ရောဂါရှာဖွေရေးအာရုံခံကိရိယာများ- အချိန်မနှောင်းမီ ရောဂါများကို ရှာဖွေခြင်း။

• Author:
• စာရေးသူနာမည်

  Quantumrun Foresight
• အောက်တိုဘာလ 3, 2022

ဝိပဿနာ အကျဉ်းချုပ်

သိပ္ပံပညာရှင်များသည် ရောဂါများကို စောစောစီးစီးသိရှိနိုင်စေရန် အာရုံခံနည်းပညာများနှင့် ဉာဏ်ရည်တု (AI) ကို အသုံးချကာ ခွေးများ၏ အနံ့ခံနိုင်စွမ်းကို အတုယူနိုင်သော သို့မဟုတ် ရောဂါလက္ခဏာများကို စောင့်ကြည့်ရန် ဝတ်ဆင်နိုင်သော ကိရိယာများကို အသုံးပြုကာ ကျန်းမာရေးစောင့်ရှောက်မှုကို အသွင်ပြောင်းနိုင်ချေရှိသည်။ ယခု ပေါ်ထွက်နေသော နည်းပညာသည် Parkinson's နှင့် COVID-19 ကဲ့သို့သော ရောဂါများကို ကြိုတင်ခန့်မှန်းခြင်းတွင် ကတိပြုထားပြီး နောက်ထပ် သုတေသနပြုမှုသည် တိကျမှုနှင့် အသုံးချပရိုဂရမ်များကို ချဲ့ထွင်ရန် ရည်ရွယ်သည်။ ဤတိုးတက်မှုများသည် လူနာဒေတာခြေရာခံခြင်းအတွက် အာရုံခံကိရိယာများကိုအသုံးပြုသည့် အာမခံကုမ္ပဏီများမှသည် အာရုံခံကိရိယာအခြေပြုရောဂါရှာဖွေမှုများကို ပြည်သူ့ကျန်းမာရေးမူဝါဒများတွင် ပေါင်းစပ်ထားသော အစိုးရများအထိ ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် သိသာထင်ရှားသောသက်ရောက်မှုများကို ပေးစွမ်းနိုင်သည်။

ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာများ ဆက်စပ်မှု

စောစီးစွာရှာဖွေတွေ့ရှိခြင်းနှင့် ရောဂါရှာဖွေခြင်းသည် အထူးသဖြင့် ရောဂါလက္ခဏာများပြသရန် လ သို့မဟုတ် နှစ်များကြာနိုင်သည့် ကူးစက်ရောဂါ သို့မဟုတ် ဖျားနာမှုများအတွက် အသက်ကို ကယ်တင်နိုင်သည်။ ဥပမာအားဖြင့်၊ ပါကင်ဆန်ရောဂါ (PD) သည် အချိန်ကြာလာသည်နှင့်အမျှ မော်တာယိုယွင်းခြင်း (ဥပမာ၊ တုန်ခါမှု၊ တောင့်တင်းမှုနှင့် ရွေ့လျားမှုဆိုင်ရာ ပြဿနာများ) ကို ဖြစ်စေသည်။ လူများစွာအတွက်၊ ၎င်းတို့၏ရောဂါကိုရှာဖွေတွေ့ရှိသောအခါ ပျက်စီးမှုများသည် နောက်ပြန်မဆုတ်နိုင်ပေ။ ဤပြဿနာကို ဖြေရှင်းရန်အတွက် သိပ္ပံပညာရှင်များသည် ခွေးနှာခေါင်းများကို အသုံးပြုသည့် စက်မှ စက်သင်ယူမှု (ML) ကို အသုံးပြုသည့်သူများအထိ ရောဂါများကို သိရှိနိုင်သည့် ကွဲပြားသော အာရုံခံကိရိယာများနှင့် စက်များကို သုတေသနပြုနေပါသည်။ 

