Frontiers in Medicine တွင် ထုတ်ပြန်ထားသော အလားအလာရှိသော လက်တွေ့စမ်းသပ်မှုရလဒ်များအရ အဆုတ်ရောဂါကို တိုင်းရင်းဆေးခန်းပြင်ပတွင် စစ်ဆေးပုံကို ပြန်လည်ပုံဖော်နိုင်သည့် Swaasa ဉာဏ်ရည်တုပလက်ဖောင်းသည် ကျန်းမာသောအသက်ရှုလမ်းကြောင်းဆိုင်ရာ လူနာများနှင့် ခွဲခြားရာတွင် 90 ရာခိုင်နှုန်း တိကျမှုရရှိခဲ့သည်။

Bioengineer.org မှ ယခုသီတင်းပတ်တွင် အစီရင်ခံတင်ပြသော တွေ့ရှိချက်သည် ယနေ့အထိ ချောင်းဆိုးခြင်းအခြေခံ AI စစ်ဆေးခြင်း၏ အလားအလာပိုကြီးသော အကဲဖြတ်ချက်တစ်ခုမှ ထွက်ပေါ်လာပြီး ၎င်းတို့သည် ကမ္ဘာတစ်ဝှမ်းရှိ ကျန်းမာရေးစောင့်ရှောက်မှုစနစ်များ အစောပိုင်းတွင် နာတာရှည်အသက်ရှူလမ်းကြောင်းဆိုင်ရာရောဂါကို ရှာဖွေတွေ့ရှိရန် စျေးသက်သာသောနည်းလမ်းများကို ရှာဖွေလာသည်နှင့်အမျှ ၎င်းတို့ရောက်ရှိလာပါသည်။ ၎င်းသည် ထုတ်ကုန်မိတ်ဆက်ခြင်းထက် ဆေးဘက်ဆိုင်ရာ AI အမှန်တကယ် ဦးတည်နေသည့်နေရာအကြောင်း ပိုပြောလေ့ရှိသည့် နောက်ဆုံး AI တိုးတက်မှုများတွင် ပြင်းပြင်းထန်ထန် စမ်းသပ်ထားသည့် တိုးတက်မှုမျိုးဖြစ်သော်လည်း၊

Swaasa အလုပ်လုပ်ပုံ

Swaasa သည် ဆေးဘက်ဆိုင်ရာ ကိရိယာအဖြစ် ဆော့ဖ်ဝဲလ်တစ်ခုအဖြစ် လုပ်ဆောင်သည့် စုံစမ်းစစ်ဆေးရေးပလပ်ဖောင်းတစ်ခုဖြစ်ပြီး မိုဘိုင်းလ်စက်ပစ္စည်းပေါ်တွင် ဖမ်းယူထားသော ချောင်းဆိုးခြင်းအတွက် ဥာဏ်ရည်တု အယ်လဂိုရီသမ်များကို အသုံးပြုထားသည်။ အသံပိုင်းဆိုင်ရာ အချက်ပြမှုများမှ အလိုအလျောက် ဆေးခန်းပြညွှန်ပြမှုများကို ထုတ်လုပ်ရန် တီထွင်ထုတ်လုပ်ထားပြီး၊ အဆိုပါ ပလပ်ဖောင်းသည် ချောင်းဆိုးခြင်းမှတ်တမ်းများကို ပုံမှန် သို့မဟုတ် ပုံမှန်မဟုတ်သည့် အန္တရာယ်အဖြစ် ဆုံးဖြတ်ရန်၊ spirometric ဇီဝကမ္မပုံစံများကို အဟန့်အတားဖြစ်စေသော၊ တင်းကျပ်သော သို့မဟုတ် ပုံမှန်အဖြစ် အမျိုးအစားခွဲခြားကာ ပုံစံပြင်းထန်မှုအား အပျော့စား၊ အလယ်အလတ် သို့မဟုတ် ပြင်းထန်မှုအဖြစ် ခန့်မှန်းပါသည်။

