کسی مریض کو قابلِ اعتماد تشخیص اور علاج تک پہنچنے کے واضح راستے کی ضرورت ہوتی ہے۔ صحت کی دیکھ بھال کے قائدین کے لیے، طبی AI پر مائیکروسافٹ کی تازہ ترین تحقیق ایک عملی سوال اٹھاتی ہے: جو نظام کئی مراحل میں شواہد جمع کر کے فیصلے کرتا ہے، ادارہ اس کا جائزہ کیسے لے؟
میری رائے میں MAI-DxO صرف درستگی کی وجہ سے نہیں بلکہ فیصلہ سازی کے عمل کی وجہ سے بھی توجہ کا مستحق ہے۔ CEO اور CTO کو تحقیقی کارکردگی اور ثابت شدہ طبی قدر کے درمیان واضح خطِ وقفہ برقرار رکھتے ہوئے اس عمل کا مطالعہ کرنا چاہیے۔
Sequential diagnosis with language models نامی مطالعہ 22 اکتوبر 2026 کو Science میں شائع ہوا۔ GPT-5 کے ساتھ مل کر MAI-DxO نے 304 مشکل NEJM مقدمات میں 83.2% تشخیصی درستگی حاصل کی۔ حوالہ جاتی مواد استعمال کرنے والے عمومی معالجین نے 36.1% جب کہ بغیر مواد کے 22.3% حاصل کی۔ ایمرجنسی محکمے سے داخلے کے 325 مقدمات میں نظام نے 80.3% حاصل کی جب کہ معالجین نے 46.8%۔ یہ کیس ریکارڈز کے کنٹرول شدہ جائزوں کے نتائج ہیں۔ [1، 2]
معالجین کی یہ شرحیں تحقیقی مشقوں میں ان کی کارکردگی بیان کرتی ہیں۔ انہیں کبھی بھی روزمرہ طبی مشق میں معالجین کی عمومی درستگی کے طور پر پیش نہیں کرنا چاہیے۔ مجموعی بینچ مارک اسکور ایک اہم سوال کا جواب نہیں دیتا: کون سی غلطیاں سب سے زیادہ نقصان پہنچا سکتی ہیں؟
MAI-DxO ایک مجازی پینل کی رابطہ کاری کرتا ہے جو تشخیص تجویز کرتا ہے، مفروضوں کو چیلنج کرتا ہے اور سوالات یا ٹیسٹ منتخب کرتا ہے۔ معلومات آتے ہی اس کا اندازہ بدل جاتا ہے۔ بینچ مارک اندازاً ٹیسٹ اخراجات سمیت تشخیص تک کے راستے کی پیمائش کرتا ہے۔ مائیکروسافٹ نے سخت لاگت کی رکاوٹوں والی ترتیبوں کا بھی جائزہ لیا ہے۔ [2]
ادارہ جاتی قائدین کے لیے مفید ڈیزائن سبق یہ ہے کہ جواب تجویز کرنے اور اس کے شواہد کا جائزہ لینے کو الگ رکھا جائے۔ جائزہ کار کو یہ تلاش کرنے کے قابل ہونا چاہیے کہ کیا چھوٹ رہا ہے، غالب وضاحت کو چیلنج کر سکے اور اہم اقدام آگے بڑھنے سے پہلے مزید معلومات مانگ سکے۔
متعدد AI کردار اب بھی وہی غلطی دہرا سکتے ہیں۔ اس لیے ایجنٹوں کے اتفاق کی جانچ بیرونی شواہد کے ساتھ کرنا ضروری ہے۔ مباحثے کا اضافہ جائزے کا ایک اور جزو پیدا کرتا ہے؛ یہ آزاد تصدیق نہیں ہے۔
میں نظاموں کا تین پہلوؤں میں موازنہ کروں گا۔ حتمی جواب کے اسکور کا موازنہ مکمل فیصلہ سازی کے عمل کے معیار سے کریں۔ اندازاً کارکردگی اخراجات کا موازنہ خدمت فراہم کرنے کی کل لاگت سے کریں۔ تاریخی ریکارڈز پر کارکردگی کا موازنہ مستقبل کے استعمال میں دیکھے گئے نتائج سے کریں۔ ہر موازنہ الگ سرمایہ کاری کے سوال کا جواب دیتا ہے۔
مثلاً سستی تجویز کافی جائزہ کار پیدا کر سکتی ہے۔ درست جواب مدد کے لیے بہت دیر سے آ سکتا ہے۔ مکمل ریکارڈز پر اچھی کارکردگی دکھانے والا نظام اہم معلومات نہ ہونے پر مشکل میں پڑ سکتا ہے۔ قائدین کو ایسے جائزے کی ضرورت ہے جو یہ فرق ظاہر کرے۔
SDBench درخواست کردہ معلومات فراہم کرنے کے لیے گیٹ کیپر ماڈل اور تشخیص کا جائزہ لینے کے لیے جج ماڈل استعمال کرتا ہے۔ جب درخواست شدہ نتیجہ ریکارڈ میں موجود نہ ہو تو گیٹ کیپر کیس کے مطابق نتائج بنا سکتا ہے۔ یہ طریقے انٹرایکٹو جائزے کو ممکن بناتے ہیں، لیکن ایسے مفروضے بھی متعارف کراتے ہیں جن پر نظرثانی درکار ہے۔ [3]
