کیا آپ جاننا چاہتے ہیں کہ مصنوعی ذہانت تصاویر سے کینسر کی ابتدائی شناخت کیسے کرتی ہے? آئیے اس مضمون میں INVIAI کے ساتھ مزید تفصیلات جانتے ہیں!
کینسر کی ابتدائی شناخت سے بچاؤ کے امکانات بہت بہتر ہو جاتے ہیں۔ مصنوعی ذہانت (AI) اب ڈاکٹروں کو طبی تصاویر میں جلد اور زیادہ درستگی سے ٹیومرز کی نشاندہی کرنے میں مدد دے رہی ہے۔
ہزاروں تشریح شدہ اسکینز اور سلائیڈز پر گہرے سیکھنے کے ماڈلز کی تربیت کے ذریعے، AI ایسے نمونے سیکھ سکتا ہے جو ماہر کلینیشن بھی نظر انداز کر سکتے ہیں۔
عملی طور پر، AI کے آلات میموگرامز، چیسٹ CT، ایکسرے، MRI، الٹراساؤنڈ اور پیتھالوجی سلائیڈز جیسی تصاویر کا تجزیہ کرتے ہیں، مشتبہ علاقوں کو نشان زد کرتے ہیں اور خطرے کی مقدار بتاتے ہیں۔
مثال کے طور پر، ایک AI سے بہتر بنایا گیا الٹراساؤنڈ ایک مریضہ کو غیر ضروری تھائرائڈ بایوپسی سے بچانے میں مددگار ثابت ہوا کیونکہ اس نے دکھایا کہ اس کا گانٹھ خوش خیم ہے۔
ماہرین کا کہنا ہے کہ کینسر کی دیکھ بھال میں AI "ایک بے مثال موقع" ہے تشخیص اور علاج کو بہتر بنانے کے لیے۔
مصنوعی ذہانت طبی تصاویر کا تجزیہ کیسے کرتی ہے
تصویری نظاموں کے لیے AI عام طور پر گہرے سیکھنے (خاص طور پر کنولوشنل نیورل نیٹ ورکس) کا استعمال کرتا ہے جو وسیع ڈیٹا سیٹس پر تربیت یافتہ ہوتے ہیں۔ تربیت کے دوران، الگورتھم ایسے خصوصیات (جیسے شکلیں، بناوٹ، رنگ) سیکھتا ہے جو کینسر زدہ اور صحت مند ٹشو میں فرق کرتی ہیں۔
ایک بار تربیت مکمل ہونے کے بعد، AI ماڈل نئی تصاویر کو اسکین کرتا ہے اور ایسے نمونے نمایاں کرتا ہے جو سیکھے گئے کینسر کی خصوصیات سے میل کھاتے ہیں۔
درحقیقت، AI ایک حساس "دوسرا قاری" بن جاتا ہے، جو انسانی نظر سے چھپ جانے والے معمولی زخموں کی نشاندہی کرتا ہے۔ مثال کے طور پر، AI جو میموگرام یا CT سلائس کا جائزہ لے رہا ہو، وہ چھوٹے کیلسیفیکیشنز یا نوڈولز کو رنگین خانوں اور انتباہات کے ساتھ نشان زد کر سکتا ہے تاکہ ریڈیولوجسٹ ان کا معائنہ کرے۔
AI تجزیے خطرے کا اندازہ بھی لگا سکتے ہیں: کچھ الگورتھمز ایک تصویر سے مریض کے مستقبل کے کینسر کے خطرے کی پیش گوئی کرتے ہیں (سیکھے گئے تعلقات کی بنیاد پر)، جس سے ڈاکٹرز کو اسکریننگ کے وقفے ذاتی بنانے میں مدد ملتی ہے۔
ایک کیس میں، مریض کی AI سے تجزیہ شدہ تھائرائڈ الٹراساؤنڈ نے واضح طور پر خوش خیم ٹشو کی نشاندہی کی، جو بعد کی بایوپسی کے نتائج سے میل کھاتی تھی اور اس کی اضافی تشویش کو کم کیا۔
بریسٹ کینسر اسکریننگ
میموگرافی ایک اہم مثال ہے جہاں AI نمایاں کردار ادا کر رہا ہے۔ مطالعات سے پتہ چلتا ہے کہ AI کی مدد سے بریسٹ کینسر کی شناخت میں نمایاں بہتری آتی ہے۔
