AI اور دنیا کے مشکل مسائل ─ طب اور دوا کی دریافت
AI کے ذریعے آگے بڑھنے والے سائنس اور علم، شعبے کے لحاظ سے
RSS فیڈ · 17 آئٹمز
پھیپھڑوں اور بڑی آنت کے کینسر کی تشخیص کے لیے ایک قابلِ تشریح درجہ وار ڈیپ لرننگ فریم ورک
اصل عنوان: An interpretable hierarchical deep learning framework for lung and colon cancer detection
ہسٹوپیتھالوجی تصاویر سے پھیپھڑوں اور بڑی آنت کے کینسر کی درجہ بندی مشکل ہے کیونکہ مختلف اقسام ایک دوسرے سے ملتی جلتی نظر آتی ہیں اور بافتوں کی ساخت میں تنوع پایا جاتا ہے، جبکہ روایتی ڈیپ لرننگ ماڈلز بہت کم شفافیت فراہم کرتے ہیں۔ مصنفین نے پانچ اقسام کے اس کام کو موٹے سے باریک مراحل میں تقسیم کیا: پہلے نارمل بمقابلہ کینسر، پھر نارمل بافت کی اقسام یا کینسر کی ذیلی اقسام کے لیے ایک مخصوص درجہ بند، اور ہر مرحلے کے لیے بہترین آرکیٹیکچر کا انتخاب کیا گیا۔ اس فریم ورک نے LC25000 پر 98.50% اور آزاد LungHist700 ڈیٹا سیٹ پر 82.01% درستگی حاصل کی، اور Grad-CAM، Grad-CAM++، LIME اور Occlusion Sensitivity کو تصاویر کے ان حصوں کو نمایاں کرنے کے لیے استعمال کیا گیا جن کی بنیاد پر اس کی پیش گوئیاں کی گئیں۔
MASLD کے دور میں HBV یا HCV انفیکشن کے بغیر افراد میں ہیپاٹوسیلولر کارسنوما کی مصنوعی ذہانت پر مبنی پیش گوئی
اصل عنوان: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
جگر کے کینسر (HCC) کی موجودہ نگرانی کی رہنما ہدایات بنیادی طور پر سروسس یا وائرل ہیپاٹائٹس کے مریضوں کو ہدف بناتی ہیں۔ محققین نے وائرل ہیپاٹائٹس کے بغیر افراد میں HCC کے خطرے کی پیش گوئی کے لیے ایک AI ماڈل بنایا، جس کے لیے جنوبی کوریا کے تقریباً 7.96 ملین ایسے بالغ افراد کا ڈیٹا استعمال کیا گیا جنہوں نے صحت کی اسکریننگ کروائی تھی۔ موازنہ کیے گئے بارہ ماڈلز میں MHA_DNN نے سب سے بہتر کارکردگی دکھائی اور ایک آزاد توثیقی گروہ میں بھی مسلسل درستگی برقرار رکھی۔ فیٹی لیور انڈیکس اور ٹرائیگلیسرائیڈز سب سے زیادہ اثر انگیز پیش گو عوامل تھے، جو میٹابولزم پر مبنی ذاتی نوعیت کی نگرانی کی حمایت کی نشاندہی کرتے ہیں۔
ریٹینل فنڈس تصاویر سے صحت کی حالت کی خودکار پیش گوئی کے لیے ہائبرڈ اٹینشن اور قابلِ وضاحت AI پر مبنی ایک ملٹی ٹاسک ڈیپ لرننگ فریم ورک
اصل عنوان: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
ریٹینل فنڈس تصاویر کے لیے موجودہ ڈیپ لرننگ ماڈلز صرف ایک ہی کام انجام دیتے ہیں، محدود تشریح پذیری فراہم کرتے ہیں، اور مختلف ڈیٹا سیٹس کے درمیان فرق کے سامنے دشواری کا شکار ہوتے ہیں۔ مصنفین ایک ملٹی ٹاسک نیٹ ورک تجویز کرتے ہیں جو ایک ہی تصویر سے، ایک ہی فارورڈ پاس میں، ذیابیطس ریٹینوپیتھی کی شدت، گلوکوما، AMD کے مرحلے اور قلبی خطرے کی درجہ بندی کرتا ہے، اور Grad-CAM کی وضاحتیں بھی فراہم کرتا ہے۔ اس نے چار ڈیٹا سیٹس میں 94.7% درستگی اور 0.978 AUC حاصل کی، شماریاتی طور پر تمام سنگل ٹاسک ماڈلز سے بہتر کارکردگی دکھائی، اور زیرو شاٹ کراس ڈیٹا سیٹ جانچ میں کم از کم 0.951 AUC حاصل کی۔
