ذیابیطس کی بیماری کے دوران ، مَیں نے اپنے بچوں کو یہ بتایا کہ یہ بیماری کیسے پھیل سکتی ہے ، جسے آسانی سے ختم کر سکتی ہے ، جسے خطرناک بیماریوں سے روک سکتی ہے ، اور دیر تک برقرار رہتی ہے ۔

صحت کی دیکھ‌بھال میں معلومات اور مشین کیا سیکھ رہی ہیں ؟

انٹرنیٹ پر چیزوں کا انٹرنیٹ جسمانی چیزوں کا جال (انگریزی:devices, Septers) یا speriums) کا ذکر کرتا ہے جس کی مدد سے سافٹ ویئر، ڈیٹنگ اور انٹرنیٹ پر ڈیٹا کا تبادلہ کرنے کی صلاحیت۔ صحت کی جانچ کے ضمن میں ہسپتال میں موجود تمام چیزوں کو کنٹرول کرتی ہے۔

مشین سیکھنے، مصنوعی ذہانت کی ایک شاخ، معلومات سے حاصل کرنے کے لیے نظاموں کو استعمال کرتا ہے تاکہ ہر ممکن طریقے سے منظم ہونے والے پروگرامز کے لیے معلومات حاصل کیے جا سکیں۔

سی توانائی واضح ہے: آئیو ٹی مسلسل، ہائی وے ڈیٹا فراہم کرتا ہے کہ ایم ایل ایل ایل ایل ایل ایل ایل ایل ایل ایل ایل کے لیے ضروری ہے کہ وہ ایسے قابل عمل معلومات جو اس کے بند کرنے والے سٹیج سینسر ڈاٹا کو مریضوں اور کلینکوں کے لیے حقیقی وقت میں تبدیل کر دے۔

ایڈز کی بیماری کی علامات

سی‌وی‌ایس کی وسیع منظوری سے پہلے ، ذیابیطس کی انتظامیہ نے انگلیوں کی پیمائش پر بہت انحصار کِیا ، اسکے بعد روزانہ ۴– ۱۰ مرتبہ ورزش کی ۔

طےشدہ

اس طرح کے حسابات جو ٹیکسکام G6، Abbott FreeStyle Liber، اور میڈٹرینو گارڈن سینسرز میں موجود گلوکوز کی سطحوں کو ان کے اندر موجود پانی کی ذیلی تقسیم میں درج کر دیتے ہیں.

سمتھ انسولین پنس اور پمپس

سمرٹ انسولین کے قلم (مثلاً نووو ناردیشک کے نووپن 6) ممبر میڈیکل کے انپن کی ریکارڈ کردہ وقت، دوا اور انسولین کی قسم۔

قابلِ‌رسائی نقل‌مکانی اور دیگر سینئر

ایپل واچ ، فی‌bit یا گیرمین آلات جیسے ضمنی اعداد : دل کی دھڑکن ، کھال کا درجۂ‌حرارت ، مرحلہ ، نیند کے مرحلے ، نیند اور دباؤ کی سطح ۔ مثال کے طور پر ، جسمانی سرگرمیوں سے انسولین کی حساسیت میں اضافہ ہوتا ہے ؛ دباؤ کو بڑھانے اور خون میں اضافہ ہوتا ہے ۔ ان ضمنی اشاروں کو واضح طور پر بیان کرنے کے لئے ایک حالیہ بیماری کی تصدیق کرنا ضروری ہے ۔

ذیابیطس کے ماڈلز کیلئے مشین سیکھنا تکنیک

آئیو ٹی آلات کے خام ڈیٹا کو پروڈیوس، صاف ستھرا اور تبدیل کرنا چاہیے قبل از وقت اس کے متعلقہ ماڈلز کی تربیت کے لیے استعمال کیا جا سکتا ہے۔ML Alphal کا انتخاب اس سوال پر منحصر ہے: ایک نیوکلیائی گلوکوز کی قدر، کلاس میں آنے والا واقعہ (hypolycemia/hyperglycemia)، یا گروپ کو خطرے میں مبتلا کرنے والے مریضوں میں شامل کرنے والے افراد کے لیے گروہ کو شامل کرنا ہے۔

ایم .

