داخلی عمل : ذیابیطس کی بیماری اور بڑے ڈیٹا کا وعدہ

ذیابیطس کے مریضوں میں سے تقریباً ۵. ۵ ملین لوگ ذیابیطس کے مرض میں مبتلا تھے ۔ سن ۲۰ ہاتھوں میں ذیابیطس کے مریضوں کے بارے میں کہا گیا کہ وہ ۲۰ ہاتھوں میں ذیابیطس کے مرض میں مبتلا تھے ۔

صحت کے بڑے اعداد و شمار میں الیکٹرانک ہیلتھ ریکارڈز (EHRs)، جی این ایچ (EHR)، جی این جی سی سی سیریز، قابلِ استعمال اوزار، طبی امیجنگ اور جدید حیاتیاتی امتحانات کے ذریعے پیدا ہونے والے بڑے پیمانے پر معلومات کو کہتے ہیں. جب یہ ڈیٹا اور تجزیہ کار کے ذریعے مشین سیکھنے، مصنوعی ذہانت اور ان کے ذریعے حاصل کردہ حیاتیاتی جانچ پڑتال کے لیے،

ذیابیطس کی تحقیق میں بڑے ڈیٹا کا اہم کردار

بڑے ڈیٹا ایک واحد ٹیکنالوجی نہیں بلکہ ڈیٹا کے ماخذ اور این اے کے آلات کا ایک انتہائی قابل ذکر آلہ ہے ذیابیطس کی تحقیق میں پانچ پرائمری ڈیٹا کی ندیوں کو عبور کر رہا ہے:

  • Electric Health Records: Longitudinal متحمل sermation historys جن میں symption، دواؤں، لیبانک، روزہ شکر اور کومس وغیرہ شامل ہیں. EHRs اب لاکھوں مریض کے گرد ڈیٹا کے سالمے پر قبضہ کر لیتا ہے، وسیع پیمانے پر مشاہدات کو ممکن بنایا جاتا ہے جو روایتی طور پر ناقابل استعمال کیے بغیر ناقابل استعمال ہو گا۔
  • Genomic and Multie-Omiks Data: Asconst-genemome Sequencing, stronomics, and metabolomics from firstants infirouss, Generential and macular suboric subjecies. اخذ شدہ بتاریخ 16 جوناستونیائی گنیش کے اعداد و شمار کے مطابق ہیں۔
  • Wearabble ss and Sensors: Crescidenter pres (Cox), serves, and Sited tain lines ranss on meal-time taxing data. ایک Centres جو روزانہ 288 گلوکوز پڑھنے کے لیے متحرک کیے گئے ڈیٹا فراہم کرتا ہے، ایک گہرا ڈیٹا پیش کرتا ہے جو انتہائی حساسات کو ظاہر کر سکتا ہے۔
  • Clinical Constitution Data: Construction Decties جمع حقیقی-دنیا ثبوت (RWE) مشاہدہ مطالعات اور رجسٹرار سے. فقہی صنعت پہلے کی فقہی معلومات کے پیٹرابیات رکھتی ہے جو اب ثانوی بصیرت کے لیے رکھا جا رہا ہے۔
  • [FLT] Construction and Protriary Database: UKBobank، تمام UKBOAS ریسرچ پروگرام، فن جین اور ذیابیطس جینیاتی انتیس کو دریافت کرنے کے لیے کھلا رسائی ڈیٹا فراہم کرتا ہے۔

ان تقسیمی ڈیٹا کے ذرائع کی جمع انتہائی مشکلوں کو پیش کرتی ہے۔ ڈیٹا ہیتھروجنیٹی، گم شدہ اقدار، نجی تنازعات (انگریزی: ANA/GPR)، اور ڈیٹا کے معیاروں میں فرقوں میں ڈیٹا کے لیے زیادہ تر ڈیٹا نقصان پہنچانے اور محفوظ سیکھنے کے لیے درکار ہیں۔

