فائدہ:
- ای ای جی ریکارڈنگ میں آرٹیفیکٹ ہٹانے، ایونٹ کا پتہ لگانے اور فیچر نکالنے میں مصنوعی ذہانت کا ورک فلو بنانے کی صلاحیت
- ای ای جی کے کم سگنل ٹو شور کے تناسب اور تصدیق پر اعلی تغیر کے اثرات کو پہچاننے کی صلاحیت
- اس بات کی وضاحت کرنے کی اہلیت کہ نیورو سیگنل AI آؤٹ پٹس کو کلینیکل نیوروفیسولوجسٹ کی منظوری سے جانچا جانا چاہیے۔
Electroencephalography (EEG؛ انگریزی electroencephalography) کھوپڑی پر رکھے گئے الیکٹروڈز کے ساتھ دماغ کی برقی سرگرمی کی ریکارڈنگ ہے۔ EEG کا استعمال مرگی کی تشخیص سے لے کر نیند کے مرحلے تک، انتہائی نگہداشت کی نگرانی سے لے کر دماغی کمپیوٹر انٹرفیس تک وسیع پیمانے پر کیا جاتا ہے۔ لیکن یہ ECG کے مقابلے میں بہت زیادہ چیلنجنگ سگنل ہے: اس کا طول و عرض مائیکرو وولٹ (وولٹ کا دس لاکھواں حصہ) کے حکم پر ہے، یعنی یہ تقریباً شور جتنا چھوٹا ہے۔ یہ کم سگنل ٹو شور کا تناسب (مختصر طور پر SNR؛ شور کے لیے مفید سگنل کی نسبتاً طاقت) ای ای جی کو مصنوعی ذہانت کے لیے پرکشش اور خطرناک دونوں بناتا ہے۔ اس یونٹ میں، ہم EEG ورک فلو، نمونے کا مسئلہ، اور نیوروفیسولوجسٹ کی منظوری کیوں ناگزیر ہے دیکھیں گے۔
آئیے شروع سے بیان کرتے ہیں: EEG ماڈل کہہ سکتا ہے کہ "قبضہ ممکن ہے"؛ لیکن مرگی کی تشخیص اور قبضے کی تشریح کا تعلق کلینیکل نیوروفیسولوجسٹ سے ہے۔ مصنوعی ذہانت تشخیص نہیں کرتی۔
ای ای جی پروسیسنگ چین
مرحلہ 1 - رجسٹریشن اور اسمبلی۔ EEG ملٹی چینل ہے (عام طور پر 19-256 الیکٹروڈ)۔ الیکٹروڈ کی جگہ کا تعین بین الاقوامی معیار کے آرڈر (10-20 سسٹم) کے مطابق کیا جاتا ہے۔ سگنلز کو حوالہ الیکٹروڈ کے حوالے سے پڑھا جاتا ہے۔ بڑھتے ہوئے انتخاب تشریح کو متاثر کرتا ہے۔
مرحلہ 2 - آرٹفیکٹ نکالنا۔ EEG آلودگی کے ذرائع وافر ہیں: پلک جھپکنا اور آنکھ کی حرکت، پٹھوں کی سرگرمی (خاص طور پر جبڑے اور گردن)، دل کی دھڑکن، پسینہ آنا، الیکٹروڈ کا رابطہ، اور گرڈ میں مداخلت۔ یہ نمونے حقیقی دماغی لہروں کی نقل کر سکتے ہیں۔ مصنوعی ذہانت فلیگنگ اور آزاد اجزاء کے تجزیہ جیسے طریقوں کے ذریعے مصنوعی سیگمنٹس کو صاف کرنے میں مدد کرتی ہے۔
مرحلہ 3 - فیچر نکالنا۔ EEG کو عام طور پر فریکوئنسی بینڈ میں تقسیم کیا جاتا ہے: ڈیلٹا (سست، گہری نیند)، تھیٹا، الفا (آرام)، بیٹا (جاگنے والی توجہ)، اور گاما۔ بینڈ کی طاقت، کنیکٹیویٹی کے اقدامات، اور ایونٹ سے متعلق جوابات کو بطور فیچر استعمال کیا جاتا ہے۔
مرحلہ 4 — واقعے کا پتہ لگانا/ درجہ بندی۔ ماڈل واقعات کی تجویز کرتا ہے جیسے قبضے کی سرگرمی، سپائیک ویو ڈسچارج، یا نیند کا مرحلہ۔ آؤٹ پٹ ٹائم اسٹیمپڈ مارکس اور ٹیگز ہے۔
