ذیابیطس کے استعمال کے پروگرامز میں مشین سیکھنے کا کردار جنیٹک ڈاٹ کام پر مبنی ہوتا ہے۔

داخلی عمل: ذیابیطس کا دوڑنے والا چیلنج اور ذاتی طور پر پیدا ہونے کا وعدہ۔

عالمی ادارہ صحت کے مطابق ، 1980 میں ذیابیطس میں مبتلا لوگوں کی تعداد ۲۰. ۵ ملین سے زائد ہو گئی ہے جبکہ ۲۰. ۷ ملین سے زائد ہے ۔

حالیہ پیش رفت جنیٹکس اور مشین سیکھنے (ML) میں اب ایک غیر فعال تبدیلی پیدا کر رہی ہے: جینریک روک تھام کے مشورے کی بجائے ہم ذاتی طور پر منظم، ڈیٹا بیسی ذیابیطس پروگرامز کر سکتے ہیں جو ایک شخص کی جینیاتی پیشین گوئی کے لیے اکاؤنٹنگ کرتے ہیں، اس مضمون میں بتایا گیا ہے کہ کیسے مشین سیکھنے والے لوگ، انتہائی غیر فعال، فعال، باعمل، باعمل، باعمل، مؤثر اور پیش رفت کرنے کے لیے

ذیابیطس اور اس کی جینیاتی ذیابیطس کو سمجھنا

قسم دوم ذیابیطس ایک پیچیدہ، پولیجینک بیماری ہے. جبکہ طرزِزندگی کے عناصر جیسے کہ ڈپریشن، بے روزگاری اور غریب غذا کے بڑے بڑے کردار ہیں، جینیاتی کردار ادا کرتے ہیں. Twin مطالعے 30–70% پر T2D کی عدم موجودگی (GAS) سے متعلقہ 400 جینیاتی لوسی (GAS) اور متعلقہ خصوصیات کی شناخت کی گئی ہے، [1] [1]] [1] [1]] [1]]]]]]] [1:FFFFFC:TTTTT]]]

تاہم ، ایک جین‌دان نے واضح کِیا ہے کہ زندگی کے کم‌ازکم دو مختلف پہلوؤں کے بعد بھی اُن لوگوں کی تعداد میں اضافہ ہو رہا ہے جو اُن کے جسم میں موجود ہیں ۔

تاہم ، جینیاتی خطرہ صرف عارضی نہیں ہوتا بلکہ یہ بھی ظاہر کرتا ہے کہ اعلیٰ پی ایس کے لوگوں میں بھی ذیابیطس کی کمی یقینی طور پر کم ہو سکتی ہے ۔

مشین سیکھنا کیسے سکیل پر ذاتی طور پر ترقی کرنے کی تحریک دیتا ہے

روایتی طور پر symply طریقوں کو اکثر محدود کر دیا جاتا ہے جنینی اور حیاتیاتی ڈیٹا کے اعلیٰ درجے کی غیر لائنیں اور مواصلاتی نوعیت کے ہوتے ہیں. مشین سیکھنے کے لیے سبق

خطرات کی وجہ سے اُنہیں نقصان پہنچا سکتا ہے

غالب سیکھنے کے ماڈل۔ جیسے کہ حادثاتی جنگلات، گرائٹنگ مشینوں کو تیز کرنے اور گہرا متحرک نیٹ ورک— بڑے کوہ طور پر تربیت دی جا سکتی ہے (جیسے کہ، برطانیہ کے بیاباناک، تمام کے تمام

حالیہ مطالعات نے ثابت کیا ہے کہ ML پر مبنی خطرہ لاحقہ نے کیمیائی طور پر خطرناک طور پر خطرناک سکور (مثلاً، فِنسِین ذیابیطس اسکوئر، FIRISC) کو امتیاز اور کیلبی میں شائع کیا. [FL:0] Nature Medicine] ظاہر کیا ہے کہ ایک memble commons inde infil، plood، pliny، اخذ کردہ حصہ 0، اخذ کردہ بتاریخ 0، 0، 35 سال (2010) سے لے کر 0.85 تک کے لیے بہتر ہو گیا۔

غیر واضح انتخاب اور مَیں نوویل بِومار —

مثال کے طور پر ، بعض لوگ انسولین کی مزاحمت کے لئے جینیاتی ردوبدل اور حیاتیاتی ردوبدل کے طریقوں کو غیر واضح طور پر استعمال کرتے ہیں ۔

معلومات اور تحفظ

جب خطرہ پیش کیا جاتا ہے تو سوال یہ پیدا ہوتا ہے کہ اس شخص کے لئے بہترین کارکردگی [1] ML Alphals] خود مداخلت کرنے میں ذاتی مدد کر سکتے ہیں مثال کے طور پر ، بہتر طور پر سیکھنے کے لئے تیار کرنے کے لئے تیار ہو سکتے ہیں.