سب سے عام کام مستقبل میں آنے والے خون کے گلوکوز کی سطح کی پیشینگوئی کر رہا ہے. مثلاً 15, 30, یا 60 منٹ آگے. وقت-condition ماڈل قدرتی طور پر تلاش کرنے والے ہیں. روایتی آٹوجک ماڈلز اوسط (ARIMA).

تقریب کے لئے کلاس روم ماڈلز

درست گلوکوز کی سطح کی پیشینگوئی کرنے کے بجائے کچھ ماڈلز ایسے ہیں جو اب تک دریافت کرنے کے لیے تیار ہیں تاکہ میں settleglycemia (خون) کی تیاری (بزبان انگریزی) کی تلاش کر سکوں، 70 mg/dL) یا ہائی وے (>) کی جانچ پڑتال کر سکوں (یعنی 180 mg/dL)۔ یہ جنگلات یا کثیر مقداری مسائل ہیں، جنہیں رو نما شکل میں استعمال کیا جاتا ہے،

مریض کی مدد کرنے کیلئے تیار

ذیابیطس ایک یک جماعت نہیں ہے . مریض انسولین حساسیت، بیلا سیل عمل، طرز زندگی اور رد عمل میں فرق ہے. غیر جانبدارانہ کام (مثلاً، K-c-serchical Collding) مریضوں کو اپنے آئیو ٹی ڈیٹا کے نمونے پر مبنی ذیلی خصوصیات میں تقسیم کر سکتا ہے. ان ذیلی جماعتوں نے اپنے مخصوص علاج کے لیے مختلف یا بہتر علاج کے لیے مخصوص طریقے اختیار کیے ہیں،

ایک پریڈیشن ماڈل بنانا : ڈیٹا سے لے کر دی جانے والی تقسیم

کام کی پیشینگوئیوں کو بنانے میں مختلف مراحل شامل ہیں جن میں ایک الموت کو منتخب کرنے سے زیادہ کچھ شامل ہے ۔

ڈیٹا کی جانچ اور نگرانی

آئیو ٹی ڈیٹا کا بہاؤ اکثر باطل ہوتا ہے: پڑھنے والوں کی کمی (سنسری، منتقلی)، شور (conssion) اور غیر ضروری وقت کی رفتار (transsion)۔ پریفیکچرنگ میں ( یعنی مختصر طور پر) کمی شامل ہوتی ہے (جیسے کہ حیاتیاتی طور پر ناممکن مقداریں)، (30/d یاl &)، (foxing)، (انگریزی:

محفوظ انجینئری

حالیہ ونڈوز کے تحت ، حالیہ ونڈوز ، انسولین کے تحت جگہ جگہ ، انسولین کے عملے اور خون کے ایکشن انڈیکس ( ایل جی آئی ) جیسے ” جی‌وی‌وی‌اے کے خطرے “ جیسے ” جی‌بی‌آئی‌سی‌اے “ کو استعمال کرنے والے ادارے میں استعمال ہونے والے ردوبدل‌شُدہ ردوبدل کی خصوصیات ( جیسا کہ اِن میں تبدیلی ) : تبدیلی کی شرح ( یعنی دوسری دریافت ) ، حالیہ تمام چیزوں میں تبدیلی کی شرحِ‌بدل ( یعنی تبدیلی ) ، حالیہ تبدیلیاں ، حالیہ ونڈوز‌شُدہ ونڈوز کے دوران حالیہ میں تبدیل ہونے والی تبدیلیاں ۔

ماڈل ٹریننگ اور تربیت

آئیو ٹی ڈیوائسز کی معلومات ایک منفرد چیلنج پیش کرتی ہیں: ایک ہی مریض کی طرف سے اشارہ کیا گیا ہے، بہت سے معیاری درست طریقے سے آزادانہ اندازوں کی آزادی کی خلاف ورزی کرنے کے لیے طالبان کو مریضانہ کراسشن یا انسابول ٹرین کو روکنے کے لیے استعمال کرنا ہوگا.

