اے آئی ٹول جدید ہارٹ فیلور کی درستگی سے تشخیص کرتا ہے

اے آئی کے ساتھ جدید ہارٹ فیلور کی تشخیص میں انقلاب

جدید ہارٹ فیلور، ایک کمزور کرنے والی حالت ہے جو عالمی سطح پر لاکھوں افراد کو متاثر کرتی ہے، طویل عرصے سے ایک اہم تشخیصی چیلنج رہی ہے۔ موجودہ تشخیصی طریقوں کی پیچیدہ اور وسائل پر انحصار کرنے والی نوعیت کی وجہ سے مریض اکثر تاخیر سے تشخیص کا شکار ہوتے ہیں۔ تاہم، Weill Cornell Medicine، Cornell Tech، Cornell Ann S. Bowers College of Computing and Information Science، Columbia University Vagelos College of Physicians and Surgeons، اور NewYork-Presbyterian کی ایک باہمی تعاون پر مبنی ٹیم کی ایک اہم تحقیق اس صورتحال کو بدلنے والی ہے۔ محققین نے مصنوعی ذہانت (AI) سے چلنے والا ایک ٹول کامیابی سے تیار اور تجربہ کیا ہے جو معمول کے کارڈیک الٹراساؤنڈ ڈیٹا اور الیکٹرانک ہیلتھ ریکارڈز (EHRs) کا استعمال کرتے ہوئے جدید ہارٹ فیلور کے مریضوں کی اعلیٰ درستگی کے ساتھ شناخت کر سکتا ہے۔ یہ اختراعی طریقہ کار تشخیص کو جمہوری بنانے اور مریضوں کی دیکھ بھال کو نمایاں طور پر بہتر بنانے کا وعدہ کرتا ہے۔

تشخیصی رکاوٹ: اے آئی کیوں اہم ہے

فی الحال، جدید ہارٹ فیلور کی حتمی تشخیص 'کارڈیو پلمونری ایکسرسائز ٹیسٹنگ (CPET)' پر بہت زیادہ انحصار کرتی ہے۔ اگرچہ یہ مؤثر ہے، CPET ایک خصوصی طریقہ کار ہے جس میں مہنگے آلات اور انتہائی تربیت یافتہ اہلکاروں کی ضرورت ہوتی ہے، جس کی وجہ سے یہ بنیادی طور پر صرف بڑے تعلیمی طبی مراکز میں دستیاب ہے۔ یہ ایک اہم تشخیصی رکاوٹ پیدا کرتا ہے، جس کے نتیجے میں ہر سال تخمینہً 200,000 امریکی جدید ہارٹ فیلور کے ساتھ غیر تشخیص شدہ یا کم دیکھ بھال کا شکار ہوتے ہیں۔ CPET تک وسیع رسائی کی کمی کا مطلب ہے کہ بہت سے مریض بروقت مداخلتوں اور خصوصی دیکھ بھال کا موقع گنوا دیتے ہیں۔

اے آئی سے چلنے والا نیا طریقہ کار زیادہ قابل رسائی اور وسیع تشخیصی حل فراہم کر کے اس مسئلے سے براہ راست نمٹتا ہے۔ Weill Cornell Medicine میں اے آئی اور ڈیٹا سائنس کے ایسوسی ایٹ ڈین اور Frances and John L. Loeb Professor of Medical Informatics، اور مطالعہ کے سینئر مصنف Dr. Fei Wang نے وضاحت کی، "یہ جدید ہارٹ فیلور کے مریضوں کے زیادہ موثر جائزے کے لیے ایک امید افزا راستہ کھولتا ہے جس میں ایسے ڈیٹا ذرائع استعمال کیے جاتے ہیں جو پہلے ہی معمول کی دیکھ بھال میں شامل ہیں۔" آسانی سے دستیاب الٹراساؤنڈ تصاویر اور EHR ڈیٹا سے 'پیک آکسیجن کنسیمپشن (peak VO2)' — جو CPET کی سب سے اہم پیمائش ہے — کی پیش گوئی کر کے، اے آئی ماڈل روایتی رکاوٹوں کو نظر انداز کرتا ہے، اس بات کو یقینی بناتا ہے کہ زیادہ مریضوں کی شناخت ہو سکے اور انہیں مناسب دیکھ بھال ملے۔

پریسیژن کارڈیالوجی کے لیے 'ملٹی ماڈل' اے آئی کا طریقہ کار

اے آئی ٹول کی غیر معمولی صلاحیت اس کے نفیس 'ملٹی ماڈل، ملٹی انسٹنس مشین لرننگ' ماڈل سے حاصل ہوتی ہے۔ Dr. Wang کی ٹیم نے، جس میں مرکزی مصنفین Dr. Zhe Huang اور Dr. Weishen Pan شامل تھے، اس ماڈل کو تیار کیا ہے جو بیک وقت کئی مختلف قسم کے ڈیٹا کو پروسیس کر سکتا ہے، جس سے مریض کی کارڈیک صحت کا ایک جامع نظارہ ملتا ہے۔