2021 ခုနှစ်တွင် Massachusetts Institute of Technology (MIT)၊ Harvard University၊ Maryland ရှိ Johns Hopkins University နှင့် Milton Keynes ရှိ Medical Detection Dogs အပါအဝင် သုတေသီများက ခွေးပုံစံကိုအတုယူရန် ဥာဏ်ရည်တု (AI) ကို လေ့ကျင့်ပေးနိုင်ကြောင်း တွေ့ရှိခဲ့သည်။ အနံ့ထွက်ရောဂါ။ လေ့လာမှုအရ ML ပရိုဂရမ်သည် ဆီးကျိတ်ကင်ဆာ အပါအဝင် အချို့သော ရောဂါများကို ရှာဖွေရာတွင် ခွေးများ၏ အောင်မြင်မှုနှုန်းနှင့် ကိုက်ညီကြောင်း တွေ့ရှိခဲ့သည်။ 

သုတေသနပရောဂျက်သည် ရောဂါကူးစက်ခံထားရသူများနှင့် ကျန်းမာနေသူများထံမှ ဆီးနမူနာများကို စုဆောင်းခဲ့သည်။ ထို့နောက် အဆိုပါနမူနာများကို ရောဂါရှိနေကြောင်း ညွှန်ပြနိုင်သည့် မော်လီကျူးများကို ခွဲခြမ်းစိတ်ဖြာခဲ့သည်။ သုတေသနအဖွဲ့သည် ရောဂါရှိသော မော်လီကျူးများ၏ အနံ့ကို သိရှိနိုင်ရန် ခွေးအုပ်စုတစ်စုကို လေ့ကျင့်သင်ကြားပေးခဲ့ပြီး သုတေသီများသည် ML ၏ ရောဂါကို ဖော်ထုတ်ရာတွင် ၎င်းတို့၏ အောင်မြင်မှုနှုန်းကို နှိုင်းယှဉ်ခဲ့သည်။ တူညီသောနမူနာများကို စမ်းသပ်ရာတွင် နည်းလမ်းနှစ်ခုစလုံးသည် 70 ရာခိုင်နှုန်းကျော် တိကျမှုကို ရရှိခဲ့သည်။ သုတေသီများသည် ရောဂါအမျိုးမျိုး၏ သိသာထင်ရှားသော အညွှန်းကိန်းများကို ပိုမိုအသေးစိတ်သိရှိနိုင်စေရန် ပိုမိုကျယ်ပြန့်သော အချက်အလက်အစုံကို စမ်းသပ်ရန် မျှော်လင့်ပါသည်။ ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာ၏ နောက်ထပ်ဥပမာတစ်ခုမှာ MIT နှင့် Johns Hopkins University မှ တီထွင်ခဲ့ခြင်းဖြစ်သည်။ ဆီးအိမ်ကင်ဆာကို သိရှိရန် ဤအာရုံခံကိရိယာသည် ခွေးများ၏ နှာခေါင်းကို အသုံးပြုသည်။ သို့သော်လည်း အာရုံခံကိရိယာကို ခွေးများတွင် အောင်မြင်စွာ စမ်းသပ်နိုင်ခဲ့သော်လည်း လက်တွေ့အသုံးပြုရန် သင့်လျော်စေရန် လုပ်ဆောင်ရမည့် အလုပ်အချို့ ရှိသေးသည်။

အနှောင့်အယှက်ဖြစ်စေတယ်။

2022 ခုနှစ်တွင် သုတေသီများသည် အရေပြားပေါ်ရှိ အနံ့ဆိုးများမှတစ်ဆင့် PD ကို ရောဂါရှာဖွေနိုင်စေမည့် e-nose သို့မဟုတ် AI olfactory system ကို တီထွင်ခဲ့သည်။ ဤနည်းပညာကို တည်ဆောက်ရန်အတွက်၊ တရုတ်နိုင်ငံမှ သိပ္ပံပညာရှင်များသည် မျက်နှာပြင် အသံအသံလှိုင်းအာရုံခံကိရိယာနှင့် ML အယ်လဂိုရီသမ်များဖြင့် ဓာတ်ငွေ့ chromatography (GC)-mass spectrometry ကို ပေါင်းစပ်ထားသည်။ GC သည် ဆီဘမ် (လူ့အရေပြားမှထုတ်လုပ်သော အဆီပြန်သည့်အရာ) မှ အနံ့ဒြပ်ပေါင်းများကို ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။ ထို့နောက် သိပ္ပံပညာရှင်များသည် PD ၏ 70 ရာခိုင်နှုန်း တိကျမှုဖြင့် ကြိုတင်ခန့်မှန်းရန် အယ်လဂိုရီသမ်တစ်ခုကို တည်ဆောက်ရန် အချက်အလက်ကို အသုံးပြုခဲ့သည်။ သိပ္ပံပညာရှင်များသည် အနံ့နမူနာတစ်ခုလုံးကို ခွဲခြမ်းစိတ်ဖြာရန် ML ကို အသုံးပြုသောအခါ တိကျမှု 79 ရာခိုင်နှုန်းအထိ ခုန်တက်သွားသည်။ သို့သော်လည်း ကျယ်ပြန့်ပြီး ကွဲပြားသော နမူနာအရွယ်အစားဖြင့် နောက်ထပ်လေ့လာမှုများ ပြုလုပ်ရန် လိုအပ်ကြောင်း သိပ္ပံပညာရှင်များက အသိအမှတ်ပြုကြသည်။

တစ်ချိန်တည်းတွင်၊ COVID-19 ကပ်ရောဂါဖြစ်ပွားမှု မြင့်မားနေချိန်တွင် Fitbit၊ Apple Watch နှင့် Samsung Galaxy စမတ်နာရီတို့ကဲ့သို့ ဝတ်ဆင်နိုင်သောပစ္စည်းများမှ စုဆောင်းထားသော ဒေတာများကို သုတေသနပြုခဲ့ရာ အဆိုပါကိရိယာများသည် ဗိုင်းရပ်စ်ကူးစက်မှုကို သိရှိနိုင်သည်ကို ပြသခဲ့သည်။ ဤစက်ပစ္စည်းများသည် နှလုံးနှင့် အောက်ဆီဂျင်ဒေတာ၊ အိပ်စက်မှုပုံစံများနှင့် လှုပ်ရှားမှုအဆင့်များကို စုဆောင်းနိုင်သောကြောင့် ၎င်းတို့သည် ဖြစ်နိုင်ချေရှိသော ရောဂါများကို အသုံးပြုသူများအား သတိပေးနိုင်သည်။ 

အထူးသဖြင့်၊ Mount Sinai ဆေးရုံသည် လူနာ 500 ထံမှ Apple Watch ဒေတာကို ခွဲခြမ်းစိတ်ဖြာပြီး COVID-19 ကပ်ရောဂါ ကူးစက်ခံထားရသူများသည် ၎င်းတို့၏ နှလုံးခုန်နှုန်း အပြောင်းအလဲများကို ပြသနေကြောင်း တွေ့ရှိခဲ့သည်။ ဤရှာဖွေတွေ့ရှိမှုသည် တုပ်ကွေးနှင့် တုပ်ကွေးကဲ့သို့သော အခြားဗိုင်းရပ်စ်များအတွက် အစောပိုင်းသိရှိနိုင်မှုစနစ်ကို ဖန်တီးရန်အတွက် ဝတ်ဆင်နိုင်သောကိရိယာများအသုံးပြုမှုကို ဖြစ်ပေါ်စေနိုင်မည်ဟု သုတေသီများက မျှော်လင့်နေကြသည်။ ကျန်းမာရေးဌာနများသည် အဆိုပါရောဂါများ ပျံ့နှံ့ကူးစက်မှုမဖြစ်ပွားမီတွင် ဝင်ရောက်စွက်ဖက်နိုင်သည့် အနာဂါတ်ဗိုင်းရပ်များအတွက် ရောဂါပိုးကူးစက်နိုင်သော ဟော့စပေါ့များကို ရှာဖွေရန် သတိပေးစနစ်ကိုလည်း ဒီဇိုင်းထုတ်နိုင်သည်။

ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာများ၏ သက်ရောက်မှုများ

ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာများ၏ ကျယ်ပြန့်သောသက်ရောက်မှုများ ပါဝင်နိုင်သည်- 

