ဆေးဘက်ဆိုင်ရာ implants အများစုမှာ အသံတိတ် ဒေတာစုဆောင်းသူများဖြစ်သည်- ၎င်းတို့သည် မှတ်တမ်းတင်သည်၊ ဆေးခန်းမှ ပညာရှင်များက နောက်ပိုင်းတွင် ပြန်လည်သုံးသပ်ကြပြီး သတ်မှတ်ရက်ချိန်းမကုန်မီ လူနာများကို တွေ့ရခဲပါသည်။ Pennsylvania တက္ကသိုလ်မှ အဖွဲ့တစ်ဖွဲ့သည် လူနာများနှင့် အမှန်တကယ် စကားပြောနိုင်သည့် ဆေးဘက်ဆိုင်ရာ ကိရိယာကို စမ်းသပ်ခဲ့ပြီး ၎င်းသည် ပြန်ပြောနိုင်သည်။

Nature Medicine တွင်ထုတ်ဝေသည့် အထောက်အထားလေ့လာမှုတစ်ခုတွင် Penn's Perelman ဆေးကျောင်းမှသုတေသီများနှင့် Neuroengineering and Therapeutics (CNT) မှ သုတေသီများသည် ဝက်ရူးပြန်ရောဂါအတွက် စောင့်ကြည့်နေသူများကို ၎င်းတို့၏ဦးနှောက်စောင့်ကြည့်ရေးစနစ်နှင့် အချိန်နှင့်တပြေးညီ အပြန်အလှန်စာတိုပေးပို့နိုင်စေသည့် AI-driven platform ကိုဖော်ပြပါသည်။—၎င်းတို့၏ဦးနှောက်လုပ်ဆောင်ချက်နှင့်ပတ်သက်သည့်မေးခွန်းများမေးခြင်း၊ ကိုယ်ရေးကိုယ်တာသတိပေးချက်များလက်ခံခြင်း၊ For more context on this story, see our ongoing artificial intelligence updates.

ပလပ်ဖောင်းဘယ်လိုအလုပ်လုပ်လဲ။

လေ့လာမှုသည် Penn's Epilepsy Monitoring Unit တွင် အရွယ်ရောက်ပြီးသူ 13 ဦးအား electroencephalography (EEG) ဖြင့် စဉ်ဆက်မပြတ် ဦးနှောက်စောင့်ကြည့်ခြင်းအတွက် စာရင်းသွင်းခဲ့သည် — အချို့သည် ၎င်းတို့၏ တက်ခြင်း၏ရင်းမြစ်ကို ရှာဖွေဖော်ထုတ်ရန်၊ အချို့မှာ ခွဲစိတ်မှုအကြိုအကဲဖြတ်ခြင်း၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် အချို့သောသူများ။ ၎င်းတို့ စမ်းသပ်ခဲ့သည့် ပလက်ဖောင်းတွင် ပါဝင်သူတိုင်း၏ ဦးနှောက်ရှိ လျှပ်ကူးပစ္စည်းမှ EEG ဒေတာကို အဆက်မပြတ်ဖမ်းယူသည့် ဆော့ဖ်ဝဲလ်တွင် အစိတ်အပိုင်းသုံးခု ပါဝင်ပါသည်။ လုံခြုံသော၊ HIPAA-လိုက်လျောညီထွေရှိသော cloud ပတ်ဝန်းကျင်သည် အချိန်နှင့်တပြေးညီ ဝင်လာသောဒေတာများကို ခွဲခြမ်းစိတ်ဖြာခြင်း၊ နှင့် ChatGPT ၏နောက်ကွယ်မှနည်းပညာဖြင့်တည်ဆောက်ထားသော Penn မှတီထွင်ထားသော AI စကားပြောအေးဂျင့်တစ်ခုပါရှိသောစမတ်ဖုန်းအက်ပ်တစ်ခု။

အက်ပ်မှတစ်ဆင့် လူနာများသည် ၎င်းတို့၏ ဦးနှောက်လုပ်ဆောင်ချက်နှင့်ပတ်သက်သည့် မေးခွန်းများမေးနိုင်သည်၊ ၎င်းတို့၏ဒေတာတွင် ခေတ်ရေစီးကြောင်းများကို မြင်ယောင်ထင်ယောင်ထင်ထင်ဖြစ်စေရန် တောင်းဆိုခြင်း၊ ရောဂါလက္ခဏာများကို သတင်းပို့ခြင်းနှင့် သတိပေးချက်များ သို့မဟုတ် စစ်တမ်းများကို တစ်နေ့တာလုံး လက်ခံရရှိနိုင်ပါသည်။ သက်ဆိုင်ရာ အဆုံးအဖြတ်ပေးသော အပြောင်းအလဲများကို တွေ့ရှိသောအခါတွင် စနစ်သည် သတိပေးခြင်းမရှိဘဲ တတ်ရောက်နိုင်ပြီး လူနာ၏တုံ့ပြန်မှုအပေါ် အခြေခံ၍ "ပျံသန်းခြင်း" ကို လိုက်လျောညီထွေဖြစ်အောင် လုပ်ဆောင်နိုင်သည်။

"စိတ်ကူးကတော့ သင့်စက်ပစ္စည်းက စုဆောင်းထားတဲ့ အချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာဖို့ ကျွမ်းကျင်သူကို စောင့်ဆိုင်းမယ့်အစား၊ သင့်ပခုံးပေါ်ရှိ သင့်ကိုယ်ပိုင် Jiminy Cricket ကဲ့သို့ အပြောင်းအလဲများကို သိရှိနိုင်ပြီး သင့်အား ချက်ချင်းသတိပေးနိုင်ပါတယ်" ဟု အာရုံကြောဗေဒ၊ အာရုံကြောခွဲစိတ်မှုနှင့် ဇီဝအင်ဂျင်နီယာဆိုင်ရာ အကြီးတန်းစာရေးဆရာကြီး Brian Litt၊ MD မှ ပြောကြားခဲ့သည်။ "ပိုအရေးကြီးတာက လူနာနဲ့ စက်က အချိန်ကြာလာတာနဲ့အမျှ အတူတူ သင်ယူနိုင်ပါတယ်။ ဒီကိရိယာက လူနာအတွက် အရေးကြီးတဲ့အရာတွေကို လေ့လာတယ်၊ လူနာက သူတို့ရဲ့ အပြုအမူက သူတို့ရဲ့ ကျန်းမာရေးကို ဘယ်လို အကျိုးသက်ရောက်တယ်ဆိုတာကို လေ့လာတယ်။"

ဘာ 1,307 မက်ဆေ့ချ်ကို ထုတ်ဖော်ခဲ့သလဲ။

လေ့လာမှုကာလအတွင်း ပါဝင်သူများသည် စနစ်ဖြင့် စာတိုပေါင်း 1,307 ကို ဖလှယ်ခဲ့ကြသည်။ ဖမ်းယူခြင်းဆိုင်ရာ ဖြစ်ရပ်များ၊ အိပ်စက်ခြင်း၊ စိတ်ခံစားချက် နှင့် စွမ်းအင်အဆင့်များကို ဗဟိုပြုသည့် စကားဝိုင်းအများစု — ဖမ်းယူခြင်းဆိုင်ရာ လှုပ်ရှားမှုအပေါ် တိုက်ရိုက်သက်ရောက်သည့်အချက်များ။ လူနာများအား အိပ်စက်ခြင်း၊ စိတ်ပူပန်ခြင်း၊ စိတ်နေစိတ်ထား၊ ကျန်းမာရေးနှင့် အခြားရောဂါလက္ခဏာများအကြောင်း နေ့စဉ်သုံးကြိမ် စစ်တမ်းကောက်ယူခဲ့သည်။