حقیقی وقت انفنٹری اور انٹریکشن ہے۔

ایک ماڈل کو شروع کریں ایک کمپیوٹر یا صارفی ایپ میں کم سے کم مقدار میں

حقیقی-world مثالیں اور تحقیقی ترقی

کئی تجارتی اور تعلیمی نظام پہلے ہی سے ذیابیطس کی تشخیص کے لیے آئیو ٹی + ایم ایل کے امکان کو ظاہر کرتے ہیں۔

FDA-A-Airst Medtric حافظ 3 سسٹم میں ایک پریریتھیتھم (Smartives) استعمال کیا جاتا ہے جو پہلے سے کی بنیاد پر کی گئی ہے Creglycemia، enserting Liction کی پیش گوئی کرتا ہے جب ایک سوراخ ممکنہ طور پر شروع ہو جائے تو ٹنڈم کنٹرول (MC) ایک ماڈل واضع کنٹرول (salistrative) کے ذریعے استعمال کرتا ہے جس کا تعلق مشین سے ہوتا ہے اور انسولین کی اصلاحات خودبخود حاصل کرنے کے لیے

تحقیقی ڈومین میں، اوہائیو ٹی1DM ڈاٹ کام (جس کے ۱۲ مریضوں میں سے ۱ شو ذیابیطس سے ۸ ہفتوں سے زائد ذیابیطس کے دوران پیدا ہونے والے انتقال کر گئے)، دنیا بھر میں ٹیمیں اپنے Clin ، انسولین ، کھانے اور سرگرمیوں کے لیے استعمال کی گئی ہیں

بیرونی لنک مثال: مزید معلومات کے لیے اوہائیوT1DM ڈیٹا بیسٹ اور مشین سیکھنے کے عمل کو سیکھنے کے لیے Brosss for Times Express۔

مشکلات اور رکاوٹوں کو حل کرنے کیلئے

بہت ہی شاندار تکنیکی ترقی کے باوجود ، ذیابیطس میں موجود ٹونی ٹی‌ٹی‌ڈی ماڈلز کا استعمال بہت زیادہ مشکلات کا سامنا کرتا ہے ۔

ڈیٹا پر بوجھ اور تحفظ

جب آئیوری کوسٹ کے نظام میں خون کی کمی واقع ہوتی ہے تو اس کے بعد یہ ایک دوسرے کے ساتھ تعاون کرتی ہے ۔

غیر واضح اور مصنوعی معیار

ذیابیطس کے مریض اکثر کئی صنعتوں سے اوزار استعمال کرتے ہیں : ایک دنکم سی ڈی‌این‌اے ، ایک اوم‌ڈی‌بی‌ایم‌اے ، ایک فیئرم‌بِنکل پمپ اور ایک فی‌بِنگ‌بِنگ کی مدد سے ایک مختلف پروٹوکول ( بُلُوُوتتھ کم توانائی ، ایم‌ٹی‌ٹی‌ٹی‌ایس‌ایس ) بولتے ہیں ۔

ماڈل رورسائی اور عمومی

زیادہ تر پیشگوئیی ماڈلز پر کیے جاتے ہیں جو نسبتاً چھوٹے (کچھ سو مریضوں تک) اور سکیکڈ ہیں بعض جمہوریہ انسوں (مثلاً سفید، اونچی رسائی) کے لیے، تازہ انسولین پمپ تک رسائی کے ساتھ، ایک ایل ایس ایل ایس ایم پر 10 mg/dMM پر منحصر ہو سکتا ہے، مگر مختلف تر کنٹرولز کے ساتھ ساتھ ساتھ، ۲ فیصد لوگوں کو ذیابیطس کے لیے مخصوص کیا گیا ہے۔