مرحلہ 5 - ماہر کی تشخیص۔ علامات کلینیکل نیوروفیسولوجسٹ کو پیش کیے جاتے ہیں؛ ماہر تصدیق کرتا ہے، درست کرتا ہے یا مسترد کرتا ہے۔ تبصرہ ماہر کے لیے ہے۔
EEG کی تصدیق اتنی مشکل کیوں ہے؟
تین وجوہات ای ای جی کو خاص طور پر نازک بناتی ہیں۔ سب سے پہلے، کم SNR: اصلی سگنل شور میں پوشیدہ ہے، ماڈل آسانی سے شور کو پیٹرن کے لیے غلطی کر سکتا ہے۔ دوسرا، اعلی تغیر: حتیٰ کہ ایک ہی شخص کی EEG چوکسی، ادویات اور عمر کے ساتھ مختلف ہوتی ہے۔ افراد کے درمیان فرق اور بھی زیادہ ہے۔ تیسرا، حوالہ کی غیر یقینی صورتحال: یہاں تک کہ ماہرین بھی دوروں جیسے واقعات کے "گولڈ اسٹینڈرڈ" کی نشان دہی پر متفق نہیں ہوتے ہیں (انٹر آبزرور تغیر)۔ جب ان تینوں کو ملایا جاتا ہے تو، ایک EEG پیٹرن جو لیبارٹری میں متاثر کن نظر آتا ہے، اصلی کلینک میں آسانی سے گر جاتا ہے۔
تین چھوٹے کیسز: نمبرز کے حساب سے
کیس 1 — پلک جھپکنے سے دورے کی نقل ہوئی۔ دوروں کا پتہ لگانے والے ماڈل نے ایک بچے کے مریض میں سامنے والے علاقوں میں اسپائکس اور لہروں کے لیے تال کی آنکھ کے جھپکنے کو غلط سمجھا، جس سے فی منٹ کئی غلط سگنل پیدا ہوتے ہیں۔ ماہر نے دیکھا کہ نشانات آنکھوں کی نالیوں سے جڑے ہوئے ہیں اور نمونے کو الگ کر رہے ہیں۔ ماڈل نے نشان تیار کیا، ماہر نے حقیقت کو نکالا۔
کیس 2 - نیند کے مرحلے میں وقت کی بچت۔ نیند کی لیبارٹری نے دستی طور پر 30 سیکنڈ کے حصوں میں پوری رات میں ریکارڈنگ کی تقریباً 2 گھنٹے فی ریکارڈنگ۔ AI پری سٹیجنگ نے اس وقت کو 35 منٹ تک کم کر دیا ہے۔ ٹیکنیشن نے صرف ان سلائسوں اور ٹرانزیشنز کا جائزہ لیا جو ماڈل نے واضح نہیں چھوڑے۔ ماہر نے حتمی اسٹیجنگ رپورٹ کی منظوری دی۔
کیس 3 - بیرونی توثیق میں کمی۔ دورے کا پتہ لگانے والے ماڈل نے اس مرکز میں 90% حساسیت ظاہر کی جہاں اسے تیار کیا گیا تھا۔ مختلف الیکٹروڈ اور ریکارڈنگ ڈیوائس کے ساتھ ایک مختلف ہسپتال کے جمع کردہ ڈیٹا میں یہ 68 فیصد تک کم ہو گیا۔ الیکٹروڈ کی تعداد، نمونے لینے کی شرح، اور مریض کے پروفائل میں فرق ہے۔ ماڈل کو اس وقت تک قابل اعتماد نہیں سمجھا جا سکتا جب تک کہ اسے ہر اس ماحول میں دوبارہ درست نہ کیا جائے جس میں اسے استعمال کیا جائے گا۔
کمزور پرامپٹ / مضبوط اشارہ
نوٹ: درج ذیل اشارے ای ای جی رپورٹ/فیچر ٹیکسٹ میں ترمیم کرنے میں مددگار ہیں۔ خام ای ای جی کی تشریح تصدیق شدہ سافٹ ویئر اور نیورو فزیالوجسٹ کا کام ہے۔
کمزور اشارہ:
کیا اس EEG میں مرگی ہے؟[خصوصیات]