بڑے ڈیٹا کی ایک قابل ذکر مثال عمل Diabetes ری میکنگ کلینک (DIRT) [DIT:1]، جو AHR اعداد استعمال کرتے تھے وہ حلی پابندی کے ذریعے حاصل کر سکتے تھے. پوسٹ انساب (tox) نے کامیابی کے لیے ایک اور کوشش ظاہر کی ہے کہ

ڈیٹا‌اِن‌اِن‌اِلد میں منشیات کا استعمال کیسے کِیا جاتا ہے ؟

منشیات کی دریافت پائپ لائن سے -- پریکل ٹیسٹ ، کمپیوٹر ٹیسٹ اور دوبارہ منظوری تک رسائی کے لئے ہدف شناخت سے -- ہر مرحلے پر بڑے ڈیٹا سے رجوع کریں. ہم نے اس کلیدی عمل کا جائزہ لیا جس سے ڈیٹا نئی ذیابیطس کی طرف ترقیاتی اشاریہ تیار کیا جاتا ہے۔

اصلاح اور تربیت

تاریخی طور پر ، سری‌ندی یا پیٹ‌کیس کے تجربات کے ذریعے ادویات کے نشانہ دریافت کئے گئے تھے ۔ آجکل ، مشین سیکھنے والے Alphabeths Ma Genomic and structic datasssets to genein generent, geneins, and maspast Kausally can space structions in Genes (GAS) سے متعلقہ طور پر متعلقہ 400 جنینی لوسیس (انگریزی: Gene los-Wide Association) نے ذیابیطس کے ساتھ تعلق رکھنے کے لیے ادویات کی شناخت کی ہے ۔

ایک قابل ذکر کامیابی ہے GLP-1 liversst کلاس، اب ذیابیطس کا بنیادی علاج۔

ایک اور مثال [AMP T2D Womenium] سے ملتی ہے جو انسانی پاخانہ سے کیمیائی اعداد کو آپس میں ملانے کے لیے جینیاتی شراکت کے اشارے کے ساتھ کیمیائی نظام [TCF7L2] کے طور پر ظاہر کیا جاتا ہے. Fulation sides in noworld-Cule noworks in noworks in nouclearticultin میں

منشیات کے عادی ہونے کی بابت متوازن نظریہ

بڑے اعداد و شمار کی ایک دلچسپ درخواست یہ پیش کر رہی ہے کہ کیسے انفرادی مریض کسی دوا کو جواب دیں گے. روایتی تجربات کی اوسط دیکھ بھال کے اثرات ایک ہیتھروجنائی آبادی کے گرد اکثر گم شدہ ذیلی نظاموں (یا نقصان دہ) کے دوران گم شدہ ہوتے ہیں. مشین سیکھنے، بنیاد پر لیبان کی اقدار، جمہوریت، جینسیس، جینائی نشانوں اور پہلے دوا کی تاریخ میں مریضوں کو نمایاں طور پر فعال کیا جا سکتا ہے۔

مثال کے طور پر ، کی جانب سے ایک مطالعہ [1] اسٹینفورڈ میڈیسن [[1]]] سے ایچ آر آئی ڈیٹا استعمال کرتے ہوئے 10،000 مریضوں کو ٹائپ 2 سے موسوم کیا گیا ہے

میٹر بالمین کے علاوہ ، پولیجینک خطرے کے اسکور (PRS) کو ترتیب دیا گیا ہے تاکہ وہ سلوفوئیلوریاس ، تھائی لینڈائديندين اور ڈی پی-4 کی جانچ پڑتال کرسکیں [2024] [2] برطانوی بیلاروس کے 12،000 مریض] [FLPPP] میں استعمال کر سکیں۔

اسی طرح، گہری سیکھنے کے لیے گہرے سبق CGBCLCLCLCTCLCT کے واقعات کی پیش گوئی کر سکتے ہیں. ] ایک ماڈل تیار کیا گیا جو اور ] جی ڈی آر ایف [F] کی پیش کش میں 92% حساسات کو حاصل ہوئی.

