Can Doctor AI predict cancer, save lives? ‏کیا ڈاکٹر اے آئی کینسر کی پیشگوئی کر سکتا ہے، زندگیاں بچا سکتا ہے؟‏

‏کیا ڈاکٹر اے آئی کینسر کی پیشگوئی کر سکتا ہے، زندگیاں بچا سکتا ہے؟‏

‏اس بات کے بڑھتے ہوئے ثبوت موجود ہیں کہ یہ اخلاقی اور لاجسٹک سوالات اب بھی مصنوعی ذہانت کے طبی مستقبل کو متاثر کرسکتے ہیں۔‏

‏ایک مریض ڈاکٹر کے دفتر میں بے چینی سے انتظار کر رہا ہے۔ ماہر انہیں مطلع کرنے کے لئے آتا ہے کہ انہیں کینسر کی تشخیص ہوئی ہے۔ لیکن ایک اچھی خبر ہے. اسے ابتدائی مرحلے میں دریافت کیا گیا ہے۔ ان کے پاس مکمل بحالی کے بہترین امکانات ہیں۔‏

‏مصنوعی ذہانت کے ایک آلے نے سرخ جھنڈوں کے لیے مریض کی پوری میڈیکل ہسٹری کا تجزیہ کیا تھا۔ متعدد ابتدائی اشاروں کو دیکھتے ہوئے ، اس نے نتیجہ اخذ کیا کہ مریض کو کینسر ہونے کا زیادہ خطرہ تھا۔ لہذا، مریض کو امیجنگ ٹیسٹ کے لئے بھیجا گیا تھا.‏

‏ان تصاویر کا تجزیہ ایک اور مصنوعی ذہانت پروگرام نے کیا اور انہیں ابتدائی مرحلے کے کینسر کی نشاندہی کے طور پر درجہ بندی کیا گیا۔ ایک اور پلیٹ فارم نے مریض کی پہلے سے موجود حالتوں اور متعلقہ نسخوں کی جانچ پڑتال کی تاکہ ڈاکٹر کو ادویات کے امتزاج سے بچنے میں مدد مل سکے جو منفی طور پر بات چیت کرسکتے ہیں۔ اور پھر بھی ایک اور مصنوعی ذہانت کے نظام نے انتظامی کاغذی کارروائی کو ہموار کرنے اور ماہرین کے ساتھ تقرری شیڈولنگ کی کارکردگی کو بہتر بنانے میں مدد کی۔‏

‏فی الحال، مصنوعی ذہانت کی یہ تصویر صحت کی دیکھ بھال کے ہر پہلو میں بغیر کسی رکاوٹ کے مربوط ہے جو بڑی حد تک سائنس فکشن ہے۔ لیکن بہت سے محققین اور کمپنیاں چند سالوں میں اسے حقیقت میں تبدیل کرنے کی امید کر رہی ہیں۔‏

‏چیٹ جی پی ٹی جیسے جنریٹیو اے آئی پلیٹ فارمز کے ابھرنے نے انسانی اور مشینی تعلقات کے مستقبل پر ایک عالمی بحث کو تیز کردیا ہے۔ یہ پروگرام زبان پر مبنی مواد پر عمل اور تخلیق کرسکتے ہیں ، اور ان طریقوں سے انٹرایکٹو اور قابل فہم ہیں جو مصنوعی ذہانت کی پچھلی نسلوں کے مقابلے میں زیادہ بدیہی ہیں۔ لوگوں نے تھراپی کے لئے چیٹ جی پی ٹی جیسے پلیٹ فارمکا بھی رخ کیا ہے۔‏

‏اگرچہ مصنوعی ذہانت کی وجہ سے شہ سرخیوں کی بھرمار ہوئی ہے ، لیکن جدید طب کی مشین میں بہت سے کوگ ایک مختلف قسم کے مصنوعی ذہانت کو اپنا کر زیادہ ذہین بن رہے ہیں – ایک جو بنیادی طور پر صحت کی دیکھ بھال کو تبدیل کرسکتا ہے لیکن اس نے پیچیدہ سوالات کا ایک مجموعہ بھی پیش کیا ہے جو اس شعبے کے مستقبل کی وضاحت کرسکتے ہیں۔‏