طاقتور اشارہ:
آپ کا کردار: آپ نیورو سگنلز کے تجزیہ کے معاون ہیں (آپ تشخیص نہیں کر رہے ہیں)۔ مندرجہ ذیل گمنام EEG کے خلاصے کی خصوصیات کا اندازہ کریں: - بینڈ کی طاقت اور ایونٹ کے سگنلز کو ٹیبل کریں، ان کی تشریح کریں، لیکن تشخیص نہ کریں۔ - ہر واقعہ کے نشان کے لیے، "کیا کوئی نمونہ ہو سکتا ہے؟" کالم شامل کریں (آنکھ/پٹھے/گرڈ)۔- ابہام واضح طور پر لکھیں؛ کم SNR وارننگ شامل کریں۔- آخر میں 3 پوائنٹس کی فہرست بنائیں جو نیورو فزیالوجسٹ کو خام ریکارڈنگ میں تصدیق کرنی چاہیے۔ گمنام خصوصیات:[بینڈ کی طاقت، ایونٹ کے ٹائم سٹیمپ، چینل کی معلومات]
چار کاپی ایبل ٹیمپلیٹس
1) بینڈ کی طاقت کا خلاصہ:
درج ذیل ای ای جی بینڈ کی طاقتوں (ڈیلٹا، تھیٹا، الفا، بیٹا) کو ٹیبل کریں اور بیدار حالت کے ساتھ ان کی قابلیت کا اندازہ کریں۔ تشخیص نہ کریں۔ ڈیٹا: [اقدار]
2) آرٹفیکٹ امکان کی جانچ:
ان علامات میں سے ہر ایک کے لیے، آنکھ/پٹھوں/نیٹ ورک کے نمونے کے امکان کو کم/درمیانے/اعلی کے طور پر نشان زد کریں اور اپنی دلیل لکھیں۔ نشانیاں: [فہرست]
3) سلیپ سٹیجنگ QC:
نیچے دیے گئے AI سلیپ اسٹیجنگ آؤٹ پٹ میں اچانک/غیر امکانی تبدیلیوں کو نشان زد کریں (مثلاً REM سے گہری نیند میں چھلانگ لگانا)؛ ان سلائسوں کی فہرست بنائیں جن کے لیے ٹیکنیشن کنٹرول کی ضرورت ہوتی ہے۔ آؤٹ پٹ: [اسٹیجنگ]
4) بیرونی تصدیقی منصوبہ:
ای ای جی ایونٹ کا پتہ لگانے والے ماڈل کے لیے ایک ڈرافٹ خارجی توثیق کا منصوبہ لکھیں: ڈیوائسز/الیکٹروڈز کی مختلف تعداد، انٹر آبزرور معاہدہ (کپا)، SNR، اور آرٹفیکٹ ٹیسٹ۔ انفرادی توثیق پوائنٹس کو نشان زد کریں۔
ماڈل کا کردار: ٹاسک کی قسم کے لحاظ سے
کام کی قسم
AI کی شراکت
تنقید
تصدیق
آرٹفیکٹ مارکنگ
اعلی
کم
ماہر کا جائزہ
بینڈ/فیچر نکالنا
اعلی
درمیانہ
جسمانی قابلیت
سلیپ اسٹیجنگ کا ابتدائی کام
اعلی
درمیانہ
ماہر کی منظوری
قبضے سے پہلے کا پتہ لگانا
درمیانہ
اعلی
نیوروفیسولوجسٹ + خام ریکارڈنگ
تشخیصی فیصلہ
محدود
بہت اعلی
مکمل ماہر کی منظوری
ٹپ: EEG میں پیٹرن کے دستخط پر انحصار کرنے سے پہلے، آنکھ اور پٹھوں کے چینلز کے ساتھ اس سگنل کے عارضی اوورلیپ کو چیک کریں۔ زیادہ تر سرگرمی جو بظاہر دورہ پڑتی ہے دراصل حیاتیاتی نمونہ ہے۔
احتیاط: جب ای ای جی ماڈلز کو مریضوں کی ایک چھوٹی تعداد سے جمع کیے گئے ڈیٹا پر تربیت دی جاتی ہے، تو وہ انفرادی طور پر مخصوص پیٹرن کو اوور فٹ (یاد) کرتے ہیں اور نئے مریضوں میں کریش ہوجاتے ہیں۔ لیبارٹری کی اعلی کارکردگی حقیقی طبی کامیابی کی ضمانت نہیں ہے۔ بیرونی توثیق ضروری ہے.
