مصنوعی ذہانت (AI) کی تیز رفتار ترقی کیمیائی طباعت ہے اور اس کے سب سے زیادہ اثر انگیز اطلاقات میں فرق ہے.

سمجھ‌داری اور نیوکلیئر لیس‌سن

ان میں بیکٹیریا ، وائرس ، تفریحی یا دیگر قسم کے اجزا شامل ہیں ۔ عام طور پر مثالوں میں آبپاشی ، معدے اور لوکوس کی خصوصیات شامل ہیں ۔

اس کے علاوہ ، ایک ہارمون کے لئے متعدی بیماری کی وجہ سے یہ غیرضروری حیاتیاتی یا سرجری کا باعث بن سکتا ہے جبکہ ایک بےچینی سے محروم ہونے والی بیماری زندگی کو تاخیر سے روک سکتی ہے ۔ روایتی حیاتیاتی کام‌وتربیت پر انحصار کرنے والے لوگوں کی ثقافت ، سرولوجی ، بائیوپی اور ماہرانہ تعبیرات پر منحصر ہیں لیکن یہ طریقے آہستہ‌آہستہ ، غیر آئی‌واُن ، تیز اور تیز‌اُن ہوتے ہیں ۔

آپ کیسے جانتے ہیں کہ آپ کو اپنے بچوں کی تربیت کرنی چاہئے ؟

مشین سیکھنے اور سیکھنے کے لیے ضروری ہے

AI سسٹمز جو لیوون مختلف اجسام کے لیے استعمال ہوتے ہیں بنیادی طور پر مشین سیکھنے کے تحت گر جاتے ہیں (ML) اور گہری سیکھنے کے لیے (سی ایل)۔ کوانولولیشنل نامی نامی نامی نیٹ ورک (سی این سی) خاص طور پر مؤثر ہیں کیونکہ وہ ہریانہ خصوصیات کے لیے استعمال کرتے ہیں—پس جانب سے پیچیدہ شکلوں تک

مثال کے طور پر ، ہزاروں پھیپھڑوں کی تصاویر پر تربیت پانے والی ایک سی این این اے کی تربیت کرنے والی ٹیوب‌کولولولوم اور ابتدائی اینٹی‌میل کینسر کے درمیان میں اسپی‌مُوشن ، کیلک‌شن کی خصوصیات اور اسکیل‌شن کے نمونے کو تسلیم کرنے سے ، اور ان‌کی‌ن‌ایم‌ایس میں دماغ کی کارکردگی اور جسم میں فرق ہو سکتا ہے ۔

ریڈیائی اور مُضریت

گہری سیکھنے کے علاوہ ریڈیومکس --ایک طریقہ جو طبی تصاویر سے سینکڑوں مرکبات نکالتا ہے—fols AI-on-classification. یہ خصوصیات بیان کرتی ہیں spermitude, شکل، شدت اور Heterogeneity. مشین سیکھنے کے لیے (مثلاً، حادثاتی جنگلات، معاون مشینوں) کی مدد سے بننے والی معلومات میں بالخصوص کیمیائی مرکبات کو آپس میں ملانے میں مفید خصوصیات رکھتی ہیں۔

کلینکی اطلاقات اور ثبوت

لِنگ‌شن

پُلمونری نودلس ایک عام تفاعل مسئلہ ہے [1] میں شائع ہونے والا ایک 2023 مطالعہ ہے [1] نے CTC کے تحت ایک علاقے میں پھیپھڑوں کے کینسر اور پُلمونری کے درمیان فرق کرنے کے لئے گہرا سیکھنے کے نمونے کو استعمال کیا ،

دماغ میں خون

مختلف ذکیت دماغ ابہام کو نکیروٹک گلیموس سے حاصل کرنا غیر معمولی طور پر چیلنج ہے کہ ڈی آر آئی اے پر مبنی تجزیہ برائے ڈی ایف آئی اور پریمی امیجنگ نے وعدہ کیا ہے. ] نیٹو سائنسی سائنسی رپورٹ [[FLT1] نے دریافت کیا ہے کہ مشین کی مدد سے 90% خصوصیات حاصل کی گئیں ہیں جیسے کہ واضح پیمانے پر واضح طور پر واضح پیمانے پر اور خون کے ساتھ (VBAC)

ایک دوسرے کے ساتھ تعلقات

ہیپاٹولوجی میں ، ماساتیاتی لوز سے مختلف پائیجینی جگر کو ہضم کیا جا سکتا ہے ۔

تاریخ (Historathology) (تلفظ: / ⁇ t ⁇ r ⁇ r ⁇ /;

اے آئی اے صرف ریڈیولوگ تک محدود نہیں ہے ڈیجیٹل پیراولوجی گہری سیکھنے کے ساتھ ساتھ جراثیمی گرینلوما کو بھی تبدیل کر سکتی ہے مثلاً ایک سی این این ایس ایچ جیمپ ؛ ایلمف ڈائی آکسائیڈز کی اینٹی‌باڈیز کو بلند‌اُصولوں سے الگ کر سکتی ہے ، خاص طور پر سُست یا چلانے کی ضرورت کو کم کرتی ہے ۔