• လူနာကျန်းမာရေး စောင့်ရှောက်မှု အချက်အလက် ခြေရာခံခြင်းအတွက် ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာများ မြှင့်တင်သည့် အာမခံပေးသူများ။ 
• ရှားပါးရောဂါများနှင့် ဖြစ်နိုင်ချေရှိသော နှလုံးတိုက်ခိုက်ခံရခြင်းနှင့် တက်ခြင်းများကို သိရှိနိုင်သည့် AI-အကူအညီပေးသည့် အာရုံခံကိရိယာများနှင့် စက်ပစ္စည်းများတွင် စားသုံးသူများ ရင်းနှီးမြှုပ်နှံကြသည်။
• အချိန်နှင့်တပြေးညီ လူနာခြေရာခံခြင်းအတွက် ဝတ်ဆင်နိုင်သော ထုတ်လုပ်သူအတွက် စက်ပစ္စည်းများကို တီထွင်ရန် စီးပွားရေးအခွင့်အလမ်းများ တိုးမြင့်ခြင်း။
• သမားတော်များသည် ရောဂါရှာဖွေခြင်းထက် အတိုင်ပင်ခံ အားထုတ်မှုများကို အာရုံစိုက်ကြသည်။ ဥပမာအားဖြင့်၊ ရောဂါရှာဖွေရာတွင် အထောက်အကူပြုသည့် အာရုံခံကိရိယာများအသုံးပြုခြင်းကို တိုးမြှင့်ခြင်းဖြင့်၊ သမားတော်များသည် သီးသန့်ကုသမှုအစီအစဉ်များကို ဖန်တီးရာတွင် အချိန်ပိုသုံးစွဲနိုင်သည်။
• သုတေသနအဖွဲ့များ၊ တက္ကသိုလ်များနှင့် ဗဟိုအစိုးရအေဂျင်စီများသည် ရောဂါရှာဖွေခြင်း၊ လူနာပြုစုစောင့်ရှောက်မှုနှင့် လူဦးရေအတိုင်းအတာ ကပ်ရောဂါရှာဖွေခြင်းတို့ကို မြှင့်တင်ရန် စက်ပစ္စည်းများနှင့် ဆော့ဖ်ဝဲလ်များဖန်တီးရန် ပူးပေါင်းဆောင်ရွက်ခြင်း။
• ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူများကို ကြိုတင်ခန့်မှန်းနိုင်သော ကျန်းမာရေးစောင့်ရှောက်မှုပုံစံများဆီသို့ ကူးပြောင်းရန် ဖျားနာမှု-ထောက်လှမ်းသည့် အာရုံခံကိရိယာများကို ကျယ်ကျယ်ပြန့်ပြန့် လက်ခံကျင့်သုံးခြင်းဖြင့် အစောပိုင်းဝင်ရောက်စွက်ဖက်မှုများနှင့် လူနာရလဒ်များကို ပိုမိုကောင်းမွန်လာစေပါသည်။
• အစိုးရများသည် အာရုံခံကိရိယာအခြေပြု ရောဂါရှာဖွေမှုများကို ပေါင်းစပ်ရန်အတွက် ကျန်းမာရေးစောင့်ရှောက်မှုမူဝါဒများကို ပြန်လည်ပြင်ဆင်ကာ ပိုမိုထိရောက်သော ပြည်သူ့ကျန်းမာရေးစောင့်ကြည့်ခြင်းနှင့် တုံ့ပြန်မှုစနစ်များကို ရရှိစေပါသည်။
• အာရုံခံနည်းပညာသည် အဝေးမှ လူနာစောင့်ကြပ်ကြည့်ရှုခြင်း၊ ဆေးရုံသို့လာရောက်လည်ပတ်မှုနှင့် ကျန်းမာရေးစောင့်ရှောက်မှုစရိတ်များကို လျှော့ချပေးသည့်၊ အထူးသဖြင့် ကျေးလက် သို့မဟုတ် ဝန်ဆောင်မှုနည်းပါးသောအသိုင်းအဝိုင်းများအတွက် အကျိုးရှိစေပါသည်။

စဉ်းစားရန်မေးခွန်းများ

• အကယ်၍ သင်သည် ဝတ်ဆင်နိုင်သော ၀တ်စုံကို ပိုင်ဆိုင်ပါက၊ သင်၏ ကျန်းမာရေး ကိန်းဂဏာန်းများကို ခြေရာခံရန် ၎င်းကို မည်သို့ အသုံးပြုမည်နည်း။
• ဖျားနာမှုကို ထောက်လှမ်းသည့် အာရုံခံကိရိယာများသည် ကျန်းမာရေးစောင့်ရှောက်မှုကဏ္ဍကို မည်သို့ပြောင်းလဲနိုင်မည်နည်း။