فائدہ:
- یہ بتانے کی صلاحیت کہ کس طرح مصنوعی ذہانت سے تعاون یافتہ پتہ لگانے، تقسیم کرنے اور ترجیحی ورک فلو کو ریڈیولاجیکل امیجز میں قائم کیا جاتا ہے۔
- ماڈل آؤٹ پٹس (گرمی کا نقشہ، امکان، پیمائش) کو ریڈیولوجسٹ کے فیصلے سے الگ کرنے اور انہیں معاون کردار میں رکھنے کی صلاحیت
- حساسیت/خصوصیت، غلط مثبت بوجھ، اور طبی سیاق و سباق کے ساتھ امیج ماڈل آؤٹ پٹ کی توثیق کرنے کی صلاحیت
بائیو میڈیکل انجینئرنگ میں ریڈیولاجی مصنوعی ذہانت کا سب سے پختہ اطلاق کا شعبہ ہے۔ ایکس رے (ایکس رے)، کمپیوٹیڈ ٹوموگرافی (CT؛ انگریزی میں CT، مختلف زاویوں سے لیے گئے ایکس رے حصوں کو یکجا کرنا) اور مقناطیسی گونج (MR؛ انگریزی میں MRI، مضبوط مقناطیسی میدان اور ریڈیو لہروں کے ساتھ ٹشو کی امیجنگ) روزانہ لاکھوں تصاویر تیار کرتے ہیں۔ ایک ریڈیولوجسٹ کو ان تصاویر کی تشریح کرنے میں سالوں کی مہارت درکار ہوتی ہے۔ مصنوعی ذہانت اس عمل میں پتہ لگانے (کسی تلاش کی طرف توجہ مبذول کرانا)، سیگمنٹیشن (کسی ڈھانچے کی حدود کھینچنا؛ انگریزی میں سیگمنٹیشن) اور ترجیح (قطار کے آغاز میں فوری کیسز؛ انگریزی میں ٹرائیج) کے ساتھ اس عمل میں حصہ ڈالتی ہے۔ اس یونٹ میں، ہم دیکھیں گے کہ یہ ورک فلو کیسے ترتیب دیے جاتے ہیں اور — سب سے اہم بات — کیسے آؤٹ پٹ کو ریڈیولوجسٹ کے فیصلے کے متبادل کے بجائے ایک ان پٹ کے طور پر رکھا جاتا ہے۔
ایک انجینئر کے طور پر، آپ کا کام اکثر ماڈل کو تیار کرنا، اسے مربوط کرنا، اس کی توثیق کرنا، اور کلینیکل ٹیم کے ساتھ اس کی کارکردگی کی نگرانی کرنا ہے۔ ریڈیولوجسٹ تشخیص کرتا ہے۔ AI تشخیص نہیں کرتا؛ توجہ مبذول کرتا ہے، اقدامات، طرح.
ریڈیولاجیکل AI ورک فلو کے مراحل
مرحلہ 1 - ڈیٹا اور پری پروسیسنگ۔ تصاویر DICOM (طب میں ڈیجیٹل امیجنگ اینڈ کمیونیکیشنز؛ میڈیکل امیجز کے لیے معیاری فائل اور کمیونیکیشن فارمیٹ) کے طور پر آتی ہیں۔ پری پروسیسنگ؛ ان میں ونڈونگ (تصویری کنٹراسٹ کو ایڈجسٹ کرنا)، ری سیمپلنگ (سلائسز کو معیاری سائز میں تبدیل کرنا) اور شور میں کمی شامل ہے۔ یہ قدم محفوظ اور آٹومیشن کے لیے موزوں ہے۔
مرحلہ 2 - پتہ لگانا اور تقسیم کرنا۔ پیٹرن پھیپھڑوں کے نوڈول، فریکچر، یا نکسیر سے متعلقہ علاقے کو نشان زد کرتا ہے۔ آؤٹ پٹ عام طور پر امکانی سکور اور ہیٹ میپ کی شکل میں ہوتا ہے (ایک پرت جو رنگ کے ذریعے ان علاقوں کو دکھاتی ہے جہاں ماڈل کی توجہ مرکوز ہوتی ہے)۔ سیگمنٹیشن میں، ماڈل کسی عضو یا زخم کی پکسل باؤنڈریز کھینچتا ہے۔ یہ حجم کی پیمائش کے لیے استعمال ہوتا ہے۔
مرحلہ 3 - ترجیح دیں۔ اگر فوری تلاش (مثلاً برین ہیمرج) کا پتہ چلا تو کیس کو ورک لسٹ میں آگے لایا جاتا ہے۔ یہاں مقصد ریڈیولاجسٹ کو تبدیل کرنا نہیں ہے، بلکہ اس بات کو یقینی بنانا ہے کہ نازک کیس کو پہلے دیکھا جائے۔