عام غلطیاں
- دماغی سگنل کے لیے نمونے کو غلط سمجھنا۔ آنکھ جھپکنا اور پٹھوں کی سرگرمی دورے کی نقل کرتی ہے۔ چینل اوورلیپ کو چیک کیا جانا چاہئے۔
- کم SNR کو نظر انداز کرنا۔ شور میں کمزور سگنل آسانی سے ماڈل کو گمراہ کر دیتا ہے۔
- ایک مرکز میں تصدیق۔ مختلف ڈیوائس اور الیکٹروڈ لے آؤٹ کارکردگی کو کم کرتا ہے۔
- انٹر آبزرور کی تغیر کو نظر انداز کرنا۔ اگر حوالہ خود مبہم ہے تو ماڈل میٹرکس گمراہ کن ہیں۔
- ماہر کو ختم کرنا۔ نشانیاں حمایت ہیں؛ قبضے اور تشخیص کی تشریح ماہر سے تعلق رکھتی ہے۔
خلاصہ میں
- EEG ایک ملٹی چینل ہے، کم SNR کے ساتھ مائکرو وولٹ سگنل؛ یہ نمونے کے لیے انتہائی حساس ہے۔
- ورک فلو اسمبلی، آرٹفیکٹ نکالنے، فیچر نکالنے، اور ایونٹ کا پتہ لگانے پر مشتمل ہوتا ہے۔
- کم SNR، زیادہ تغیر، اور حوالہ کی غیر یقینی صورتحال تصدیق کو خاص طور پر مشکل بناتی ہے۔
- ماڈلز کو ہر ایک ڈیوائس اور آبادی میں دوبارہ درست کیا جانا چاہیے جس میں وہ استعمال کیے جائیں گے۔
- قبضے اور تشخیصی تشریح کا تعلق کلینیکل نیوروفیسولوجسٹ سے ہے۔ AI تشخیص نہیں کرتا ہے۔
درخواست کا کام
ایک فرضی ای ای جی ایونٹ کا پتہ لگانے کا منظر نامہ منتخب کریں (مثلاً قبضے سے پہلے کا پتہ لگانا)۔ پانچ ایونٹ کے دستخطوں کی فہرست بنائیں جو ماڈل تیار کرتا ہے اور ہر ایک سے پوچھیں، "کیا یہ ایک نمونہ ہو سکتا ہے؟" کالم بھریں (آنکھ/عضلات/گرڈ/حقیقی)۔ پھر اس ماڈل کے لیے بیرونی توثیق کے منصوبے کے تین آئٹمز لکھیں اور واضح طور پر اس نقطہ کو نشان زد کریں جس پر ماہر حتمی فیصلہ کرتا ہے۔
چیک لسٹ
- میں جانتا ہوں کہ EEG ایک کم SNR، ملٹی چینل، اور آرٹفیکٹ کا شکار سگنل ہے۔
- میں نے ورک فلو کے اسمبلی، آرٹفیکٹ نکالنے، فیچر اور ایونٹ کا پتہ لگانے کے مراحل کو سمجھا۔
- [ ] میں دیکھ سکتا ہوں کہ نمونے واقعات کی نقل کرتے ہیں اور چینل اوورلیپ کنٹرول کو لاگو کرتے ہیں۔
- میں سمجھتا ہوں کہ بیرونی توثیق کیوں ضروری ہے اور میں انٹر آبزرور تغیر کو سمجھتا ہوں۔
- [ ] میں نے اندرونی طور پر سمجھ لیا ہے کہ دوروں اور تشخیص کی تشریح ماہر کے پاس رہتی ہے۔