فائدہ:
- یہ سمجھنا کہ صحت کا ڈیٹا خاص معیار کا ڈیٹا ہے اور KVKK/قانون سازی کے دائرہ کار میں گمنامی، اسٹوریج اور شیئرنگ کے قواعد
- مصنوعی ذہانت کے استعمال میں اخلاقی اصولوں (انصاف، شفافیت، جوابدہی) اور کارپوریٹ گورننس پالیسی تیار کرنے کی صلاحیت
- ایک گورننس فریم ورک قائم کرنے کے قابل ہونا جس میں مصنوعی ذہانت کی پیداوار انتظامی اور طبی فیصلوں کی جگہ نہیں لیتی ہے، اور ذمہ داری اور حتمی منظوری ہمیشہ انسان کے پاس رہتی ہے۔
اس پورے ماڈیول کے دوران، ہم نے AI کو ہر آپریشنل ایریا میں ایک ایکسلریٹر کے طور پر استعمال کیا، تقرریوں سے لے کر بستروں تک، پیشین گوئی سے لے کر آمدنی تک، معیار سے لے کر انوینٹری تک۔ لیکن ان تمام طاقتور استعمال پر ایک چھت ہے: ڈیٹا کی رازداری، ریگولیٹری تعمیل اور اخلاقیات۔ اس فریم ورک کے بغیر، آپ جس کاروبار کو تیز کرتے ہیں وہ بھی ایک وسیع خطرہ ہے۔ یہ آخری اکائی منتشر قوانین کو ایک واحد گورننس فریم ورک میں اکٹھا کرتی ہے۔ گورننس ایک انتظامی نظام ہے جو اس بات کی وضاحت کرتا ہے کہ ادارے میں کون کیا کر سکتا ہے اور کن اصولوں کے تحت، اور کس طرح ذمہ داری اور کنٹرول کام کرتا ہے۔ آئیے ایک بار پھر بنیادی اصول کو واضح کرتے ہیں: AI آؤٹ پٹ انتظامی اور طبی فیصلوں کی جگہ نہیں لیتا۔ ذمہ داری اور حتمی منظوری ہمیشہ انسان کے ساتھ ہوتی ہے۔
صحت کا ڈیٹا نجی کیوں ہے؟
صحت کا ڈیٹا عام ڈیٹا نہیں ہے۔ Türkiye میں، KVKK (ذاتی ڈیٹا پروٹیکشن قانون) صحت کے ڈیٹا کو "خصوصی نوعیت کا ذاتی ڈیٹا" سمجھتا ہے۔ اس کا مطلب ہے اعلیٰ ترین سطح کا تحفظ۔ اس کا یورپی مساوی GDPR ہے۔ اگر مریض کی تشخیص، علاج، پروٹوکول نمبر ظاہر ہوتا ہے، تو ناقابل واپسی نقصان ہو گا: بدنما داغ، امتیاز، اعتماد کا نقصان۔ تو چند بنیادی اصول ہیں۔ نام ظاہر نہ کرنے کا مطلب ڈیٹا سے ان تمام معلومات کو ہٹانا ہے جو شخص کی شناخت کرتی ہے (نام، ID، پروٹوکول، نادر تشخیص + عمر + مقام کا مجموعہ)۔ ڈیٹا مائنسائزیشن کم سے کم ڈیٹا کے ساتھ کام کر رہی ہے جو کام کرے گی۔ مقصد کی حد کا مطلب ہے ڈیٹا کو صرف اس مقصد کے لیے استعمال کرنا جس کے لیے اسے جمع کیا گیا تھا۔ برقرار رکھنے کی حد ڈیٹا کو ضرورت سے زیادہ دیر تک رکھنا نہیں ہے۔
مریض کے ڈیٹا کو عوامی AI ٹول میں چسپاں کرنا ڈیٹا کو بیرونی سرور کو بھیج رہا ہے اور یہ ایک سنگین خلاف ورزی ہے۔ صحیح نقطہ نظر: ڈیٹا کو گمنام رکھیں، اگر ممکن ہو تو کارپوریٹ اور ڈیٹا پروسیسنگ معاہدوں کے ساتھ ٹولز کا انتخاب کریں (جو آپ کے ڈیٹا کو ماڈل ٹریننگ کے لیے استعمال نہیں کرتے ہیں)، اور ایک تحریری پالیسی رکھیں جس پر ڈیٹا کس ٹول میں جا سکتا ہے۔ یاد رکھیں: جب چھوٹے چھوٹے ٹکڑے اکٹھے ہوتے ہیں، تو ایک شخص کی نئی تعریف کی جا سکتی ہے۔ جب کہ "68 سالہ خاتون" محفوظ ہے، "68 سالہ خاتون، گاؤں X سے تعلق رکھتی ہے، نایاب بیماری Y کے ساتھ" اب گمنام نہیں ہے۔
اخلاقیات اور آخر سے آخر تک گورننس
اچھی اے آئی گورننس تین اخلاقی اصولوں پر مبنی ہے۔ انصاف یہ ہے کہ AI منظم طریقے سے مریضوں کے گروپ (بزرگ، کم آمدنی والے، دیہی) کو نقصان نہیں پہنچاتا ہے۔ اخراج کے لیے نو شو سکور کا استعمال نہ کرنا اس کی ایک مثال تھی۔ شفافیت کا مطلب یہ بتانے کے قابل ہونا کہ فیصلہ کس بنیاد پر ہے۔ ایک نظر آنے والے جواز کے ساتھ ایک تجویز کو ترجیح دی جاتی ہے، نہ کہ "بلیک باکس" کی تجویز۔ احتساب کا مطلب ہے کہ ہر فیصلے کے پیچھے ایک ذمہ دار شخص کا ہونا۔ "AI نے ایسا کہا" کوئی دفاع نہیں ہے۔
جو چیز ان اصولوں کو عملی جامہ پہناتی ہے وہ گورننس پالیسی ہے۔ ایک اچھی پالیسی بیان کرتی ہے: کون سا ڈیٹا کس گاڑی میں جا سکتا ہے (ڈیٹا کی درجہ بندی)؛ گمنامی کے قوانین؛ ہر کام کے لیے انسانی منظوری پوائنٹس (کون کس چیز پر دستخط کرتا ہے)؛ احتساب اور آڈٹ ٹریل (کس نے کیا کب کیا — ٹریل ریکارڈ)؛ اور اخلاقی اصول۔ یہ پالیسی ان تمام "لوگوں کا فیصلہ" بیانات کو یکجا کرتی ہے جنہیں ہم نے پورے ماڈیول میں ایک ادارہ جاتی فریم ورک میں دیکھا۔
توجہ: جملہ "AI تجویز کیا، میں نے نافذ کیا" ذمہ داری کی منتقلی نہیں ہے۔ قانونی اور اخلاقی طور پر، ذمہ داری اس شخص کے ساتھ رہتی ہے جو تجویز کو قبول کرتا ہے اور اس پر عمل درآمد کرتا ہے۔ گورننس اس ذمہ داری کو واضح اور قابل شناخت بناتی ہے۔
تین چھوٹے مقدمات
کیس 1 - دوبارہ شناخت کا خطرہ۔ ایک یونٹ نے "گمنام" کیس کا خلاصہ شیئر کیا: "ہمارے شہر میں ہارٹ ٹرانسپلانٹ کا واحد مریض، ایک 34 سالہ مرد، گزشتہ ماہ ڈسچارج ہوا۔" اس جملے میں کوئی اسم نہیں تھا، لیکن مجموعہ نے اس شخص کو منفرد انداز میں بیان کیا۔ کوالٹی آفیسر نے اس پر اعتراض کیا۔ نایاب خصوصیات کا مجموعہ گمنامی کو توڑ دیتا ہے۔ خلاصہ وضاحتی تفصیلات کو ہٹا کر اور اسے عام کرکے دوبارہ لکھا گیا۔
کیس 2 - ٹریس ریکارڈ کی قدر۔ ایک ہسپتال میں، AI کے ساتھ تیار کردہ انتظامی رپورٹ میں ایک نمبر غلط نکلا اور انتظامیہ کو غلط معلومات بھیجی گئی۔ آڈٹ کے دوران سوال "یہ نمبر کہاں سے آیا، کس نے تصدیق کی؟" پوچھا گیا. چونکہ تنظیم کی گورننس پالیسی ہر AI آؤٹ پٹ کے لیے ایک "ذریعہ + تصدیق کنندہ + تاریخ" ریکارڈ کو لازمی قرار دیتی ہے، اس لیے یہ فوری طور پر ظاہر ہو گیا کہ غلطی اس وقت ہوئی جہاں تصدیقی مرحلہ کو چھوڑ دیا گیا تھا۔ ٹریس ریکارڈنگ کا استعمال عمل کو درست کرنے کے لیے کیا گیا، مجرموں کی تلاش کے لیے نہیں۔
