کیا ہم بیماری کے بغیر دنیا بنا سکتے ہیں؟

کیا بیماری سے پاک دنیا ممکن ہے؟ بیماری ایک ایسا لفظ ہے جو زیادہ تر (اگر سبھی نہیں) لوگ سننے میں تکلیف محسوس کرتے ہیں جب یا تو ان کے پاس یا ان کے جاننے والے کسی کے پاس ہوتا ہے۔ خوش قسمتی سے، میکس ویلنگ، ایمسٹرڈیم یونیورسٹی میں مشین لرننگ کے پروفیسر اور کینیڈین انسٹی ٹیوٹ آف ایڈوانسڈ ریسرچ کے ممبر، اور ان کے کاروباری افراد کی ٹیم نے مریضوں کے لیے بیماریوں کی تشخیص کے لیے ڈیٹا کے تجزیہ کا نظام بنایا ہے۔ تفریحی حقیقت: وہ AMLAB (ایمسٹرڈیم مشین لرننگ LAB) کی ہدایت کرتا ہے اور QUVA Lab (Qualcomm-UvA Lab) کو شریک ہدایت کرتا ہے۔ یہاں ہم دیکھیں گے کہ کس طرح اس شاندار آدمی اور اس کے کاروباری افراد کی ٹیم (سنتھیا ڈی ورک، جیفری ہنٹن اور جوڈیا پرل) نے دنیا کو بیماری سے نجات دلانے کے لیے کچھ ناقابل یقین کامیابیاں حاصل کیں۔

میکس ویلنگ کے خدشات

ویلنگ نے اپنی TEDx گفتگو کے دوران جن حقائق کی نشاندہی کی ہے ان میں سے کچھ اس حقیقت کی طرف توجہ دلاتے ہیں کہ بعض اوقات ڈاکٹر کسی مریض کی تشخیص کے دوران کچھ یاد کر سکتے ہیں۔ مثال کے طور پر، وہ کہتے ہیں کہ "طبی طریقہ کار میں سے نصف کے پاس کوئی سائنسی ثبوت نہیں ہے۔" یہ تشخیص بنیادی طور پر ان کی اپنی مشق اور اسکول میں حاصل کردہ علم کے ذریعے کی جاتی ہے، جبکہ میکس کہہ رہا ہے کہ دیگر ممکنہ بیماریوں کے لیے تجزیاتی تشخیص کی کچھ شکل ہونی چاہیے۔ وہ بتاتا ہے کہ کچھ مریضوں کی غلط تشخیص ہو سکتی ہے اور وہ ہسپتال میں واپس آ سکتے ہیں، جس میں وہ بتاتا ہے کہ ان کے مرنے کا امکان 8 گنا زیادہ ہے۔ سب سے دلچسپ بات یہ ہے کہ یہ ایک ایسا مسئلہ ہے جو ہمیشہ سے موجود ہے۔ وجہ اتنی ہی سادہ ہے جتنی غلطیاں ضرور ہوتی ہیں جس کی وجہ سے بدقسمتی سے کسی یا کئی لوگوں کو ان کی جانیں ضائع ہو سکتی ہیں۔ صرف یہی نہیں، جیسا کہ ویلنگ کہتے ہیں، ہر سال 230 ملین طبی طریقہ کار ہوتے ہیں جن پر نصف ٹریلین ڈالر لاگت آتی ہے۔ کسی بھی صنعت کی طرح جو دوسروں کی مدد کے لیے سروس فراہم کرنے کی کوشش کر رہی ہے، اس پر پیسے خرچ ہوتے ہیں۔ مزید برآں، اس کا مطلب ہے کہ ہسپتالوں اور طبی مراکز کی مالی اعانت کے انچارجوں کو صنعت کو بہتر سمت میں آگے بڑھانے کی کوشش کرنے والے اختراع کاروں کو سننے کی ضرورت ہے۔ بہر حال، کم خرچ ہونا ہمیشہ فائدہ مند ہوتا ہے۔

رازداری کا تحفظ

ویلنگ نے کہا کہ اس نے اور ان کی ٹیم نے 3 کامیابیاں حاصل کی ہیں۔ جن میں سے ایک ایسا کمپیوٹر ہے جو ہسپتال میں رازداری کو محفوظ رکھ سکتا ہے۔ مزید برآں، کمپیوٹر ایسے مریضوں کی تشخیص کو مزید بہتر بنانے کے لیے ڈیٹا کی کثرت کا تجزیہ بھی کر سکتے ہیں جو کافی بیمار ہیں۔ اس سافٹ ویئر کا نام ہے۔ مشین لرنر۔ بنیادی طور پر، کمپیوٹر ہسپتال کے ڈیٹا بیس کو ایک سوال بھیجتا ہے، جو سوال کا جواب دیتا ہے پھر مشین لرنر "اس میں کچھ شور ڈال کر" جواب کو تبدیل کر دے گا۔ مزید تفصیلات کے لیے برائے مہربانی یہاں کلک کریں (میکس ویلنگ منٹ 5:20 - 6:06 کے درمیان اس کی مزید وضاحت کرتا ہے)۔ دوسرے لفظوں میں، جیسا کہ میکس اس کی وضاحت کرتا ہے، کمپیوٹر تشخیص کے ذریعے "خود کو بہتر" کرنا چاہتا ہے اور "ڈیٹا کا ایک بہتر ماڈل بنانا چاہتا ہے"۔ یہ سب ان کی بدولت ہے۔ سنتھیا ڈی ورک، جو مائیکروسافٹ ریسرچ کے ایک ممتاز سائنسدان ہیں۔ وہ ریاضی کی بنیاد پر رازداری کے تحفظ پر توجہ مرکوز کرتی ہے۔ اس کے بارے میں مزید اور اس نے کیا کیا ہے، یہاں کلک کریں. مختصراً، یہ پہلی پیش رفت نہ صرف یہ ظاہر کرتی ہے کہ میکس مریضوں کی ذاتی معلومات کا احترام کرنا چاہتا ہے بلکہ وہ ہسپتالوں کو تشخیص کے لیے زیادہ مضبوط بنیاد فراہم کرنا چاہتا ہے۔

گہری سیکھنا

دوسری پیش رفت کی طرف سے روشنی میں لایا گیا تھا جیفری ہنٹن. یان لیکون، یوشوا بینجیو اور جیفری نے وضاحت کی ہے کہ: "ڈیپ لرننگ بیک پروپیگیشن الگورتھم کا استعمال کرتے ہوئے بڑے ڈیٹا سیٹس میں پیچیدہ ڈھانچے کو دریافت کرتی ہے تاکہ اس بات کی نشاندہی کی جا سکے کہ کس طرح ایک مشین کو اپنے اندرونی پیرامیٹرز کو تبدیل کرنا چاہیے جو کہ ہر پرت میں نمائندگی کو پچھلی پرت کی نمائندگی سے شمار کرنے کے لیے استعمال ہوتے ہیں۔" عام آدمی کے لحاظ سے، یہ ایک مشین کو اس کے گہرے پیرامیٹرز کے ذریعے اس کی پیچیدہ تہوں کے ذریعے خود کو بہتر طور پر سمجھنے میں مدد کرتا ہے (مزید تفصیلات کے لیے براہ کرم ان تینوں حضرات کا لکھا ہوا باقی جائزہ پڑھیں)۔

کازلیٹی بمقابلہ ارتباط

تیسری اور آخری پیش رفت باہمی تعلق سے وجہ کو مزید فرق کرنے کے لیے ایک باہمی تعاون پر مبنی خیال ہے۔ میکس کو لگتا ہے کہ جوڈیا پرل کے اوزار ان دو تصورات کو الگ کرنے میں مدد کر سکتے ہیں اور منظم ہو جاؤ. بنیادی طور پر جوڈیا کا کردار ڈیٹا کو مزید ڈھانچہ فراہم کرنے میں مدد کرنا ہے جو اس صورت میں کیا جا سکتا ہے جب مریض کی فائلوں کو ڈیٹا بیس میں ڈیجیٹل طور پر منتقل کیا جائے۔ پرل کا کام کافی پیچیدہ ہے لہذا اگر آپ مزید سمجھنا چاہتے ہیں کہ اس کے "ٹولز" کیا ہیں۔ یہاں کلک کریں.

میکس کی خواہش

ویلنگ نے اپنے آخر میں خلاصہ کیا۔ ٹی ای ڈی ایکس ٹاک کہ وہ مشین لرنر کے ذریعے رازداری کو محفوظ رکھنا چاہتا ہے۔ دوم، ڈیٹا نابالغوں اور سائنسدانوں کو شامل کرنا تاکہ تشخیص کو مزید بہتر بنایا جا سکے تاکہ پیسے اور جانیں بچائی جا سکیں۔ آخر میں، وہ ٹیکنالوجی کے ذریعے ہسپتالوں، ڈاکٹروں اور مریضوں کی بہتر خدمت کر کے صحت کی دیکھ بھال میں انقلاب لانا چاہتا ہے جس سے ہسپتالوں کے دوروں کو کم کرنے اور پیسے کو زیادہ موثر طریقے سے استعمال کرنے میں مدد مل سکتی ہے۔ صحت کی دیکھ بھال کے حوالے سے یہ ایک خوبصورت وژن ہے کیونکہ وہ نہ صرف طبی صنعت کا احترام کرنا چاہتا ہے بلکہ وہ ہسپتالوں اور طبی مراکز کے بجٹ کے بارے میں سوچتے ہوئے جان بچانے میں بھی مدد کرنا چاہتا ہے۔