آپ کی آواز کی آواز سے بیماریوں کی تشخیص کے لیے امریکہ لاکھوں AI پر پھینکتا ہے۔

یو ایس نیشنل انسٹی ٹیوٹ آف ہیلتھ (NIH) نے AI سافٹ ویئر کی تربیت کے لیے 14 ملین ڈالر کی رقم مختص کی ہے جو بیماری کی تشخیص اور مطالعہ کرنے کے لیے مریضوں کی آوازوں کا تجزیہ کر سکتا ہے۔

بارہ تحقیقی ادارے کی قیادت میں یونیورسٹی آف ساؤتھ فلوریڈا (USF) کو چار سالوں میں مختلف ڈگریوں پر رقم ملے گی۔

ان کا مقصد رازداری کے حوالے سے شعوری انداز میں، لوگوں کی آوازوں کا ایک تربیتی ڈیٹا بیس جمع کرنا ہو گا جس کا استعمال ایسی ایپلی کیشنز کو تربیت دینے کے لیے کیا جا سکتا ہے جسے ڈاکٹر کسی شخص کی تقریر کی جانچ کر کے ممکنہ طور پر بیماریوں اور اعصابی عوارض کا پتہ لگانے کے لیے استعمال کر سکتے ہیں۔

The Voice as a Biomarker of Health پروجیکٹ اس سافٹ ویئر پر توجہ مرکوز کرے گا جو ان پانچ اقسام کی بیماریوں کو اٹھا سکتا ہے:

یو ایس ایف کے شعبہ اوٹولرینگولوجی کے پروجیکٹ لیڈر اور اسسٹنٹ پروفیسر یائل بینسوسن نے بتایا کہ "ہماری ٹیم نے وائس اے آئی میں موجودہ کام کی بنیاد پر بیماریوں کی پانچ اقسام کا انتخاب کیا جو پچھلے 20 سالوں میں شائع ہوئے ہیں۔" رجسٹر.

آواز اور تقریر کے اعداد و شمار کا تجزیہ کرنے کے لیے مشین لرننگ الگورتھم میں حالیہ پیش رفت نے دکھایا ہے کہ جسمانی اور ذہنی صحت کا اندازہ لگانے کے لیے ٹیکنالوجیز کا استعمال کیسے کیا جا سکتا ہے۔ اے مطالعہ MIT کے محققین کی قیادت میں، مثال کے طور پر، تقریر میں جھٹکے اور جھٹکے کو افسردگی اور اضطراب سے جوڑ دیا۔

ماہرین تعلیم کا خیال ہے کہ نتائج کافی امید افزا ہیں کہ اے آئی کا استعمال کرتے ہوئے تقریر یا سانس لینے کی آواز کو سننا اور اس پر کارروائی کرنا ابتدائی مرحلے میں بیماریوں اور خرابیوں کا پتہ لگانے کے لیے کم لاگت کا طریقہ فراہم کر سکتا ہے۔

بینسوسن نے ہمیں بتایا کہ "آواز مطالعہ کے لیے سب سے سستے بائیو مارکرز میں سے ایک ہے۔"

"جب آپ بائیو مارکر کے بارے میں سوچتے ہیں جیسے جینیاتی جانچ یا امیجنگ جیسے MRIs یا اسکین، وہ سب کافی وسائل کے حامل ہوتے ہیں اور ایک لحاظ سے ناگوار ہو سکتے ہیں۔ مثال کے طور پر سی ٹی اسکین مریضوں کے لیے تابکاری کا باعث بنتے ہیں۔ آواز جمع کرنے کے لیے سب سے آسان بائیو مارکر ہے، جو مریضوں کے لیے کسی قسم کے جسمانی خطرے کا باعث نہیں بنتی، اور خاص طور پر جدید ٹیکنالوجی کے ساتھ بہت کم وسائل کی ترتیبات میں جمع کی جا سکتی ہے۔"

NIH پہلے سال میں 3.8 ملین ڈالر دے گا وائس کو بطور بائیو مارکر آف ہیلتھ اقدام شرکاء کے لیے ایک بڑا، متنوع وائس ڈیٹا بیس بنانے کے لیے جس کا اندازہ میڈیکل امیجنگ اور جینومکس سے جمع کیے گئے دیگر ڈیٹا کے ساتھ لگایا جا سکتا ہے۔ پہلے سال میں پائلٹ اسٹڈی میں کلینیکل سیٹنگز میں منتخب مریضوں سے تقریر کا ڈیٹا ریکارڈ کیا جائے گا۔ 

ڈیٹا بیس کو محققین کے درمیان شیئر کیا جائے گا تاکہ مخصوص بیماریوں کی تشخیص شدہ مریضوں کی آوازوں میں عام خصوصیات کو پہچاننے کے لیے AI الگورتھم کو تربیت دی جا سکے۔ اس بات کو یقینی بنانے کے لیے کہ حساس ڈیٹا کو نجی اور محفوظ رکھا جائے، ماڈلز کو Owkin کے تعاون سے فیڈریٹڈ لرننگ کا استعمال کرتے ہوئے تربیت دی جائے گی، یہ ایک اسٹارٹ اپ ہے جو مشین لرننگ سافٹ ویئر کا استعمال کرتے ہوئے بائیو میڈیکل ریسرچ میں مدد کرنے پر مرکوز ہے۔ 

"فیڈریٹڈ لرننگ ٹیکنالوجی - ایک نیا AI فریم ورک جو مشین لرننگ ماڈلز کو ڈیٹا پر تربیت دینے کی اجازت دیتا ہے بغیر ڈیٹا کے اپنے ماخذ کو چھوڑے - Owkin کی طرف سے متعدد تحقیقی مراکز میں تعینات کیا جائے گا تاکہ یہ ظاہر کیا جا سکے کہ کراس سینٹر AI تحقیق کو محفوظ رکھتے ہوئے کیا جا سکتا ہے۔ حساس صوتی ڈیٹا کی رازداری اور حفاظت،" کمپنی کی نمائندگی کرنے والے ایک ترجمان نے بتایا ایل ریگ.

کانگریس کی منظوری کے ساتھ اس اقدام کے لیے مزید رقم، 14 ملین ڈالر تک دی جا سکتی ہے۔

صحت کے بائیو مارکر کے طور پر آواز NIH کی جانب سے R&D میں AI کو اپنانے کے عمل کو تیز کرنے کی ایک وسیع کوشش کا حصہ ہے اس امید کے ساتھ کہ نئی ٹیکنالوجیز امریکی صحت کی دیکھ بھال کو بہتر بنائیں گی۔ طبی تحقیق org وعدہ AI میں صحت کی دیکھ بھال کے محققین کو تربیت دینے کے لیے فلیگ شپ بایومیڈیکل ڈیٹا سیٹس، یونیورسل سافٹ ویئر ٹولز، اور وسائل بنانے کے لیے چار سالوں میں $130 ملین تک کی سرمایہ کاری کرنا۔ ®