مرحلہ 4 - ریڈیولوجسٹ کی تشخیص۔ ماڈل آؤٹ پٹ ریڈیولوجسٹ کو سفارشی پرت کے طور پر پیش کیے جاتے ہیں۔ ریڈیولوجسٹ قبول کرتا ہے، مسترد کرتا ہے یا تبدیلی کرتا ہے۔ حتمی رپورٹ اور تشخیص ریڈیولوجسٹ سے تعلق رکھتی ہے۔
مرحلہ 5 - تصدیق اور نگرانی۔ ماڈل کے میدان میں آنے کے بعد، اس کی کارکردگی کی مسلسل نگرانی کی جاتی ہے۔ غلط مثبت اور غلط منفی شرحوں کو مختلف آلات اور مریضوں کے گروپوں میں الگ الگ ٹریک کیا جاتا ہے۔
حساسیت، مخصوصیت اور غلط مثبت بوجھ
تصویری ماڈل کی تشخیص کے لیے دو بنیادی میٹرکس ہیں۔ حساسیت ان لوگوں کا پتہ لگانے کی شرح ہے جو واقعی بیمار ہیں: زیادہ حساسیت کا مطلب ہے کم کھوئے ہوئے نتائج۔ مخصوصیت وہ شرح ہے جس پر ہم صحیح معنوں میں صحت مند کو ختم کرتے ہیں: اعلیٰ خصوصیت کا مطلب ہے کم جھوٹے الارم۔ ان دونوں میں توازن ہے۔ اگر آپ حد کو کم کرتے ہیں اور مزید نتائج کا پتہ لگاتے ہیں، تو جھوٹے الارم بڑھ جاتے ہیں۔
کلینک میں ایک اہم تصور غلط مثبت کا بوجھ ہے: اگر ماڈل اکثر "مشکوک" کہتا ہے، تو ریڈیولوجسٹ کو ہر بار ان جھنڈوں کو مسترد کرنا پڑتا ہے اور تھوڑی دیر کے بعد الرٹس کو سنجیدگی سے نہیں لیتا ہے (انتباہی تھکاوٹ)۔ لہذا، نہ صرف ایک ماڈل کی حساسیت کا اندازہ کیا جانا چاہئے، بلکہ اصل کام کے بہاؤ میں غلط مثبت کی تعداد کا بھی جائزہ لیا جانا چاہئے.
تین چھوٹے کیسز: نمبرز کے حساب سے
کیس 1 - ترجیح کے ذریعہ وقت کی بچت۔ دماغی سی ٹی میں خون بہنے کی ترجیحی ماڈل کو ہسپتال میں لاگو کیا گیا تھا۔ ریڈیولوجسٹ کے ذریعہ خون بہنے کے کیسز کا اوسط وقت 28 منٹ سے گھٹ کر 8 منٹ رہ گیا۔ تاہم، ماڈل ایک چھوٹی چھوٹی subarachnoid ہیمرج کو پکڑنے میں ناکام رہا۔ اس لیے تمام کیسز دوبارہ ریڈیالوجسٹ کی مکمل پڑھائی سے گزرے۔ ماڈل نے چھانٹنے کو تیز کیا، لیکن پڑھنے کو ختم نہیں کیا۔
کیس 2 - غلط مثبت بوجھ۔ پھیپھڑوں کے نوڈول کا پتہ لگانے والے ماڈل نے فی مریض اوسطاً 6 "مشکوک" علامات پیدا کیں جب حساسیت کو 94 فیصد تک بڑھانے کے لیے کم حد کے ساتھ چلایا جاتا ہے۔ ان میں سے زیادہ تر عروقی حصے اور سومی فوکی تھے۔ دو ہفتوں کے اندر، ریڈیولوجسٹ نے علامات کو نظر انداز کرنا شروع کر دیا۔ جب حد کو دوبارہ ایڈجسٹ کیا گیا اور نمبروں کی تعداد فی مریض 1.5 تک کم ہو گئی تو ماڈل دوبارہ کارآمد ہو گیا۔
کیس 3 - فیلڈ شفٹ۔ ایک فریکچر کا پتہ لگانے والے ماڈل نے ہسپتال A میں ڈیجیٹل ایکسرے مشینوں پر 91 فیصد حساسیت کے ساتھ کارکردگی کا مظاہرہ کیا، لیکن ہسپتال B میں ایک مختلف صنعت کار کے پورٹیبل آلات کا استعمال کرتے ہوئے 72 فیصد تک گر گیا۔ تصویر کا معیار اور پوزیشننگ مختلف تھی۔ ماڈل کو ہر ایک ڈیوائس اور آبادی پر مزید توثیق کیے بغیر قابل اعتماد نہیں سمجھا جا سکتا جس میں اسے استعمال کیا جائے گا۔
کمزور پرامپٹ / مضبوط اشارہ
نوٹ: نیچے دیئے گئے اشارے متنی رپورٹ یا ورک فلو کو ترتیب دینے کے لیے ہیں، نہ کہ خود تصویر کی تشریح کے لیے۔ تصویر کی تشخیص تصدیق شدہ کلینیکل سافٹ ویئر اور ریڈیولوجسٹ کا کام ہے۔
کمزور اشارہ:
اس ایکس رے رپورٹ کو دیکھیں اور مجھے بتائیں کہ کیا مریض بیمار ہے[رپورٹ]
طاقتور اشارہ:
آپ کا کردار: آپ ریڈیولوجی ورک فلو اسسٹنٹ ہیں (آپ کی تشخیص نہیں ہے)۔ گمنام ریڈیولوجی رپورٹ کے متن کو اس طرح بنائیں: - نتائج، پیمائش اور جسمانی مقامات کو ٹیبل کریں۔ - مبہم/منفی بیانات ("خارج نہیں کیا جا سکتا") جیسا کہ ہے، حتمی نہ بنائیں۔ - ایسی کوئی بھی تلاش شامل نہ کریں جو متن میں نہ ہوں۔ - ایک الگ سیکشن میں "سفارش/فالو اپ" جملے جمع کریں۔ - آخر میں، 3 پوائنٹس کی فہرست بنائیں جن کی ریڈیولوجسٹ کو تصدیق کرنی چاہیے۔ گمنام رپورٹ: [text]
طاقتور پرامپٹ ماڈل ماڈل کو تشریح سے دور رکھتا ہے اور ترتیب پر توجہ مرکوز کرتا ہے۔ ابہام برقرار رکھنا ضروری ہے، کیونکہ ریڈیولوجی کی زبان میں "خارج نہیں کیا جا سکتا" اور "دستیاب ہے" کے درمیان فرق بہت اہم ہے۔
چار کاپی ایبل ٹیمپلیٹس
1) رپورٹ کنفیگریشن:
درج ذیل گمنام ریڈیولوجی رپورٹ کو درج ذیل عنوانات میں تقسیم کریں: اشارہ، تکنیک، نتائج، نتیجہ، سفارش۔ متن پر قائم رہیں، تبصرے شامل نہ کریں۔ رپورٹ: [متن]
2) پیمائش کی مستقل مزاجی کی جانچ:
اس رپورٹ میں تمام عددی پیمائشیں (ملی میٹر، سینٹی میٹر، ایچ یو) درج کریں اور متضاد یا غیر جسمانی اقدار کو نشان زد کریں۔ رپورٹ: [متن]
3) ماڈل کی تشخیص کا منصوبہ:
تصویر کا پتہ لگانے والے ماڈل کے لیے ایک مسودہ تشخیصی منصوبہ لکھیں: حساسیت، مخصوصیت، غلط مثبت/مریض، ذیلی گروپ (ڈیوائس، عمر) کا تجزیہ، بیرونی توثیق کا سیٹ۔ کلینیکل منظوری کے پوائنٹس کو الگ سے نشان زد کریں۔
4) غلط مثبت ٹرائیج نوٹ:
پتہ لگانے کے نتائج کی درج ذیل فہرست کو "ریڈیالوجسٹ کی ترجیح اعلی/کم" کے طور پر درجہ بندی کریں۔ ہر کلاس کے لیے دلیل لکھیں۔ بیان کریں کہ آپ فیصلہ ریڈیولوجسٹ پر چھوڑ دیتے ہیں۔ فہرست: [آؤٹ پٹس]
ماڈل کا کردار: تلاش کی قسم کے لحاظ سے
قسم تلاش کرنا
AI کی شراکت
تنقید
تصدیق
فوری خون بہنے کی ترجیح
اعلی
بہت اعلی
ریڈیولوجسٹ مکمل پڑھنا
پھیپھڑوں کے نوڈول کا پتہ لگانا
اعلی
اعلی
تھریشولڈ + ٹریکنگ پروٹوکول
ہڈی کی عمر / پیمائش
اعلی
درمیانہ
ماہر کنٹرول
اعضاء کے حجم کی تقسیم
اعلی
درمیانہ
دستی نمونے کی تصدیق
رپورٹ کنفیگریشن (متن)
اعلی
کم
ریڈیولوجسٹ کی تصدیق
