ڈیٹا اناطولیہ میں حالیہ ترقیات مصنوعی نظاموں کی فضاء کو دوبارہ کھول رہی ہیں، اس طرح سے کہ نئے درجے کی صفائی، حفاظت اور ذاتی طور پر لوگوں کے لیے جو قسم 1 ذیابیطس کے ساتھ رہتے ہیں، ان میں سے انسولین کی فراہمی کے نظام کو ہمیشہ تک برقرار رکھنے کا وعدہ کیا گیا ہے،

سمجھ لینے والے ینی‌سن‌اے پانامہ‌کریس سسٹمز کو سمجھ سکتے ہیں

ایک مصنوعی کیمیائی نظام جسے حِز بند-loop کے نام سے بھی جانا جاتا ہے، خون کے گلوکوز کو خودبخود صارف کی مداخلت کے ساتھ منظم کرنے کے لیے بنایا گیا ہے. بنیادی حصوں میں ایک CCP شامل ہے جو کہ بہت کم منٹوں میں انسِکِن کی مقدار کو پورا کرتا ہے، انسولین کے پمپ کو کنٹرول کرتا ہے اور جسے اصل میں جلدی سے انسولین کی رفتار میں حل کرتا ہے،

گزشتہ دہائی کے دوران کئی تجارتی ہیپاٹائٹس کی بند کردہ نظاموں کو دوبارہ قابل قبول قرار دیا گیا ہے، جیسے کہ میdtrion Menid 670G، 780G، Tandem T:slim X2 on control-IQ ٹیکنالوجی کے ساتھ اور اومنیپوڈ 5 میں بہت سے نظاموں نے روایتی پمپ یا روزانہ استعمال کرنے کے مقابلے میں بہت بہتر کارکردگی کا مظاہرہ کیا ہے اور ان کے استعمال کے لیے مختلف عوامل پر مختلف طریقے استعمال کرنے کا انحصار مختلف ہے۔

یہاں پر ڈیٹا اناطولیہ ایک متغیر کردار ادا کرتا ہے. فصل کاٹنے اور سیریز، پمپ اور کپڑے پہننے والے ڈیٹا کی وسیع رفتار کو بہتر بنانے سے، محققین اور کلینک کی سمجھ میں آ سکتے ہیں جو پہلے ناقابل یقین صلاحیت، انسولین کی کمی، حساسیت، کھانے پینے کے عمل کو یقینی طور پر دیکھ سکتے ہیں اور اس کے بعد دونوں سطح پر جوابات کو دیکھ سکتے ہیں کہ یہ تبدیلی کے بعد انتہائی ہوشیارانہ ساخت میں تبدیلی لامحدود ہے

ذیابیطس کی دیکھ‌بھال میں ڈیٹا اناطولیہ انقلاب

مصنوعی نظامات کے ضمن میں ڈیٹا ایک وسیع سیٹ پر مشتمل ہے جس میں تکنیکوں کا جائزہ، سگنلنگ، مشین سیکھنے، مشین سیکھنے اور گہری سیکھنے کا عمل۔ سیریز کے ڈیٹا سے روزانہ سینکڑوں گلوکوز پڑھنے اور روزانہ کھانے پینے کے بعد کھانا، انسولین کی دوائیں اور جسمانی عملہ سے جڑے ہوئے. جب ہزاروں ہفتوں، مہینے یا پھر ڈیٹا کے دوران میں سرمایہ کاری کے لیے سرمایہ کاری کی گئی تو

سب سے زیادہ اثر دینے والا اطلاق حقیقی وقت میں ہونے والا انکٹیو . الوريطم ايک صارف کے ایسے کیمیائی نمونے اور جھنڈی مُنہ کو سیکھ سکتے ہیں جو سینسر غلطیوں، پمپوں یا فوری طور پر نمودار ہونے کے لیے نہایت تیز رفتار نظام کو ظاہر کر سکتے ہیں۔

مزید یہ کہ بادل پر مبنی ڈیٹا سیفوں کے استعمال نے تحقیقات کی رفتار کو بڑھا دیا ہے. Tide and Gluto Datasss as a anymed, de-Crestates to the search to be be be be be be be be be be bestments in search in Chroniculation. [FTT:0]