جرمنی کے ایک بڑے تجربے میں، AI کے ساتھ کام کرنے والے ریڈیولوجسٹ نے بغیر AI کے مقابلے میں 17.6% زیادہ کینسرز دریافت کیے۔
خاص طور پر، AI کی مدد سے گروپ نے 1,000 خواتین میں سے 6.7 کینسرز کی نشاندہی کی، جبکہ معیاری گروپ میں یہ تعداد 5.7 تھی، اور ری کال ریٹ (غلط الارم) میں معمولی کمی بھی دیکھی گئی۔
عمومی طور پر، میموگرافی میں AI کے فوائد یہ ہیں:
- حساسیت اور مخصوصیت میں بہتری۔ NCI کی تحقیق کے مطابق AI تصویری الگورتھمز "میموگرافی پر بریسٹ کینسر کی شناخت کو بہتر بناتے ہیں" اور یہ پیش گوئی بھی کر سکتے ہیں کہ کون سے زخم بعد میں جارحانہ ہو سکتے ہیں۔
- باریک نشانات کی شناخت۔ AI معمول کی اسکریننگ کے دوران آسانی سے نظر انداز ہونے والے چھوٹے مائیکرو کیلسیفیکیشنز یا عدم توازن کو نشان زد کر سکتا ہے، جیسے ایک اضافی ماہر قاری۔
- کام کا بوجھ اور تغیرات میں کمی۔ تصاویر کی پیشگی جانچ کر کے، AI مشتبہ کیسز کو ریڈیولوجسٹ کے لیے ترجیحی بنا سکتا ہے، جس سے بڑھتی ہوئی میموگرام کی تعداد کو سنبھالنے میں مدد ملتی ہے۔
قابل ذکر بات یہ ہے کہ FDA نے کئی AI معاون میموگرافی آلات (جیسے iCAD، DeepHealth کا SmartMammo) کو کلینیکل استعمال کے لیے منظور کیا ہے، جو حقیقی دنیا میں کینسر کی ابتدائی شناخت کی صلاحیت رکھتے ہیں۔
پھیپھڑوں کے کینسر کی اسکریننگ
پھیپھڑوں کے کینسر کی شناخت میں بھی AI کا استعمال ہو رہا ہے۔ کم مقدار والی CT (LDCT) اسکینز کو ہائی رسک سگریٹ نوشوں کی اسکریننگ کے لیے استعمال کیا جاتا ہے؛ AI اس میں تصویر کے معیار اور زخم کی شناخت کو بہتر بنا سکتا ہے۔
ایک فائدہ ریڈی ایشن کی مقدار میں کمی ہے: AI پر مبنی تصویر کی تعمیر کے الگورتھمز موجودہ LDCT اسکینز سے بھی کم تابکاری کے ساتھ واضح CT تصاویر بنا سکتے ہیں۔
مزید برآں، AI پر مبنی کمپیوٹر ایڈیڈ ڈیٹیکشن (CAD) نظام خودکار طور پر ہر CT سلائس کو نوڈولز کے لیے اسکین کرتے ہیں۔ جب ممکنہ نوڈول ملتا ہے، تو AI اسے تصویر پر نشان زد کرتا ہے تاکہ ڈاکٹر اس کا معائنہ کرے۔
مختصراً، AI پھیپھڑوں کی تصاویر پر حساس دوسرا قاری کے طور پر کام کر سکتا ہے۔
مثال کے طور پر، حالیہ ماڈلز خوش خیم اور بدخیم پھیپھڑوں کے نوڈولز دونوں کے لیے اعلی حساسیت دکھاتے ہیں (تحقیقی نظام ٹیسٹ اسکینز پر 90% سے زیادہ نوڈولز کی شناخت کرتے ہیں)۔ امریکی FDA نے پھیپھڑوں کے کینسر کی اسکریننگ میں مدد کے لیے AI آلات کی منظوری دی ہے، جو ابتدائی تشخیص میں ان کے کردار کو تسلیم کرتا ہے۔