‏کیا مصنوعی ذہانت واقعی ڈاکٹروں کو بیماریوں کی پیشگوئی کرنے میں مدد کر سکتی ہے؟ کیا یہ علاج کو بہتر بنانے میں بھی مدد کرسکتا ہے؟ اس کھیل کے قوانین کیا ہیں؟ اور خطرات کیا ہیں؟‏

‏مختصر جواب:‏‏ معروف سائنس دانوں اور کاروباری افراد کا کہنا ہے کہ مصنوعی ذہانت نے متعدد طبی حالات کی تشخیص، پیشگوئی اور ممکنہ طور پر علاج کرنے کا وعدہ ظاہر کیا ہے۔ لیکن یہ ابتدائی دن ہیں. ٹھوکریں آئی ہیں اور رہیں گی۔ اور کلیدی تکنیکی حدود کے ساتھ ساتھ اخلاقی خدشات پر بھی توجہ نہیں دی گئی ہے۔‏

‏کوئی نیا سفر نہیں‏

‏ہیلتھ کیئر اے آئی زیادہ تر کی توقع سے کہیں زیادہ عرصے تک رہا ہے۔ 1970 کی دہائی میں ، اسٹینفورڈ یونیورسٹی نے پہلی بار ایم وائی سی آئی این کے نام سے ایک مصنوعی ذہانت کا آلہ تیار کیا ، جس کا مقصد بیکٹیریا کے خون کے انفیکشن اور میننجائٹس کی تشخیص اور علاج میں ڈاکٹروں کی مدد کرنا تھا۔ اس میں ایک مخصوص ڈومین میں ایک ماہر کے دستیاب علم اور صلاحیت کا استعمال کیا گیا ہے جیسا کہ اگر بیانات سے ظاہر ہوتا ہے – ایک ذہین فلو چارٹ کی طرح کام کرتا ہے ، جہاں مریض کی حالت کے ہاں یا نہیں کے جوابات پہلے سے طے شدہ جوابات کے ایک سیٹ میں سے ایک کی طرف لے جاتے ہیں۔‏

‏مریضوں سے معلومات طلب کرنے اور انفیکشن کی تشخیص کی کوشش کرنے کے محدود مقصد کے لئے استعمال کیا جاتا ہے، ایم وائی سی آئی این نے بیکٹیریا کی بیماری کے ماہرین کے برابر کارکردگی کا مظاہرہ کیا. لیکن اس قواعد پر مبنی نقطہ نظر نے اسے سیکھنے کی بہت کم صلاحیت دی۔‏

‏ایم وائی سی آئی این کے بعد سے ہیلتھ کیئر اے آئی کی شکل اور لچک ڈرامائی طور پر تبدیل ہوگئی ہے۔ صحت کی دیکھ بھال کی مختلف ذمہ داریوں کے لئے اب مصنوعی ذہانت کی متعدد اقسام پر تحقیق کی جارہی ہے۔ ریاستہائے متحدہ امریکہ میں ، 2018 سے 2019 تک ، لائف سائنسز تنظیموں اور صحت کی دیکھ بھال فراہم کرنے والوں میں مصنوعی ذہانت کا استعمال دوگنا سے زیادہ ہے۔‏

‏وبائی مرض نے صرف اس رجحان کو تیز کیا ہے۔ عالمی سطح پر، 2021 میں ہیلتھ کیئر اے آئی میں سرمایہ کاری پچھلے سال کے مقابلے میں ‏‏دوگنی‏‏ دیکھی گئی۔ گزشتہ سال بین الاقوامی میڈیکل اے آئی مارکیٹ کی مالیت 4 ارب ڈالر سے زائد تھی اور توقع ہے کہ آئندہ دہائی میں اس میں سالانہ تقریبا ایک چوتھائی اضافہ ہوگا۔‏

‏زیادہ تر ترقی مشین لرننگ کی وجہ سے ہوئی ہے ، جہاں مصنوعی ذہانت کا مقصد ان بتدریج طریقوں کی نقل کرنا ہے جن کے ذریعہ انسانی دماغ سیکھتے ہیں۔ اس شو کی قیادت مصنوعی اعصابی نیٹ ورکس (اے این این) کر رہے ہیں – جس میں بہت سارے نوڈز ہیں ، جو نیورونز کی طرح جڑے ہوئے ہیں اور تہوں میں منظم ہیں۔ ہر پرت معلومات کا تجزیہ کرتی ہے اور اسے اگلی پرت کو آگے بھیجنے سے پہلے آپریشن کرتی ہے۔‏

‏یونیورسٹی آف ٹینیسی کی پی ایچ ڈی محقق نفیسہ غفار نیا کہتی ہیں کہ مثال کے طور پر ٹیومر کی شناخت کے لیے اعصابی نیٹ ورک سے پوچھیں اور یہ پروگرام کناروں اور گریڈیئنٹس کو نمایاں کرنے سے شروع ہوسکتا ہے، جس سے ‘ٹیومر اور آس ‏‏پاس کے‏‏ ٹشوز کے درمیان سرحدوں کی نشاندہی کرنے میں مدد ملے گی۔ ‘‏

جوں جوں یہ معلومات آگے بڑھتی ہیں، اگلی پرتیں ٹیومر کی بے ترتیب ساخت اور نشوونما کے نمونوں کا مزید گہرائی سے تجزیہ کرتی ہیں، یہاں تک کہ پرتیں ٹیومر کی پیچیدہ خصوصیات، جیسے شکل، سائز اور ترتیب کے بارے میں یہ تمام معلومات جمع کرتی ہیں، اور آخر کار نشوونما کو نرم یا مہلک کے طور پر تشخیص کرتی ہیں.

چونکہ یہ اے این این کم نگرانی کے ساتھ سیکھ سکتے ہیں ، لہذا وہ کینسر کی تشخیص سمیت بہت سے طبی ایپلی کیشنز کے لئے ایک اہم نقطہ نظر بن گئے ہیں ، حالانکہ بہت سے ٹولز مصنوعی ذہانت کی تکنیک وں کا استعمال کرتے ہیں۔

اسٹینفورڈ ہیلتھ کیئر کے چیف ڈیٹا سائنسدان نگم شاہ نے مشورہ دیا کہ اس سب کے مرکز میں طبی اہداف کا ایک واضح سیٹ ہے جس کے خلاف مصنوعی ذہانت کی جانچ کی جا رہی ہے۔ “ہر مصنوعی ذہانت گیزمو جسے آپ دیکھتے ہیں وہ تین چیزیں کرنے پر منحصر ہے: درجہ بندی، پیشگوئی یا سفارش – طبی گفتگو، تشخیص، پیشگوئی یا علاج میں۔

وعدہ

تشخیص میں مصنوعی ذہانت جو نمایاں فائدہ پیش کرتی ہے وہ میڈیکل امیجنگ ہے – یہ پیٹرن کی شناخت میں اچھا ہے۔

سلیکون ویلی ہیلتھ کیئر پریڈیکٹو اینالٹکس کمپنی لین ٹی اے ایس کے صدر سنجیو اگروال نے کہا کہ آخر میں اسے تصویری اعداد و شمار کے حجم پر تربیت دی جا سکتی ہے جو کسی بھی انسان کے تجزیے سے کئی درجے زیادہ ہے۔

اور اعصابی نیٹ ورکس میں تصویروں کے ساتھ کافی مشق کی گئی ہے۔ 2012 میں ، امیج نیٹ لارج اسکیل ویژول ریکوگنیشن چیلنج – جو آبجیکٹ کا پتہ لگانے کے لئے الگورتھم کا جائزہ لیتا ہے – نے پہلی بار ایک پروگرام کو انسانی مبصر کے مقابلے میں تصاویر کی صحیح درجہ بندی کرتے ہوئے دیکھا۔

اس کے بعد سے ، مصنوعی ذہانت اس مقام پر پہنچ چکی ہے جہاں یہ واقعی پیچیدہ امیجنگ مسائل سے نمٹ سکتی ہے۔ اگروال گوگل اے آئی پلیٹ فارم ڈیپ مائنڈ کی جانب سے انسان کی پروٹین ساخت اور فولڈنگ کی ماڈلنگ کو اس طرح کے میڈیکل امیجنگ ٹولز کی سب سے بڑی کامیابیوں میں سے ایک قرار دیتے ہیں۔ اگروال نے کہا کہ پروٹین کے طرز عمل کی ماڈلنگ، جیسا کہ ڈیپ مائنڈ نے کیا ہے، “امیجنگ کا مسئلہ ہے، لیکن ایک سہ جہتی امیجنگ مسئلہ ہے جسے انسان کبھی بھی خود سے حل نہیں کر سکتا تھا”۔