بیرونی وسائل مثلاً FDA کے مصنوعی تناظر میں اور ] National Institute of Mexicine and Disdioive and Kidney diseases (NIDK) کی معلومات CCC(FLT:3] ان ٹیکنالوجیوں پر نقشے کو حاصل ہیں۔

مشین سیکھنا اور اِس کی مدد سے اِن میں سے بعض کو یہ باتیں سیکھنے کی ضرورت ہے ۔

مشین سیکھنے (ML) اگلے قبائلی مصنوعی نظاموں کے ایک مرکب کے طور پر سامنے آئی ہے. روایتی کنٹرول Alphotes مثلاً integral-derviative (PID)، جیسے کہ social-integral-deviration (MPC)، ریاضیاتی science ماڈل پر مبنی ہیں، جبکہ مؤثر طور پر یہ ماڈل اکثر line ہیں اور ان میں سے پیچیدہ، غیر فعال، جنگلات، جن میں سے متعلقہ طور پر،

مختصر-Term Gredtion

سب سے زیادہ قابل قبول اطلاق اطلاقات میں سے ایک مختصر مدت (15–60 منٹ) گلوکوز کے ربط ہے. تاریخی سی ایل جی پی کی معلومات فراہم کرنے سے (ایک دن میں) تازہ ترین معلومات (وقت)

طویل- رنگ پہچان

مثال کے طور پر ، مشین سیکھنے کو دیر سے متعلقہ نمونوں کی شناخت کرنے کے لئے استعمال کیا جاتا ہے جو ذیابیطس کے انتظام پر اثرانداز ہوتے ہیں ۔ مثال کے طور پر ، ایک الموت کے طور پر ، ہفتے کی صبح کے دوران جاری ہونے والے دن کے دوران دوران ایک صارف مسلسل تجربات کی رفتار سے جاری رکھتا ہے ۔

کے ادارے پر ریسرچ گروپ جیسے کہ ] میساچوسٹس کی یونیورسٹیوں نے اس بات کو ظاہر کیا ہے کہ حقیقی وقتی طور پر سیکھنے کے عمل کو روایتی کنٹرول کے ساتھ ساتھ مجموعی طور پر اجتماعی طور پر گلشن کے نتائج بہتر بناتے ہیں۔

ذاتی علاج الورۃ الجواۃ ہے۔

ذیابیطس کے ساتھ دو افراد برابر نہیں ہیں. انسولین حساسیت، گیسوں کی خالی شرح، غیر فعالانہ فلوس اور روزمرہ کے معمولات مختلف ہیں۔ معیاری یک فی کس آمدنی کے لیے اکثر صارفین کے لیے ایک ہی فی کسوٹی کنٹرول کی کمی واقع ہوتی ہے. Data analytics [FLT] ذاتی طور پر تبدیلی پیدا کرنے کے قابل بناتا ہے[FT1]

سیکھنے میں تناؤ

انسلین حساسات دن بھر میں تبدیل ہوتے رہتے ہیں، دن کے وقت، وقت، کمیت، بیماری اور جسمانی سرگرمیوں سے متاثر ہوتے ہیں۔ ماضی کی سی ڈی این اے اور انسولین کے اعداد و شمار سے ایک مشین سیکھنے والے شخص کی موجودہ انسولین کی حساسیت اور اصلاحی خصوصیات کو مدنظر رکھتے ہوئے یہ انسولین کی مقدار کو درست کر سکتا ہے اور اس میں تبدیلی کے لیے کافی ہے

کو بخوبی جاننے کے انتظامات

عام طور پر قابلِ ذِکر سینسر (مثلاً دل کی شرح مانی جاتی ہے، Accellrometers) مزید اعداد و شمار فراہم کرتا ہے جو ایک الموت کے دل کو حرکت دینے کے لیے استعمال کر سکتے ہیں اگر ایک صارف کی دل کی رفتار بڑھتی ہے اور قدم میں اضافہ ہو سکتا ہے تو نظامِ کار میں جسمانی افعال کو ختم کرنے اور وقتی طور پر کم کر سکتا ہے اسی طرح اگر صارف کو ورزش کرنے کے لیے ورزش کرنے کا موقع معلوم ہو تو وہ بھی کافی حد تک کم کر سکتا ہے ۔

