مطالعے میں طبی تشخیص کے لیے اے آئی کے بڑھتے ہوئے استعمال میں چیلنجوں پر روشنی ڈالی گئی ہے
ایک نئے مطالعے میں طبی تشخیص میں مصنوعی ذہانت (اے آئی) کے بڑھتے ہوئے استعمال اور اسے کلینیکل پریکٹس کے ساتھ ضم کرنے میں درپیش چیلنجز کو اجاگر کیا گیا ہے۔ اس کے ساتھ ہی “اے آئی خلیج” کے تصور کو بھی متعارف کرایا گیا ہے۔
یہ تحقیق یونیورسٹی آف ایڈیلیڈ کے محققین، بشمول پی ایچ ڈی کی طالبہ لانا ٹیکومیرروف اور پروفیسر کیرولین سیمملر، نے کی، جو کہ لینسیٹ ڈیجیٹل ہیلتھ میں شائع ہوئی ہے۔ مطالعے کے مطابق “اے آئی خلیج” سے مراد اے آئی کے فیصلے کرنے والے سسٹمز کی تیز رفتار ترقی اور تجارتی کاری اور ان کے کلینیکل سیٹنگز میں عملی قدر اور اثرات کے درمیان موجود فرق ہے۔
ٹیکومیرروف نے وضاحت کی کہ “یہ فرق ایسے مسائل کا باعث بن سکتا ہے جیسے کہ آٹومیشن تعصب، جہاں اے آئی سسٹمز کی غلطیوں کو نظرانداز کیا جاتا ہے یا ٹیکنالوجی کا غلط استعمال کیا جاتا ہے۔” انہوں نے مزید کہا کہ “اے آئی کے بارے میں غلط فہمیاں اس ٹیکنالوجی کو انسانی مہارت کے ساتھ مکمل طور پر استعمال کرنے کی ہماری صلاحیت کو محدود کرتی ہیں۔”
محققین کا کہنا ہے کہ دیگر ہائی رسک شعبوں، جیسے کہ ایوی ایشن، جہاں آٹومیشن کا بڑے پیمانے پر مطالعہ کیا گیا ہے، کے برعکس، کلینیکل ماحول میں اے آئی کے نفاذ پر کم توجہ دی گئی ہے۔ ان کا مشورہ ہے کہ اے آئی کو صرف آلات کے طور پر نہیں بلکہ کلینیکل ادویات کی طرح سمجھا جانا چاہیے۔
مطالعہ اس بات پر زور دیتا ہے کہ جہاں کلینشین سیاق و سباق کے اشاروں اور اپنی مہارت کی بنیاد پر فیصلے کرنے میں مہارت رکھتے ہیں، وہیں اے آئی ماڈلز میں یہ اہم سیاق و سباق کی آگاہی نہیں ہوتی۔
ٹیکومیرروف نے بتایا کہ “کلینیکل ماحول حسی اشاروں سے بھرپور ہوتا ہے جو تشخیص میں مدد کرتے ہیں، یہاں تک کہ وہ اشارے بھی جو فوری طور پر نمایاں نہ ہوں۔” مثال کے طور پر، ماموگرام پر ایک نوڈول کی چمک کسی خاص قسم کے ٹیومر کی نشاندہی کر سکتی ہے، اور امیجنگ درخواست فارموں پر درج علامات ریڈیالوجسٹ کی توجہ کو متاثر کر سکتی ہیں۔
کلینشینز ایک ہنر، جسے کیو یوٹلائزیشن کہا جاتا ہے، تیار کرتے ہیں جو انہیں کلینیکل منظر سے متعلقہ معلومات کو جلدی اور درست طریقے سے سمجھنے اور ترجیح دینے کی اجازت دیتا ہے۔ یہ مہارت ایک عمل، جسے ایپیسٹیمک ہمبلٹی کہا جاتا ہے، میں جڑی ہوتی ہے، جہاں کلینشین اپنے علم اور ڈیٹا کی درستگی کا تنقیدی جائزہ لیتے ہیں۔
اس کے برعکس، اے آئیماڈلز اس سطح کی تنقیدی جانچ نہیں رکھتے اور اپنے ڈیٹا سیٹس کی حدود سے محدود ہوتے ہیں۔ ان خلیجوں کو ختم کرنا ضروری ہے تاکہ اے آئی کی صلاحیت کو کلینیکل پریکٹس کو بڑھانے اور مریضوں کی دیکھ بھال کو بہتر بنانے کے لیے زیادہ سے زیادہ استعمال کیا جا سکے۔
مزید پڑھنے کے لیے یہاں کلک کریں