AI اسکریننگ کو ذاتی نوعیت دینے میں بھی مدد کر سکتا ہے: امیجنگ کو مریض کے ڈیٹا کے ساتھ ملا کر الگورتھمز یہ طے کر سکتے ہیں کہ کس کو زیادہ بار اسکین کی ضرورت ہے۔
(تاہم، موجودہ CAD مطالعات سے پتہ چلتا ہے کہ اگرچہ AI زیادہ نوڈولز تلاش کرتا ہے، زیادہ تر اضافہ چھوٹے، کم خطرے والے نوڈولز میں ہوتا ہے، اور اس نے اب تک ترقی یافتہ زخموں کی شناخت میں نمایاں اضافہ نہیں کیا۔)
جلد کے کینسر (میلانومہ)
ڈرموسکوپک امیجنگ (بڑھی ہوئی جلد کی تصاویر) بھی AI کی ایک نمایاں جگہ ہے۔ جدید گہرے سیکھنے کے ماڈلز جو ہزاروں جلدی زخموں کی تصاویر پر تربیت یافتہ ہیں، مولز کو خوش خیم یا بدخیم کے طور پر اعلی درستگی کے ساتھ درجہ بندی کر سکتے ہیں۔
ایک حالیہ مطالعے میں، ایک بہتر نیورل نیٹ ورک نے 95–96% درستگی حاصل کی ابتدائی مرحلے کے میلانومہ کی شناخت میں۔
یہ اہم ہے: ابتدائی مرحلے کے میلانومہ کی پیش گوئی بہت اچھی ہوتی ہے (تقریباً 98% پانچ سالہ بقا)، جبکہ آخری مرحلے کے میلانومہ کی بقا بہت کم ہوتی ہے۔
AI مشتبہ مولز کو بایوپسی کے لیے نمایاں کر کے ڈرمیٹولوجسٹ کو جلد میلانومہ کی تشخیص میں مدد دے سکتا ہے۔
AI کے آلات کو فون ایپس یا ایسے آلات میں بھی شامل کیا جا رہا ہے جو مول کی تصویر لے کر اس کے خطرے کا اندازہ لگاتے ہیں، جس سے ابتدائی شناخت کو بنیادی صحت کی دیکھ بھال میں بھی وسعت مل سکتی ہے۔
سروائیکل کینسر اسکریننگ
AI سروائیکل کینسر اسکریننگ کو بہتر بنا رہا ہے، گردن رحم کی ڈیجیٹل تصاویر کا تجزیہ کر کے۔ مثال کے طور پر، CerviCARE نظام "سروائکوگرافی" تصاویر (کولپوسکوپی جیسی تصاویر) پر گہرے سیکھنے کا استعمال کرتا ہے تاکہ قبل از کینسر زخموں کی تمیز کی جا سکے۔
ایک کثیر مرکز تجربے میں، CerviCARE AI نے اعلی درجے کے سروائیکل زخموں (CIN2+) کے لیے 98% حساسیت اور 95.5% مخصوصیت حاصل کی۔
عملی طور پر، ایسی AI ان جگہوں پر مددگار ثابت ہو سکتی ہے جہاں ماہر کولپوسکوپسٹ کم ہوں: الگورتھم خودکار طور پر تشویش کے علاقوں کو نمایاں کرتا ہے، تاکہ کوئی قبل از کینسر ٹشو نظر انداز نہ ہو۔
یہ قسم کی AI روایتی پیپ سمیئر اور HPV ٹیسٹنگ کے ساتھ مل کر بیماری کو جلد پکڑنے میں مدد دیتی ہے۔
NCI بھی سروائیکل اسکریننگ میں قبل از کینسر شناخت کے لیے AI پر تحقیق کی نشاندہی کرتا ہے۔
کولون اور ریکٹل کینسر اسکریننگ
کولونوسکوپی کے دوران، AI حقیقی وقت میں مدد دیتا ہے۔ جدید نظام کولونوسکوپ سے ویڈیو فیڈ کا مسلسل تجزیہ کرتے ہیں۔ جب کیمرہ پولپ یا مشتبہ ٹشو کو دیکھتا ہے، تو AI اسے اسکرین پر نمایاں کرتا ہے (اکثر رنگین باکس اور آواز کے انتباہ کے ساتھ) تاکہ ڈاکٹر کی توجہ حاصل ہو۔