مزیدبرآں ، کیوشل ایمرجنسی ایم ایل طریقے (مثلاً کیوسیل جنگلات ، ڈبل مشین سیکھنے کے اثرات) کا اندازہ لگایا جا سکتا ہے : کس طرح مختلف ذیلی گروہ مخصوص روک تھام کے لئے جوابی عمل کرتے ہیں [1:0] ایک شخص کے ساتھ TCF7L2 [FL1] کے ساتھ ساتھ ساتھ ساتھ خوراک کی ضرورت پڑ سکتی ہے جبکہ دوسرے ماڈلز کو ان پر مبنی ذاتی منصوبہ بندی اور انجینی ڈیٹا پر روک تھام کرنے کے لئے کیا جا سکتا ہے۔

ڈیٹا سوز: ذاتی طور پر بنائے گئے پروگراموں کے لیے فاؤنڈیشن تعمیر کرنا۔

مؤثر مشین سیکھنے کے لئے جامع، اعلیٰ درجے کے اعداد و شمار درکار ہوتے ہیں۔ ذیل میں ایسے ذرائع ہیں جن کی تربیت اور ذاتی طور پر ذیابیطس کی روک تھام کے ماڈلز پر عمل کرنا اہم ہے:

Genomic Sequencing اور genotyping Arrays: [foussssssssssssssss، پورے Exome Sequencing, یا SNP TVssss scribing tax. کمیت، بڑے پیمانے پر بڑے پیمانے پر genotyping and تحقیقی مقامات بنانے کے لیے قابل استعمال کرتے ہیں۔
Electric Health Reserves (EHRs): طویل التعداد ای ایچ آر ڈاٹا— جس میں ادویات، لیبیس نتائج (fasting link, HbAc, Lipids) اور اہم علامات کے لیے phenotypic acitle کی ضرورت ہے۔
[Wearabble devices and Mobile Health (mhelth): Cleclinic pares, Setwards, and سرگرمیوں کے ذریعے جسمانی سرگرمیوں، دل کی رفتار، نیند اور خون کے گلوکوز کے نمونے پیدا کرتے ہیں۔یہ ڈیٹا حقیقی وقتی رد عمل اور فعال تبدیلیوں کو ممکن بناتے ہیں۔
Devity and secressenaires: خود کشی یا اسکین پر مبنی نفسیاتی مواد، جسمانی سرگرمیوں (جس میں متحرک، ڈپریشن، نفسیاتی، نفسیاتی تجزیہ) وغیرہ شامل ہیں۔
Biobanks and Research Cohorts: عوامی طور پر دستیاب اعداد و شمار جیسے کہ برطانوی بیاناک (500,000+ شریک حیات)، تمام وسی ریسرچ پروگرام اور فن لینڈ کو بڑے پیمانے پر تعمیری عام ماڈلز کے لیے ضروری تربیت فراہم کرتا ہے۔

ان ہیتھرونولوجی کی اقسام خود ML چیلنج ہیں. Multmodal science Archives -- بطور گراف nerves یا ٹرانسر بنیاد پر بننے والے ماڈل --

ذاتی طور پر قابلِ‌عمل منصوبوں کو فروغ دینا : الجبرا سے لے کر عمل تک

قابلِ‌عمل منصوبوں میں نقل‌مکانی کرنے کیلئے اعدادوشمار ، کلینک ، خوراکی ردوبدل اور طرزِعمل کے ماہرین کے درمیان رابطہ درکار ہے ۔