ذہنی صحت کی ذہین تشخیص کے لیے آٹومیٹا اور مشین لرننگ کا مربوط فریم ورک
اصل عنوان: An automata-machine learning integrated framework for intelligent mental health diagnostics
طلبہ میں ڈپریشن اکثر سنگین ہونے تک پتا نہیں چلتا، اس لیے ابتدائی پیش گوئی ضروری ہے۔ مصنفین نے فینائٹ آٹومیٹا پر مبنی رویے کی ماڈلنگ کو مشین لرننگ کے ساتھ ملایا، طلبہ کی جذباتی کیفیات سے خصوصیات تیار کیں اور غیر ضروری خصوصیات کو یکجا کیا۔ رینڈم فاریسٹ اور KStar کے ensemble کے استعمال سے درستی رینڈم فاریسٹ کی 82.02% بنیادی سطح سے بڑھ کر آٹومیٹا پر مبنی خصوصیات کے ساتھ 96.88% ہو گئی۔ مصنفین کے مطابق یہ طریقہ خصوصیات کو قابلِ تشریح اور قابلِ سراغ رکھتا ہے۔
لارج لینگوئج ماڈلز کے ذریعے بڑے پیمانے پر قابلِ اعتماد طبی معلومات نکالنے کے لیے کثیر مرحلہ توثیقی فریم ورک
اصل عنوان: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
کلینیکل معلومات کے استخراج کے لیے بڑے لینگوئج ماڈلز کی توثیق میں عموماً مہنگی دستی تشریح درکار ہوتی ہے۔ مصنفین نے ایک کثیر مرحلہ فریم ورک تجویز کیا جو اصول پر مبنی فلٹرنگ، معنوی بنیاد بندی، جج-LLM کی تشخیص، ماہرین کے جائزے اور پیش گوئی کی افادیت کے تجزیے کو یکجا کرتا ہے۔ جب اسے 919,783 کلینیکل نوٹس میں مادّے کے استعمال کے عارضوں کی تشخیصات پر لاگو کیا گیا تو اس نے LLM کے 14.59% مثبت استخراجات کو غیر مدلل یا ناقابلِ یقین قرار دے کر ہٹا دیا۔ بنیادی LLM نے جج کی تشخیصات کے مقابلے میں 0.80 کا F1 اسکور حاصل کیا، اور اس کی نکالی گئی تشخیصات نے ساختہ ڈیٹا کی بنیادی لائنوں کے مقابلے میں بعد کی خصوصی نگہداشت میں شمولیت کی بہتر پیش گوئی کی۔
AI نے ایک چھوٹے ٹیسٹ میں چہرے اور زبان کی تصاویر سے کورونری ہارٹ ڈیزیز کا پتا لگا لیا
اصل عنوان: AI detects coronary heart disease from face and tongue photos in small test
چین کی ایک نئی تحقیق میں ایک AI نظام کو چہرے اور زبان کی تصاویر پر تربیت دی گئی تاکہ کورونری ہارٹ ڈیزیز (CHD) کا پتا چلایا جا سکے۔ ایک چھوٹے ٹیسٹ میں اس نظام نے CHD کے ہر مریض کی درست شناخت کی۔
مصنوعی ذہانت اور ڈیجیٹل سٹیتھوسکوپی کے ذریعے بنگلہ دیش میں سانس کی بیماریوں کے شکار بچوں میں پھیپھڑوں کی اضافی آوازوں کی شناخت
اصل عنوان: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
بچپن کی بیماریوں کے مربوط انتظام کی رہنما ہدایات نمونیا کے لیے زیادہ حساسیت مگر کم مخصوصیت رکھتی ہیں۔ بنگلہ دیش میں صحت کے کارکنوں نے نمونیا کے مشتبہ پانچ سال سے کم عمر بچوں کے پھیپھڑوں کی آوازیں ڈیجیٹل سٹیتھوسکوپ سے ریکارڈ کیں، اور ایک AI الگورتھم کا موازنہ ماہرینِ اطفال کے پینل سے کیا گیا۔ AI نے مجموعی طور پر غیر معمولی آوازوں کی 61.8% حساسیت اور 60.7% مخصوصیت کے ساتھ نشاندہی کی، اور IMCI کے تحت نمونیا کے کیسز میں یہ شرحیں 63.5% اور 66.8% رہیں۔ مصنفین اسے اوسط درجے کی کارکردگی قرار دیتے ہیں، جس میں ناقابلِ تشریح ریکارڈنگز کی درجہ بندی میں بہتری درکار ہے۔
فاؤنڈیشن ماڈل کے ذریعے سرجیکل ریسیکشن مارجنز کی خودکار لیبلنگ
اصل عنوان: Autonomous labeling of surgical resection margins using a foundation model
پیتھالوجی میں سرجیکل ریسیکشن مارجنز کا جائزہ دستی انکنگ کی غلطیوں، ٹشو کی بگاڑ اور کاٹری سے ہونے والے نقصان سے متاثر ہوتا ہے۔ مصنفین نے ایک ورچوئل انکنگ نیٹ ورک تیار کیا جو ایک فروزن فاؤنڈیشن ماڈل اور ایک چھوٹے کلاسیفائر کو استعمال کرتے ہوئے جسمانی سیاہی کے بغیر پوری سلائیڈ کی تصاویر پر مارجن کی نشاندہی کرتا ہے۔ غیر دیکھے ہوئے ٹشو بلاکس کی 20 سلائیڈز پر اس نے ریجن کی سطح پر تقریباً 73.3% درستگی حاصل کی اور ایسے اوورلے تیار کیے جو معیاری طور پر ماہرین کی تشریحات سے مطابقت رکھتے تھے۔ یہ نتائج تصورِ ثبوت کی حیثیت رکھتے ہیں اور بڑے کلینیکل گروہوں میں توثیق کے محتاج ہیں۔
مصنوعی ذہانت سے ممکن بنائی گئی انسانی براؤن فیٹ کی طبی فینوٹائپنگ
اصل عنوان: Artificial intelligence-enabled clinical phenotyping of human brown fat
انسانوں میں براؤن ایڈیپوز ٹشو (BAT) کی سرگرمی کو بڑے پیمانے پر ناپنے کے طریقے دستیاب نہیں رہے ہیں۔ ایک بڑے کینسر مرکز کے 101,243 مریضوں کے ڈیٹا کی مدد سے مصنفین نے مشین لرننگ کے ذریعے تقریباً 8,700 مریضوں میں BAT کی سرگرمی کو نیم خودکار طریقے سے ناپا۔ BAT کی زیادہ سرگرمی، خاص طور پر بغل کے ذخیرے میں، قلبی و میٹابولک بیماری کے کم امکانات اور سفید چربی کی صحت مند تقسیم سے وابستہ پائی گئی۔
کثیر طریقۂ کار طبی تصاویر کی بحالی اور بہتری کے لیے ایک ہمہ گیر فاؤنڈیشن ماڈل
اصل عنوان: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound ایک فاؤنڈیشن ماڈل ہے جو شور، حرکت سے پیدا ہونے والے نقائص، کم کنٹراسٹ یا کم خوراک والی امیجنگ سے خراب ہونے والی طبی تصاویر کو بحال اور بہتر بناتا ہے، اور سات طریقۂ کار پر کام کرتا ہے جن میں CT، MRI، PET، اینڈوسکوپی، الٹراساؤنڈ، فنڈس اور ایکس رے شامل ہیں۔ 3.76 ملین جوڑی دار تصاویر پر تربیت پانے کے بعد، اس نے تصویر کے معیار کے پیمانوں، معالجین کی جانچ اور مضبوطی کے ٹیسٹوں میں 38 کام مخصوص اور عمومی بیس لائنز کو پیچھے چھوڑ دیا۔ بہتر کی گئی تصاویر نے نان اسمال سیل لنگ کینسر میں 44 بیماری کی شناخت کے کاموں، ٹیومر کے مرحلے کی پیش گوئی اور بقا کے خطرے کی درجہ بندی کو بھی بہتر بنایا۔
نیند میں چھپے اشارے مستقبل کی صحت کی پیش گوئی کر سکتے ہیں
اصل عنوان: Hidden signals in sleep can predict future health
AI ٹولز ایک ہی رات کی نیند سے ایسے فزیولوجیکل پیٹرنز نکال سکتے ہیں جو نیند کی روایتی پیمائشوں سے چھوٹ جاتے ہیں، اور یہ پیٹرنز بیماری اور اموات سے جڑے ہیں۔ Nature Communications اور Nature Medicine میں شائع ہونے والے دو حالیہ مقالے بتاتے ہیں کہ نیند کے ڈیٹا میں صحت سے متعلق اتنی معلومات موجود ہیں جتنی معالجین اور محققین فی الحال نکال پاتے ہیں اس سے کہیں زیادہ۔ بڑھتے ہوئے شواہد یہ بھی ظاہر کرتے ہیں کہ نیند میں تبدیلیاں بیماری کی تشخیص سے پہلے ظاہر ہو سکتی ہیں۔
سیلیا کے ذریعے ذرات کی منتقلی کا مشین لرننگ تجزیہ بنیادی سیلیائی ڈسکائنیزیا کو نارمل سیلیا سے ممتاز کرتا ہے
اصل عنوان: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
پرائمری سلیئری ڈسکائنیزیا (PCD) ایک موروثی کیفیت ہے جس میں سیلیا کی حرکت درست نہیں ہوتی، اور اس کی تشخیص اب بھی مشکل ہے۔ مصنفین نے CiliaTracks تیار کیا، جو ایک مشین لرننگ فریم ورک ہے اور تیز رفتار مائیکروسکوپی سے ریکارڈ کیے گئے، کلچر کیے ہوئے سانس کی نالی کے خلیوں پر ذرات کی نقل و حمل کا تجزیہ کرتا ہے۔ روایتی مشین لرننگ ماڈلز اور ایک کنوولوشنل نیورل نیٹ ورک نے 14 PCD مریضوں اور 10 صحت مند عطیہ دہندگان کی ریکارڈنگز کو 95-97% درستی سے درجہ بند کیا۔
پارٹیکل سوارم آپٹیمائزڈ ہسٹوگرام ایکوالائزیشن اور VGG19 پر مبنی U-Net کے ذریعے برین ٹیومر کی سیگمنٹیشن
اصل عنوان: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI میں برین ٹیومر کی سیگمنٹیشن سست، غلطیوں کا شکار اور آپریٹر کے تعصب سے متاثر ہوتی ہے، اور ڈیپ لرننگ ماڈلز میں اکثر تشریح پذیری کی کمی ہوتی ہے۔ مصنفین نے SPOHE-VGGNet تجویز کیا ہے، جو ترمیم شدہ U-Net کو VGG-19 اور پارٹیکل سوارم آپٹیمائزڈ ہسٹوگرام ایکوالائزیشن کے ساتھ ملا کر MRI کے کنٹراسٹ کو بہتر بناتا ہے۔ اس نے Figshare ڈیٹا سیٹ پر Dice اسکور 0.9522 (میننجیوما)، 0.9428 (گلیوما) اور 0.9518 (پٹیوٹری ٹیومر) اور BraTS 2021 پر پورے ٹیومر کی سیگمنٹیشن کے لیے 0.9463 حاصل کیے، البتہ مصنفین کے مطابق کلینیکل استعمال سے پہلے بیرونی، حجمی اور معالج مرکوز توثیق ابھی ضروری ہے۔
عالمی صحتِ عامہ کے لیے Earth AI کے سیاروی جغرافیائی-مکانی بنیادی ماڈلز سے فائدہ اٹھانا
اصل عنوان: Unlocking Earth AI’s planetary geospatial foundation models for global public health
عوامی صحت کے فیصلے اکثر رپورٹنگ میں تاخیر، الگ تھلگ رکھے گئے ڈیٹا اور کم ڈیٹا کی وجہ سے سست پڑ جاتے ہیں۔ Google کا Population Dynamics Foundation Model (PDFM) رازداری کا تحفظ کرنے والے سرچ رجحانات، انسانی نقل و حرکت، تعمیر شدہ ماحول کی کثافت اور ماحولیاتی عوامل کو مقام کی ایمبیڈنگز میں سمیٹ دیتا ہے۔ ان ایمبیڈنگز کو کسی مخصوص کام کے لیے فائن ٹیوننگ کے بغیر موجودہ وبائی امراض کے ماڈلز میں شامل کیا جا سکتا ہے، اور پانچ شراکت داروں کے کیس اسٹڈیز پیش کیے گئے۔
گہری لرننگ پر مبنی ایک پائپ لائن جو 2D ملٹی ویو ایکوکارڈیوگرافی کے ذریعے ہائپرٹرافک کارڈیومایوپیتھی کو کارڈیک ایمائلوئیڈوسس سے الگ کرتی ہے
اصل عنوان: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
ہائپرٹروفک کارڈیومایوپیتھی (HCM) اور کارڈیک ایمائلوئیڈوسس (CA) ایکوکارڈیوگرافی میں ایک جیسے دکھائی دیتے ہیں، جس کی وجہ سے ان میں فرق کرنا مشکل ہوتا ہے۔ اس مطالعے میں ایک ڈیپ لرننگ فریم ورک تیار کیا گیا جو دو جہتی ایکو تصاویر کو پانچ طبی لحاظ سے اہم نظاروں میں درجہ بند کرتا ہے، ہر نظارے سے خصوصیات نکالتا ہے اور انہیں یکجا کرتا ہے۔ 212 HCM، 119 CA اور 200 کنٹرول مریضوں پر پانچ گنا کراس ویلیڈیشن میں اس نے 0.83 پریسیژن، 0.81 حساسیت، 0.89 مخصوصیت اور 0.82 مائیکرو-F1 حاصل کیا، اور مصنفین اسے ایک قابلِ اعتماد تشخیصی آلہ قرار دیتے ہیں۔
نئی فارمولیشن RNA ویکسینز کو زیادہ درجہ حرارت برداشت کرنے میں مدد دیتی ہے
اصل عنوان: New formulation helps RNA vaccines withstand high temperatures
RNA ویکسینز کو عموماً انتہائی کم درجہ حرارت پر ذخیرہ کرنا پڑتا ہے، اس لیے MIT کے محققین نے mRNA ویکسینز پہنچانے والے لپڈ نینو پارٹیکلز کے گرد فارمولیشن میں ردوبدل کے لیے ایک AI الگورتھم استعمال کیا۔ الگورتھم نے بہترین فارمولیشنز کی پیش گوئی کی، جس سے درکار تجربات کی تعداد کم ہوئی اور ترقی کا عمل تیز ہوا۔ نتیجتاً بننے والی ویکسینز کمرے کے درجہ حرارت پر ایک سال تک یا تقریباً 100°F پر دو ماہ تک مستحکم رہیں، اور چوہوں میں Covid-19 ویکسین نے Moderna جیسی RNA ویکسین کے برابر مضبوط مدافعتی ردعمل پیدا کیا۔
متن سے خودکشی کے خطرے کا اندازہ
اصل عنوان: Estimating suicide risk from text
ذہنی صحت کے بحرانوں کے دوران خودکشی کے زیادہ خطرے کے شکار افراد کی نشاندہی کرنا کاؤنسلرز کی ترجیح ہوتی ہے۔ MIT کے McGovern Institute کے محققین نے زبان کی پروسیسنگ کا ایک ایسا آلہ تیار کیا جو خودکشی کے 49 خطرے کے عوامل سے منسلک الفاظ اور جملوں کے لیے متن میں تلاش کرتا ہے تاکہ کسی فرد کے خطرے کا اندازہ لگایا جا سکے۔ بحرانی کاؤنسلرز کے ساتھ متنی گفتگو میں اس آلے نے خودکشی کے خطرے کی درست پیش گوئی کی، اور مزید توثیق کے بعد یہ طبی اور بحرانی معاونت کے مقامات پر خطرے کے جائزے میں مدد دے سکتا ہے۔