AI معاون کولونوسکوپی: نظام نے ایک "فلیٹ" پولپ (نیلے رنگ میں نمایاں) کی نشاندہی کی ہے جسے ڈاکٹر ہٹا سکتا ہے۔
مطالعات سے پتہ چلتا ہے کہ کولونوسکوپی میں AI کے استعمال سے کل پولپس کی تعداد میں اضافہ ہوتا ہے، خاص طور پر چھوٹے ایڈینوماس کی۔ اس کا مطلب ہے کہ AI ڈاکٹروں کو زیادہ ابتدائی نشوونما کو پکڑنے میں مدد دے سکتا ہے جو ورنہ نظر انداز ہو سکتے تھے۔
ایک بڑے تجربے (CADILLAC اسٹڈی) میں، AI کی مدد سے ایڈینوما کی شناخت میں اضافہ ہوا۔ تاہم، ماہرین نے یہ بھی نوٹ کیا کہ زیادہ تر اضافہ چھوٹے، کم خطرے والے پولپس میں تھا، اور اس مطالعے میں بڑے، زیادہ خطرناک ایڈینوماس کی شناخت میں نمایاں اضافہ نہیں ہوا۔
دوسرے الفاظ میں، AI چھوٹے زخموں کی نشاندہی میں بہترین ہے، لیکن یہ ابھی تک سب سے خطرناک قبل از کینسر کی شناخت کو بہتر بنانے میں مکمل طور پر کامیاب نہیں ہوا۔
اس کے باوجود، AI کا "دوسرا چشمہ" تھکن سے ہونے والی غلطیوں کو کم کر سکتا ہے اور ڈاکٹروں کے درمیان فرق کو گھٹا سکتا ہے۔ FDA نے کلینیکل کولونوسکوپی میں پولپ کی شناخت کے لیے AI نظام (CADe) کی منظوری دی ہے۔
پیتھالوجی اور دیگر امیجنگ میں AI
AI کی رسائی براہِ راست امیجنگ سے آگے پیتھالوجی اور مخصوص اسکینز تک جاتی ہے۔ ڈیجیٹل پیتھالوجی سلائیڈز (ٹشو بایوپسیز کے اعلیٰ معیار کے اسکینز) کو AI الگورتھمز پڑھ رہے ہیں۔
مثال کے طور پر، ایک نیا AI جسے CHIEF کہا جاتا ہے، 19 کینسر اقسام کے 60,000 سے زائد مکمل سلائیڈ تصاویر پر تربیت یافتہ ہے۔
یہ خودکار طور پر سلائیڈ میں کینسر کے خلیات کی شناخت کرتا ہے اور بصری خصوصیات سے ٹیومر کا مالیکیولر پروفائل بھی پیش گوئی کرتا ہے۔ تجربات میں، CHIEF نے کئی اعضاء میں ان دیکھی سلائیڈز پر تقریباً 94% درستگی حاصل کی۔
اسی طرح، FDA نے پروسٹیٹ بایوپسی نمونوں میں کینسر کے علاقوں کو نمایاں کرنے کے لیے AI سافٹ ویئر کی منظوری دی ہے، جو پیتھالوجسٹ کو اہم علاقوں پر توجہ مرکوز کرنے میں مدد دیتا ہے۔ AI کے آلات دماغی ٹیومر MRI تشریح اور تھائرائڈ نوڈول الٹراساؤنڈ کے لیے بھی منظور شدہ ہیں۔
مختصراً، AI ایک کثیر الجہتی معاون بن رہا ہے: MRI/CT اسکینز سے لے کر ایکسرے اور خوردبین کے نیچے کی سلائیڈز تک، یہ غیر معمولیات کو نشان زد کرتا ہے جن پر توجہ دی جانی چاہیے۔
ابتدائی شناخت میں AI کے فوائد
مختلف اطلاقات میں، AI کینسر کی ابتدائی شناخت کے لیے کئی اہم فوائد فراہم کرتا ہے:
- زیادہ حساسیت: AI بہت باریک علامات کو بھی پکڑ سکتا ہے۔ بریسٹ اسکریننگ میں، AI نے پچھلے میموگرامز پر بعد میں سامنے آنے والے 20–40% انٹرویل کینسرز (جو پہلی بار میں چھپ گئے تھے) کو شناخت کیا۔