ဇီဝကမ္မဗေဒအပြင်၊ စနစ်သည် ပန်းနာရင်ကျပ်၊ နာတာရှည်အဆုတ်အဆုတ်ရောဂါ (COPD)၊ interstitial အဆုတ်ရောဂါနှင့် bronchiectasis အပါအဝင် သီးခြားအသက်ရှူလမ်းကြောင်းဆိုင်ရာ အခြေအနေများရှိနေခြင်းနှင့်ပတ်သက်သည့် ရောဂါရှာဖွေရေးလက္ခဏာများကို ထုတ်ပေးပါသည်။ ကတိပြုချက်သည် ရိုးရှင်းသည်- ဖုန်းမိုက်ခရိုဖုန်းထဲသို့ ငါးစက္ကန့်ကြာ ချောင်းဆိုးခြင်းသည် လူနာတစ်ဦး spirometry ဓာတ်ခွဲခန်းသို့ မရောက်ရှိမီ ပြင်းထန်သော အဆုတ်ရောဂါ၏ လက္ခဏာများကို ထင်ရှားစေနိုင်သည်။

အစမ်းအတွင်းပိုင်း

အလားအလာရှိသောလက်တွေ့စမ်းသပ်မှုကို CTRI/2021/04/032742 အောက်တွင် 2021 ခုနှစ် ဧပြီလ 12 ရက်နေ့တွင် မှတ်ပုံတင်ထားပြီး အသက် 18 နှစ်နှင့်အထက် အရွယ်ရောက်ပြီးသူအား အသက်ရှုလမ်းကြောင်းဆိုင်ရာရောဂါလက္ခဏာများပြသထားသည့် ဆေးရုံဌာနများသို့ အပ်နှံထားသည်။ ပထမအကြိမ်စာရင်းသွင်းခြင်းကို 2021 ခုနှစ် ဧပြီလ 19 ရက်နေ့တွင် စတင်ခဲ့ပြီး အစမ်းစစ်ဆေးမှုသည် 2023 ခုနှစ် စက်တင်ဘာလ 14 ရက်နေ့တွင် ပြီးဆုံးခဲ့ပါသည်။

နောက်ဆုံးအုပ်စုတွင် ပုံမှန်လူ ၈၂၇ ဦးနှင့်အတူ အသက်ရှူလမ်းကြောင်းဆိုင်ရာ ရောဂါဝေဒနာရှင် ၂,၁၇၉ ဦး ပါဝင်ပြီး အကဲဖြတ်လေ့လာသူဦးရေ၏ ၆၂ ရာခိုင်နှုန်းတွင် အမျိုးသားများ ပါဝင်ပါသည်။ ပရိုတိုကောအတွင်း၊ ပါဝင်သူ ချောင်းဆိုးသံများကို Swaasa AI ပလပ်ဖောင်းကို အသုံးပြုသည့် မိုဘိုင်းကိရိယာတစ်ခုပေါ်တွင် မှတ်တမ်းတင်ခဲ့ပြီး နှိုင်းယှဉ်မှုအတွက် spirometry ကို လုပ်ဆောင်ခဲ့သည်။

စမ်းသပ်မှုတွင် spirometry သည် ဇီဝကမ္မပုံစံနှင့် ပုံစံပြင်းထန်မှုအတွက် ရည်ညွှန်းစံအဖြစ် သတ်မှတ်ခဲ့ပြီး သမားတော်မှ တည်ထောင်ထားသော ဆေးခန်းရောဂါရှာဖွေမှုများကို ရောဂါအမျိုးအစားများအတွက် ရည်ညွှန်းစံအဖြစ် ဆောင်ရွက်ခဲ့သည်။ Polychotomous variable များကို ပုံမှန်မဟုတ်သော ပုံမှန်မဟုတ်သော အမျိုးအစားခွဲခြားမှုများအဖြစ် ခွဲခြားသတ်မှတ်ထားပြီး ရောဂါအခြေအနေ၊ ပုံစံပြင်းထန်မှုနှင့် တစ်ဦးချင်းရောဂါအမျိုးအစားများအတွက် လူတန်းစားပေါင်းစုံမှ ရလဒ်များကို ဖန်တီးထားသည်။

စွမ်းဆောင်ရည်နံပါတ်များ

ဒွိအမျိုးအစားခွဲခြားမှုများတွင်၊ ပလပ်ဖောင်းသည် ပုံမှန်မဟုတ်သောအသက်ရှူလမ်းကြောင်းဆိုင်ရာအခြေအနေရှိသူများနှင့် ပုံမှန်မဟုတ်သောအသက်ရှူလမ်းကြောင်းဆိုင်ရာအခြေအနေများကိုခွဲခြားရာတွင် 90 ရာခိုင်နှုန်းတိကျမှုကိုပြသခဲ့ပြီး ပုံမှန်နှင့်ပုံမှန်မဟုတ်သော spirometry ကိုဖော်ထုတ်ရန်အတွက်မှတ်တမ်းတင်ထားသည့် 90 ရာခိုင်နှုန်းတိကျမှုနှင့်ကိုက်ညီပါသည်။ သရုပ်ဖော်အုပ်စုခွဲခွဲခြမ်းစိတ်ဖြာမှုများသည် အကဲဖြတ်လူနာအသက်အရွယ်နှင့် ကျားမအုပ်စုများကြားတွင် စိစစ်မှုစွမ်းဆောင်ရည်ကို ကျယ်ပြန့်စွာ နှိုင်းယှဉ်ပြသခဲ့သည်။

လူတန်းစားပေါင်းစုံ၏ ရလဒ်များသည် လေးစားဖွယ်ကောင်းသည်ဆိုလျှင် သိသိသာသာပင်။ ပလက်ဖောင်းသည် spirometric ပုံစံများကို အမျိုးအစားခွဲခြားခြင်းအတွက် 79 ရာခိုင်နှုန်းနှင့် 84 ရာခိုင်နှုန်းကြား တိကျမှုနှင့် ပုံစံပြင်းထန်မှု အမျိုးအစားခွဲခြားခြင်းအတွက် 76 ရာခိုင်နှုန်းနှင့် 84.5 ရာခိုင်နှုန်းကြား ရရှိခဲ့သည်။ ပန်းနာရင်ကျပ်၊ COPD၊ interstitial အဆုတ်ရောဂါနှင့် bronchiectasis တို့တွင် သီးခြားရောဂါအမျိုးအစားများကို ခွဲခြားသတ်မှတ်သောအခါ တိကျမှုမှာ ၈၃ ရာခိုင်နှုန်းမှ ၉၃ ရာခိုင်နှုန်းအထိ ရှိနိုင်သည်။

##ဘယ်သူဆောက်တာလဲ။

လေ့လာမှုရေးသားသူများသည် Christian Medical College Vellore၊ Salcit Technologies Private Limited - Swaasa ၏ developer - နှင့် Tamil Nadu Dr MGR Medical University တို့နှင့် ဆက်စပ်လျက်ရှိသည်။ Swaasa သည် လေ့လာထားသော လူဦးရေရှိ လူဦးရေစာရင်းအုပ်စုခွဲများတစ်လျှောက် အလားအလာရှိသော စိစစ်ရေးစွမ်းဆောင်ရည်ကို သရုပ်ပြသည်ဟု စာရေးသူက ကောက်ချက်ချခဲ့သည်။

ပူးပေါင်းဆောင်ရွက်မှုဖွဲ့စည်းပုံမှာ မှတ်သားဖွယ်ဖြစ်ပါသည်- ပညာရပ်ဆိုင်ရာဆေးဘက်ဆိုင်ရာစင်တာ၊ ဆေးဘက်ဆိုင်ရာတက္ကသိုလ်နှင့် acoustic AI ကိုပံ့ပိုးပေးသည့် startup တစ်ခု။ ထိုပေါင်းစပ်မှု — စတင်တည်ထောင်သူ၏ အယ်လဂိုရီသမ်ကို သက်သေပြနေသည့် ဆေးခန်းသမားများ — သည် ယုံကြည်စိတ်ချရသော ဆေးဘက်ဆိုင်ရာ AI သုတေသနအတွက် ပုံစံပလိတ်တစ်ခုအဖြစ် တိုးများလာသည်၊

ဘာကြောင့် ချောင်းဆိုးသံက အရေးကြီးတာလဲ။

Spirometry၊ အဆုတ်လုပ်ငန်းဆောင်တာအတွက် လက်ရှိရွှေစံနှုန်းသည် စက်ကိရိယာများ၊ လေ့ကျင့်သင်ကြားထားသော နည်းပညာရှင်များနှင့် အတင်းအကြပ် အသက်ရှူလေ့ကျင့်ခန်းများ လုပ်ဆောင်နေသည့် သမဝါယမလူနာများ လိုအပ်ပါသည်။ ချောင်းဆိုးခြင်းကို မှတ်တမ်းတင်ရန် ဖုန်းလိုအပ်သည်။ AI စစ်ဆေးမှုသည် အတည်ပြုစမ်းသပ်မှု လိုအပ်သူများကို စိတ်ချယုံကြည်စွာ စုံစမ်းနိုင်ပါက၊ အထူးသဖြင့် ပုံမှန်နောက်ကျသော ရောဂါရှာဖွေတွေ့ရှိသည့် COPD ကဲ့သို့သော အခြေအနေများအတွက် အသက်ရှူလမ်းကြောင်းဆိုင်ရာ စစ်ဆေးခြင်း၏ စီးပွားရေးသည် အခြေခံအားဖြင့် ပြောင်းလဲပါသည်။

သတိပေးချက်များသည် မှန်ကန်ပါသည်။ ၎င်းသည် ရောဂါလက္ခဏာပြသော အရွယ်ရောက်ပြီးသူများ၏ ဆေးရုံတွင် စာရင်းသွင်းခြင်းဖြစ်သည်၊ အထွေထွေလူဦးရေကို ရပ်ရွာလူထုကို စစ်ဆေးခြင်းမဟုတ်ဘဲ၊ ထိန်းချုပ်ထားသော အနာဂတ်ပရိုတိုကောတွင် တိကျမှန်ကန်မှုသည် ရှုပ်ထွေးနေသော လက်တွေ့ကမ္ဘာကို ဖြန့်ကျက်ခြင်းနှင့် ကွဲပြားနိုင်သည်။ ပလက်ဖောင်းသည် စုံစမ်းစစ်ဆေးဆဲဖြစ်ပြီး ပုံမှန်ပုံမှန်မဟုတ်ခြင်းမှ 90 ရာခိုင်နှုန်း တိကျမှုကို ခွဲခြားသိမြင်နိုင်ခြင်းမှာ အခြေအနေတိုင်းတွင် မတူညီသောရောဂါလေးမျိုးကို စိတ်ချယုံကြည်စွာ ပြောပြနိုင်သည်ဟု မဆိုလိုပါ — လူတန်းစားအစုံအလင်သည် ရှင်းလင်းစေသည်။

