی ہے۔
برینڈن ویسٹ اوور، ایم ڈی، میساچوسٹس جنرل ہسپتال (ایم جی ایچ) کے کلینیکل ڈیٹا کے ڈائریکٹر، نے کہا کہ مشین لرننگ شدید بیمار مریضوں، جیسے کہ دل کا دورہ پڑنے کے بعد کوما میں رہنے والے مریضوں کی دیکھ بھال کی مسلسل فراہمی میں مدد کر سکتی ہے۔
انہوں نے وضاحت کی کہ عام حالات میں ڈاکٹروں کو ان مریضوں کا ای ای جی ڈیٹا چیک کرنا پڑتا ہے۔یہ عمل وقت طلب اور ساپیکش ہے، اور نتائج معالجین کی مہارت اور تجربے کے ساتھ مختلف ہو سکتے ہیں۔
انہوں نے کہا کہ ان مریضوں میں یہ رجحان سست ہو سکتا ہے۔بعض اوقات جب ڈاکٹر یہ دیکھنا چاہتے ہیں کہ آیا کوئی صحت یاب ہو رہا ہے، تو وہ ہر 10 سیکنڈ میں ایک بار مانیٹر کیے گئے ڈیٹا کو دیکھ سکتے ہیں۔تاہم، یہ دیکھنا کہ آیا یہ 24 گھنٹوں میں جمع کیے گئے 10 سیکنڈ کے ڈیٹا سے تبدیل ہوا ہے یا نہیں، یہ دیکھنے کے مترادف ہے کہ آیا اس دوران بال بڑھ گئے ہیں۔تاہم، اگر مصنوعی ذہانت کے الگورتھم اور بہت سے مریضوں کے اعداد و شمار کی بڑی مقدار استعمال کی جائے، تو طویل المدتی نمونوں کے ساتھ جو لوگ دیکھتے ہیں اس کا مقابلہ کرنا آسان ہو جائے گا، اور کچھ ٹھیک ٹھیک بہتری بھی مل سکتی ہے، جو نرسنگ میں ڈاکٹروں کی فیصلہ سازی کو متاثر کرے گی۔ ."
طبی فیصلے کی مدد، رسک اسکورنگ اور ابتدائی وارننگ کے لیے مصنوعی ذہانت کی ٹیکنالوجی کا استعمال ڈیٹا کے اس انقلابی تجزیہ کے طریقہ کار کے سب سے امید افزا ترقی کے شعبوں میں سے ایک ہے۔
ٹولز اور سسٹمز کی نئی نسل کو طاقت فراہم کر کے، معالجین بیماری کی باریکیوں کو بہتر طریقے سے سمجھ سکتے ہیں، نرسنگ کی خدمات زیادہ مؤثر طریقے سے فراہم کر سکتے ہیں، اور پیشگی مسائل کو حل کر سکتے ہیں۔مصنوعی ذہانت طبی علاج کے معیار کو بہتر بنانے کے ایک نئے دور کا آغاز کرے گی، اور مریضوں کی دیکھ بھال میں دلچسپ پیش رفت کرے گی۔


پوسٹ ٹائم: اگست 06-2021