تجارتی نظام جیسے کہ ٹنڈم کنٹرول-IQ پہلے ہی ورزش اور نیند کی کمی پر مبنی کچھ سطح کی ادائیگی میں شامل ہو جائے گا لیکن مستقبل کے نظام مزید نہایت ہی پیچیدہ ہو جائیں گے۔اس سے ہوشیاری، ہوشیاری کے ساتھ، اور مسلسل کیٹونین کے میناروں سے ڈیٹا کا اخراج بھی اس بات کی اجازت دے گا کہ صارف کی میٹر بالواسطہ حالت کے بارے میں حقیقت پسندی نظر آئے گی۔

حقیقی شہادت اور کلینک خارجی کا ثبوت

اعداد و شمار-anlytics-reserative کی کارکردگی اب تدریسی نہیں ہے. متعدد حقیقی عالمی مطالعات اور حسابی امتحانات نے ناقابل استعمال فوائد کا مظاہرہ کیا ہے. مثال کے طور پر [FLCam11] [AFLT:1] [1] جانچ اور [FLT]] جانچ کے ساتھ ساتھ مل کر ختم ہونے والے دونوں نظاموں کے بارے میں بتاتے ہیں کہ یہ نظام ختم ہونے کے بغیر

ایک بڑے مشاہدے والے مطالعے میں 10،000 سے زائد صارفین کو ایک تجارتی بند نظام کے 10،000 سے زائد صارفین کے ساتھ تعاون کرنے کے لئے محققین نے ایٹم کی پیمائش کی تاکہ ان کے نتائج معلوم ہو سکیں جن سے متعلقہ عناصر نے معلومات کو مستحکم رکھا ہے

مزید یہ کہ مریض کے لیے بہتر نتائج سامنے آئے ہیں. صارفین رپورٹ میں زیادہ تسکین، ذیابیطس کی تکلیف اور بہتری کے ساتھ ساتھ ایسے نظاموں کا استعمال کرتے وقت بہتری لائی جاتی ہے جو مطابقت پیدا کرنے میں معاونت کرتے ہیں۔ مستقل فیصلہ سازی کا نفسیاتی بوجھ کم ہوتا ہے، لوگوں کو زندگی کے دیگر پہلوؤں پر توجہ دینے کی اجازت دیتا ہے۔

حقیقی دنیا کے نتائج پر مزید پڑھنے کے لیے ] C برساتی مضمون کو ٹائپ میں بند-لوپ نتائج پر مشتمل مضمون [1] حالیہ مطالعات کا ایک جامع جائزہ فراہم کرتا ہے۔

آزمائشوں کا سامنا کرنا

وعدہ کے باوجود تجارتی مصنوعی نظام میں ترقی یافتہ ڈیٹا Analytics کو کئی ناقابل یقین چیلنجز کا سامنا کرنا پڑتا ہے ان کو وسیع مقبولیت اور انتہائی مقبول کارکردگی حاصل کرنے کے لیے کہا جانا چاہیے۔

ڈیٹا پر بوجھ اور تحفظ

Cimps اور پمپز انتہائی حساس صحت کے اعداد و شمار پیدا کرتے ہیں۔ جیسا کہ Analytics زیادہ تر صوفی بن جاتے ہیں اور بادل پر مبنی کیمیائی طور پر انحصار کرنے کا خطرہ بڑھ جاتا ہے.