یہ اس لیے اہم ہے کہ جائزے کا ماحول ماپے گئے نتیجے کو متاثر کرتا ہے۔ ہسپتال کو یہ طے کرنا ہوگا کہ نامکمل معلومات، متضاد بیانات اور آپریشنل تاخیر میں نظام کیسا برتاؤ کرتا ہے۔ صرف تشخیصی درستگی مریض کی حفاظت، علاج کے معیار یا طبی ٹیم کی تاثیر ثابت نہیں کر سکتی۔
مائیکروسافٹ نے Beth Israel Deaconess Medical Center کے ساتھ مستقبل کا مطالعہ اعلان کیا ہے جس میں مریض نظام سے بات چیت کریں گے اور کارکردگی کا موازنہ معالجین کے آزاد جائزوں سے ہوگا۔ یہ منصوبہ بند تصدیق ہے، پہلے سے حاصل شدہ بہتر مریض نتائج کا ثبوت نہیں۔ [2]
CEO کو نفاذ کے فنڈ دینے سے پہلے مطلوبہ فائدہ طے کرنا چاہیے۔ صحت کے پائلٹ میں یہ کسی مخصوص بیماری کی جلد پہچان یا مشکل مقدمات کے جائزے کے لیے بہتر سہولت ہو سکتی ہے۔ طبی مالک مقرر کریں، نتائج کے پیمانوں پر اتفاق کریں اور پائلٹ بند کرنے کی صورتیں طے کریں۔ بینچ مارک کے موازنے سے عملے کے فیصلے نہ کریں۔
CTO کو مطلوبہ ورک فلو کے گرد جائزہ بنانا چاہیے۔ موجودہ عمل، کنٹرول شدہ ماحول میں اکیلے کام کرنے والی AI اور AI کی مدد پانے والے طبی عملے کا موازنہ کریں۔ تجویز کردہ خدمت کی نمائندگی کرنے والے مقدمات استعمال کریں۔ نظرانداز شدہ سنگین تشخیص، غیر ضروری ٹیسٹ، فیصلے تک کا وقت اور تجاویز کے جائزے کے بوجھ کا معائنہ کریں۔ مجموعی اوسط کے ساتھ ساتھ متعلقہ مریضوں کے گروہوں کے نتائج بھی رپورٹ کریں۔
مناسب نظم و ضبط والے ڈیٹا سے ریٹروسپیکٹو جائزے سے آغاز کریں۔ اگر شواہد پیش رفت کی حمایت کریں تو طبی قیادت اور ضروری منظوریوں کے ساتھ نگرانی شدہ مستقبل کا مطالعہ غور میں لیں۔ ٹیسٹ لکھنے یا علاج بدلنے کا اختیار واضح طور پر مقرر رکھیں۔ طے کریں کہ نظام کو کب دستبردار ہونا چاہیے اور طبی کارکن اسے کیسے کالعدم کر سکتا ہے۔
تجاویز کے لیے قابلِ پتہ شواہد، مریض کی معلومات تک کنٹرول شدہ رسائی اور استعمال شدہ ماڈل اور ورک فلو ورژن کا ریکارڈ طلب کریں۔ ان میں سے کسی تبدیلی پر متعلقہ جائزے دہرائیں۔ کامیاب پائلٹ کو ایک ایسا آپریشنل عمل چاہیے جو کمی کا پتہ لگا سکے اور واپسی میں معاون ہو۔
مالی قائدین کو اندازاً ٹیسٹ اخراجات اور حاصل شدہ بچت میں فرق کرنا چاہیے۔ کاروباری تجزیے میں انضمام، طبی جائزہ، نگرانی اور مسلسل جائزہ شامل کریں۔ ہر بچت کا جائزہ نظرانداز شدہ تشخیص اور قابلِ اجتناب ٹیسٹوں کے نتائج کے ساتھ لیا جائے۔
بیمے کے دعووں، خریداری کی استثناؤں یا واقعات کی تحقیقات کے لیے AI پر غور کرتے وقت بھی یہی جائزہ نظم کارآمد ہے۔ ان اطلاقات کو اپنے شواہد درکار ہیں۔ طبی بینچ مارک مالی یا آپریشنل ورک فلو کی توثیق نہیں کر سکتا۔
MAI-DxO ہمیں یہ جانچنے کی وجہ دیتا ہے کہ AI شواہد کیسے مانگتا ہے، اپنا مؤقف کیسے درست کرتا ہے اور کب رکنا ہے یہ کیسے طے کرتا ہے۔ ادارہ جاتی قدر اس پر منحصر ہے کہ آیا یہ رویے حقیقی آپریشنل حالات میں طے شدہ خدمت کو بہتر بناتے ہیں یا نہیں۔
اگر آپ طبی AI پائلٹ منظور کر رہے ہوں تو اس کی تجاویز کو مریض کی دیکھ بھال پر اثر ڈالنے کی اجازت دینے سے پہلے آپ کون سے شواہد مانگیں گے؟
ریاضیاتی طور پر سوچیں۔ ذہانت سے انجینئر کریں۔ حکمت عملی سے قیادت کریں۔ ذمہ داری سے بنائیں۔ عالمی سطح پر پھیلیں۔ مصنوعی ذہانت کے ذریعے حقیقی کاروباری قدر پیدا کریں۔
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 اکتوبر 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. SDBench دستاویزات. https://microsoft.github.io/sdbench/