مختلف ڈیٹا اسٹریمز کو یکجا کرنے اور ان کی تشریح کرنے کی یہ صلاحیت اے آئی کو جدید ہارٹ فیلور کے پیچیدہ نمونے سیکھنے کی اجازت دیتی ہے جو الگ تھلگ ڈیٹا کے تجزیے سے چھوٹ سکتے ہیں۔ اس ماڈل کو NewYork-Presbyterian/Columbia University Irving Medical Center میں 1,000 ہارٹ فیلور کے مریضوں کے غیر شناخت شدہ ڈیٹا کا استعمال کرتے ہوئے سختی سے تربیت دی گئی تھی۔ تربیت کے بعد، اس کی کارکردگی کو NewYork-Presbyterian کے تین دیگر کیمپس سے 127 ہارٹ فیلور کے مریضوں کے ایک نئے گروپ پر توثیق کیا گیا۔ نتائج متاثر کن تھے، جو زیادہ خطرے والے مریضوں میں فرق کرنے میں تقریباً 85% کی مجموعی درستگی کا مظاہرہ کرتے ہیں۔ یہ اعلیٰ درستگی حقیقی دنیا کے کلینیکل سیٹنگز میں اس کی ممکنہ افادیت کو ظاہر کرتی ہے، جو طبی تشخیص میں اے آئی ایجنٹس کی پیداوار کے لیے تشخیص کے لیے ایک نیا معیار پیش کرتی ہے۔

امید افزا نتائج اور باہمی تعاون پر مبنی جدت

اس اے آئی ٹول کی کامیابی بین الضابطہ تعاون کی طاقت کا ثبوت ہے، جو 'کارڈیو ویسکولر اے آئی انیشیٹو' کی ایک خاص پہچان ہے، یہ Cornell، Columbia اور NewYork-Presbyterian کی ایک وسیع کوشش ہے۔ NewYork-Presbyterian میں ایڈوانسڈ ہارٹ فیلور اور کارڈیک ٹرانسپلانٹیشن کے ڈائریکٹر Dr. Nir Uriel نے اس منصوبے کو شروع کرنے میں اہم کردار ادا کیا۔ انہوں نے بتایا، "ابتدا میں ہم نے 40 سے زیادہ ہارٹ فیلور کے ماہرین کا ایک گروپ اکٹھا کیا اور ان سے پوچھا کہ ان کے خیال میں اے آئی کو بہترین طریقے سے کہاں استعمال کیا جا سکتا ہے۔" اس معالج کی قیادت میں نقطہ نظر نے یقینی بنایا کہ اے آئی حل براہ راست ایک اہم کلینیکل ضرورت کو پورا کرے۔

Dr. Deborah Estrin، جو Cornell Tech میں 'ایسوسی ایٹ ڈین فار امپیکٹ' ہیں، نے ہم آہنگی کے تعلق پر زور دیا: "اس منصوبے پر معالجین اور اے آئی محققین کے درمیان قریبی تعامل نے نئی اے آئی تکنیکوں کی ترقی کو آگے بڑھایا جن کا بصورت دیگر جائزہ نہ لیا جاتا۔ لہذا، یہ طب کی طرف سے اے آئی کے مستقبل کو شکل دینے کا ایک معاملہ تھا — نہ صرف اے آئی کا طب کے مستقبل کو شکل دینا۔" یہ باہمی تعاون کی روح، جو کلینیکل مہارت کو جدید اے آئی تحقیق سے جوڑتی ہے، ایک مضبوط اور طبی طور پر متعلقہ ٹول تیار کرنے کے لیے اہم تھی۔ اس طرح کی شراکتیں صحت کی دیکھ بھال جیسے حساس شعبوں میں اے آئی ایپلی کیشنز کو آگے بڑھانے کے لیے ضروری ہیں، جہاں ڈیٹا کی رازداری اور اخلاقی تحفظات سب سے اہم ہیں۔ طبی ڈیٹا کو سنبھالنے میں انٹرپرائز پرائیویسی کے گرد کوششیں مسلسل تیار ہو رہی ہیں۔

کلینیکل انضمام اور مستقبل کے اثرات کی راہ ہموار کرنا

اس مطالعہ کے امید افزا نتائج اے آئی کو معمول کی 'کارڈیو ویسکولر' دیکھ بھال میں ضم کرنے کی طرف ایک اہم قدم کی نشاندہی کرتے ہیں۔ تحقیقی ٹیم پہلے ہی کلینیکل مطالعات کی منصوبہ بندی کر رہی ہے، جو U.S. Food and Drug Administration (FDA) کی منظوری اور اس کے بعد وسیع پیمانے پر کلینیکل اپنائے جانے کے لیے ایک ضروری مرحلہ ہے۔ Dr. Uriel نے تبدیلی کی صلاحیت کو نمایاں کیا: "اگر ہم اس نقطہ نظر کو استعمال کر کے بہت سے ایسے جدید ہارٹ فیلور کے مریضوں کی شناخت کر سکتے ہیں جن کی بصورت دیگر شناخت نہیں ہو پاتی، تو اس سے ہماری کلینیکل پریکٹس تبدیل ہو جائے گی اور مریضوں کے نتائج اور معیار زندگی میں نمایاں بہتری آئے گی۔"

یہ اے آئی ٹول صرف ایک تکنیکی پیشرفت سے بڑھ کر ہے؛ یہ اس بات میں ایک مثالی تبدیلی ہے کہ جدید ہارٹ فیلور کی تشخیص کیسے کی جا سکتی ہے، جس سے 'پریسیژن میڈیسن' زیادہ قابل رسائی ہو جاتی ہے۔ موجودہ بنیادی ڈھانچے (الٹراساؤنڈ مشینیں) اور وسیع پیمانے پر دستیاب ڈیٹا (EHRs) کا فائدہ اٹھا کر، ماڈل ابتدائی تشخیص کی رکاوٹوں کو کم کرتا ہے، اس بات کو یقینی بناتا ہے کہ زیادہ مریضوں کو بروقت، زندگی بچانے والے علاج ملیں۔ اس پہل کی کامیابی بلاشبہ مختلف طبی خصوصیات میں اے آئی کے کردار کی مزید چھان بین کو متاثر کرے گی، بالآخر تشخیصی درستگی اور مریضوں کی دیکھ بھال کو ہر سطح پر بہتر بنائے گی۔