တုံ့ပြန်ချက်ကွင်းဆက်သည် လမ်းကြောင်းနှစ်ခုလုံးတွင် အလုပ်လုပ်သည်။ ပါဝင်သူများသည် မည်သည့်ဖမ်းဆီးရမိမှုရှာဖွေတွေ့ရှိမှုများသည် မှန်ကန်ကြောင်းနှင့် မှားယွင်းသောအချက်ပေးချက်များဖြစ်သည့် စနစ်အား ပြောပြနိုင်ကာ ပလက်ဖောင်းသည် ရလဒ်အဖြစ် ဖမ်းယူမှုကို တိကျစွာဖော်ထုတ်နိုင်မှု ၎င်း၏စွမ်းရည်ကို သိသိသာသာ တိုးတက်ကောင်းမွန်စေသည်။ ဆေးခန်းပညာရှင်များသည် စနစ်၏အကဲဖြတ်ချက်များကို ပြန်လည်သုံးသပ်နိုင်ပြီး ၎င်းတို့အဖွဲ့မှ ကျွမ်းကျင်သော "ကွင်းအတွင်း၌ ကျွမ်းကျင်သူ" algorithm ဟုခေါ်သည့် ၎င်းတို့၏ကိုယ်ပိုင်မှတ်ချက်များကို ထည့်သွင်းနိုင်သည်၊ ၎င်းသည် တန်ဖိုးအမြင့်ဆုံးကိစ္စများတွင်သာ ကျွမ်းကျင်သူထည့်သွင်းမှုကို စုစည်းပေးသည့် စမတ်ကျသော "ကွင်းပတ်အတွင်းကျွမ်းကျင်သူ" အယ်လဂိုရီသမ်ဖြစ်သည်။

ပါဝင်သူအများအပြားက ပလက်ဖောင်းသည် ၎င်းတို့သတိပြုမိခဲ့သည့် ပုံစံများကို နားလည်နိုင်စေရန် ကူညီပေးခဲ့သော်လည်း နားမလည်ခဲ့ကြောင်း ပြောကြားခဲ့သည်။ "ကျွန်ုပ်၏ ဇာတ်လမ်းတွဲအချို့နှင့် စိတ်ခံစားမှုများကြားတွင် ကျွန်ုပ်ခံစားရသောအရာများ ခိုင်မာလာစေရန် ကူညီပေးခဲ့သည်" ဟု တစ်ဦးက ဖော်ပြခဲ့သည်။ အခြားသူများက ၎င်းတို့၏ အိပ်စက်မှုဒေတာကို ဝင်ရောက်ကြည့်ရှုခွင့်နှင့် ကြီးကြီးမားမား သိမ်းယူခြင်းမပြုမီ သတိပေးနိုင်ခြေကို တန်ဖိုးထားကြသည်။

ဝက်ရူးပြန်ရောဂါမှ အင်ဆူလင်စုပ်စက်အထိ နှင့် ဦးနှောက်နက်ရှိုင်းစွာ နှိုးဆော်ခြင်း။

အဖွဲ့သည် ဝက်ရူးပြန်ရောဂါထက် ဝေးကွာသော မျိုးဆက်သစ် ဆေးဘက်ဆိုင်ရာ ကိရိယာများအတွက် ပလပ်ဖောင်းတစ်ခုအဖြစ် မြင်သည်။ ဖြစ်နိုင်ချေရှိသော အပလီကေးရှင်းများတွင် နှလုံးကိရိယာများ၊ အင်ဆူလင်စုပ်စက်များနှင့် ပါကင်ဆန်ရောဂါအတွက် ပေါ်ပေါက်လာသော အာရုံကြောရောဂါကုထုံးများ၊ စိတ်ဓာတ်ကျခြင်း၊ စွဲလမ်းခြင်းရောဂါ၊ စွဲလမ်းခြင်း နှင့် သိမြင်မှုဆိုင်ရာ ချို့ယွင်းမှုများ ပါဝင်ပါသည်။

လုပ်ငန်းစနေပြီဖြစ်သည်- သုတေသီများသည် အာရုံကြောဗေဒနှင့် ဇီဝအင်ဂျင်နီယာဆိုင်ရာ လက်ထောက်ပါမောက္ခ Lauren Hammer, MD, PhD, ပါကင်ဆန်ရောဂါကိုကုသရန်အသုံးပြုသည့် နက်နဲသောဦးနှောက်လှုံ့ဆော်ကိရိယာများကို အလိုအလျောက်ချိန်ညှိရန် platform ကိုအသုံးပြုရန် ပြင်ဆင်နေပါသည်။ နောက်ထပ်ပရောဂျက်များသည် အိပ်မပျော်ခြင်း၊ ဝက်ရူးပြန်ရောဂါအတွက် ဝတ်ဆင်နိုင်သော ကိရိယာများနှင့် ဦးနှောက်နှင့် အရေးပါသော လက္ခဏာများကို စောင့်ကြည့်ခြင်းအတွက် ရည်ရွယ်သည်။

"အာရုံခံကိရိယာတွေက တိုက်ရိုက်တိုင်းတာလို့မရတဲ့ သူတို့ရဲ့ရောဂါလက္ခဏာတွေကို လူနာတွေက နားလည်တတ်တယ်" ဟု Litt က ပြောကြားသည်မှာ - အစာစားခြင်းသည် သွေးတွင်းသကြားဓာတ်ကိုမည်သို့အကျိုးသက်ရောက်စေသနည်းဟူသည့်မေးခွန်းများကို အဖြေပေးနိုင်သည့် အင်ဆူလင်စုပ်စက်ကို ထုတ်ပေးသည့်အနေဖြင့် မှန်းဆနိုင်သည်ဟု Litt ကဆိုသည်။ ထိုသို့သောစနစ်များ ပိုမိုစိတ်ကြိုက်ဖြစ်လာသည်နှင့်အမျှ ၎င်းတို့အား ပြင်ပလူနာအဖြစ် ရေရှည်အသုံးပြုနိုင်စေရန်အတွက် ဆေးခန်းကြီးကြပ်မှု နည်းပါးရန် လိုအပ်သည်ဟု သုတေသီများက မျှော်လင့်ထားသည်။

ဆေးဘက်ဆိုင်ရာ ကိရိယာများအတွက် အပြောင်းအလဲတစ်ခု

လေ့လာမှု၏ ပိုမိုကျယ်ပြန့်သော အရေးပါမှုသည် နည်းပညာပိုင်းကဲ့သို့ အယူအဆပိုင်းဆိုင်ရာ ဖြစ်သည်။ ယနေ့ခေတ် စက်ပစ္စည်းများသည် အချိန်အခါအလိုက် ဆေးခန်းမှ စစ်ဆေးမှုအတွက် ဒေတာများကို စုဆောင်းလေ့ရှိရာ Penn ပလပ်ဖောင်းသည် စက်ပစ္စည်း၊ လူနာနှင့် စောင့်ရှောက်မှုအဖွဲ့အား ဆက်လက်ဆွေးနွေးမှုတွင် ပူးပေါင်းလုပ်ဆောင်သူများအဖြစ် ဆက်ဆံပါသည်။ တွေ့ရှိချက်များကို Perelman School of Medicine နှင့် CNT အဖွဲ့မှ Nature Medicine တွင် ထုတ်ဝေခဲ့ပြီး Zack Goldblum၊ Haoer Shi နှင့် Zhongchuan Xu ဦးဆောင်သော Penn Bioengineering PhD ကျောင်းသားများမှ ဖန်တီးထားသော ပလက်ဖောင်းကို ကိုယ်တိုင်တည်ဆောက်ခဲ့သည်။

စမ်းသပ်မှုမှာ သေးငယ်သည် — ထိန်းချုပ်စောင့်ကြည့်ရေးယူနစ်တစ်ခုရှိ လူနာ 13 ဦး — နှင့် နည်းပညာသည် စောသေးသည်။ သို့သော် ဆေးဘက်ဆိုင်ရာကိရိယာမှ စုဆောင်းရရှိသည့် ဒေတာသည် တစ်နည်းမဟုတ်တစ်နည်း ရပ်တန့်သွားကာ လူနာများကို အချိန်နှင့်တပြေးညီ မေးခွန်းထုတ်နိုင်၊ ပြုပြင်နိုင်ပြီး သင်ယူနိုင်သည့်အရာဖြစ်လာသောအခါ ၎င်းသည် ဖြစ်ပျက်လာပုံကို အခိုင်အမာ အရိပ်အမြွက်ပေးသည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →