مواد
- ریئل ٹائم ٹو بگ ڈیٹا میں فیڈ ڈیٹا
- کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
- بہتر مشین لرننگ کے لیبل لگانے والے واقعات
- شپنگ سے پہلے صاف ڈیٹا (جہاز سے سونا ، گندگی نہیں)
- لیبل لگا سینسری ڈیٹا کی ٹھوس شناخت کے لئے سی این این
- مستقبل
ماخذ: فونلامئی فوٹو / آئ اسٹاک فوٹو
ٹیکا وے:
اگرچہ یہ عقیدہ ہوسکتا ہے کہ اے آئی کو نافذ کرنا مہنگا ہے ، لیکن اس سے کتنی رقم بچائی جاسکتی ہے ، اور مریضوں کی دیکھ بھال کی بہتر سطح اس کا فائدہ اٹھاسکتی ہے۔
ہاسپٹل میں پیٹرن سے ملنے اور اس کی ضرورت کی پیش گوئی کرنا ہنر مند طبی عملے کے لئے مشکل کام ہے ، لیکن اے آئی اور مشین سیکھنے کے ل. نہیں۔ طبی عملے کے پاس اپنے ہر مریض کو کل وقتی بنیاد پر دیکھنے کی عیش و آرام نہیں ہے۔ اگرچہ واضح حالات میں مریضوں کی فوری ضروریات کی نشاندہی کرنے میں حیرت انگیز حد تک اچھی بات ہے ، نرسوں اور طبی عملے میں مناسب مدت کے دوران دکھائے جانے والے مریضوں کی علامات کی ایک پیچیدہ صف سے مستقبل کو سمجھنے کی صلاحیت نہیں ہے۔ مشین لرننگ میں مریضوں کے ڈیٹا 24/7 کو نہ صرف مشاہدہ اور تجزیہ کرنے کی عیش و عشرت ہے ، بلکہ متعدد ذرائع سے جمع کردہ معلومات کو بھی یکجا کیا گیا ہے ، یعنی تاریخی ریکارڈز ، طبی عملے کے ذریعہ روزانہ کی جانچ پڑتال ، اور دل کی شرح ، آکسیجن کا استعمال جیسے وٹلوں کی اصل وقت کی پیمائش اور بلڈ پریشر اس وقت پوری دنیا میں ہارٹ اٹیک ، فالج ، اسٹروک ، سیپسس اور پیچیدگیوں کی تشخیص اور پیش گوئی میں اے آئی کا اطلاق جاری ہے۔
ایک حقیقی دنیا کی مثال یہ ہے کہ ال کیمینو ہسپتال نے EHR ، بستر کے الارم اور نرس کو روشنی کے اعداد و شمار کو تجزیات سے مربوط کرتے ہیں تاکہ زوال کے زیادہ خطرہ والے مریضوں کی شناخت کر سکے۔ ال کیمینو اسپتال میں زوال ، اسپتالوں کے لئے ایک اہم لاگت ، 39٪ کم ہوا۔
ال کیمینو کے ذریعہ استعمال شدہ مشین لرننگ طریقہ کار آئس برگ کا سب سے اہم حصہ ہے ، لیکن عملی توجہ مرکوز بصیرت یا نسخے کے تجزیات کا استعمال کرتے ہوئے صحت کی دیکھ بھال کے مستقبل کی نمایاں نمائندگی کرتی ہے۔ وہ دستیاب ممکنہ معلومات کا ایک چھوٹا ذیلی سیٹ استعمال کر رہے ہیں اور مریض کی طرف سے اٹھائے گئے جسمانی اقدامات جیسے بستر سے باہر نکلنا اور صحت کے ریکارڈ کے ساتھ مل کر ہیلپ بٹن کو دبانا۔ – ہسپتال کے عملے کے ذریعہ وقتا فوقتا پیمائش۔ اسپتال کی مشینری اس وقت واقعہ کی شناخت کے ساتھ کارڈیک مانیٹر ، سانس مانیٹرز ، آکسیجن سنترپتی مانیٹر ، ای سی جی اور کیمروں سے ڈیٹا ذخیرہ کرنے والے بڑے آلات میں اہم اعداد و شمار نہیں دے رہی ہے۔
موجودہ اسپتالوں کے نظاموں کے ساتھ اے آئی حل کو اکٹھا کرنا ایک معاشی ، سیاسی اور تکنیکی مسئلہ ہے۔ اس مضمون کے باقی حصے کا مقصد تکنیکی مسائل پر بات چیت کرنا ہے ، جس کو مندرجہ ذیل افعال میں تقسیم کیا جاسکتا ہے۔
- ڈیٹا حاصل کریں
- ڈیٹا صاف کریں
- ڈیٹا ٹرانسپورٹ کریں
- ڈیٹا کا تجزیہ کریں
- اسٹیک ہولڈرز کو مطلع کریں
اعداد و شمار کا حصول اور صفائی کرنا AI کے تمام عمل درآمد کا ایک چیلنج ہے۔ مہاکاوی حوالہ شروع کرنے کا ایک اہم نقطہ جیسے ایپک ڈیٹا جیسے عام ای ایچ آر تک رسائی حاصل کرنے کے لئے درکار وسائل کو سمجھنے کے لئے ضروری ہے اس مضمون میں مہاکاوی کے ساتھ ضم کرنے کا طریقہ ہے۔
ریئل ٹائم ٹو بگ ڈیٹا میں فیڈ ڈیٹا
ہم پیش گوئی کرنے والے تجزیات کر رہے ہیں – ریئل ٹائم خطرناک نہیں۔ یہ انفرادی طور پر مختلف مسائل ہیں۔ ریئل ٹائم پیشن گوئی والے تجزیات اسٹریمنگ ڈیٹا کو چھوڑ سکتے ہیں ، ایونٹ کا ڈیٹا نہیں۔ واقعہ کے اعداد و شمار شناخت کنندہ ٹیگ ہوتے ہیں جو واقعات کو چلاتے ہیں۔ وقتا فوقتا. وقتا heart فوقتا heart دل کی شرح یا ایک مخصوص وقفے پر آکسیجن سنترپتی ہے۔ اسٹریمنگ ڈیٹا ہر دل کی دھڑکن یا نبض آکسیجن پڑھنا ہے۔ یہ بہت اہم ہے کیونکہ کارکردگی کے لحاظ سے ڈیٹا گارنٹی مہنگی ہے۔ ہمیں واقعات کی ضمانت دینی چاہئے – ان میں ایک محدود تعداد موجود ہے – ہمیں ڈیٹا کی ضمانت نہیں دینا چاہئے۔
ای ایچ آر ، نرس کال اور مریضوں کی نگرانی کے اعداد و شمار کو ہر وقت کسی نہ کسی مریض کے ساتھ منسلک کرنے کی ضرورت ہے۔ اس کا مطلب ہے کہ ایک انوکھا شناخت کنندہ ہے جو تمام سسٹمز کے مابین مشترکہ ہوتا ہے اور آسانی سے لاگو ہوتا ہے جیسے یو یو ڈی (عالمی سطح پر منفرد شناخت کنندہ)۔ نفاذ کے نقطہ نظر سے بلٹ میں بار کوڈ ریڈر والے کیمرے جو ماحول کو اسکین کرتے ہیں وہ جامع نفاذ کے لئے ضروری بہت ساری عملی ضروریات کو مربوط کرتے ہیں۔ ایک اچھی طرح سے عمل درآمد کرنے والا نظام بیڈ بار کوڈز ، مریض کلائی بینڈ بار کوڈز ، نسخہ بار کوڈز اور نس نس بار کوڈ اسکین کرسکتا ہے جبکہ ہر مریض کے بستر کی تبدیلی پر ایک منفرد UID تفویض کرتا ہے۔ اسپتال کی موجودہ ٹکنالوجیوں میں مریضوں کے کلائی بینڈ بار کوڈس کیلئے نرس اسکینر شامل ہیں۔
ہمارا مقصد یہ ہے کہ جغرافیائی وقت کی سیریز کے اعداد و شمار کو بڑے ڈیٹا اسٹوریج کے لئے حقیقی وقت میں لکھنا ہے۔ سب سے اہم وقفہ وقت ڈیٹا بیس کو لکھنے میں ہے ، لہذا ہمیں کسی جگہ متفقہ طور پر ڈیٹا کی قطار لگانی ہوگی ، اور ایسا کرنے کا بہترین طریقہ یہ ہے کہ مسیجنگ پلیٹ فارم جیسے ربیٹ ایم کیو یا کافکا کا استعمال کرتے ہوئے۔ ربیٹ ایم کیو 10 ملین ایس فی سیکنڈ اور کافکا 60 ملین تک فی سیکنڈ سنبھال سکتا ہے۔ ربیٹ ایم کیو ڈیٹا کی ضمانت دیتا ہے ، کافکا نہیں کرتا ہے۔ بنیادی حکمت عملی تبادلے کے ل data اعداد و شمار کی اشاعت بن جاتی ہے جو آپ کی ضروریات کے لئے ضروری خصوصیات رکھتے ہیں۔ (ایمیزون صحت کی دیکھ بھال کے اخراجات کو کم کرنے کے ل big بڑے اعداد و شمار کو استعمال کرنے کی کوشش کر رہا ہے۔ ایمیزون ہیلتھ کیئر پلانز میں مزید معلومات حاصل کریں - ایک حقیقی بازار انقلاب؟)
کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
جب آپ سافٹ ویئر کے معیار کی پرواہ نہیں کرتے ہیں تو آپ اپنی پروگرامنگ کی مہارت کو بہتر نہیں کرسکتے ہیں۔
بہتر مشین لرننگ کے لیبل لگانے والے واقعات
سب سے زیادہ موثر مشین لرننگ الگورتھم وہی ہیں جو واضح طور پر متعین ڈیٹا سیٹ اور لیبل کے ساتھ ہیں۔ عمدہ ، معروف الگورتھم کینسر کی نشاندہی کرنے اور ایکس رے پڑھنے کے لئے استعمال ہوتے ہیں۔ الیگزنڈر گلفینڈ ، ڈیپ لرننگ اور بائیو میڈیکل امیج تجزیہ کا مستقبل کا لکھا ہوا مضمون ، اس نکتے کی نشاندہی کرتا ہے کہ مشین سیکھنے کی کامیابی کے لئے ڈیٹا لیبلنگ اہم ہے۔ لیبلنگ کے علاوہ ، جیوپسٹال ٹائم سیریز کے اعداد و شمار کو لیبل لگا ہوا واقعہ کا حوالہ دیتے ہوئے اچھی طرح سے وضاحت شدہ ، مستقل حصوں میں اضافے کے لئے بھی بہت ضروری ہے۔ اچھی طرح سے بیان کردہ ، مستقل لیبل انتخاب کے معیار کے طور پر استعمال ہوتے ہیں۔
شپنگ سے پہلے صاف ڈیٹا (جہاز سے سونا ، گندگی نہیں)
مستقبل کے تمام اعداد و شمار کو جغرافیائی تاریخ کے ڈیٹا پر غور کرنا چاہئے۔ کسی قطار میں شائع کرنے اور اسے ڈیٹا بیس میں لکھنے سے پہلے ڈیٹا کو صاف کریں۔ خام سینسر کے اعداد و شمار کا سب سے موثر طریقہ یہ ہے کہ شپمنٹ سے قبل ڈیٹا کو صاف کرنے کے ل an ایک تیز رفتار حرکت پذیری اوسط فنکشن کا اطلاق کرنا ہے۔ ہمارا قول یہ ہے کہ آپ گندگی کو نہیں ، بہترین سونے کی ترسیل کرنے کی کوشش کریں۔ طویل سفر کے دوران ، شپنگ اور ڈیٹا کو محفوظ کرنا مہنگا ہے ، لہذا شپمنٹ اور اسٹوریج سے قبل یہ یقینی بنائیں کہ اعداد و شمار اتنا ہی صاف ستھرا ہے۔
لیبل لگا سینسری ڈیٹا کی ٹھوس شناخت کے لئے سی این این
اس مضمون میں بیان کردہ مقاصد کے ل there ، آپ کے نفاذ کے ل temp ٹیمپلیٹس کے بطور استعمال کرنے کیلئے عوامی ڈیٹا سیٹ اور مشین لرننگ لائبریریوں کی بہتر وضاحت کی گئی ہے۔ اچھ analے تجزیہ کار اور ٹھوس پروگرامر چھ مہینوں سے بھی کم کوشش میں ٹھوس اے کو نافذ کرسکتے ہیں اگر دستیاب ذخیروں کو سیکھنے اور اس پر عمل کرنے کے لئے وقف شدہ وقت دیا جائے۔ میلانوما کی شناخت پر 87 فیصد درستگی کے ساتھ سی این این (سمجھوتہ عصبی نیٹ ورک) کو سمجھنے کے لئے ایک عمیق تصویری شناخت کا ذخیرہ جلد کے کینسر کا پتہ لگانے کا منصوبہ ہے۔ ایونٹ کی پہچان کے ل understand سینسروں کے امتزاج کو سمجھنے کے ل An ایک عمدہ لائبریری ، ایل ایس ٹی ایم برائے انسانی سرگرمی کی شناخت پروجیکٹ ہے جس کا ذریعہ گیلوم شیولیر ہے۔ نیز ، یہ منصوبہ سینسر ان پٹ اور مختلف سرگرمیوں کے عزم کا مجموعہ ہے۔ ہسپتال کی ترتیب میں ، یہی حالت طبی حالتوں میں کام کرتی ہے۔ (صحت میں حالیہ کامیابی کے بارے میں مزید مثالوں کے لئے ، صحت کی دیکھ بھال میں AI کی 5 انتہائی حیرت انگیز پیشرفت چیک کریں۔)
مستقبل
اسپتال اور صحت کی دیکھ بھال کی ترتیبات میں اے آئی کا اطلاق اب ہو رہا ہے۔ مریضوں کی نگرانی کے سامان کے انضمام کے ذریعہ اہم واقعات کو تسلیم کرتے ہوئے صحت کی فراہمی کی درستگی کو بہتر بنانا ، پہننے کے قابل سینسرز اور صحت کے ریکارڈوں کو معلوم ہے کہ پہلے ہی اس پر عمل درآمد کیا جا رہا ہے۔ ہمارے مستقبل کے صحت اور مالی اثر پر AI کے اطلاق کی حد تک ناقابل حساب ہے۔ داخلے میں رکاوٹیں کم ہیں۔ اس لہر کے ل your اپنے بورڈز اور پیڈل پکڑو۔ آپ دنیا بھر میں طبی اخراجات کے مستقبل کو متاثر کرسکتے ہیں۔