Risk Assament: ایک فرد جنووکنگ کے لیے ایک ہضم یا خون کا نمونہ فراہم کرتا ہے اور صحت کے متعلق سوالیہ پورا کرتا ہے. ایم ایل ماڈل ایک ذاتی طور پر ایک خطرہ کا شکار اور کلیدی قوت، کم ورزش (مثلاً بلند قوت، جسمانی سرگرمی، کم نیند) کی شناخت کرتا ہے۔
Intervement ڈیزائن : خطرے پر مبنی اور علاج کے اندازوں پر مبنی بصری پروگرام پیدا ہوتا ہے.
Foundary اور مانیٹرنگ: پروگرام کو ڈیجیٹل پلیٹ فارم (web or app) کے ذریعے دیا جاتا ہے جو روزانہ یا ہفتہ وار مقاصد، تعلیمی مواد، اور ٹریننگ چیٹس فراہم کرتا ہے۔CCClinging data کی نگرانی کرتا ہے جو ایم ایل سسٹم میں واپس آنے والے خطرے کی پیش رفت اور اصلاحات کو یقینی بناتا ہے۔
Fedback and Reinforcement: سسٹم کے راستے اور نتائج۔ اگر کسی صارف کے HbA1c کی پیشینگوئی کے طور پر بہتری نہیں ہو رہی تو الجبرا اس خوراک کے منصوبے یا بڑھتی ہوئی سرگرمیوں میں تبدیلی کی تجویز دے سکتا ہے۔یہ ایک بند ذاتی چکر کی شکل اختیار کر لیتا ہے۔

Exemply: لی ایٹ ایل (2022) کے پائلٹ مطالعے میں 150 پریفیکچرل بالغوں کو ایک معیاری طرزِ عمل کی مداخلت یا ذاتی طور پر ایک ذاتی طور پر تربیت دینے والے پروگرام سے پریشان کیا گیا. ذاتی طور پر منظم گروپ نے 2 سالہ ذیابیطس میں 1.5 گنا زیادہ کمی ظاہر کی جس میں وہ زیادہ نصیحت کرتے تھے اور زیادہ احتیاط کرتے تھے "ان کو نصیحتیں دیتے رہے تھے"۔

مشین سیکھنے کے فائدے

زیادہ سے زیادہ فوائد بہتر طور پر کیم‌کی نتائج :

اعلیٰ عہدے پر فائز : جب فرد یہ دیکھتے ہیں کہ ایک پروگرام اپنی جینز اور طرز زندگی کے لیے مخصوص کیا جاتا ہے تو وہ اپنے اندر موجود ہونے کا احساس پیدا کرتے ہیں اور زیادہ دیر تک رہنے کا امکان رکھتے ہیں۔
Cost-Effectiveness: ذیابیطس کا ایک حصہ بھی صحت کی دیکھ بھال کے لیے کافی مقدار میں کمی پیدا کرتا ہے. ذاتی طور پر متاثرہ پروگرام توجہ دینے والے وسائل پر زیادہ تر فوائد حاصل کریں گے، جن کو جنین سے کم آمدنی ملے گی، کم سے کم کم مداخلت کے۔
صحت کی اصلاح:] جب کہ جینیاتی ڈیٹابیس تاریخی طور پر غیر نمائندہ آبادیوں، حیاتیاتی اداروں کو درست کرنے اور انصاف پسند ایم ایل کو استعمال کرنے کی کوششیں اس بات کو یقینی بنا سکتی ہیں کہ ذاتی طور پر منظم پروگرام تمام نسلی گروہوں کو فائدہ پہنچانے میں مدد دے سکیں۔
CLIT and indust: ML ماڈلز کے طور پر وقت کے ساتھ ساتھ زیادہ ڈیٹا جمع کرنے کے ساتھ ساتھ بہتر طور پر بہتر ہو جاتا ہے. ایک کلینک میں ایک نظام کی نقل و حمل کو نئی تحقیق، نئی آبادی اور نئی بائیومرز کی عکاسی کرنے کے لیے تازہ کیا جا سکتا ہے۔

مشکلات اور نظریات

وعدہ کے باوجود، اہم مشکلات باقی رہیں۔ایم ایل ایل پر مبنی ذیابیطس کی روک تھام سے قبل ان پر بات کرنا ضروری ہے:

ڈیٹا پر بوجھ اور تحفظ

جینیاتی ڈیٹا منفرد شناخت اور حساسیت ہے. ڈیٹا کی توڑ پھوڑ یا غلط فہمی کے واقعات نفسیاتی اور سماجی نقصان کا سبب بن سکتے ہیں (جیسے، تعصبات،

بیاس اور عمومی طور پر ناقابلِ‌رسائی

یورپی حیاتیات کی آبادیوں میں زیادہ تر جینیاتی مطالعے کیے گئے ہیں. ایم ایل ماڈلز کو ایسی معلومات پر تربیت یافتہ افراد کو جب افریقی، ایشیائی یا غیر آئینی افراد پر اطلاق کیا جائے، موجودہ صحت کے مسائل کا جائزہ لیا جائے۔

غیرمتوقع اور اعتماد

اگر کوئی ماڈل کسی خاص خوراک کے بغیر اس کی پیروی کرنے سے ہچکچاتا ہے تو اسکے مطابق چلنے سے قاصر ہے ۔