ری‌ڈی‌ڈی‌ڈی‌شن اور کلینکی نقل‌مکانی

ایف ڈی اے (یا مساوی جسم) سے پاک ایک پیشینگوئیی الموت حاصل کرنا غیر واضح اصلاحی کام کی ضرورت ہے : ماڈل کو تحفظ ، حفاظتی اور برتری کو ظاہر کرنا ہوگا ۔

مستقبل کی ہدایتیں : جہاں آئیو ٹی اور مشین سیکھنے والے لوگ ہی رہتے ہیں

نیو ورلڈ ٹرانسلیشن کے مطابق نیو ورلڈ ٹرانسلیشن میں یہ وعدہ کِیا گیا ہے کہ وہ حالیہ حدود اور نئے امکانات کو ختم کرے گا ۔

تعلیم حاصل کرنے کے لئے تربیت

بادل سرور پر مرکزی طور پر مریض ڈیٹا کی بجائے فیڈرڈ سیکھنے کے قابل ہوتا ہے کہ وہ اوزار یا ہسپتال کے کنارے پر واقع ہونے کی اجازت دیتا ہے، صرف مرکزی سرور میں شامل ہوجاتا ہے. یہ رسائی نجی نجی (انگریزی:

Multi ⁇ Modal Data Integration

مستقبل کے ماڈل مزید اشارے میں مزید اشارے پیش کریں گے: مسلسل کیٹونی میناروں (جسکی ترقی میں کوتواکیدوسیسسسائی خطرے)، ہارمونز (کوریٹسول، گیلکاتاگن)، صحت کی صحت تک رسائی (فینل پائیدار خوراک کی عدم رسائی) اور سماجی بیداری (سی این ایل پی) کے قدرتی لٹریچر (این پی) کے بارے میں دستیاب معلومات مفت فراہم کر سکیں گے (سی او سیریز)۔

اِس کے علاوہ اِس میں بہت سے لوگ شامل ہیں ۔

Google Edge TPU, Apple Neural Engine) کی پیچیدہ تعلیمی ماڈلوں کو براہ راست اسمارٹ گھڑی یا مخصوص ذیابیطس کے لیے تیار کردہ جدید ترین سیزن کے بعد سے مراد ماڈل کی شناخت کے سیکنڈوں میں تیار کر سکتا ہے.

کلینکی ٹرسٹ کیلئے مناسب اے کی وضاحت

[ فٹ‌نوٹ ]

مزید پڑھنے کے لیے بیرونی تعلقات: [JAMA پر AI پر on Timily Management اور American Minicine Association Research on Digital Heal صحت[(FLT:3]۔

کُنَّا

آئی ٹی اور مشین سیکھنے کا عمل شروع ہو رہا ہے، اپسموک ماڈل سے ذیابیطس کا انتظام ایکشن، پیشینگوئی میں شامل ہونے والا ہے. کیومنگ کی نگرانی، اسمارٹ انسولین کی تیاری کے نظام، اور قابلِ صحت کے لیے ڈیٹا کے لیے تیار کیے گئے ہیں۔

تاہم وسیع تر ترمیم کے لئے راستہ تکنیکی، اقتصادی، اور اخلاقی مشکلات کے ساتھ رائج ہے. ڈاٹ نجی اور حفاظتی مشکلات کے لئے ایک عام زبان ہونا ضروری ہے. تجاویز کو مختلف آبادیوں اور حقیقی زندگی کے حالات میں عام طور پر تقسیم کرنا چاہیے۔ اور ان ماڈلوں کی برآمد کو کلینک اور مریضوں کے لیے کافی قابل اعتماد ہونا چاہیے۔

ذیابیطس کے ساتھ رہنے والے لاکھوں لوگوں کے لئے آجکل ، ایک بند‌اُلوپ نظام کا وعدہ جو کہ ناقابلِ‌یقین طور پر گلوکوز کی پیشینگوئیوں اور ان کو روک دیتا ہے — بے انتہا دستی کوشش — سائنسی نہیں ہے ۔ یہ ایک سائنسی ایجاد ہے جو آئی‌ٹی اور مشین سیکھنے کے عمل پر بنائی گئی ہے ۔