AI infective vs. Neopastic فرقیت میں A I کی شناخت

  • [A] سیکنڈ میں پورے سی ٹی سی سی سی سی سی جانچ سکتا ہے جبکہ ایک ریڈیولوگ منٹ لے سکتے ہیں. وقت کے ساتھ ساتھ ساتھ-
  • ایککرنسی: وسیع ڈیٹا کی تحصیل سے سبق حاصل کرنے سے AI کو تھکن اور عدم استحکام سے گریز کرتا ہے. مطالعات مسلسل کفیلی کلاس بندی کے کاموں میں 0.90 سے اوپر AUC ظاہر کرتے ہیں۔
  • Consconstitution: [AI] مختلف دنوں میں اور آپریٹرز کے درمیان یکساں اندراج کے لیے ایک ہی برآمد فراہم کرتا ہے، جس میں انٹر-اور غیر ریڈار ناقابلِ عمل ہوتا ہے۔
  • [Early Dectation: [1] AI can sperming settlections – بطور Drain perfieral serves یا مائیکروکلکیشن — جو ابتدائی طور پر انفلیشن یا انفیکشن کو ظاہر کرتی ہے، فوری کام کرنے کے قابل بناتی ہے۔
  • Invasive Proceedies: جب AII اعتماد میں ایک جراثیمی تناؤ کی شناخت کرتا ہے تو کلینک کے لوگ حیاتیاتی علاج کی بجائے طبی علاج کے لیے منتخب ہو سکتے ہیں، مریض کے لیے خطرہ اور صحت کی دیکھ بھال کے اخراجات کم کرتے ہیں۔

مشکلات اور مشکلات

اپنے وعدہ کے باوجود اے آئی اے کئی رکاوٹوں کا رخ وسیع دینداری کی منظوری کے لیے:

  • عطاٹا خوبی اور باس:] اکثر ماڈلز کو ایک ہی ادارے سے دوبارہ قابل تجدید ڈیٹا کی تربیت دی جاتی ہے، جس میں تفریق کی کمی ہو سکتی ہے. ماڈلز مختلف نسلی یا بیماری کی ذیلی اقسام جیسے کہ مختلف طبقاتی اداروں میں ناقص آبادیوں پر کام نہیں کر سکتے ہیں۔
  • Interpretity: دلی تعلیم کے ماڈلز اکثر "کالے بکس" ہیں. کلینک کو استدلال کے بغیر سفارش پر عمل کرنے میں رکاوٹ ہے. قابل وضاحت AI (XAI) تکنیکیں، جیسے کہ سالکی نقشے، مگر اب تک معمول نہیں ہیں۔
  • [Regulation Hordeles:] طبی سافٹ ویئر کو FDA یا EA. یہ عمل وقتاً فوقتاً اور سستا، سستا، سستا ہوتا ہے۔
  • Integration inwork struction: بہت سے آلات جن میں موجود تصویری ارائکنگ اور رابطے کے نظام (PACS) یا الیکٹرانک ہیلتھ ریکارڈ (EHRs) شامل ہیں۔
  • Prryvacy and Security: تربیت کے لیے استعمال ہونے والے مریض اعداد و شمار کو ڈی--ایم-اے اور GDP کی طرح قوانین کے مطابق ترتیب دینے کے لیے استعمال کیا جاتا ہے- جہاں ماڈلز کو سرمایہ کاری کے بغیر منظم کیا جاتا ہے --

مستقبل کی ہدایات

مُلکِ‌موعود

مثال کے طور پر ، ایک ماڈل جو سی ٹی اسکین اور مریض کے سفید بلڈ نمبر کے ساتھ ساتھ معلومات کو ملانے کے لئے سی ڈی اے کے ساتھ مل کر بہتر طور پر استعمال کر سکتا ہے. اس طرح سے ملٹی مڈل اے ایک فعال تحقیقی شعبہ ہے۔

وضاحت‌کردہ اے‌آئی‌اے ( XAI )

اعتماد بنانے کے لیے AI کو اپنے فیصلوں کی نظریاتی یا عبارتی وضاحتیں فراہم کرنی ہوں گی. Techniques جیسے کہ گرڈ کلاس کے حساب سے grad-CAM) ایک ایسی تصویر میں ایسے علاقے روشن کریں جو کلاس بندی کو متاثر کرے گا مستقبل کے نظام ان وضاحتوں کو ایک ایسے انداز میں پیش کریں گے جس میں درج کیا جائے۔

سیکھنے کے عمل

ڈیٹا نجی اور غیر ذمہ‌داریوں پر قابو پانے کیلئے ، فیڈرل سیکھنے سے بہت سے ہسپتالوں کو مریض ڈیٹا کے بغیر ماڈل کی تربیت مل سکتی ہے ۔

حقیقی وقت کی فیصلہ کن حمایت

جب ریڈیولوگ کوئی مقدمہ کھول سکتے ہیں تو نظام انفیکشن کے لئے ایک قابلِ‌یقین اسکور دکھا سکتا ہے

A-Guid Biopsy

جب حیاتیاتی ضرورت پڑتی ہے تو اے آئی اے ایک لیشن کے اندر سب سے زیادہ شکوک و شبہات کو نشانہ بنانے میں مدد کر سکتی ہے، انفلیشن میں اضافہ کر سکتی ہے. یہ ہیتھروجنوس لیشن میں خاص طور پر مفید ہے جہاں سمپنگ غلطی عام ہے۔

کُنَّا

AI کا استعمال نیوکل لیشنز سے جراثیم کو تبدیل کرنے کے لئے تیزی سے حرکت کر رہا ہے تحقیقاتی لیبارٹری سے لے کر لیکر حساب تک. اے ایل ایل شروع کرنے والی مشین سیکھنے اور ریڈیو کے عمل سے،

طبی امیجنگ میں اے آئی کے دوبارہ دریافت شدہ علاقے پر مزید پڑھنے کے لئے [FDA کی ہدایت A-L-Ported ڈیوائسز[1:1]] کو دیکھیں. مزید یہ کہ عالمی ادارہ صحت University Intelligence[FLT:T3] میں صحت کے بارے میں ایک جامع نظریہ پیش کرتا ہے۔