الورۃ الکبیر اور تفسیر و تفسیر۔

جب کوئی ایم ایل ماڈل کسی مخصوص انسولین کی دوا تجویز کرتا ہے تو صارف اور کلینک دونوں کو اس فیصلے پر اعتماد کرنا پڑتا ہے ۔ "Black Box" Alphics جو ان کے استدلال کو واضح طور پر AI (XAI) کے قابل نہیں سمجھ سکتے. میدان کو بنانے کے لیے کام کر رہے ہیں جو واضح طور پر وضاحت کے ساتھ ساتھ، ان خصوصیات کو واضح کریں جن کی خصوصیات، وقت کے مطابق، ریبیز، روشنی کو بڑھانے کے لیے، زیادہ تر تر نظام کو بھی متاثر کر رہے ہیں، مگر انتہائی تعداد میں اضافہ کرنا اور ان نظاموں کو بھی شامل کرنا ہوتا ہے جو کہ بطور تصدیق کے لیے صارف استعمال کیا جاتا ہے

حقیقی وقت کی قدر

Gmail system کو ذیلی نصف شبکی کے ساتھ کام کرنا ہوگا. تربیتی پیچیدہ ایم ایل ماڈلز کے ساتھ ایک کمپیوٹر پر محدود آپریٹنگ پاور (جیسے کہ انسولین پمپ یا اسمارٹ فون) پر مشتمل ہے. ایج کمپیوٹر کا حل جو قریبی سروروں کے لیے بھاری استعمال ہوتا ہے.

دوبارہ سے چلنے والی چکی

کسی بھی تبدیلی کو منظوری شدہ الموت سے اکثر نئی نئی نئی صفائی کی ضرورت ہوتی ہے۔یہ نئی نئی رفتار کو تیز کرنے کے لیے FDA کا پروگرام ڈیجیٹل ہیلتھ آلات کے لیے اور اس کے ویژیول مریض کی مقبولیت کے لیے اقدامات ہیں لیکن فیکٹریوں کو اب بھی نئے خطرات کا اظہار نہیں کرنا چاہیے۔

مستقبل کی ہدایات

مصنوعی نظام کے لئے اگلی ترتیب انتہائی مختلف اعداد و شمار کی ندیوں اور زیادہ طاقتور اینالکز کو ملانے کی صلاحیت رکھتی ہے ۔

ملتان-مڈال سیزننگ -

گلوکوز کے علاوہ مستقبل میں آنے والے نظاموں میں مسلسل کیٹون مانیٹر، لاکٹ سینسر اور شاید ہارمون سینسر (جیسے کہ کورتیسول) سے حقیقی اعداد و شمار داخل کریں گے۔ مشین سیکھنے والے نمونے جو ان ان ان ان انساب کی حالت کی گہری سمجھ فراہم کریں گے مثلاً بلند کرنے والے کیٹوڈیوز سے حاصل کردہ اضافی کیووا اور انسولین کے نظام کو بہتر طور پر ظاہر کر سکیں گے۔

سیکھنے میں مدد

Reinforment school (RL) ایک mLPortagegm ہے جہاں ایک الموت امتحان اور غلطی کے ذریعے سے عمل سیکھتا ہے، انعام کے ذریعے (جیسے، وقت کے ساتھ،

ڈیجیٹل ہیلتھ ایگزیکی نظاموں کے ساتھ ربط

ڈیٹا اناطولیہ : ایک کلینک کے ذریعے یہ سمجھ سکتا ہے کہ نیند اور خوراک میں تبدیلی کی وجہ سے مریض کا گلوکوز کنٹرول کنٹرول کرنے کے قابل ہے ۔

مکمل طور پر کھانے پینے کی چیز

ایک حقیقی بند بند نظام کی آخری رکاوٹوں میں سے ایک ہے صارف کے اعلان کے بغیر کھانا پکانے کے لئے ہاتھ میں ہے. ڈاٹ ایناییٹکس کھانا سے متعلقہ گلوکوز کے نمونے دریافت کر کے مدد کر سکتے ہیں -- ایک جلدی شروع ہو جانے سے پہلے

کُنَّا

ڈیٹا میں موجود معلومات صرف مصنوعی نظاموں کے لیے انتہائی درست نہیں ہیں -- یہ بنیادی طور پر ان نظاموں کو تبدیل کر رہے ہیں جو ان ممکن ہیں. مشین سیکھنے کی طاقت، تصور کرنے والے ماڈلنگ اور ذاتی طور پر قابل عمل نظامات پیدا کرنے سے