စည်းမျဥ်းစည်းကမ်းလမ်းကြောင်းသည် နောက်ပိတ်ဆို့မှုဖြစ်သည်။ Swaasa သည် ဆေးဘက်ဆိုင်ရာကိရိယာတစ်ခုအနေဖြင့် ဆော့ဖ်ဝဲလ်တစ်ခုအဖြစ် နေရာယူထားသောကြောင့် ၎င်း၏ရောဂါရှာဖွေရေးညွှန်ပြချက်များသည် စစ်ဆေးမှုဆိုင်ရာအသုံးပြုမှုမှ ပုံမှန်စောင့်ရှောက်မှုသို့မရွေ့မီ ဆေးခန်းဆိုင်ရာဆုံးဖြတ်ချက်ကိရိယာများနှင့်သက်ဆိုင်သည့် ကြီးကြပ်မှုလုပ်ငန်းစဉ်များကို ရှင်းလင်းရန် လိုအပ်မည်ဖြစ်ပါသည်။ သက်တူရွယ်တူ သုံးသပ်ထားသော ဂျာနယ်တွင် ထုတ်ဝေသည့် အလားအလာရှိသော တရားဝင်အတည်ပြုချက်သည် ၎င်းအတွက် အစားထိုးခြင်းမဟုတ်ဘဲ ထိုစကားဝိုင်းအတွက် ကြိုတင်လိုအပ်ချက်တစ်ခုဖြစ်သည်။

ပလက်ဖောင်း၏မျက်နှာသာအတွက်အလုပ်လုပ်လက်တွေ့ asymmetry လည်းရှိပါတယ်။ Spirometry သည် အခန်းတွင်းရှိ စက်ကိရိယာများ၊ ချိန်ညှိခြင်းနှင့် လေ့ကျင့်သင်ကြားထားသော နည်းပညာရှင်တစ်ဦး လိုအပ်ပါသည်။ ချောင်းဆိုးခြင်းကို မှတ်တမ်းတင်ခြင်းတွင် လူနာအများစုပိုင်ဆိုင်ထားပြီးဖြစ်သော စက်ကိရိယာတစ်ခု လိုအပ်ပြီး လူနာတိုင်းသိထားပြီးဖြစ်သည့် လေ့ကျင့်မှုတစ်ခု လိုအပ်ပါသည်။ စစ်ဆေးမှုတွင်၊ ရည်မှန်းချက်မှာ မည်သူမည်ဝါဖြစ်သည်ကို နောက်ဆုံးရောဂါရှာဖွေစစ်ဆေးခြင်းထက် အတည်ပြုစမ်းသပ်မှုလိုအပ်သည်ဟု ဆုံးဖြတ်ရန်ဖြစ်ပြီး၊ လူများကို ဆယ်ဆပိုများသော တိကျသောစမ်းသပ်မှုတစ်ခုသည် ဆေးရုံအောက်ထပ်တွင်ရှိသော တိကျသောစမ်းသပ်မှုထက် လူအသက်များကို ပိုမိုကယ်တင်နိုင်မည်ဖြစ်သည်။ အသက်အရွယ် နှင့် ကျားမ အမျိုးအစားအလိုက် စွမ်းဆောင်ရည်ကို တည်ငြိမ်အောင် ထိန်းထားနိုင်ခြင်းသည် စိစစ်ရေးကိရိယာကို အတိုင်းအတာတစ်ခုအထိ လိုအပ်သည့် လိုက်လျောညီထွေရှိမှု အမျိုးအစားဖြစ်ကြောင်း စမ်းသပ်မှု၏ တွေ့ရှိချက်။

သို့သော်လည်း လမ်းကြောင်းသည် အရေးကြီးသည်။ ပါဝင်သူ 3,000 ကျော်တွင် spirometry ကိုဆန့်ကျင်သည့် ဖုန်းအခြေခံစခရင်သည် ဧည့်ခန်းလှည့်ကွက်မဟုတ်တော့ပါ။ နောက်စမ်းသပ်မှုမှာ ဖြန့်ကျက်ခြင်းဖြစ်သည်- ချောင်းဆိုးခြင်းအခြေခံ AI စစ်ဆေးမှုသည် ဆေးခန်းများ၊ ဆေးဆိုင်များနှင့် အိမ်များတွင် တိကျမှုရှိမရှိ၊ စည်းကမ်းထိန်းသူများနှင့် သမားတော်များက လူအများစုစဉ်းစားရုံမျှသာ အသံမှထွက်ပေါ်လာသည့် ရောဂါရှာဖွေရေးအချက်ပြမှုကို လက်ခံယုံကြည်မှုရှိမရှိ၊

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →