حالیہ مطالعات نے طبی طور پر اہم بیماریوں کی تشخیص میں مصنوعی ذہانت کے نظام کی صلاحیت کو ظاہر کیا ہے۔
مصنوعی ذہانت (AI) سسٹمز کافی عرصے سے موجود ہیں اور اب وقت کے ساتھ ساتھ بہتر اور بہتر ہو رہے ہیں۔ AI ایپلی کیشنز کی کثیر تعداد ہے اور اب زیادہ تر شعبوں کا لازمی جزو ہے۔ AI کا ایک ضروری اور مفید جزو ہو سکتا ہے۔ طبی سائنس اور تحقیق کیونکہ اس میں صحت کی دیکھ بھال کی صنعت کو متاثر کرنے کی بے پناہ صلاحیت ہے۔
طبی تشخیص میں مصنوعی ذہانت؟
صحت کی دیکھ بھال میں وقت سب سے قیمتی وسیلہ ہے اور بیماری کے حتمی نتائج کے لیے جلد مناسب تشخیص بہت ضروری ہے۔ صحت کی دیکھ بھال اکثر ایک لمبا اور وقت اور وسائل خرچ کرنے والا عمل ہوتا ہے، جس سے مؤثر تشخیص میں تاخیر ہوتی ہے اور اس کے نتیجے میں صحیح علاج میں تاخیر ہوتی ہے۔ AI مریضوں کی تشخیص میں رفتار اور درستگی کو شامل کرکے ڈاکٹروں کے ذریعہ دستیابی اور وقت کے انتظام کے درمیان خلا کو پُر کرنے میں مدد کرسکتا ہے۔ یہ وسائل اور صحت کی دیکھ بھال کے پیشہ ور افراد کی محدودیتوں پر قابو پانے میں مدد کر سکتا ہے خاص طور پر کم اور درمیانی آمدنی والے ممالک میں۔ AI بالکل اسی طرح سیکھنے اور سوچنے کا عمل ہے۔ انسان ایک تصور کے ذریعے جسے ڈیپ لرننگ کہتے ہیں۔ ڈیپ لرننگ نمونے کے اعداد و شمار کے وسیع سیٹس کو خود سے فیصلہ ساز درخت بنانے کے لیے استعمال کرتی ہے۔ اس گہری سیکھنے کے ساتھ، ایک AI نظام دراصل انسانوں کی طرح سوچ سکتا ہے، اگر بہتر نہ ہو، اور اس لیے AI کو طبی کاموں کو انجام دینے کے لیے موزوں سمجھا جا سکتا ہے۔ مریضوں کی تشخیص کرتے وقت، AI نظام ایک جیسی بیماریوں والے مریضوں کے درمیان پیٹرن تلاش کرتے رہتے ہیں۔ وقت گزرنے کے ساتھ، یہ نمونے بیماریوں کے ظاہر ہونے سے پہلے پیشین گوئی کرنے کی بنیاد بنا سکتے ہیں۔
ایک حالیہ مطالعہ میں1 میں شائع سیل، محققین نے استعمال کیا ہے۔ مصنوعی ذہانت اور مشین لرننگ کی تکنیکیں ایک نیا کمپیوٹیشنل ٹول تیار کرنے کے لیے عام لیکن اندھے ریٹنا کی بیماریوں، ممکنہ طور پر تیز رفتار تشخیص اور علاج کے مریضوں کی اسکریننگ کے لیے۔ محققین نے ایک AI پر مبنی نیورل نیٹ ورک کا استعمال کرتے ہوئے آنکھوں کے 200,000 سے زیادہ اسکینوں کا جائزہ لیا جو ایک غیر حملہ آور ٹیکنالوجی کے ساتھ کیے گئے تھے جو ٹشو کی 2D اور 3D نمائندگی کرنے کے لیے ریٹنا سے روشنی کو اچھالتی ہے۔ اس کے بعد انہوں نے 'ٹرانسفر لرننگ' نامی ایک تکنیک کا استعمال کیا جس میں ایک مسئلے کو حل کرنے کے لیے حاصل کردہ علم کو کمپیوٹر کے ذریعے محفوظ کیا جاتا ہے اور مختلف لیکن متعلقہ مسائل پر لاگو کیا جاتا ہے۔ مثال کے طور پر، آنکھ کے مجرد جسمانی ڈھانچے، جیسے ریٹنا، کارنیا یا آپٹک اعصاب کو پہچاننے کے لیے ایک AI نیورل نیٹ ورک آپٹمائزڈ ہے، جب وہ پوری آنکھ کی تصاویر کی جانچ کر رہا ہوتا ہے تو زیادہ تیزی اور مؤثر طریقے سے ان کی شناخت اور اندازہ کر سکتا ہے۔ یہ عمل AI سسٹم کو آہستہ آہستہ روایتی طریقوں کے مقابلے میں بہت چھوٹے ڈیٹا سیٹ کے ساتھ سیکھنے کی اجازت دیتا ہے جس کے لیے بڑے ڈیٹا سیٹس کی ضرورت ہوتی ہے جس کی وجہ سے وہ مہنگے اور وقت طلب ہوتے ہیں۔
مطالعہ نے ناقابل واپسی اندھے پن کی دو عام وجوہات پر توجہ مرکوز کی جن کا جلد پتہ لگانے پر علاج کیا جا سکتا ہے۔ مشین سے حاصل کردہ تشخیص کا موازنہ پانچ ماہرین امراض چشم کی تشخیص سے کیا گیا جنہوں نے ایک ہی اسکینز کا جائزہ لیا۔ طبی تشخیص کرنے کے علاوہ، AI پلیٹ فارم نے ایک حوالہ اور علاج کی سفارش بھی تیار کی ہے جو کسی پچھلی تحقیق میں نہیں کی گئی ہے۔ یہ تربیت یافتہ AI نظام بالکل ایک تربیت یافتہ ماہر امراض چشم کی طرح کام کرتا ہے اور 30 فیصد سے زیادہ درستگی کے ساتھ 95 سیکنڈ کے اندر فیصلہ کر سکتا ہے کہ مریض کو علاج کے لیے بھیجا جانا چاہیے یا نہیں۔ انہوں نے بچپن کے نمونیا کی تشخیص کے لیے اے آئی ٹول کا بھی تجربہ کیا، جو سینے کے ایکس رے کے مشینی تجزیوں کی بنیاد پر دنیا بھر میں بچوں (5 سال سے کم عمر) میں موت کی سب سے بڑی وجہ ہے۔ دلچسپ بات یہ ہے کہ کمپیوٹر پروگرام وائرل اور کے درمیان فرق کرنے کے قابل تھا۔ بیکٹیریل 90 فیصد سے زیادہ درستگی کے ساتھ نمونیا۔ یہ بہت اہم ہے کیونکہ اگرچہ وائرل نمونیا قدرتی طور پر اس کے کورس کے بعد جسم سے چھٹکارا پاتا ہے، دوسری طرف بیکٹیریل نمونیا صحت کے لیے زیادہ سنگین خطرہ ہوتا ہے اور اس کے لیے اینٹی بائیوٹکس کے ساتھ فوری علاج کی ضرورت ہوتی ہے۔
ایک اور بڑی چھلانگ میں2 طبی تشخیص کے لیے مصنوعی ذہانت کے نظام میں، سائنسدانوں نے پایا کہ کسی فرد کی ریٹنا سے لی گئی تصویروں کا تجزیہ مشین لرننگ الگورتھم یا سافٹ ویئر کے ذریعے کیا جا سکتا ہے تاکہ دل کی بیماری کی نشاندہی کرنے والے سگنلز کی نشاندہی کرکے قلبی دل کے خطرے کی پیش گوئی کی جا سکے۔ آنکھوں میں خون کی شریانوں کی حالت جو تصویروں میں پکڑی گئی ہے اس سے عمر، جنس، نسل، بلڈ پریشر، دل کا دورہ پڑنے سے پہلے اور سگریٹ نوشی کی عادت کا درست اندازہ لگایا گیا اور یہ تمام عوامل اجتماعی طور پر کسی فرد میں دل سے متعلق امراض کی پیش گوئی کرتے ہیں۔
آنکھ ایک معلوماتی بلاک کے طور پر
صحت کی تشخیص کے لیے آنکھوں کی تصویروں کو دیکھنے کا خیال کچھ عرصے سے آیا ہے۔ یہ اچھی طرح سے قائم ہے کہ انسانی آنکھوں کی پچھلی اندرونی دیوار میں خون کی بہت سی شریانیں ہوتی ہیں جو جسم کی مجموعی صحت کی عکاسی کرتی ہیں۔ کیمرہ اور مائکروسکوپ سے خون کی ان شریانوں کی ظاہری شکل کا مطالعہ اور تجزیہ کر کے کسی فرد کے بلڈ پریشر، عمر، سگریٹ نوشی یا تمباکو نوشی نہ کرنے وغیرہ کے بارے میں بہت سی معلومات کا اندازہ لگایا جا سکتا ہے اور یہ سب کسی فرد کے دل کی صحت کے اہم اشارے ہیں۔ . قلبی بیماری (CVD) عالمی سطح پر موت کی سب سے بڑی وجہ ہے اور کسی بھی دوسری بیماری یا حالت کے مقابلے CVD سے زیادہ لوگ مرتے ہیں۔ یہ کم اور درمیانی آمدنی والے ممالک میں زیادہ عام ہے اور معیشت اور بنی نوع انسان پر بہت بڑا بوجھ ہے۔ قلبی خطرہ بہت سے عوامل پر منحصر ہے جیسے جینز، عمر، نسل، جنس، ورزش اور خوراک کے ساتھ مل کر۔ ممکنہ خطرات سے نمٹنے کے لیے طرز زندگی میں اہم تبدیلیاں کرکے تمباکو کا استعمال، موٹاپا، جسمانی غیرفعالیت اور غیر صحت بخش خوراک جیسے طرز عمل کے خطرات سے نمٹنے کے ذریعے دل کی زیادہ تر بیماریوں کو روکا جاسکتا ہے۔
ریٹنا امیجز کا استعمال کرتے ہوئے صحت کی تشخیص
گوگل اور اس کی اپنی ہیلتھ ٹیکنالوجی کمپنی Verily Life Sciences کے محققین کی طرف سے کی گئی اس تحقیق سے پتہ چلتا ہے کہ مصنوعی ذہانت کا الگورتھم تقریباً 280,000 مریضوں کی ریٹنا تصویروں کے ایک بڑے ڈیٹا سیٹ پر استعمال کیا گیا تھا اور یہ الگورتھم کامیابی کے ساتھ دل کے خطرے کے عوامل کی پیش گوئی کرنے میں کامیاب رہا۔ تقریباً 12000 اور 1000 مریضوں کے آزاد ڈیٹاسیٹس معقول حد تک اچھی درستگی کے ساتھ۔ الگورتھم نے تصویر اور ہارٹ اٹیک کے خطرے کے درمیان تعلق کو درست کرنے کے لیے ریٹنا کی پوری تصویر کا استعمال کیا۔ یہ الگورتھم مریض میں 70 فیصد وقت میں قلبی واقعہ کی پیش گوئی کر سکتا ہے اور درحقیقت سگریٹ نوشی اور تمباکو نوشی نہ کرنے والے بھی اس ٹیسٹ میں 71 فیصد وقت میں تمیز کر سکتے تھے۔ الگورتھم ہائی بلڈ پریشر کی پیشن گوئی بھی کر سکتا ہے جو دل کی حالت کی نشاندہی کرتا ہے اور سسٹولک بلڈ پریشر کی پیش گوئی کر سکتا ہے - جب دل دھڑکتا ہے تو شریانوں میں دباؤ - ہائی بلڈ پریشر کے ساتھ یا اس کے بغیر زیادہ تر مریضوں کی حد کے اندر۔ مصنفین کے مطابق اس پیشین گوئی کی درستگی لیبارٹری میں قلبی جانچ سے بہت ملتی جلتی ہے، جہاں مریض کی تاریخ کے متوازی طور پر دیکھ کر کولیسٹرول کی سطح کی پیمائش کرنے کے لیے مریض سے خون نکالا جاتا ہے۔ اس مطالعہ میں الگورتھم، میں شائع ہوا فطرت حیاتیاتی انجینئرنگ، زیادہ تر امکان میں ایک اہم قلبی واقعہ کی پیش گوئی بھی کر سکتا ہے - جیسے دل کا دورہ۔
ان مطالعات کا ایک انتہائی دلچسپ اور اہم پہلو یہ تھا کہ کمپیوٹر بتا سکتا ہے کہ وہ تشخیص پر پہنچنے کے لیے تصویر میں کہاں دیکھ رہا ہے، جس سے ہمیں پیشن گوئی کے عمل کو سمجھنے کی اجازت ملتی ہے۔ مثال کے طور پر، گوگل کے مطالعہ نے بالکل ظاہر کیا کہ "ریٹنا کے کن حصوں" نے پیشین گوئی الگورتھم میں حصہ ڈالا، دوسرے لفظوں میں الگورتھم کس طرح پیشین گوئی کر رہا تھا۔ یہ سمجھنا نہ صرف اس مخصوص معاملے میں مشین لرننگ کے طریقہ کار کو سمجھنے کے لیے ضروری ہے، بلکہ اس پورے طریقہ کار کو شفاف بنا کر اس میں اعتماد اور یقین پیدا کرنے کے لیے بھی ضروری ہے۔
چیلنجز
اس طرح کی طبی تصاویر اپنے چیلنجوں کے ساتھ آتی ہیں کیونکہ اس طرح کی تصاویر کی بنیاد پر ایسوسی ایشن کا مشاہدہ کرنا اور پھر ان کی مقدار درست نہیں ہے بنیادی طور پر ان تصاویر میں متعدد خصوصیات، رنگ، اقدار، اشکال وغیرہ کی وجہ سے۔ یہ مطالعہ انسانی اناٹومی (جسم کی اندرونی شکلیات) اور بیماری میں ہونے والی تبدیلیوں کے درمیان روابط، انجمنوں اور تعلقات کو نکالنے کے لیے گہری سیکھنے کا استعمال کرتا ہے جیسا کہ صحت کی دیکھ بھال کرنے والا پیشہ ور اس وقت کرتا ہے جب وہ مریضوں کی علامات کو بیماری کے ساتھ جوڑ رہا ہوتا ہے۔ . ان الگورتھم کو طبی ترتیب میں استعمال کرنے سے پہلے مزید جانچ کی ضرورت ہوتی ہے۔
بات چیت اور چیلنجوں کے باوجود، AI میں بہت زیادہ اعداد و شمار کے تجزیے اور درجہ بندی کر کے بیماری کی تشخیص اور انتظام میں انقلاب لانے کی بڑی صلاحیت ہے جو انسانی ماہرین کے لیے مشکل ہے۔ یہ تیز رفتار، سرمایہ کاری مؤثر، غیر حملہ آور متبادل تصویر پر مبنی تشخیصی ٹولز فراہم کرتا ہے۔ اے آئی سسٹم کی کامیابی کے اہم عوامل زیادہ کمپیوٹیشنل طاقت اور لوگوں کا زیادہ تجربہ ہوگا۔ ممکنہ طور پر مستقبل میں نئی طبی بصیرتیں اور تشخیص انسانی سمت یا نگرانی کے بغیر AI کے ذریعے حاصل کی جا سکتی ہیں۔
***
{آپ اصل تحقیقی مقالے کو ذیل میں دیے گئے DOI لنک پر کلک کر کے پڑھ سکتے ہیں جو حوالہ دیئے گئے ماخذ کی فہرست میں ہے}
ذرائع)
1. کرمنی ڈی ایس وغیرہ۔ 2018. تصویری بنیاد پر گہری تعلیم کے ذریعے طبی تشخیص اور قابل علاج بیماریوں کی نشاندہی کرنا۔ سیل 172(5)۔ https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. گہری تعلیم کے ذریعے ریٹنا فنڈس کی تصویروں سے قلبی خطرہ کے عوامل کی پیش گوئی۔ نیچر بائیو میڈیکل انجینئرنگ۔ 2. https://doi.org/10.1038/s41551-018-0195-0
