ہارورڈ بوفنز 14 اقسام کے کینسر کی پیش گوئی کرنے کے لیے ملٹی موڈل اے آئی سسٹم بناتے ہیں۔

متعدد قسم کے ڈیٹا پر تربیت یافتہ ملٹی موڈل اے آئی ماڈلز ڈاکٹروں کو متعدد مختلف کینسر ہونے کے خطرے سے دوچار مریضوں کو زیادہ درست طریقے سے جانچنے میں مدد دے سکتے ہیں۔

ہارورڈ یونیورسٹی کے میڈیکل اسکول کے بریگھم اور خواتین کے اسپتال کے محققین نے ایک گہری سیکھنے کا ماڈل تیار کیا جو کینسر کی 14 اقسام کی شناخت کرنے کے قابل ہے۔ زیادہ تر AI الگورتھم کو اعداد و شمار کے ایک ہی ذریعہ سے بیماری کی علامات کی نشاندہی کرنے کی تربیت دی جاتی ہے، جیسے کہ میڈیکل اسکین، لیکن یہ ایک سے زیادہ ذرائع سے معلومات لے سکتا ہے۔ 

یہ پیش گوئی کرنا کہ آیا کسی کو کینسر ہونے کا خطرہ ہے، ہمیشہ اتنا سیدھا نہیں ہوتا، ڈاکٹروں کو اکثر مختلف قسم کی معلومات سے مشورہ کرنا پڑتا ہے جیسے کہ مریض کی صحت کی دیکھ بھال کی تاریخ یا جینیاتی بائیو مارکر کا پتہ لگانے کے لیے دوسرے ٹیسٹ کرنا پڑتے ہیں۔

یہ نتائج ڈاکٹروں کو مریض کے لیے بہترین علاج کا پتہ لگانے میں مدد کر سکتے ہیں کیونکہ وہ بیماری کے بڑھنے کی نگرانی کرتے ہیں، لیکن ان کے اعداد و شمار کی تشریح موضوعی ہو سکتی ہے، فیصل محمود، برگہم اور خواتین کے ڈویژن کے کمپیوٹیشنل پیتھالوجی میں کام کرنے والے اسسٹنٹ پروفیسر۔ ہسپتال، وضاحت کی. 

"ماہرین شواہد کے بہت سے ٹکڑوں کا تجزیہ کرتے ہیں تاکہ یہ اندازہ لگایا جا سکے کہ مریض کتنا اچھا کام کر سکتا ہے۔ یہ ابتدائی امتحانات کلینکل ٹرائل یا مخصوص علاج کے طریقہ کار میں داخلہ لینے کے بارے میں فیصلے کرنے کی بنیاد بن جاتے ہیں۔ لیکن اس کا مطلب یہ ہے کہ یہ ملٹی موڈل پیشین گوئی ماہر کی سطح پر ہوتی ہے۔ ہم اس مسئلے کو حسابی طور پر حل کرنے کی کوشش کر رہے ہیں،" انہوں نے ایک میں کہا بیان.

محمود اور ان کے ساتھیوں نے بتایا کہ کس طرح ایک واحد نظام، جو کہ متعدد گہری سیکھنے پر مبنی الگورتھم پر مشتمل ہے اور ڈیٹا کی متعدد شکلوں پر تربیت یافتہ ہے، 14 مختلف کینسروں کی تشخیص کر سکتا ہے۔ محققین نے کینسر جینوم اٹلس (TCGA) سے تربیتی ڈیٹا کا استعمال کیا، ایک عوامی وسیلہ جس میں 5,000 سے زیادہ حقیقی مریضوں کے ساتھ ساتھ دیگر ڈیٹا ذرائع سے حاصل کردہ کینسر کی مختلف اقسام کے ڈیٹا پر مشتمل ہے۔

سب سے پہلے، مکمل سلائیڈ امیجز (WSIs) سے سیل ٹشوز کے خوردبینی نظارے اور متن پر مبنی جینومکس ڈیٹا کو دو الگ الگ ماڈلز کی تربیت کے لیے استعمال کیا گیا۔ پھر ان کو ایک ہی نظام میں ضم کر دیا گیا تاکہ یہ اندازہ لگایا جا سکے کہ آیا مریضوں کو کینسر کی مختلف اقسام پیدا ہونے کا خطرہ زیادہ ہے یا کم۔ محققین نے دعوی کیا کہ ماڈل سائنسدانوں کو بعض بیماری سے منسلک جینیاتی مارکروں کو تلاش کرنے یا اس کی تصدیق کرنے میں بھی مدد کرسکتا ہے. 

"گہری تعلیم کا استعمال کرتے ہوئے، مالیکیولر بائیو مارکر کے ملٹی موڈل فیوژن اور WSIs سے اخذ کردہ مورفولوجیکل خصوصیات کا استعمال نہ صرف مریضوں کے خطرے کی سطح بندی میں درستگی کو بہتر بنانے میں ممکنہ طبی استعمال ہے بلکہ ملٹی موڈل بائیو مارکروں کی دریافت اور توثیق میں بھی مدد کر سکتا ہے جہاں ہسٹولوجی اور جینومک بائیو مارکر کے مشترکہ اثرات ہیں۔ معلوم نہیں،" ٹیم نے ایک مقالے میں لکھا شائع پیر کو کینسر سیل میں۔

محمود نے بتایا رجسٹر موجودہ مطالعہ کینسر کے خطرے کی پیش گوئی کرنے کے لیے ملٹی موڈل ماڈلز کے استعمال کے تصور کا ثبوت تھا۔ "ہمیں ان ماڈلز کو بہت زیادہ ڈیٹا کے ساتھ تربیت دینے کی ضرورت ہے، ان ماڈلز کو بڑے آزاد ٹیسٹ گروپس پر ٹیسٹ کرنے اور کلینیکل سیٹنگ میں ان ماڈلز کی افادیت کو قائم کرنے کے لیے ممکنہ مطالعات اور کلینیکل ٹرائلز چلانے کی ضرورت ہے۔" ®