مصنوعی ڈیزائن

کلینکی امتحانات منشیات کی ترقی میں شرح سودی مرحلہ ہیں بڑے ڈیٹا اناطولیہ اس بوتل کو کم کرتے ہیں:

  • Adaptive Department ڈیزائن [: متعدد بازوؤں سے انٹرمی ڈیٹا استعمال کرنا، Bayesian models نقل و حمل کی شرح یا گراوٹ بازو جلد اول۔ FDA کی حالیہ ہدایت[FL:3] اس رسائی کی حوصلہ افزائی [FLLTT] [FLTH:THI]] [ITHTTTTTTT]] [ITTTTTTTTTTTTTTTT]]] [ITTTTTTTTTTTTTTTTT]]] [ITTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT کے ذریعے سے(((پی: PTTTTTT کے ذریعے سے 18 ملین کے ذریعے سے اصل میں 18 ملین اور 18 ملین کے ذریعے
  • [Digital Twins: A-generated stronomy constitution on historical serves on nostory settlement of nosid side points serves, semption by 30–50% [FLT2] [FLT2] Fande Pharmacestals] [FT:3] Pharticlegab cougenties in struction and a struction struction کر کے ذریعے اصل میں شامل کر کے 200 ے
  • Patient Reculation: قدرتی زبان کی تیاری کرنے والی خصوصیات کو EHRs سے لیکر امتحانات تک نمٹنے کے لیے
  • Site Election: Predict Medical sidents کی شناخت اعلی داخلہ اور اچھا پروٹوکول کی تصدیق، بہتر بحالی کے ساتھ ساتھ. 500 ذیابیطس کے ٹیسٹز میں سے ایک تاریخی ڈیٹا پر تربیت یافتہ ماڈل نے سائٹس ٹائم میں 25% کم کیا.

مثلاً [RADDAT-HF مقدمے ذیابیطس سے متعلقہ دل کے لیے ایک کلاؤڈ پلیٹ فارم استعمال کیا گیا جس سے 30 مقامات پر مبنی ڈیٹا کو درست بنایا جا سکے، حقیقی وقت کی نگرانی اور اصلاحی تبدیلیوں کو ممکن بنایا گیا. مقدمہ چھ ماہ قبل شیڈول کے لیے مکمل کیا اور ایک ناول SGT2 کے لیے ابتدائی ثبوت فراہم کیا۔

ایک اور نیا طریقہ یہ ہے کہ طویل التعداد ڈیٹا کا استعمال کیا جائے تاکہ پرونسی-سکوئر ایم ڈی اے تاریخی کنٹرول قائم کیا جاسکے کے لیے قسم دوم کے ذیابیطس کے علاج کے لیے یہ ثابت کیا گیا کہ اس بیرونی بازوؤں کو 40% تک محدود کر سکتے ہیں جبکہ اب بھی روایتی طور پر روایتی تصورات کے مطابق sconstance کے لیے استعمال کیا جا سکتا ہے۔

حقیقی-ورلڈ ثبوت اور پوسٹ-مارکسیٹ سورویلانسی (انگریزی:

ایک دوا بازار تک پہنچنے کے بعد بڑے ڈیٹا نے ایک اہم کردار ادا کیا. انشورنس دعوے سے اصلی دنیا کے ثبوت (RWE)، EHRs، اور رجسٹرڈ اداروں کی جانب سے غیر معمولی نقصان دہ واقعات کی شناخت کرنے، انتہائی قابل عمل آبادیوں میں کامیابی (drogation Repuration)، [FL:0] [FDA] کے حقیقی ثبوت کے تحت تحفظ کے لیے [1] [FFFFFE] [FTTTTTTTT]] نے صحت کے لیے صحت کے محکمہ صحت کے محکمے میں کئی اداروں کے لیے استعمال کیا ہے۔

ایک کلاسیکی معاملہ ہےformain کے ری ایکٹر پر پہلے سے موجود روک تھام کے لیے. کے پوسٹ-hoc کا تجزیہ Dataset]، 100،000 مریضوں سے ملا کر، جس کی تصدیق کرتا ہے کہ میٹر سطح پر موجود مریضوں میں 2 کو متعین کرتا ہے.

RWE مسلسل harmacoussives. کووران سگنلنگ مطالعہ [1] استعمال کرتے ہوئے 2 ملین کیو ایم کے مریضوں نے تین ملین سے قبل سابقہ دوا (foodycemia) کی شناخت کی، جس کے نتیجے میں پیکج کی مرمت اور انکلر کے فیصلے کی نگرانی کرنے والے اقدامات کی تجدید کی جاتی ہے۔

کیس مطالعے اور کامیابی کی کہانیاں

حالیہ چند اقدام ذیابیطس کے دریافت پر بڑے اعدادوشمار کے اثرات کو ظاہر کرتے ہیں ۔

کیس مطالعے ۱ : منشیات کی دوبارہ تقسیم

ویڈربیلٹ یونیورسٹی کے محققین نے پہلے ہی سے طب کی شناخت کے لیے 30 ملین سے زائد ریکارڈز کا جائزہ لیا تھا جو Glycemic کنٹرول میں بہتری لا سکتے ہیں. ان کے سانچے میں

کیس مطالعے 2: ذاتی طور پر بننے والی تدریسی تالیف (Genomic Statisification for Personaled Terapy)۔

قسم کے مریض ۲ سے زائد ذیابیطس کے مریض کافی مقدار میں ہیترگین‌گیگی کا مظاہرہ کرتے ہیں ، ایک عام دوا کی طرف سے جاری کی گئی ایک خاتون انسٹی ٹیوٹ ] نے ایک کثیر التعداد مریضوں کو ادا کیا اور ان کی تشخیص [FLAS]]] میں صحت کے مسائل کو کم کرنے کے لئے استعمال کیا گیا ہے

کیس مطالعے 3: برقیات-Cel Protection Biomarkers کے لیے مشین سیکھنے کی مشین سیکھی۔

بَتا سیل کم کرنے کا ایک بڑا مقصد ہے قسم 1 ذِکر کا ایک بڑا مقصد ہے کی ایک ٹیم [[FLRF]] اور ].IBM واٹسن صحت پر گہرا مطالعہ [3] اور CLT:3 [fopetopide s sidity] [foltu]] اور C.

مستقبل میں مشکلات اور مشکلات

بڑے اعدادوشمار کیساتھ مصنوعی ذہانت کا فقدان ذیابیطس کی ادویات کی دریافت کو مزید متاثر کرنے کیلئے بھی مفید ہے ۔

Multi-Omiks Integration اور ڈیجیٹل ٹوئنز (Digital Twins) ہیں۔

Cellaryta] اور ]]] انسانی صحت کے مسائل کے تحت ہونے والی جانچ پڑتال کے لیے استعمال ہونے والی مختلف اقسام کے مسائل کو حل کرنے کے لیے استعمال کریں [حوالہ درکار] [حوالہ درکار] [5] انسانی محکموں کی جانچ پڑتال اور مریضوں کی طرف سے فراہم کی جانے والی ادویات کے لیے درکار معلومات ]

نوویل مولر کینیڈاٹس کیلئے جینیاتی ای آئی اے

جینیاتی ابلاغیاتی نیٹ ورک (GAN) اور ٹرانسمیٹر پر مبنی ماڈلز اب خرد مولیکیول اور حیاتیاتی شمارے کو متحرک کرنے کے لیے ڈیزائن کر رہے ہیں ] انسیلک میڈیسن کے ساتھ ایک سوال کرنے کا اعلان کیا گیا ہے جو صرف 18 ماہ پہلے آئی پی اے میں موجود تھا پی ایچ ڈی کے ذریعے اپنے مقصدات کو پہچاننے کے لیے استعمال کیا گیا تھا