اس کا مطلب ہے کہ AI انسانی قاریوں سے پہلے کینسرز ظاہر کر سکتا ہے۔ - درستگی اور کارکردگی: مطالعات سے پتہ چلتا ہے کہ AI معاون تشخیص سے غلط منفی کم ہوتے ہیں اور بعض اوقات غلط مثبت بھی کم ہوتے ہیں۔
مثال کے طور پر، جرمنی کے ایک تجربے میں AI کی مدد سے میموگرافی نے بایوپسی کی مثبت پیش گوئی کی قدر بڑھائی (یعنی بایوپسی میں کینسر کی شرح)۔ - AI انسانی مقابلے میں تصاویر کو تیزی سے پروسیس کر سکتا ہے، جس سے اسکریننگ پروگرام بڑھتے ہوئے کام کے بوجھ کو معیار کے بغیر سنبھال سکتے ہیں۔
- یکساں معیار: انسانوں کے برعکس، AI تھکتا نہیں اور توجہ ہٹنے کی وجہ سے چیزیں نظر انداز نہیں کرتا۔
یہ کیسز میں یکساں تجزیہ فراہم کرتا ہے، جو ریڈیولوجسٹ کے درمیان فرق کو کم کر سکتا ہے۔ - غیر ضروری طریقہ کار سے بچاؤ: خوش خیم اور بدخیم زخموں میں زیادہ درست تمیز کر کے، AI مریضوں کو غیر ضروری ٹیسٹ سے بچا سکتا ہے۔
تھائرائڈ کی مثال میں، AI نے بغیر بایوپسی کے کینسر کو مؤثر طریقے سے مسترد کیا۔ - ڈرمیٹولوجی میں، AI ایپس مریضوں کو خوش خیم مولز کے بارے میں یقین دہانی کروا سکتی ہیں۔
مجموعی طور پر، مقصد عین مطابق اسکریننگ ہے: وہ چیزیں تلاش کرنا جنہیں واقعی مداخلت کی ضرورت ہو اور ضرورت سے زیادہ علاج سے بچنا۔ - عالمی رسائی: ماہرین کی کمی والے علاقوں میں، AI آلات دور دراز کلینکس تک ماہر سطح کی اسکریننگ پہنچا سکتے ہیں۔
مثال کے طور پر، AI کولپوسکوپ نرسوں کو کم وسائل والے علاقوں میں سروائیکل کینسر کی اسکریننگ میں مدد دے سکتا ہے۔
“AI سے چلنے والے طریقے کلینیشنز کی صلاحیت کو مؤثر اور درست طریقے سے کینسر کی تشخیص میں بڑھا سکتے ہیں۔” کئی تجربات میں، AI اور ڈاکٹروں کی مہارت کا امتزاج اکیلے دونوں سے بہتر نتائج دیتا ہے، جیسے کہ ایک باخبر ساتھی سے مشورہ کرنا۔
چیلنجز اور غور و فکر
AI کے ساتھ کچھ چیلنجز بھی ہیں۔ محدود یا غیر متنوع ڈیٹا پر تربیت یافتہ ماڈلز تمام مریضوں کے لیے یکساں کارکردگی نہیں دکھا سکتے۔ مثال کے طور پر، AI جلدی زخموں کے پتہ لگانے والے آلات کو مختلف جلد کے رنگوں پر تربیت دینا ضروری ہے تاکہ تعصب سے بچا جا سکے۔
ڈرموسکوپک AI آلات نے تصاویر میں موجود خلل (جیسے بال یا کم روشنی) اور کم نمائندگی والے زخموں کی اقسام پر کارکردگی میں خلا ظاہر کیے ہیں۔
اسکریننگ میں، زیادہ شناخت کا مطلب زیادہ غلط الارم بھی ہو سکتا ہے: AI کولونوسکوپی نے بہت سے چھوٹے پولپس کو نشان زد کیا، جن میں سے کچھ کبھی کینسر میں تبدیل نہیں ہوتے۔
