ဆရာဝန်များသည် နှလုံးရောဂါလက္ခဏာများကို စက္ကန့်အနည်းငယ်အတွင်း သိနိုင်စေမည့် "သာလွန်လူသား" AI ကိရိယာကို တီထွင်ခဲ့ပြီး လူသားမျက်စိဖြင့် ပုံမှန်မြင်နိုင်သည့် ပုံမှန် ECG မှ အချက်အလက်များကို ပိုမိုထုတ်ယူနိုင်ခဲ့ကြောင်း The Guardian က ဖော်ပြခဲ့သည်။
သန်းပေါင်းများစွာသော လူနာများကို လေ့ကျင့်သင်ကြားထားသည့် နည်းပညာသည် နှလုံးခုန်နှုန်းကျဆင်းမှုနှင့် နှလုံးအဆို့ရှင်ရောဂါဆိုင်ရာ လက္ခဏာများ—နှလုံးရောဂါ၏ပုံစံနှစ်မျိုးထဲမှ — လျှပ်စစ်ဓာတ်မှန်ရိုက်ရလဒ်များမှ တိုက်ရိုက်ဖော်ပြသည်။ နောက်ဆုံးပေါ် AI တိုးတက်မှုများ တွင် The Guardian မှဖော်ပြသော အောင်မြင်မှုများ၏အသေးစိတ်အချက်အလက်များကို ကမ္ဘာ့အကြီးဆုံးနှလုံးညီလာခံဖြစ်သည့် မြူးနစ်မြို့ရှိ ဥရောပနှလုံးရောဂါဆိုင်ရာ နှစ်ပတ်လည်ညီလာခံတွင် ကိုယ်စားလှယ်ထောင်ပေါင်းများစွာထံ တင်ပြခဲ့ပါသည်။
ရာစုနှစ်ဟောင်း စမ်းသပ်မှုတစ်ခု အဘယ်ကြောင့် အကူအညီ လိုအပ်သနည်း။
electrocardiogram သည် ရာစုနှစ်တစ်ခုစာအတွက် မရှိမဖြစ်လိုအပ်သော ဆေးဘက်ဆိုင်ရာကိရိယာတစ်ခုဖြစ်ပြီး နှလုံး၏လျှပ်စစ်လှုပ်ရှားမှု—၎င်း၏နှုန်းနှင့် ရစ်သမ်—ကို မှတ်တမ်းတင်ကာ နှလုံးတိုက်ခိုက်ခံရမှုနှင့် ပုံမှန်မဟုတ်သောနှလုံးခုန်နှုန်းများကို ရှာဖွေဖော်ထုတ်ရန် ကူညီပေးသည်။ ဒါပေမယ့် သမားရိုးကျ ECG က နှလုံးရောဂါကို သူ့အလိုလို မတွေ့နိုင်ပါဘူး။ ၎င်းသည် လူနာများ မကြာခဏ လပေါင်းများစွာ စောင့်ရသော နှလုံး၏ အာထရာဆောင်း စကင်န်တစ်ခု လိုအပ်သည်။
ထိုကွာဟချက်သည် AI tool ကိုပိတ်ရန် ဒီဇိုင်းထုတ်ထားသည့်အရာဖြစ်သည်။ ၎င်းသည် နှလုံးဖွဲ့စည်းပုံဆိုင်ရာပြဿနာများနှင့်ဆက်စပ်နေသည့် ECG တွင် သိမ်မွေ့သောပုံစံများကိုဖတ်ပြီး ၎င်းတို့တွင် ဖြစ်နိုင်ခြေအရှိဆုံးလူနာများကို အလံပြပေးသည်၊ "မျက်စိတစ်မှိတ်" ဟုဖော်ပြထားသည့် နှလုံးအထူးကုဆရာဝန်များပါဝင်သည့်အရာများတွင် ၎င်းသည် ဖတ်ရှုသည်။
အလားအလာသည် အတိုင်းအတာအရ ကြီးမားသည်- နှစ်စဉ်နှစ်တိုင်း ကမ္ဘာတစ်ဝှမ်းတွင် ECG ဘီလျံတစ်ထောင်ခန့်ကို ပြုလုပ်ပြီး စမ်းသပ်မှုမှာ ဆေးအားလုံးတွင် အသုံးအများဆုံးထဲမှ တစ်ခုဖြစ်လာသည်။ အကယ်၍ ဆော့ဖ်ဝဲသည် မည်သည့်နည်းနှင့်မဆို လုပ်ဆောင်ပြီးဖြစ်သည့် စမ်းသပ်မှုတစ်ခုမှ ရောဂါရှာဖွေရေးအချက်အလက်များကို ညှစ်ထုတ်နိုင်ပါက၊ ၎င်းသည် အချိန်မီစကင်န်ဖတ်မည့်လူနာများထံ ရောက်ရှိနိုင်မည်ဖြစ်သည်။
လူနာ 67,000 ကို အစမ်းတွေ့ရှိခဲ့ရာ
ဗြိတိန်နှလုံးဖောင်ဒေးရှင်း (BHF) မှ ထောက်ပံ့သော အမေရိကန်ပြည်ထောင်စုရှိ လူနာပေါင်း 67,000 ပါဝင်သော စမ်းသပ်မှုတွင် AI ကိရိယာသည် နှလုံးရောဂါရှိသူများ၏ 81 ရာခိုင်နှုန်းနှင့် နှလုံးအဆို့ရှင်ရောဂါရှိသူများ၏ 90 ရာခိုင်နှုန်းအထိကို ဖော်ထုတ်ခဲ့သည်။
အရေးကြီးသည်မှာ၊ ကိရိယာသည် သီးခြားရောဂါရှာဖွေခြင်းမဟုတ်ပါ။ အခြေအနေတစ်ခုခုကို သူ့ဘာသာသူ အတည်မပြုနိုင် သို့မဟုတ် အဆုံးအဖြတ်မပေးနိုင်ပါ။ ၎င်းလုပ်ဆောင်သည့်အရာသည် အလွန်ပြင်းထန်သော အရိပ်အယောင်ကို ပေးသည် - လအတော်ကြာ စံစောင့်ဆိုင်းစာရင်းတွင် ထားရမည့်အစား နှလုံးပုံမှန်မဟုတ်သော နှလုံးဓာတ်မှန်ရိုက်ခြင်းသို့ တိုက်ရိုက်ခြေရာခံရန် လုံလောက်ပါသည်။
"အခုဆို AI က မျက်စိတစ်မှိတ်အတွင်း ECG ထဲကနေ ဖတ်ရတာကို စိတ်လှုပ်ရှားစရာပါပဲ" ဟု British Heart Foundation မှ အတိုင်ပင်ခံ နှလုံးအထူးကုနှင့် ဆေးကုသမှုဆိုင်ရာ ဒါရိုက်တာ ဒေါက်တာ Sonya Babu-Narayan က ပြောကြားခဲ့သည်။ "အန္တရာယ်များသောလူနာများကို စောစီးစွာသိရှိနိုင်စေမည့် အလားအလာရှိသည့် AI ECG နည်းပညာသည် ဤသုတေသနတွင် နှလုံးရောဂါရှိသူတိုင်းကို တွေ့ရှိမည်မဟုတ်ပါ။ သို့သော် နှလုံးပုံမှန်မဟုတ်သည့် ဖြစ်နိုင်ခြေအရှိဆုံးလူနာများကို အမြန်ခြေရာခံနိုင်ရန် ကူညီဖြေရှင်းချက်တစ်ခုဖြစ်သည်။ နှလုံးနှင့်ပတ်သက်လာလျှင် စောစီးစွာရောဂါရှာဖွေခြင်းနှင့် ကုသခြင်းသည် အသက်ကို ကယ်တင်နိုင်စေပါသည်။"
ဘယ်သူမှမရှာတဲ့ ရောဂါတွေကို ဖမ်းတယ်။
စိတ်ဝင်စားစရာအကောင်းဆုံး application သည် သုတေသီများက အခွင့်ကောင်း စိစစ်ခြင်းဟု ခေါ်ဆိုနိုင်သည်။ ပုံမှန်စစ်ဆေးမှု၏တစ်စိတ်တစ်ပိုင်းအနေဖြင့် ခွဲစိတ်မှုမပြုလုပ်မီ - ရင်တုန်ခြင်းအတွက် ECG များကို အဆက်မပြတ်လုပ်ဆောင်နေသောကြောင့် - အဆိုပါမော်ဒယ်သည် ဆေးရုံမှထုတ်လုပ်သည့် ECG တိုင်းတွင် တိတ်တဆိတ်လုပ်ဆောင်နိုင်ပြီး နှလုံးချို့ယွင်းမှု သို့မဟုတ် အဆို့ရှင်ရောဂါကို သံသယမရှိသောလူနာများကို အလံပြပါ။
"ဒီ AI မော်ဒယ်ရဲ့ နောက်ထပ်အလားအလာရှိတဲ့ အသုံးချပရိုဂရမ်တစ်ခုကတော့ ဒီအခြေအနေတွေကို သံသယမရှိတဲ့ နှလုံးခုန်နှုန်းချို့ယွင်းမှုနဲ့ နှလုံးအဆို့ရှင်ရောဂါတွေကို အခွင့်ကောင်းနဲ့ ရှာဖွေဖော်ထုတ်ဖို့ပါပဲ" ဟု Imperial College London မှ နှလုံးရောဂါဗေဒပါမောက္ခ Fu Siong Ng က ပြောကြားခဲ့သည်။ "ဒီရောဂါတွေ ဖြစ်နိုင်ခြေ အမြင့်မားဆုံးသူတွေကို သက်သေပြဖို့ ဆေးရုံမှာ လုပ်တဲ့ ECG တွေအားလုံးကို AI မော်ဒယ်က လုပ်ဆောင်နိုင်ပြီး၊ ဒါကြောင့် သူတို့ကို စောစောသိနိုင်မှာပါ။"
လူနာများသည် ၎င်းတို့၏ဆရာဝန်မှ ညွှန်းဆိုပြီးနောက် နှလုံးအာထရာဆောင်းစကင်န်အတွက် လပေါင်းများစွာ စောင့်ဆိုင်းရလေ့ရှိပြီး နည်းပညာ၏တန်ဖိုးမှာ ဦးစားပေးလုပ်ဆောင်ခြင်းဖြစ်သည်- အမှန်တကယ်လိုအပ်နေသူကို ခွဲခြားသတ်မှတ်ခြင်းဖြစ်သည်ဟု Ng မှ မှတ်ချက်ပြုခဲ့သည်။
ခွဲခြမ်းစိတ်ဖြာမှုကို ဦးဆောင်သူ Imperial College London မှ BHF လက်တွေ့သုတေသနလုပ်ဖော်ကိုင်ဖက် ဒေါက်တာ Ahmed El-Medany က အဆိုပါကိရိယာကို "superhuman AI" အဖြစ် ဖော်ပြခဲ့ပြီး နောက်စိန်ခေါ်မှုတစ်ရပ်မှာ - ကျန်းမာရေးစောင့်ရှောက်မှုပညာရှင်များသည် ဆေးရုံအပြင်ဘက်တွင် အသုံးပြုနိုင်သော လက်ကိုင် AI-led ECG စာဖတ်သူများကို ဒီဇိုင်းထုတ်ခြင်း၊ ဆေးရုံပြင်ပတွင် အသုံးပြုနိုင်သည့် နှလုံးရောဂါဗေဒဌာနများထက် ကျယ်ပြန့်စွာဝင်ရောက်နိုင်စေပါသည်။
နှောင့်နှေးမှုနှင့်အတူ အခြေအနေနှစ်ခုစလုံးသည် သိသိသာသာ ပို၍အန္တရာယ်များလာသောကြောင့် စောစီးစွာရောဂါရှာဖွေခြင်းသည် အရေးကြီးပါသည်။ နှလုံးချို့ယွင်းမှုနှင့် အဆို့ရှင်ရောဂါတို့ကို အသက်ကယ်ဆေးများနှင့် လုပ်ထုံးလုပ်နည်းများဖြင့် စီမံခန့်ခွဲနိုင်သည် - သို့သော် လူနာများကို အန္တရာယ်ရှိစွာ နေထိုင်မကောင်းဖြစ်မလာမီ ဖော်ထုတ်နိုင်မှသာ သိရှိနိုင်မည်ဖြစ်သည်။
AI မျက်နှာများကို နောက်တစ်ခုဖတ်ပါ။
မြူးနစ်ကွန်ဂရက်တွင် AI သည် ECG ထက်ပိုမိုရိုးရှင်းသည့်အရာမှ ရောဂါရှာဖွေရေးအချက်ပြမှုများကို မည်ကဲ့သို့ထုတ်ယူနိုင်သည်—လူတစ်ဦး၏မျက်နှာဆိုင်ရာ ဗီဒီယိုအတိုတစ်ခုကိုလည်း ကြားရသည်။ တိုကျိုတက္ကသိုလ်နှင့် သိပ္ပံပညာသိပ္ပံတိုကျိုမှ သုတေသီများသည် လူသန်းပေါင်းများစွာ မသိလိုက်ဘဲ သွေးတိုးရောဂါနှင့် အမျိုးအစား 2 ဆီးချိုရောဂါကို လျင်မြန်တိကျစွာ သိရှိနိုင်သည့် ငါးစက္ကန့်မျက်နှာဗီဒီယိုများကို AI ခွဲခြမ်းစိတ်ဖြာတင်ပြခဲ့ကြသည်။
သုတေသနလိုင်းနှစ်ခုသည် ဆေးဘက်ဆိုင်ရာ AI တစ်လျှောက် တူညီသောအကြောင်းအရာစုစည်းမှုအရှိန်အဟုန်ကို ညွှန်ပြသည်- အသေးအဖွဲ၊ ကုန်ကျစရိတ်နည်းသော တိုင်းတာမှုများကို စောစီးစွာကူးစက်နိုင်သည့် ပြင်းထန်သောရောဂါကို စစ်ဆေးသည့်ကိရိယာများအဖြစ် ပြောင်းလဲသည်။ ကျန်းမာရေးစနစ်များက ၎င်းတို့ကို မည်သို့အသုံးချရန်၊ မည်မျှမြန်ဆန်သည်ကို ချိန်ဆခြင်းဖြင့် နောက်ဆုံးပေါ် AI တိုးတက်မှုများကို လိုက်နာပါ။
AI ၏ရှေ့တွင်နေပါ။
ဆေးဘက်ဆိုင်ရာ AI သည် လျင်မြန်စွာ တိုးတက်လာသည် — နှင့် နယ်ပယ်အတွင်းရှိ အခြားအရာအားလုံးမှာလည်း အလားတူပင်။ AI သတင်းများကို ပိုမိုဖတ်ရှုရန်၊ AI Buzz Wire တွင် ဉာဏ်ရည်တုဆိုင်ရာ သီးခြားလွှမ်းခြုံမှုအတွက် သင်၏အရင်းအမြစ်။
နောက်ဆုံးပေါ် AI သုတေသနသတင်းကို ရယူပါ နှင့် စက်သင်ယူမှုသည် ဆေးပညာ၊ သိပ္ပံပညာနှင့် အခြားအရာများကို မည်သို့ပြောင်းလဲနေသည်ကို ကြည့်ရှုပါ။