کیس 3 - پالیسی بحران کو روکتی ہے۔ ایک نیا ملازم اپنی ڈسچارج لسٹ کو عوامی AI ٹول میں اپ لوڈ کرنے والا تھا۔ ادارے کی واضح پالیسی میں کہا گیا ہے کہ "مریض کی شناخت پر مشتمل کوئی فائل اوپن ٹول میں داخل نہیں ہوتی ہے، وہ پہلے گمنام ہوتی ہیں، اور صرف منظور شدہ ادارہ جاتی ٹول استعمال کیا جاتا ہے۔" ملازم نے پالیسی کو یاد رکھا، ڈیٹا کو گمنام کیا، اور منظور شدہ ٹول استعمال کیا۔ تحریری حکمرانی نے انفرادی غلطی کو ادارہ جاتی اضطراری کے طور پر روکا۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) ڈیٹا کی درجہ بندی کی پالیسی کا مسودہ:
آپ کا کردار: صحت کی دیکھ بھال کے ادارے کے انفارمیشن سیکیورٹی/کوالٹی آفیسر کا اسسٹنٹ۔ ہمارے ادارے کے لیے "کون سا ڈیٹا اے آئی میں داخل ہو سکتا ہے" کی درجہ بندی ٹیبل کا مسودہ تیار کریں: سرخ (کبھی نہیں: مریض کی شناخت، ID، پروٹوکول)، پیلا (گمنام)، سبز (مفت: عوامی، غیر ذاتی)۔ ہر کلاس کے لیے مثالیں اور اصول لکھیں۔ بتائیں کہ یہ ایک مسودہ ہے اور قانونی/تعمیل محکمہ کو اسے منظور کرنے کی ضرورت ہے۔
2) گمنامی چیک لسٹ:
ایک گمنامی چیک لسٹ تیار کریں جسے میں AI کو کوئی ڈیٹا دینے سے پہلے چلاؤں گا: کیا نام/TC/پروٹوکول آؤٹ پٹ ہے، کیا نادر فیچر کا امتزاج (عمر+مقام+نایاب تشخیص) اس شخص کی شناخت کرتا ہے، کیا کوئی غیر ضروری جگہ ہے، کیا یہ کارپوریٹ سے منظور شدہ ٹول ہے۔ ہر آئٹم کو ہاں/نہیں میں نشان زد کرنے دیں۔
3) انسانی منظوری کے نکات کا نقشہ:
مندرجہ ذیل AI کے استعمال والے علاقوں کے لیے "کون منظور کرتا ہے" ٹیبل بنائیں (رپورٹ، ڈیمانڈ کی پیشن گوئی، بستر کی ترجیح، بلنگ کوڈ، شفٹ شیڈول): ہر علاقے کے لیے خطرے کی سطح اور لازمی انسانی منظوری کا اختیار۔ زیادہ خطرے والے علاقوں میں کلینکل+انتظامی دوہری منظوری کی ضرورت پر زور دیں۔
4) AI آؤٹ پٹ ٹریس ریکارڈنگ ٹیمپلیٹ:
ہر AI آؤٹ پٹ کو پُر کرنے کے لیے ایک ٹریل لاگ ٹیمپلیٹ لکھیں: تاریخ، استعمال شدہ ٹول، درج کردہ ڈیٹا کی کلاس (گمنام)، آؤٹ پٹ کا خلاصہ، تصدیق کرنے والا شخص، منظوری دینے والا مینیجر، فیصلہ۔ بتائیں کہ یہ آڈٹ اور احتساب کے لیے ہے۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
ہمارے مریضوں کا ڈیٹا اے آئی کو دیں اور اس کا تجزیہ کریں۔
گمنامی، گاڑی کی حفاظت، کوئی تصدیق اور کوئی ریکارڈنگ نہیں؛ براہ راست KVKK کی خلاف ورزی کا خطرہ۔
طاقتور اشارہ:
ہماری تنظیم کے لیے ایک AI گورننس پالیسی کا مسودہ تیار کریں: (1) ڈیٹا کی درجہ بندی (سرخ/پیلا/سبز)، (2) گمنامی کے قواعد، (3) ہر استعمال کے معاملے کے لیے انسانی منظوری کے نکات، (4) ٹریل لاگنگ اور آڈیٹنگ، (5) انصاف/شفافیت/احتساب کے اصول۔ بتائیں کہ یہ ایک مسودہ ہے اور اس کے لیے قانونی/ تعمیل کی منظوری درکار ہے۔
حکمرانی کا عنصر
کیا فراہم کرتا ہے
مثال
ڈیٹا کی درجہ بندی
اس بات کا تعین کرتا ہے کہ کیا داخل ہو سکتا ہے۔
ID = کبھی نہیں۔
گمنامی
شخص کی حفاظت کرتا ہے۔
نام/نایاب مجموعہ پاپ اپ ہوتا ہے۔
انسانی منظوری کے پوائنٹس
ذمہ داری کا تعین کرتا ہے۔
ہائی رسک پر دو بار چیک کریں۔
ٹریک ریکارڈ
آڈٹ ایبلٹی
ماخذ + تصدیق کنندہ + تاریخ
اخلاقی اصول
منصفانہ، شفاف، جوابدہ
اخراج کے لیے سکور استعمال کرنا
عام غلطیاں
- قابل شناخت ڈیٹا کا اشتراک یہ سوچ کر کہ یہ "گمنام" ہے۔ خصلتوں کا ایک نایاب امتزاج انسان کو دور کرتا ہے۔
- غیر منظور شدہ ٹول کا استعمال۔ ڈیٹا ایک آف سائٹ سرور پر جاتا ہے۔
- AI پر ذمہ داری ڈالنا۔ "AI نے کہا" قانونی دفاع نہیں ہے۔
- ٹریک ریکارڈ نہ رکھنا۔ جب کوئی خرابی ہوتی ہے، تو آپ ماخذ اور تصدیق نہیں دکھا سکتے۔
- پالیسی لکھنا اور اس پر عمل درآمد نہ کرنا۔ کاغذ پر اصول اس وقت تک حفاظت نہیں کرتا جب تک کہ یہ اضطراری نہ ہو۔
ٹپ: اپنی گورننس پالیسی کو "سنہری اصولوں" کی فہرست کے ساتھ جوڑیں جو ایک صفحے پر فٹ ہوں اور کسی کے لیے حفظ کرنے کے لیے کافی آسان ہوں: آئی ڈی درج نہ کریں، نام ظاہر نہ کریں، منظور شدہ گاڑی کا استعمال کریں، تصدیق کریں، انسانی دستخط کریں۔ طویل پالیسی کو کوئی نہیں پڑھتا۔ پانچ کا اصول سب کو یاد ہے۔
خلاصہ میں
AI کی آپریشنل طاقت صرف رازداری، قانون سازی اور اخلاقیات کے مضبوط فریم ورک کے تحت محفوظ ہے۔ صحت کا ڈیٹا خاص معیار کا ڈیٹا ہے۔ گمنامی، ڈیٹا مائنسائزیشن اور منظور شدہ ٹول ضروری ہیں۔ گڈ گورننس؛ یہ ڈیٹا کی درجہ بندی، گمنامی، انسانی منظوری کے نکات، ٹریس ریکارڈنگ اور اخلاقی اصولوں (انصاف، شفافیت، احتساب) کو ایک فریم ورک میں یکجا کرتا ہے۔ یہ اس ماڈیول کا ایک جملہ خلاصہ ہے: AI تیز ہوتا ہے، انسان فیصلہ کرتا ہے اور ذمہ داری اٹھاتا ہے۔ ایک غیر تصدیق شدہ AI آؤٹ پٹ اتنا ہی خطرناک ہے جتنا کہ ایک غیر دستخط شدہ انتظامی فیصلہ۔
درخواست کا کام
"AI آؤٹ پٹ ٹریل ریکارڈ" اور "ڈیٹا کی درجہ بندی" ٹیمپلیٹس کا استعمال کرتے ہوئے اپنی تنظیم کے لیے ایک صفحے کا مسودہ گورننس پالیسی تیار کریں۔ کم از کم پانچ اشیاء کی "سنہری اصول" کی فہرست شامل کریں۔ اس کے بعد، استعمال کا ایک علاقہ منتخب کریں جو آپ نے پورے ماڈیول میں سیکھا ہو (مثال کے طور پر، بستر کی ترجیح یا بلنگ کوڈ) اور 5 آئٹمز میں لکھیں جن کی منظوری اور تصدیق کے اقدامات اس پالیسی کو اس علاقے میں درکار ہیں۔
چیک لسٹ
- کیا صحت کے اعداد و شمار کو خصوصی کے طور پر درجہ بندی کیا گیا ہے اور کیا میں نے گمنامی کے قواعد کو لاگو کیا ہے؟
- کیا میں نے نایاب خصوصیت کے امتزاج کے ساتھ دوبارہ شناخت کے خطرے کی جانچ کی ہے؟
- کیا میں نے ہر استعمال کے معاملے کے لیے انسانی منظوری کے نقطہ کی وضاحت کی ہے؟
- کیا میں AI آؤٹ پٹس کے لیے ٹریک ریکارڈ (ماخذ/تصدیق کار/تاریخ) رکھتا ہوں؟
- کیا میں نے پالیسی میں لکھا ہے کہ ذمہ داری اور حتمی منظوری ہمیشہ اس شخص پر ہوتی ہے؟
ماڈیول امتحان
1. ہسپتال کا مینیجر بغیر کسی طبی تشخیص کے مصنوعی ذہانت سے تیار کردہ بستروں کی تقسیم کی سفارش کو براہ راست نافذ کرتا ہے۔ اس نقطہ نظر میں بنیادی غلطی کیا ہے؟
- الف) مصنوعی ذہانت کی پیداوار کو طبی موافقت اور انتظامی تصدیق سے مشروط کیے بغیر فیصلے میں تبدیل کرنا؛ اس بات کو نظر انداز کرنا کہ ذمہ داری لوگوں پر عائد ہوتی ہے ✔
- ب) بیڈ مینجمنٹ میں مصنوعی ذہانت کا استعمال سختی سے منع ہے۔
- C) مصنوعی ذہانت ہمیشہ بستروں کی تعداد اصل سے زیادہ دکھاتی ہے۔
- D) تجویز کو ٹیبل میں پیش نہیں کیا گیا ہے۔
تفصیل: مصنوعی ذہانت ایک شماریاتی سفارش تیار کرتی ہے۔ تاہم، بستر کی تقسیم اور ڈسچارج کی ترجیح مریض کی طبی حالت پر منحصر ہے اور حتمی فیصلہ معالج/نرس کی منظوری اور ذمہ دار مینیجر کا ہے۔ غیر تصدیق شدہ آؤٹ پٹ ایک غیر دستخط شدہ فیصلے کی طرح ہے۔
2. عوامی طور پر دستیاب مصنوعی ذہانت کے آلے میں مریض کے ڈیٹا کو داخل کرتے وقت درج ذیل میں سے کون سا طریقہ سب سے مناسب ہے؟
- A) مریض کا نام اور پروٹوکول نمبر پیسٹ کرنا جیسا کہ رفتار کے لیے ہے۔
- ب) شناختی معلومات کو ہٹا دیں اور ڈیٹا کو گمنام رکھیں اور، اگر ممکن ہو تو، ایک کارپوریٹ، معاہدہ شدہ ٹول استعمال کریں ✔
- C) صرف مریض کا نام چھپائیں اور TR ID نمبر چھوڑ دیں۔
- D) ڈیٹا شیئر کرنے سے پہلے مریض سے زبانی اجازت لینا کافی ہے۔
وضاحت: صحت کا ڈیٹا خصوصی ذاتی ڈیٹا ہے۔ شناختی معلومات جیسے کہ نام، TR ID، پروٹوکول نمبر کو ہٹا دیا جانا چاہیے، ڈیٹا کو گمنام رکھا جانا چاہیے، اور اگر ممکن ہو تو، کارپوریٹ ڈیٹا پروسیسنگ کنٹریکٹڈ ٹولز کو ترجیح دی جانی چاہیے۔
3. نو شوز کی پیشن گوئی کرنے میں مصنوعی ذہانت کے ذریعہ تیار کردہ رسک سکور کا سب سے مناسب استعمال کیا ہے؟
- A) زیادہ خطرہ والے مریضوں کے لیے ملاقاتیں کرنے سے انکار کرنا
- ب) اسکور کو نظر انداز کریں اور تمام مریضوں پر ایک ہی طریقہ کار کا اطلاق کریں۔
- C) منصفانہ منصوبہ بندی، رسائی کو محفوظ رکھنے والی مداخلتیں جیسے یاد دہانی کا رش اور زیادہ بکنگ ✔
