مصنوعی ذہانت کی ٹیکنالوجی تین جہتی طبی تصاویر کے تجزیے کی رفتار بڑھاتی ہے

جدید اور جدید ترین مصنوعی ذہانت کے ماڈلز کو ایک بڑے چیلنج کا سامنا ہے، جس میں انہیں بیماریوں کے تشخیص سکھانے کے لیے درستگی سے لیبل شدہ طبی تصاویر کی بے پناہ مقدار کی ضرورت ہوتی ہے، اور یہ کام تین جہتی اسکیننگ کے عمل کے ساتھ مزید مشکل ہو جاتا ہے، جن میں سینکڑوں سلائڈز شامل ہوتی ہیں جن کا جائزہ ماہر ڈاکٹرز کو لینا پڑتا ہے۔ نیچر بائیومیڈیکل انجینئرنگ نامی جریدے میں شائع ہونے والی ایک تحقیقی رپورٹ میں، ڈاکٹر چارلس ویکوف کی قیادت میں محققین نے «سلیویت» (SLIViT) نامی گہرے سیکھنے کا ایک فریم ورک پیش کیا ہے، جو حجمی طبی امیجنگ ڈیٹا کو درستگی کے ساتھ تجزیہ کر سکتا ہے، جبکہ روایتی طریقوں کے مقابلے میں اسے تربیتی مثالوں کی بہت کم ضرورت ہوتی ہے۔ یہ نظام دو جہتی تصاویر سے حاصل کردہ علم کا فائدہ اٹھاتا ہے اور اسے زیادہ پیچیدہ تین جہتی اسکیننگ پر لاگو کرتا ہے۔ اس نظام نے عمر سے متعلق ماکولر ڈیجنریشن جیسی ریٹینل بیماریوں سے منسلک حیاتیاتی نشانیاں (بائیو مارکرز) کی شناخت میں شاندار کارکردگی دکھائی، جس نے مخصوص مصنوعی ذہانت کے ماڈلز کو پیچھے چھوڑ دیا اور کلینیکل ماہرین کی کارکردگی کے ہم پلہ نتائج حاصل کیے، لیکن زیادہ تیزی سے۔ محققین نے اسے دل، جگر اور پھیپھڑوں کی امیجنگ پر بھی کامیابی سے لاگو کیا، جو اس بات کی نشاندہی کرتا ہے کہ اسے مختلف طبی شعبوں میں ایک مشترکہ بنیاد کے طور پر استعمال کیا جا سکتا ہے، بجائے اس کے کہ ہر ٹیکنیک کے لیے الگ ماڈل بنایا جائے۔ ڈاکٹر ویکوف کا ماننا ہے کہ یہ ٹیکنالوجی بیماریوں کی حیاتیاتی نشانیاں کی تحقیق کو تیز کر سکتی ہے، وقت اور لاگت میں کمی لا سکتی ہے، اور وہ اس بات پر زور دیتے ہیں کہ اس کا مقصد ڈاکٹروں کی جگہ لینا نہیں، بلکہ ان کی صلاحیتوں کو بڑھانا ہے تاکہ وہ بڑھتی ہوئی پیچیدگی والی امیجنگ ڈیٹا سے نمٹ سکیں۔