کلینکی انفلیشن

صحت کی دیکھ بھال کے نظام ابھی تک جنووو سسٹم کو منظم کرنے اور ایم ایل ایل پر مبنی روک تھام کے منصوبوں کو پیدا کرنے کے لیے نہیں کیا گیا ہے. ہمت افزائی کے ساتھ ساتھ ساتھ انجی او آر سسٹمز میں تربیت کرنے والے کلینکز، اور ذاتی طور پر روک تھام کی خدمات کو انجام دینے کے لیے تمام تر اقدامات اور پالیسی تبدیل کرنے کے لیے اقدامات کی ضرورت ہو سکتی ہے. پائلٹ پروگرام اور قیمت پر مبنی ماڈلز سے بھرپور کارکردگی دکھانے میں مدد دے سکتے ہیں۔

معلومات کا اصول

اگر آپ کو ذیابیطس کا کوئی علاج نہیں ہے تو آپ کو کیا کرنا چاہئے ؟

مستقبل کی ہدایت : سیکھنے کے نظام میں بہتری

اگلی دہائی میں کئی ایسے طریقوں کا ذکر کِیا جائے گا جن سے ذیابیطس کی روک‌تھام ہو سکتی ہے :

Plolygenic خطرناک اسکوئرس معیار بنتے ہیں : [1] مختلف آبادیوں تک وسیع پیمانے پر تحقیق کرنے والے یہ اسکور مختلف عوامل کا حصہ بن سکتے ہیں، جیسے کہ کولول کے عملے سے۔ ML PRS کو غیر معمولی طور پر غیر معمولی طور پر استعمال کرنے، ایپئیجنتی نشان اور ان کے اثرات سے لیس کر دے گا۔
ڈیجیٹل ٹوئنز کے ساتھ Integration: ایک کمپیوٹر ماڈل ہے جو ایک شخص کے جینیاتی، حیاتیاتی اور حیاتیاتی اعداد و شمار کو استعمال کرتا ہے. ML-optidated symploms ایک سے پہلے ہی مریض کو سو افرادی مسائل میں مبتلا کر سکتا ہے. یہ بیماری کی طرح کے منصوبوں کو پہلے سے ہی استعمال کر رہا ہے.
Reinformation and N-of-1 امتحانات: بلکہ آبادی کی اوسط سے بھی زیادہ، RL سسٹمز ہر شخص کی مداخلت کے شیڈول کو مسلسل N-1 تجربہ کے طور پر ترتیب دیں گے، حقیقی وقت میں سیکھنے کے لیے یہ خاص طور پر Malth palports کے لیے کافی ہے۔
Federated نژاد: ڈیٹا نجی رکاوٹوں پر قابو پانے کے لیے، فیڈرل سیکھنے سے ایم ایل ایل ماڈلز کو اجازت ملتی ہے کہ وہ کئی ہسپتالوں اور بائیوبینکس کو شیئر کیے بغیر تربیت دی جا سکے. یہ مریض نجی تحفظ کے دوران زیادہ طاقتور اور مختلف ماڈلز کے قابل بناتا ہے۔
Polty and Remburse Constitution: [1] بطور ثبوت سرمایہ کاری، انشورنس کمپنیوں اور عوامی صحت کے نظام میں ذاتی طور پر جینیاتی امتحان اور ایم ایل کی ہدایت کاری پروگرامز کو شروع کر سکتے ہیں. سینٹرز فار بیماری کنٹرول اور علاج (سی ڈی سی) پہلے ہی سے جاری کردہ فنڈ ذیابیطس کے پروگرامز کو ذاتی طور پر فروغ دے سکتے ہیں۔

کُنَّا

ذیابیطس کی روک تھام اب کوئی تدریسی کامیابی نہیں ہے—یہ مشین سیکھنے اور جینیاتی اعداد و شمار کی بڑھتی ہوئی دستیابی سے پیدا ہونے والی معلومات سے حاصل ہونے والی ایک حقیقت ہے. ہم اپنی منفرد جینیاتی ترقی ، متوازن زندگی اور متوازن زندگی کی طرف راغب ہونے کے لئے غیر واضح معلوماتی معلومات کے علاوہ معلومات کو بہتر بنانے اور ان کے استعمال کے لئے معلومات کو یقینی بنانے کے لئے غیر واضح طور پر استعمال کر سکتے ہیں

مزید پڑھنے کے لیے [World Health Organization ature settlement itual ، ، اور Nature تجزیاتی تجزیے [flygenetic acid in plood]. . [fLT].foods.]. [FLT]] میں شامل ہیں۔