ہر چھوٹے زخم کو ہٹانے کے اپنے خطرات ہوتے ہیں (جیسے خون بہنا یا سوراخ ہونا)۔ اس لیے، کلینیشنز کو AI کی حساسیت اور مخصوصیت کے درمیان توازن قائم کرنا ہوتا ہے تاکہ ضرورت سے زیادہ تشخیص سے بچا جا سکے۔
AI کو کلینیکل ورک فلو میں شامل کرنا آسان نہیں۔ ہسپتالوں کو تصدیق شدہ، FDA منظور شدہ سافٹ ویئر اور عملے کی تربیت کی ضرورت ہوتی ہے۔ اس کے علاوہ، یہ سوالات بھی ہوتے ہیں کہ اگر AI کینسر کو نظر انداز کرے تو ذمہ داری کس کی ہوگی۔
بہت سے محققین اس بات پر زور دیتے ہیں کہ AI ایک آلہ ہے، متبادل نہیں؛ جیسا کہ ایک ریڈیولوجسٹ نے کہا، AI کا استعمال "ایک ذہین ساتھی سے مشورہ لینے جیسا ہے"۔ جاری تجربات اور مارکیٹ کے بعد کی مطالعات ضروری ہیں تاکہ یہ یقینی بنایا جا سکے کہ یہ آلات واقعی نتائج کو بہتر بناتے ہیں۔
مستقبل کے رجحانات
کینسر کی شناخت میں AI کا مستقبل روشن ہے۔ محققین “فاؤنڈیشن ماڈلز” تیار کر رہے ہیں (بڑے AI جو وسیع ڈیٹا سیٹس پر تربیت یافتہ ہوتے ہیں) جو ایک ساتھ کئی کام انجام دے سکتے ہیں۔ ہارورڈ کا CHIEF ایک مثال ہے: اسے "پیتھالوجی کے لیے ChatGPT" کی طرح تربیت دی گئی ہے، لاکھوں تصویری ٹکڑوں پر، اور یہ کئی کینسر اقسام میں کام کرتا ہے۔
اسی طرح کے طریقے جلد ہی امیجنگ کو جینیاتی اور کلینیکل ڈیٹا کے ساتھ ملا کر انتہائی ذاتی نوعیت کی اسکریننگ کر سکتے ہیں۔ ملٹی موڈل AI نہ صرف یہ پیش گوئی کر سکتا ہے کہ کینسر موجود ہے یا نہیں، بلکہ یہ بھی کہ وہ کتنا جارحانہ ہوگا، جس سے فالو اپ کی شدت کا تعین ممکن ہو گا۔
AI کی کارکردگی نئی تکنیکوں کے ساتھ تیزی سے بہتر ہو رہی ہے۔ اگلی نسل کے CAD نظام جدید نیورل نیٹ ورک آرکیٹیکچرز اور بڑے زبان کے ماڈلز استعمال کرتے ہیں تاکہ تصاویر کی تشریح کی جا سکے۔ پھیپھڑوں کے کینسر کے لیے، ماہرین نوٹ کرتے ہیں کہ پرانے AI نظام آج کے ماڈلز کے مقابلے میں "ابتدائی" تھے، اور وہ توقع کرتے ہیں کہ نئے ورژن بہت بہتر ہوں گے۔
بین الاقوامی مطالعات (جیسے یورپ اور امریکہ میں کثیر مرکز تجربات) AI آلات کی وسیع پیمانے پر تصدیق کے لیے جاری ہیں۔ جیسے جیسے ڈیٹا جمع ہوتا ہے، AI حقیقی دنیا کے نتائج سے سیکھے گا اور اپنی درستگی کو مسلسل بہتر بنائے گا۔
خلاصہ یہ کہ، AI پہلے ہی ڈاکٹروں کو طبی تصاویر سے کینسر کی جلد شناخت میں مدد دے رہا ہے – میموگرامز اور CT اسکینز سے لے کر جلد کی تصاویر اور بایوپسی سلائیڈز تک۔ اگرچہ چیلنجز باقی ہیں، جدید تحقیق اور ریگولیٹری منظوریوں سے ظاہر ہوتا ہے کہ مستقبل میں AI کینسر اسکریننگ کا ایک معیاری ساتھی ہوگا۔
ٹیومرز کو ان کے ابتدائی مراحل میں پکڑ کر، جب علاج سب سے مؤثر ہوتا ہے، یہ ٹیکنالوجیز دنیا بھر میں بہت سے مریضوں کے نتائج کو بہتر بنا سکتی ہیں۔