تصاویر کے علاوہ ، مصنوعی ذہانت مریض کے الیکٹرانک ہیلتھ ریکارڈ میں ریکارڈ کردہ دیگر اعداد و شمار سے یہ نتیجہ اخذ کرسکتی ہے کہ کسی کو دی گئی بیماری ہونے کا کتنا امکان ہے۔

میک گل یونیورسٹی کی پروفیسر سمیرا عباسی زادہ رحیمی نے حال ہی میں پرائمری ہیلتھ کیئر میں مصنوعی ذہانت کی ایپلی کیشنز کا جائزہ لیا۔ انہوں نے الجزیرہ کو بتایا کہ انہوں نے مصنوعی ذہانت کو خاص طور پر دل کی بیماریوں، آنکھوں کی بیماریوں، ذیابیطس، کینسر، آرتھوپیڈک حالات اور متعدی بیماریوں کی تشخیص کے لئے امید افزا پایا ہے۔

پیشن گوئی کرنے والے اے آئی ایپلی کیشن میں اور بھی متنوع ہیں۔ محققین نے دریافت کیا ہے کہ طرز زندگی، طبی ریکارڈ، جینیاتی عوامل اور بہت کچھ کی بنیاد پر ٹائپ ٹو ذیابیطس، دل کی بیماری، الزائمر اور گردے کی بیماری جیسے بہت سے حالات کے امکانات کی پیش گوئی کرنے کے لئے مصنوعی ذہانت کا استعمال کیا جاسکتا ہے۔

اور پچھلے چند مہینوں میں کینسر کے خطرات کی نشاندہی کرنے کے لئے مصنوعی ذہانت کے استعمال میں اہم پیش رفت دیکھنے میں آئی ہے۔ جون میں شائع ہونے والی تحقیق سے پتہ چلتا ہے کہ یہ چھاتی کے سرطان کی پیشگوئی کرنے میں معیاری ماڈلز کو پیچھے چھوڑ سکتا ہے۔ جنوری میں میساچوسٹس انسٹی ٹیوٹ آف ٹیکنالوجی کے محققین نے مصنوعی ذہانت پر مبنی پھیپھڑوں کے کینسر کے خطرے کا اندازہ لگانے والی مشین کی نقاب کشائی کی تھی۔ اور مئی میں ہارورڈ کے سائنس دانوں نے دکھایا کہ مصنوعی ذہانت کا آلہ لبلبے کے سرطان کے سب سے زیادہ خطرے والے افراد کی اصل تشخیص سے تین سال پہلے تک شناخت کر سکتا ہے۔

یہ سب کچھ نہیں ہے. مارچ میں یونیورسٹی آف برٹش کولمبیا کے سائنس دانوں نے یہ ثابت کیا تھا کہ مصنوعی ذہانت کا ایک پروگرام کینسر کے زندہ رہنے کی شرح کی پیش گوئی پچھلے آلات کے مقابلے میں بہتر انداز میں کر سکتا ہے۔

اسی طرح ، مصنوعی ذہانت مختلف ادویات کے ممکنہ زہریلے پن اور اثرات کی پیش گوئی کرسکتا ہے ، جس سے ان کی جانچ کرنے اور انہیں مارکیٹ میں لانے کے عمل کو ہموار کرنے میں مدد ملتی ہے۔

لیکن مشین لرننگ ٹولز بھی اسے بری طرح سے غلط کرسکتے ہیں۔

ٹیسٹ میں ناکام ہونا

مصنوعی ذہانت میں کم از کم نظریاتی طور پر انفیکشن کی شدت کی پیش گوئی کرنے اور وبا کے پھیلاؤ کا نمونہ پیش کرنے کی صلاحیت موجود ہے۔ کوویڈ 19 وبائی مرض میں مصنوعی ذہانت کے آلات کا ایک دھماکہ دیکھا گیا جس نے ایسا کرنے کا وعدہ کیا تھا۔ لیکن نتائج خوفناک تھے.

‏کووڈ 650 کی تشخیص اور علاج کے لئے تقریبا 19 مصنوعی ذہانت سے چلنے والے پروگراموں کے دو ‏‏نمایاں‏‏ ‏‏جائزوں‏‏ میں پایا گیا کہ ان میں سے کوئی بھی کلینیکل استعمال کے لئے موزوں نہیں ہے۔ کووڈ 19 کے پھیلاؤ کی پیش گوئی کے لئے مصنوعی ذہانت کے پلیٹ فارمز کے دیگر ‏‏جائزوں‏‏ میں انہیں بڑے پیمانے پر غیر مؤثر پایا گیا – ممکنہ طور پر ، بنیادی طور پر ، اعداد و شمار کی دستیابی کے مسائل کی وجہ سے۔‏

‏یہ نتائج صحت کی دیکھ بھال میں مصنوعی ذہانت پر ایک حقیقت کی جانچ کی نمائندگی کرتے ہیں – اسے اصل میں طب کے میدان میں ضم کرنے کے اوزار ابھی نوزائیدہ ہیں۔‏

‏انہوں نے کہا کہ عباس گولی زادہ رحیمی نے اپنے جائزے میں جن مصنوعی ذہانت کا مطالعہ کیا ان میں سے 95 فیصد سے زیادہ تیار کیے گئے، پائلٹ کے ذریعے ٹیسٹ کیے گئے، پھر کبھی عمل درآمد کے مرحلے میں نہیں گئے۔‏

‏طب میں مصنوعی ذہانت کو درپیش چیلنجوں کا مرکز اسے تیار کرنے کے لئے استعمال ہونے والے اعداد و شمار میں تین بڑی حدود ہیں: کمی، رسائی کی پابندیاں اور معیار۔‏

‏زیادہ تر مصنوعی ذہانت کے کام کرنے کے لئے ، اسے اعداد و شمار پر تربیت دینے کی ضرورت ہے جو ماہرین کے ذریعہ بیان کیا گیا ہے۔ بہت سی بیماریوں میں اس طرح کے اعداد و شمار کی کمی ہے ، حالانکہ ماہرین کے بیان کردہ اعداد و شمار کی بڑی مقدار پر مصنوعی ذہانت کے انحصار کو کم کرنے کے لئے متعدد تکنیکوں پر تحقیق کی جارہی ہے۔‏

‏پھر بھی ، یہاں تک کہ جب ڈیٹا موجود ہوتا ہے تو ، یہ ضروری نہیں ہے کہ یہ اے آئی ڈویلپرز کے لئے دستیاب ہو۔ شاہ نے کہا کہ ہر مریض کی میڈیکل ہسٹری ہوتی ہے جس میں متعدد ڈیٹا پوائنٹس ہوتے ہیں: چیک اپ، ریڈ آؤٹ، تشخیص اور نسخے وغیرہ۔ تاہم، اسپتالوں سے لے کر انشورنس اور دوا ساز کمپنیوں تک مختلف صحت کی دیکھ بھال کرنے والی تنظیمیں مختلف ڈیٹا پوائنٹس لاگ کرتی ہیں۔ اس طرح ، طبی اعداد و شمار تقسیم ہوجاتے ہیں اور مختلف سائلو میں بند ہوجاتے ہیں۔‏

‏اس سے بھی بڑے پیمانے پر، وبائی مرض کے پھیلاؤ کی ماڈلنگ اور پیش گوئی کرنے کے لئے مصنوعی ذہانت کا فائدہ اٹھانے کی کوششوں کو انفیکشن کی شرح اور اموات جیسے اہم اعداد و شمار کے بارے میں ممالک کی غیر شفافیت کی وجہ سے رکاوٹ کا سامنا کرنا پڑا۔ کلینیکل ریسرچ ڈیٹا شیئرنگ الائنس جیسی تنظیمیں – یونیورسٹیوں ، دواساز کمپنیوں ، مریضوں کی وکالت کرنے والے گروپوں اور غیر منافع بخش ڈیٹا شیئرنگ پلیٹ فارمز کا ایک کنسورشیم – تبدیلی پر زور دینے کی کوشش کر رہی ہیں۔ لیکن اس وقت، میڈیکل اے آئی ڈیٹا اسکیپ ان الگ تھلگ جزیروں میں سے ایک ہے جو کھلے پن کے مطالبے میں ڈوبے ہوئے ہیں۔‏

‏آخر میں، یہاں تک کہ جب اعداد و شمار موجود اور دستیاب ہوتے ہیں، تو بنیادی ڈھانچے سے معیار نکالنے میں طویل دشواری ہوتی ہے جو اکثر اسے فراہم کرنے کے لئے غیر ڈیزائن کیا جاتا ہے. عباس گولی زادہ رحیمی نے کہا کہ الیکٹرانک ہیلتھ ریکارڈز، جو مریضوں کے اعداد و شمار کا بنیادی ذریعہ ہیں، اکثر سگنل کے ساتھ بہت شور پیش کرتے ہیں۔‏

‏شور کئی شکلیں اختیار کر سکتا ہے۔ یہ امیجنگ ڈیٹا کو اس طرح سے بیان کیا جاسکتا ہے جو اسے اے آئی پلیٹ فارم کے قابل بناتا ہے۔ یہ ڈیٹا فارمیٹ یا غیر متضاد طریقوں سے ریکارڈ کیا جا سکتا ہے.‏

‏ماہرین کا کہنا ہے کہ اس کے باوجود طبی برادری کے حقیقی قابل اعتماد پارٹنر کے طور پر ابھرنے کے لیے صحت کی دیکھ بھال میں مصنوعی ذہانت کو مزید گہرے چیلنجز اور خطرات پر قابو پانا ہوگا۔‏

‏جب مصنوعی ذہانت غلطی کرتی ہے، تو آپ کس کو مورد الزام ٹھہراتے ہیں؟‏

‏ڈیٹا سیٹ متعصب ہو سکتے ہیں۔ مثال کے طور پر ، عباس گولی زادہ رحیمی کے پرائمری ہیلتھ کیئر اے آئی ریسرچ کے تجزیے سے پتہ چلتا ہے کہ جنس ، جنس ، عمر اور نسل پر شاذ و نادر ہی غور کیا جاتا ہے۔ جن پروگراموں کا مطالعہ کیا گیا ان میں سے 35 فیصد سے بھی کم میں جنسی طور پر الگ الگ اعداد و شمار تھے – خواتین اور مردوں کے لئے الگ الگ ڈیٹا سیٹ جمع اور ٹیبل کیا گیا تھا۔‏

‏کچھ نسلی گروہوں کو اعداد و شمار میں کم نمائندگی یا غلط طور پر زور دیا جاسکتا ہے۔ صرف دو سال قبل، امریکی نیشنل کڈنی فاؤنڈیشن اور امریکن سوسائٹی آف نیفرولوجی نے تجویز دی تھی کہ خون کے کریٹینین کا فیصلہ کرنے کے طریقے میں نسلی تعصب کو ختم کیا جائے جس کی وجہ سے بہت سے سیاہ فام امریکیوں کے گردے فیل ہونے کی شدت کو کم کیا گیا۔‏

‏اس طرح کے متعصب ڈیٹا اور رہنما خطوط پر تربیت یافتہ مصنوعی ذہانت کے ٹولز ممکنہ طور پر ان تعصبات کو برقرار رکھیں گے ، حالانکہ شاہ کا کہنا ہے کہ “وہی ڈیٹا کوالٹی انسانی فیصلہ سازی کو بھی متاثر کرتی ہے”۔‏

‏تعصب کے امکانات اور ملکیتی اعصابی نیٹ ورکس کی بلیک باکس نوعیت کو دیکھتے ہوئے ، میڈیکل اے آئی کی جگہ میں وضاحت کے قابل مصنوعی ذہانت یا ایکس اے آئی کے لئے بڑھتا ہوا زور دیکھا گیا ہے۔ اس تحریک کا مقصد اس استدلال کی اہمیت پر زور دینا ہے جس کے ذریعہ مصنوعی ذہانت کا آلہ تشخیص ، تشخیص یا علاج کی سفارشات کو زیادہ شفاف بناتا ہے۔‏

‏بہت سے ماہرین وضاحت کو آج کے طبی مصنوعی ذہانت کے بنیادی سب سے اہم اخلاقی سوالات میں سے ایک کے ساتھ منسلک سمجھتے ہیں: ڈاکٹر غلطیاں کرتے ہیں لیکن جب مصنوعی ذہانت غلطیاں کرتی ہے، تو ہم کس کو زیادہ ذمہ دار ٹھہراتے ہیں – اے آئی یا اس کا استعمال کرنے والا ڈاکٹر؟‏

‏اے آئی ٹول کے پیچھے سوچ کی ٹرین کو سمجھنا جو ایک معالج کو مشورہ دیتا ہے وہ ہر ایک کی ذمہ داری کی ڈگری کو مطلع کرسکتا ہے۔‏

‏اسی طرح ، میڈیکل اے آئی کی جگہ مریضوں کے ڈیٹا کی حفاظت کی ذمہ داری کو مزید ڈیٹا شیئرنگ کی ضرورت کے ساتھ متوازن کرنے سے نبردآزما ہے۔‏

‏یہ خوف بے بنیاد نہیں ہے۔ امریکہ میں، 2023 کی پہلی ششماہی میں صحت کی دیکھ بھال کے ڈیٹا کی حفاظت کی 295 خلاف ورزیاں دیکھی گئیں، جس نے 39 ملین امریکیوں کو متاثر کیا ہے. سائبر سکیورٹی کی خلاف ورزیوں کو ایک طرف رکھتے ہوئے، صحت کی دیکھ بھال کرنے والی کمپنیوں نے مریضوں کے اعداد و شمار کو نامناسب طریقے سے یا نام ظاہر نہ کرنے کے بغیر شیئر کرنے پر اسکینڈلز کی کوئی کمی نہیں دیکھی ہے۔ 2017 میں لندن کا رائل فری ہسپتال گوگل کے ڈیپ مائنڈ کے ساتھ 1.6 ملین مریضوں کی ذاتی معلومات کے ساتھ صحت کا ڈیٹا شیئر کرنے پر تنازعات میں پھنس گیا تھا۔‏

‏حال ہی میں امریکی فیڈرل ٹریڈ کمیشن نے مقبول مینٹل تھراپی ایپ بیٹر ہیلپ پر 7.8m ڈالر جرمانہ عائد کیا ہے کیونکہ اس نے 7 لاکھ صارفین کی معلومات اشتہارات کے لیے تھرڈ پارٹی پلیٹ فارمز کے ساتھ شیئر کی تھیں۔‏

‏رازداری کے خدشات کا کوئی آسان جواب نہیں ہے. شاہ نے نوٹ کیا کہ اگرچہ لوگ اپنے ڈیٹا کا اشتراک نہیں کرنا چاہتے ہیں ، لیکن وہ اکثر دوسروں کے ڈیٹا پر تربیت یافتہ مصنوعی ذہانت سے فائدہ اٹھانے کے خواہاں ہوتے ہیں۔‏

‏محققین تجزیاتی طریقوں کو بہتر بنانے کے لئے بھی کام کر رہے ہیں جو مصنوعی ذہانت کے ٹولز کو مریضوں کے حقیقی دنیا کے اعداد و شمار پر ان پلیٹ فارمز کی ضرورت سے کم تربیت دینے کی اجازت دیتے ہیں۔‏

‏تیزی سے جدت طرازی اور بڑھتی ہوئی سرمایہ کاری کے درمیان میڈیکل اے آئی اور انفراسٹرکچر کے درمیان یہ دوڑ صحت کے نظام کے مستقبل کی تشکیل میں فیصلہ کن ثابت ہوسکتی ہے۔‏

‏فی الحال، بنیادی ڈھانچہ کیچ اپ کھیل رہا ہے. اگر ایسا ہوتا ہے تو ہی کلینک میں کینسر کا وہ ممکنہ مریض مصنوعی ذہانت پر بھروسہ کر سکتا ہے جو واقعی ایک ذہین، درست اور محفوظ پیش گوئی کر رہا ہے۔‏

Leave a Reply

Your email address will not be published. Required fields are marked *