ٹپ: ڈسپلے ماڈل کا جائزہ لیتے وقت کبھی بھی ایک فیصد درستگی پر بھروسہ نہ کریں۔ حساسیت، مخصوصیت، غلط مثبت بوجھ، اور ذیلی گروپ کی کارکردگی ایک ساتھ مانگیں۔ "آپ نے ماڈل کو کس ڈیوائس اور مریض گروپ پر ٹیسٹ کیا؟" سوال زیادہ تر مسائل کو ظاہر کرتا ہے۔
احتیاط: گرمی کا نقشہ اس بات کی ضمانت نہیں دیتا کہ "کیوں" ماڈل نے جیسا فیصلہ کیا ہے؛ یہ صرف یہ ظاہر کرتا ہے کہ آپ کی توجہ کہاں مرکوز ہے۔ بعض اوقات ماڈل غلط وجہ سے صحیح جواب دیتا ہے (مثال کے طور پر، تصویر میں مارکر کو دیکھ کر)۔ وضاحتی آؤٹ پٹ کو بھی توثیق کی ضرورت ہوتی ہے۔
عام غلطیاں
- ایک ہی میٹرک پر انحصار کرنا۔ اعلی مجموعی درستگی ایک اہم ذیلی گروپ میں کم حساسیت کو چھپا سکتی ہے۔
- جھوٹے مثبت بوجھ کی پیمائش نہیں کرنا۔ وہ ماڈل جو بہت زیادہ سگنل پیدا کرتا ہے محرک تھکاوٹ پیدا کرتا ہے اور اسے ترک کر دیا جاتا ہے۔
- ایک ہی ڈیوائس پر ماڈل کی تصدیق کریں اور اسے کہیں بھی استعمال کریں۔ فیلڈ ڈرفٹ امیج AI کی ناکامی کی سب سے عام وجہ ہے۔
- ثبوت کے لیے گرمی کا نقشہ غلط کرنا۔ توجہ کا نقشہ کوئی وضاحت نہیں ہے۔ صحیح جواب غلط وجہ پر مبنی ہو سکتا ہے۔
- ریڈیولوجسٹ کو ختم کرنا۔ ماڈل ترجیحات اور جھنڈوں؛ تشخیص اور رپورٹ ریڈیولوجسٹ سے تعلق رکھتی ہے۔
خلاصہ میں
- ریڈیولوجیکل AI؛ یہ پتہ لگانے، تقسیم کرنے اور ترجیح دینے کے ذریعے قدر پیدا کرتا ہے، اور تشخیص کی جگہ نہیں لیتا ہے۔
- حساسیت اور مخصوصیت کے درمیان توازن ہے؛ غلط مثبت بوجھ کلینک میں ایک اہم میٹرک ہے۔
- ماڈلز کو ہر ڈیوائس اور آبادی پر بیرونی توثیق (ڈومین شفٹنگ) سے گزرنا چاہیے جس میں وہ استعمال کیے جائیں گے۔
- ہیٹ میپس توجہ دکھاتے ہیں لیکن وضاحت کی ضمانت نہیں دیتے۔ ثبوت کے طور پر نہیں لیا جا سکتا۔
- حتمی تشخیص اور رپورٹ ریڈیولوجسٹ سے تعلق رکھتی ہے۔ AI ایک سپورٹ لیئر ہے۔
درخواست کا کام
ایک موجودہ (یا فرضی) تصویر کا پتہ لگانے کے منظر نامے کا انتخاب کریں۔ اس ماڈل کے لیے ایک تشخیصی فریم ورک لکھیں: وضاحت کریں کہ کون سے میٹرکس (حساسیت، مخصوصیت، غلط مثبت/مریض)، کون سے ذیلی گروپس (ڈیوائس، عمر، جنس)، اور کون سا بیرونی توثیق سیٹ آپ استعمال کریں گے۔ پھر ورک فلو میں عین نقطہ کو نشان زد کریں جہاں ریڈیولوجسٹ نے فیصلہ کیا اور ایک پیراگراف میں وضاحت کریں کہ ماڈل کا آؤٹ پٹ اس فیصلے میں کیسے داخل ہوا۔
چیک لسٹ
- [ ] میں ریڈیولاجیکل AI کی کھوج، تقسیم اور ترجیحی کرداروں میں فرق کر سکتا ہوں۔
- میں حساسیت، مخصوصیت اور جھوٹے مثبت بوجھ کا ایک ساتھ جائزہ لے سکتا ہوں۔
- [ ] میں جانتا ہوں کہ فیلڈ شفٹنگ کیا ہے اور کیوں بیرونی توثیق کی ضرورت ہے۔
- میں نے محسوس کیا کہ گرمی کا نقشہ کوئی وضاحت نہیں ہے اور تصدیق کی ضرورت ہے۔
- [ ] میں ماڈل آؤٹ پٹ کو ریڈیولوجسٹ کے فیصلے کے ان پٹ کے طور پر رکھ سکتا ہوں، بجائے اس کے کہ اس کا متبادل۔