- D) زیادہ خطرہ والے مریضوں کو مستقل طور پر بلیک لسٹ کرنا
وضاحت: رسک سکور ایک امکانی تخمینہ ہے۔ اسے منصفانہ مداخلتوں کی رہنمائی کے لیے استعمال کیا جانا چاہیے جیسے کہ یاد دہانی کی کثافت، زیادہ بکنگ اور رسائی کی سہولت، نہ کہ مریض کو مسترد کرنا۔ مریض تک رسائی کے حقوق کا تحفظ کیا جانا چاہیے۔
4. ڈیمانڈ کی پیشن گوئی میں مصنوعی ذہانت کے ذریعہ دیے گئے ایک نمبر کے بجائے اعتماد کے وقفوں اور منظرناموں کے ساتھ کام کرنے کی بنیادی وجہ کیا ہے؟
- A) وقفہ پیش کرنے سے رپورٹ طویل ہوتی ہے۔
- ب) کیونکہ مصنوعی ذہانت واحد نمبر نہیں بنا سکتی
- C) کیونکہ اعتماد کا وقفہ ہمیشہ صحیح قدر دیتا ہے۔
- D) چونکہ پیشن گوئی میں غیر یقینی صورتحال شامل ہے، اس لیے حالات کے مطابق لچکدار منصوبہ بندی کرنا اور خطرات کا انتظام کرنا ضروری ہے ✔
وضاحت: پیشن گوئی تاریخی اعداد و شمار پر مبنی ہے اور اس میں غیر یقینی صورتحال شامل ہے۔ ایک نقطہ کے بجائے ایک حد کے مطابق منصوبہ بندی آپ کو کم/زیادہ مانگ کے منظرناموں کے لیے تیار رہنے اور صلاحیت کو لچکدار طریقے سے منظم کرنے کی اجازت دیتی ہے۔
5. جب آپ کے پاس AI ہے تو ریونیو سائیکل میں بلنگ کوڈ تجویز کرنے کا سب سے اہم خطرہ کیا ہے؟
- A) مصنوعی ذہانت ایک غلط یا غلط کوڈ بناتی ہے، اسے روانی سے تجویز کرتی ہے اور بغیر تصدیق کے اسے انوائس میں داخل کرتی ہے ✔
- ب) مصنوعی ذہانت بہت آہستہ آہستہ کوڈ تیار کرتی ہے۔
- C) کوڈ کی تجویز ہمیشہ SGK کے ذریعہ خود بخود قبول کی جاتی ہے۔
- D) کوڈز صرف انگریزی میں تیار کیے جا سکتے ہیں۔
وضاحت: مصنوعی ذہانت روانی سے ایسے کوڈ کی تجویز کر سکتی ہے جو حقیقت میں موجود نہیں ہے یا غلط ہے (ہیلوسینیشن)۔ کوڈنگ اور بلنگ کو منظم کیا جاتا ہے؛ ہر کوڈ کی تصدیق ایک مجاز ماہر سے ہونی چاہیے جس میں درست لین دین کی فہرستیں اور رقم کی واپسی کے اصول ہوں۔
6. معیار کے اشارے کے ڈیش بورڈ پر، AI اشارے میں اچانک کمی کو 'بہتری' سے تعبیر کرتا ہے۔ مینیجر کو کیا کرنا چاہیے؟
- A) تبصرہ براہ راست بورڈ آف ڈائریکٹرز کے سامنے پیش کرنا
- ب) تحقیق کریں کہ آیا یہ تبدیلی ڈیٹا کے معیار، تعریف میں تبدیلی یا ہدف کے انحراف کی وجہ سے ہو سکتی ہے اور وجہ کی تصدیق کریں ✔
- C) ڈیش بورڈ سے اشارے کو ہٹا دیں۔
- D) مصنوعی ذہانت پر بھروسہ کرنا اور کوئی چیک نہ کرنا
وضاحت: اشارے میں تبدیلی ڈیٹا کے معیار کے مسئلے، تعریف میں تبدیلی یا گیمنگ کی وجہ سے ہو سکتی ہے۔ تبصرہ کی وجہ اور ڈیٹا سورس کی تصدیق کرنا منتظم پر منحصر ہے۔
7. مصنوعی ذہانت کے ساتھ مریض کی اطمینان مفت ٹیکسٹ فیڈ بیک کا تجزیہ کرتے وقت سب سے عام غلطی کیا ہے؟
- الف) متن کو تھیمز میں الگ کرنا
- ب) تاثرات کو گمنام کرنا
- C) تمام مریضوں کے لیے خودکار جذباتی لیبل اور نمونے کو ان کی توثیق کیے بغیر عام کرنا ✔
- D) شکایات کو ترجیح دینا
وضاحت: خودکار جذباتی لیبلنگ ستم ظریفی، نفی، اور غلط سیاق و سباق متعارف کروا سکتی ہے۔ مزید برآں، صرف مصنفین کی رائے ہی نمونے لینے کا تعصب رکھتی ہے۔ نمونے لینے اور پڑھنے کے ساتھ نتائج کی تصدیق کیے بغیر عمومیت نہیں کی جانی چاہیے۔
8. انوینٹری مینجمنٹ میں ABC تجزیہ کا بنیادی مقصد کیا ہے؟
- الف) تمام اشیاء کو حروف تہجی کی ترتیب میں ترتیب دینا
- ب) صرف وٹامن اے پر مشتمل دوائیوں کو شمار کرنا
- ج) میعاد ختم ہونے والی مصنوعات کو تباہ کرنا
- D) اسٹاک آئٹمز کی قدر/تنقید کی سطح کے مطابق درجہ بندی کرنا اور کنٹرول کی ترجیح کو انتہائی اہم آئٹمز پر دینا ✔
وضاحت: ABC تجزیہ انوینٹری اشیاء کو قدر/تنقید کے لحاظ سے A (اعلی)، B (درمیانے)، C (کم) کے طور پر درجہ بندی کرتا ہے۔ اس طرح، انتظامی توجہ اور کنٹرول فریکوئنسی سب سے اہم اشیاء پر مرکوز ہے۔
9. عمل کی بہتری میں 'بٹلا نیک' کے تصور کا کیا مطلب ہے؟
- A) وہ قدم جس میں سب سے کم گنجائش اور پورے بہاؤ کی رفتار کو محدود کرنا ✔
- ب) عمل کا تیز ترین چل رہا مرحلہ
- ج) وہ یونٹ جہاں زیادہ تر اہلکار کام کرتے ہیں۔
- D) وہ مرحلہ جس میں مریض سب سے زیادہ مطمئن ہوتے ہیں۔
تفصیل: رکاوٹ وہ قدم ہے جس کی گنجائش سب سے کم ہے جو پورے عمل کی رفتار کا تعین کرتی ہے۔ بہتری کی کوششوں کو پہلے رکاوٹ پر توجہ دینی چاہیے۔ کہیں اور بہتری مجموعی بہاؤ کو تیز نہیں کرتی ہے۔
10. شفٹ پلاننگ میں مصنوعی ذہانت سے تیار کردہ شیڈول کو لاگو کرنے سے پہلے منیجر کو کیا چیک کرنا چاہیے؟
- الف) چاہے چارٹ رنگ میں پرنٹ کیا گیا ہو یا نہیں۔
- ب) لیبر قانون کی تعمیل، آرام کی مدت، طبی قابلیت اور انصاف کے قوانین ✔
- C) مصنوعی ذہانت کو چارٹ بنانے میں کتنے سیکنڈ لگتے ہیں؟
- D) آیا شیڈول سب سے سینئر اہلکاروں کے حق میں ہے۔
تفصیل: چارٹ؛ اسے لیبر قانون (زیادہ سے زیادہ کام کے اوقات، آرام)، ملازمین کے حقوق، طبی قابلیت اور انصاف کے قوانین کی تعمیل کرنی چاہیے۔ AI ایک مسودہ تیار کر سکتا ہے جو ان قوانین کی خلاف ورزی کرتا ہو۔ حتمی منظوری مینیجر کے پاس ہے۔
11. درج ذیل میں سے کون صحت کی دیکھ بھال کے انتظام میں مصنوعی ذہانت کے استعمال کی صحیح حد کا اظہار کرتا ہے؟
- الف) مصنوعی ذہانت تمام انتظامی فیصلے خود بخود کر سکتی ہے۔
- ب) مصنوعی ذہانت کا استعمال صرف متن لکھنے میں کیا جا سکتا ہے، عددی تجزیہ میں نہیں۔
- C) مصنوعی ذہانت ایک معاون اور فیصلہ سازی کا آلہ ہے۔ اہم فیصلوں کی ذمہ داری اور حتمی منظوری انسانوں پر ہے ✔
- D) مصنوعی ذہانت انسانی منظوری کے بغیر ادائیگی کے فیصلوں کو حتمی شکل دے سکتی ہے۔
تفصیل: مصنوعی ذہانت کا معاون، ڈرافٹ جنریٹر اور فیصلہ سازی کا آلہ۔ وسائل کی تقسیم، طبی ترجیحات اور مریض کی حفاظت کو متاثر کرنے والے فیصلوں کی ذمہ داری اور حتمی منظوری ہمیشہ مجاز ماہر اور ذمہ دار مینیجر کے پاس ہوتی ہے۔
12. قیام کی اوسط لمبائی (LOS) اشارے میں کمی کیوں 'کامیابی' کا کافی ثبوت نہیں ہے؟
- ا) چونکہ قیام کا دورانیہ کبھی نہیں ماپا جا سکتا
- ب) چونکہ قیام کی لمبائی کا اندازہ صرف مصنوعی ذہانت سے لگایا جا سکتا ہے۔
- ج) چونکہ قیام کی لمبائی معاوضہ سے بالکل بھی متعلق نہیں ہے۔
- D) اگر یہ کمی جلدی خارج ہونے اور دوبارہ داخل ہونے میں اضافے کے ساتھ آتی ہے تو، مریض کی حفاظت خراب ہوسکتی ہے اور اس کی تشریح متعلقہ اشارے کے ساتھ کی جانی چاہیے ✔
وضاحت: رہائش کے وقت میں کمی وسائل کے اچھے استعمال کی نشاندہی کر سکتی ہے۔ تاہم، اگر یہ جلد خارج ہونے اور دوبارہ داخل ہونے میں اضافے کے ساتھ آتا ہے، تو مریض کی حفاظت خراب ہو سکتی ہے۔ اشارے کی تشریح دیگر متعلقہ اشارے کے ساتھ مل کر کی جانی چاہیے۔
13. کسی وبا یا آفت جیسے ناگہانی خلل کی صورت میں تاریخی اعداد و شمار کی بنیاد پر مانگ کی پیشن گوئی کی کیا حیثیت ہے؟
- A) پیشین گوئی رہنمائی کرنا چھوڑ دیتی ہے۔ ماہرین کا فیصلہ اور حقیقی وقت کی نگرانی ✔
- ب) ان حالات میں تاریخی اعداد و شمار پر مبنی پیشین گوئی سب سے زیادہ قابل اعتماد ہو جاتی ہے۔
- C) پیشن گوئی خود بخود خود کو درست کرتی ہے، کسی مداخلت کی ضرورت نہیں ہے۔
- D) ان معاملات میں منصوبہ بندی کو مکمل طور پر روک دیا جائے۔
تفصیل: AI پیشن گوئی ماضی کے نمونوں پر مبنی ہے۔ ساختی وقفے جیسے وبائی امراض، آفات یا قانون سازی کی تبدیلیوں میں، ماضی کا ڈیٹا رہنمائی کرنا چھوڑ دیتا ہے۔ ماہر فیصلہ اور حقیقی وقت کی نگرانی لیڈ لیتے ہیں۔
14. کارپوریٹ AI گورننس پالیسی میں درج ذیل میں سے کس کو شامل کیا جانا چاہیے؟
- A) صرف مصنوعی ذہانت کے کس برانڈ کا آلہ خریدا جائے گا؟
- ب) ڈیٹا کی درجہ بندی، گمنامی، انسانی منظوری کے نکات، ذمہ داری/آڈٹ ریکارڈ اور اخلاقی اصول ✔
- ج) یہ اصول کہ صرف مینیجرز ہی مصنوعی ذہانت کا استعمال کر سکتے ہیں۔
- D) ایک مضمون جو مصنوعی ذہانت کو اکیلے تمام فیصلے کرنے کی اجازت دیتا ہے۔
تفصیل: صوتی حکمرانی؛ یہ اس بات کی وضاحت کرتا ہے کہ کون سا ڈیٹا کس ٹول میں جا سکتا ہے، گمنامی کے اصول، انسانی منظوری کے نکات، ذمہ داری اور آڈٹ ریکارڈ، اخلاقی اصول (منصفانہ، شفافیت، احتساب)۔