ایک اور دلچسپ ترقی یہ ہے کہ بڑے زبان کے ماڈلوں (LLMs) کا استعمال کیا جائے تاکہ منشیات–target رشتوں کے لیے بائیو جیانس لٹریچر کو میرا استعمال کیا جاسکے اور [PubMB fency] میں ممکنہ طور پر ذیابیطس کے ممکنہ استعمال کے لیے کافی حد تک استعمال کیا گیا ہے، جو بعد میں ہونے والے واقعات میں 50%

قابلِ‌رسائی ڈیٹا انٹامنٹ اور کِس‌مین‌مین نگرانی

[FLT] کا مطالعہ کرنے والا اور اس کے بعد کے تمام مریضوں کی تعداد میں اضافہ کر رہا ہے. اب محققین ان hHRs کے ساتھ مل کر رہے ہیں تاکہ وہ اصلی دنیا کی ترتیبات کو بہتر طور پر حل کر سکیں.

طریقہ کار کے لیے طریقہ کار کو استعمال کرنے کے لیے طریقہ کار کا استعمال کیا جا رہا ہے: ایک بڑا پوسٹ پوسٹ سائٹ نگرانی پروگرام کے لیے SGL2 میں گرنے اور اسکوپ کے ذریعے استعمال کیا جاتا ہے

ماہرِنفسیات اور ماہرِنفسیات کی رائے

بڑے اعداد و شمار کا استعمال اہم اخلاقی سوالات پیدا کرتا ہے. الجبراً معلوماتی نظام، ڈیٹا نجی استعمال کے لیے معلوماتی نظام کی طرف سے فراہم کی گئی ہیں اور اس سے متعلق معلومات حاصل کی جانی چاہئیں. [FDA's Digital Health Center of AI-T.org/PLT:1] کی کوششیں کے لیے فریم ورکنگ فریم ورکنگ اور ختم کرنے کی کوشش کرتی ہیں[حوالہ درکار] [3]

ڈیٹا سیلیس پر فتح پانا

ترقی کے باوجود ، وسیع پیمانے پر فروغ پانے والے کیمیائی اعداد و شمار کے ساتھ ساتھ وسیع پیمانے پر تعاون کرنا مشکل ثابت ہوتا ہے. [Accites medicines splomption for Thyom 2, [AMTTT2D]]]] ایک ساتھ مل کر صنعتی ، ایکسچینج ، ایکسچینج اور ری چارج وغیرہ کو شیئر کرنے کے لیے استعمال کیا گیا ہے جس میں 18.1 کے صارفین کو معلومات فراہم کی گئی ہیں

ایک اور تنقیدی ترقی بلاکچین پر مبنی ڈیٹا مارکیٹوں کی ترسیل ہے [1] ہیلی کاپٹر اور [FLT] [Ocean پاکٹل[3] اب مریضوں کو ان کے ای آر او جنیٹک ڈیٹا کے ساتھ ساتھ تعاون کرنے کی اجازت دیتا ہے، ان کے لیے استعمال کیا گیا ہے، جس میں سے 1 ماہ کے دوران مریضوں کو استعمال کیا جاتا ہے اور اس میں 70 ارب ڈالر کے بعد حصہ لینے والی رقمی رقمی رقمی اعداد و شمار کی گئی ہے۔

کُنَّا

بڑے ڈیٹا اناطولیہ صرف ذیابیطس کی دریافت میں ایک غیر معمولی بہتری نہیں ہے—یہ ایک نہایت خطرناک تبدیلی ہے جس کی مدد سے جنینی شہادتوں پر مبنی شناخت حاصل کی جا سکتی ہے، مریض کو جواب دینے کے قابل ہوتا ہے،