វ៉តសុន​មិន​បាន​ខាំ​គ្រូពេទ្យ​ទេ ហើយ​ល្អ​ណាស់។

ទោះបីជាដូចនៅក្នុងវិស័យជាច្រើនទៀតក៏ដោយ ការសាទរក្នុងការជំនួសវេជ្ជបណ្ឌិតដោយ AI បានធ្លាក់ចុះបន្តិចបន្ទាប់ពីមានការបរាជ័យក្នុងការធ្វើរោគវិនិច្ឆ័យជាបន្តបន្ទាប់ ការងារលើការអភិវឌ្ឍន៍ថ្នាំដែលមានមូលដ្ឋានលើ AI នៅតែដំណើរការ។ ដោយសារតែយ៉ាងណាក៏ដោយ ពួកគេនៅតែផ្តល់ឱកាសដ៏អស្ចារ្យ និងឱកាសដើម្បីបង្កើនប្រសិទ្ធភាពនៃប្រតិបត្តិការនៅក្នុងតំបន់ជាច្រើនរបស់ខ្លួន។

IBM ត្រូវបានប្រកាសនៅឆ្នាំ 2015 ហើយនៅឆ្នាំ 2016 វាបានទទួលបានទិន្នន័យពីក្រុមហ៊ុនទិន្នន័យអ្នកជំងឺធំៗចំនួន 1 (XNUMX)។ ភាពល្បីល្បាញបំផុត ដោយសាររបាយការណ៍ប្រព័ន្ធផ្សព្វផ្សាយជាច្រើន ហើយក្នុងពេលជាមួយគ្នានោះ គម្រោងមហិច្ឆតាបំផុតដោយប្រើបញ្ញាសិប្បនិម្មិតកម្រិតខ្ពស់ពី IBM គឺទាក់ទងនឹងជំងឺមហារីក។ អ្នកវិទ្យាសាស្ត្របាននិងកំពុងព្យាយាមប្រើប្រាស់ធនធានដ៏ធំនៃទិន្នន័យដើម្បីដំណើរការពួកវា ដើម្បីប្រែក្លាយវាទៅជាការព្យាបាលប្រឆាំងនឹងជំងឺមហារីកដែលសម្របខ្លួនបានយ៉ាងល្អ។ គោលដៅរយៈពេលវែងគឺចង់ឱ្យ Watson ធ្វើជាអាជ្ញាកណ្តាល ការសាកល្បង​ព្យាបាល និងលទ្ធផលដូចវេជ្ជបណ្ឌិតនឹង។

1. ការមើលឃើញមួយនៃប្រព័ន្ធវេជ្ជសាស្ត្រ Watson Health

ទោះយ៉ាងណាក៏ដោយវាបានប្រែក្លាយ វ៉តសុន មិន​អាច​យោង​ទៅ​លើ​អក្សរសិល្ប៍​វេជ្ជសាស្ត្រ​ដោយ​ឯករាជ្យ ហើយ​ក៏​មិន​អាច​ទាញ​យក​ព័ត៌មាន​ពី​កំណត់ត្រា​វេជ្ជសាស្ត្រ​អេឡិចត្រូនិក​របស់​អ្នក​ជំងឺ​បាន​ដែរ។ ទោះ​ជា​យ៉ាង​ណា ការ​ចោទ​ប្រកាន់​ដ៏​ធ្ងន់ធ្ងរ​បំផុត​មក​លើ​រូប​លោក​នោះ​គឺ ការបរាជ័យក្នុងការប្រៀបធៀបអ្នកជំងឺថ្មីប្រកបដោយប្រសិទ្ធភាពជាមួយនឹងអ្នកជំងឺមហារីកវ័យចំណាស់ផ្សេងទៀត និងរកឃើញរោគសញ្ញាដែលមើលមិនឃើញនៅ glance ដំបូង.

មានអ្នកជំនាញខាងជំងឺមហារីកមួយចំនួនដែលអះអាងថាមានទំនុកចិត្តលើការវិនិច្ឆ័យរបស់គាត់ ទោះបីជាភាគច្រើនទាក់ទងនឹងការផ្ដល់យោបល់របស់ Watson សម្រាប់ការព្យាបាលតាមស្តង់ដារ ឬជាមតិយោបល់ផ្នែកវេជ្ជសាស្រ្តបន្ថែមក៏ដោយ។ មនុស្សជាច្រើនបានចង្អុលបង្ហាញថាប្រព័ន្ធនេះនឹងក្លាយជាបណ្ណារក្សស្វ័យប្រវត្តិដ៏អស្ចារ្យសម្រាប់គ្រូពេទ្យ។

ជាលទ្ធផលនៃការពិនិត្យមិនសូវល្អពី IBM បញ្ហាជាមួយនឹងការលក់ប្រព័ន្ធ Watson នៅក្នុងស្ថាប័នវេជ្ជសាស្ត្រអាមេរិក. តំណាងផ្នែកលក់របស់ IBM បានគ្រប់គ្រងលក់វាទៅមន្ទីរពេទ្យមួយចំនួនក្នុងប្រទេសឥណ្ឌា កូរ៉េខាងត្បូង ថៃ និងប្រទេសផ្សេងៗទៀត។ នៅប្រទេសឥណ្ឌា វេជ្ជបណ្ឌិត () បានវាយតម្លៃអនុសាសន៍របស់ Watson ចំពោះករណីមហារីកសុដន់ចំនួន 638 ។ អត្រាអនុលោមតាមការណែនាំនៃការព្យាបាលគឺ 73% ។ កាន់តែអាក្រក់ វ៉តសុន បានបោះបង់ការសិក្សានៅមជ្ឈមណ្ឌលវេជ្ជសាស្ត្រ Gachon ក្នុងប្រទេសកូរ៉េខាងត្បូង ជាកន្លែងដែលអនុសាសន៍ដ៏ល្អបំផុតរបស់គាត់សម្រាប់អ្នកជំងឺមហារីកពោះវៀនធំចំនួន 656 នាក់ត្រូវនឹងអនុសាសន៍របស់អ្នកជំនាញត្រឹមតែ 49 ភាគរយនៃពេលវេលាប៉ុណ្ណោះ។ វេជ្ជបណ្ឌិតបានវាយតម្លៃ Watson ធ្វើមិនបានល្អជាមួយអ្នកជំងឺវ័យចំណាស់។ដោយ​មិន​ផ្តល់​ឱសថ​ស្តង់ដារ​ជាក់លាក់​ដល់​ពួកគេ ហើយ​បាន​ធ្វើ​ឱ្យ​មាន​កំហុស​សំខាន់​ក្នុង​ការ​ធ្វើ​ការ​តាម​ដាន​ការ​ព្យាបាល​យ៉ាង​ចាស់​ដៃ​ចំពោះ​អ្នក​ជំងឺ​មួយ​ចំនួន​ដែល​មាន​ជំងឺ​មេតាស្ទិក។

ទីបំផុត ទោះបីជាការងាររបស់គាត់ជាគ្រូពេទ្យរោគវិនិច្ឆ័យ និងជាគ្រូពេទ្យត្រូវបានចាត់ទុកថាមិនជោគជ័យក៏ដោយ ក៏វាមានផ្នែកជាច្រើនដែលគាត់បានបង្ហាញថាមានប្រយោជន៍ខ្លាំងណាស់។ ផលិតផល Watson សម្រាប់ Genomicsដែលត្រូវបានបង្កើតឡើងដោយសហការជាមួយសាកលវិទ្យាល័យ North Carolina សាកលវិទ្យាល័យ Yale និងស្ថាប័នផ្សេងទៀតត្រូវបានប្រើប្រាស់ មន្ទីរពិសោធន៍ហ្សែនសម្រាប់រៀបចំរបាយការណ៍សម្រាប់អ្នកជំងឺមហារីក. Watson ទាញយកឯកសារបញ្ជី ការផ្លាស់ប្តូរហ្សែន នៅក្នុងអ្នកជំងឺ ហើយអាចបង្កើតរបាយការណ៍មួយក្នុងរយៈពេលប៉ុន្មាននាទី ដែលរួមបញ្ចូលការណែនាំសម្រាប់ថ្នាំសំខាន់ៗទាំងអស់ និងការសាកល្បងព្យាបាល។ Watson គ្រប់គ្រងព័ត៌មានហ្សែនដោយភាពងាយស្រួលទាក់ទងដោយសារតែពួកវាត្រូវបានបង្ហាញនៅក្នុងឯកសារដែលមានរចនាសម្ព័ន្ធ ហើយមិនមានភាពមិនច្បាស់លាស់ - ទាំងមានការផ្លាស់ប្តូរ ឬមិនមានការផ្លាស់ប្តូរ។

ដៃគូរបស់ IBM នៅសាកលវិទ្យាល័យ North Carolina បានបោះពុម្ពផ្សាយឯកសារស្តីពីប្រសិទ្ធភាពក្នុងឆ្នាំ 2017 ។ Watson បានរកឃើញការផ្លាស់ប្តូរដ៏សំខាន់ដែលមិនត្រូវបានកំណត់អត្តសញ្ញាណដោយការសិក្សារបស់មនុស្សក្នុង 32% នៃពួកគេ។ អ្នកជំងឺបានសិក្សា ធ្វើឱ្យពួកគេក្លាយជាបេក្ខជនដ៏ល្អសម្រាប់ថ្នាំថ្មី។ ទោះយ៉ាងណាក៏ដោយ វានៅតែមិនមានភស្តុតាងដែលថាការប្រើប្រាស់នាំទៅរកលទ្ធផលព្យាបាលប្រសើរជាងមុន។

ការផលិតប្រូតេអ៊ីនក្នុងស្រុក

នេះ និងឧទាហរណ៍ជាច្រើនទៀតរួមចំណែកដល់ជំនឿកាន់តែខ្លាំងឡើងថា រាល់ការខ្វះខាតក្នុងការថែទាំសុខភាពកំពុងត្រូវបានដោះស្រាយ ប៉ុន្តែយើងត្រូវស្វែងរកផ្នែកដែលវាពិតជាអាចជួយបាន ពីព្រោះមនុស្សធ្វើមិនសូវបានល្អនៅទីនោះ។ វាលបែបនេះគឺឧទាហរណ៍។ ការស្រាវជ្រាវប្រូតេអ៊ីន. កាលពីឆ្នាំមុន ព័ត៌មានបានលេចចេញមកថា វាអាចទស្សន៍ទាយរូបរាងរបស់ប្រូតេអ៊ីនបានយ៉ាងត្រឹមត្រូវ ដោយផ្អែកលើលំដាប់របស់វា (2)។ នេះគឺជាកិច្ចការប្រពៃណីដែលលើសពីអំណាចរបស់មនុស្សមិនត្រឹមតែប៉ុណ្ណោះទេប៉ុន្តែថែមទាំងកុំព្យូទ័រដ៏មានឥទ្ធិពលទៀតផង។ ប្រសិនបើយើងធ្វើជាម្ចាស់លើគំរូជាក់លាក់នៃការបង្វិលម៉ូលេគុលប្រូតេអ៊ីន នោះនឹងមានឱកាសដ៏ធំសម្រាប់ការព្យាបាលហ្សែន។ អ្នកវិទ្យាសាស្ត្រសង្ឃឹមថា ដោយមានជំនួយពី AlphaFold យើងនឹងសិក្សាពីមុខងាររបស់មនុស្សរាប់ពាន់នាក់ ហើយនេះនឹងអនុញ្ញាតឱ្យយើងយល់ពីមូលហេតុនៃជំងឺជាច្រើន។

រូបភាពទី 2. ការបង្វិលប្រូតេអ៊ីនដែលយកគំរូតាម DeepMind's AlphaFold ។

ឥឡូវនេះ យើងស្គាល់ប្រូតេអ៊ីនពីររយលានប៉ុន្តែយើងយល់ច្បាស់អំពីរចនាសម្ព័ន្ធ និងមុខងារនៃផ្នែកតូចមួយនៃពួកវា។ សត្វកំប្រុក។ វាគឺជាប្លុកអគារមូលដ្ឋាននៃសារពាង្គកាយមានជីវិត។ ពួកគេទទួលខុសត្រូវចំពោះដំណើរការភាគច្រើនដែលកើតឡើងនៅក្នុងកោសិកា។ របៀបដែលពួកគេធ្វើការ និងអ្វីដែលពួកគេធ្វើត្រូវបានកំណត់ដោយរចនាសម្ព័ន្ធ 50D របស់ពួកគេ។ ពួកគេយកទម្រង់សមរម្យដោយគ្មានការណែនាំណាមួយដែលដឹកនាំដោយច្បាប់នៃរូបវិទ្យា។ អស់ជាច្រើនទសវត្សរ៍មកហើយ វិធីសាស្ត្រពិសោធន៍គឺជាវិធីសាស្ត្រចម្បងសម្រាប់កំណត់រូបរាងរបស់ប្រូតេអ៊ីន។ នៅក្នុងទសវត្សរ៍ទី XNUMX ការប្រើប្រាស់ វិធីសាស្រ្តគ្រីស្តាល់កាំរស្មីអ៊ិច. ក្នុងទសវត្សរ៍ចុងក្រោយនេះ វាបានក្លាយជាឧបករណ៍ស្រាវជ្រាវនៃជម្រើស។ មីក្រូទស្សន៍គ្រីស្តាល់. នៅក្នុងទសវត្សរ៍ទី 80 និង 90 ការងារបានចាប់ផ្តើមលើការប្រើប្រាស់កុំព្យូទ័រដើម្បីកំណត់រូបរាងរបស់ប្រូតេអ៊ីន។ ទោះជាយ៉ាងណាក៏ដោយ លទ្ធផលនៅតែមិនពេញចិត្តអ្នកវិទ្យាសាស្ត្រ។ វិធីសាស្រ្តដែលមានប្រសិទ្ធភាពសម្រាប់ប្រូតេអ៊ីនមួយចំនួនមិនដំណើរការសម្រាប់អ្នកដទៃទេ។

រួចហើយនៅឆ្នាំ 2018 អាល់ហ្វាហ្វូដ បានទទួលការទទួលស្គាល់ពីអ្នកជំនាញនៅក្នុង គំរូប្រូតេអ៊ីន. ទោះយ៉ាងណាក៏ដោយនៅពេលនោះ វាបានប្រើវិធីសាស្រ្តស្រដៀងនឹងកម្មវិធីផ្សេងទៀត។ អ្នកវិទ្យាសាស្ត្របានផ្លាស់ប្តូរយុទ្ធសាស្ត្រ និងបង្កើតមួយទៀត ដែលប្រើប្រាស់ព័ត៌មានអំពីការរឹតបន្តឹងរូបវ័ន្ត និងធរណីមាត្រក្នុងការបត់នៃម៉ូលេគុលប្រូតេអ៊ីន។ អាល់ហ្វាហ្វូដ បានផ្តល់លទ្ធផលមិនស្មើគ្នា។ ពេលខ្លះគាត់ធ្វើបានល្អជាង ពេលខ្លះកាន់តែអាក្រក់។ ប៉ុន្តែស្ទើរតែពីរភាគបីនៃការទស្សន៍ទាយរបស់គាត់ស្របគ្នានឹងលទ្ធផលដែលទទួលបានដោយវិធីសាស្ត្រពិសោធន៍។ នៅដើមឆ្នាំទី 2 ក្បួនដោះស្រាយបានពិពណ៌នាអំពីរចនាសម្ព័ន្ធនៃប្រូតេអ៊ីនជាច្រើននៃមេរោគ SARS-CoV-3 ។ ក្រោយមកគេបានរកឃើញថាការព្យាករណ៍សម្រាប់ប្រូតេអ៊ីន Orf2020a គឺស្របនឹងលទ្ធផលដែលទទួលបានដោយពិសោធន៍។

វាមិនត្រឹមតែសិក្សាពីវិធីខាងក្នុងនៃការបត់ប្រូតេអ៊ីនប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏និយាយអំពីការរចនាផងដែរ។ អ្នកស្រាវជ្រាវមកពីគំនិតផ្តួចផ្តើម NIH BRAIN បានប្រើ ការរៀនម៉ាស៊ីន បង្កើតប្រូតេអ៊ីនដែលអាចតាមដានកម្រិត serotonin ខួរក្បាលក្នុងពេលវេលាជាក់ស្តែង។ សារធាតុ Serotonin គឺជាសារធាតុសរសៃប្រសាទដែលដើរតួនាទីយ៉ាងសំខាន់ក្នុងរបៀបដែលខួរក្បាលគ្រប់គ្រងការគិត និងអារម្មណ៍របស់យើង។ ឧទាហរណ៍ ថ្នាំប្រឆាំងនឹងជំងឺធ្លាក់ទឹកចិត្តជាច្រើនត្រូវបានរចនាឡើងដើម្បីផ្លាស់ប្តូរសញ្ញា serotonin ដែលត្រូវបានបញ្ជូនរវាងសរសៃប្រសាទ។ នៅក្នុងអត្ថបទមួយក្នុងទស្សនាវដ្ដី Cell អ្នកវិទ្យាសាស្ត្របានពិពណ៌នាអំពីរបៀបដែលពួកគេប្រើកម្រិតខ្ពស់ វិធីសាស្រ្តវិស្វកម្មហ្សែន ប្រែក្លាយប្រូតេអ៊ីនបាក់តេរីទៅជាឧបករណ៍ស្រាវជ្រាវថ្មីមួយដែលអាចជួយតាមដានការបញ្ជូនសារធាតុ serotonin ជាមួយនឹងភាពត្រឹមត្រូវជាងវិធីសាស្ត្របច្ចុប្បន្ន។ ការពិសោធន៍ជាមុន ដែលភាគច្រើននៅក្នុងសត្វកណ្តុរ បានបង្ហាញថា ឧបករណ៍ចាប់សញ្ញាអាចរកឃើញភ្លាមៗនូវការផ្លាស់ប្តូរតិចតួចនៃកម្រិត serotonin ខួរក្បាលអំឡុងពេលគេង ការភ័យខ្លាច និងអន្តរកម្មសង្គម និងសាកល្បងប្រសិទ្ធភាពនៃឱសថផ្លូវចិត្តថ្មី។

ការប្រយុទ្ធប្រឆាំងនឹងជំងឺរាតត្បាតមិនតែងតែជោគជ័យទេ។

យ៉ាងណាមិញនេះគឺជាជំងឺរាតត្បាតដំបូងដែលយើងបានសរសេរអំពី MT ។ ទោះជាយ៉ាងណាក៏ដោយ ជាឧទាហរណ៍ ប្រសិនបើយើងនិយាយអំពីដំណើរការនៃការអភិវឌ្ឍន៍នៃជំងឺរាតត្បាតនោះ នៅដំណាក់កាលដំបូង AI ហាក់ដូចជាបរាជ័យ។ អ្នកប្រាជ្ញបានត្អូញត្អែរអំពីរឿងនេះ ភាពវៃឆ្លាតសិប្បនិម្មិត មិន​អាច​ទស្សន៍ទាយ​បាន​ត្រឹមត្រូវ​អំពី​ទំហំ​នៃ​ការ​រីក​រាល​ដាល​នៃ​មេរោគ​ឆ្លង​ដោយ​ផ្អែក​លើ​ទិន្នន័យ​ពី​ការ​រាតត្បាត​មុនៗ។ “ដំណោះស្រាយទាំងនេះដំណើរការបានល្អក្នុងផ្នែកខ្លះ ដូចជាការសម្គាល់មុខដែលមានភ្នែក និងត្រចៀកមួយចំនួន។ ជំងឺរាតត្បាត SARS-CoV-2 ទាំងនេះគឺជាព្រឹត្តិការណ៍ដែលមិនស្គាល់ពីមុន និងអថេរថ្មីៗជាច្រើន ដូច្នេះបញ្ញាសិប្បនិម្មិតដោយផ្អែកលើទិន្នន័យប្រវត្តិសាស្ត្រដែលត្រូវបានប្រើដើម្បីបណ្តុះបណ្តាលវាមិនដំណើរការល្អទេ។ លោក Maxim Fedorov មកពី Skoltech បាននិយាយនៅក្នុងសេចក្តីថ្លែងការណ៍ខែមេសា 2020 ទៅកាន់ប្រព័ន្ធផ្សព្វផ្សាយរុស្ស៊ីថា ជំងឺរាតត្បាតបានបង្ហាញថា យើងត្រូវស្វែងរកបច្ចេកវិទ្យា និងវិធីសាស្រ្តផ្សេងទៀត”។

យូរ ៗ ទៅមាន ទោះបីជាយ៉ាងណាក៏ដោយ ក្បួនដោះស្រាយដែលហាក់ដូចជាបង្ហាញពីអត្ថប្រយោជន៍ដ៏អស្ចារ្យរបស់ AI ក្នុងការប្រយុទ្ធប្រឆាំងនឹង COVID-19. អ្នកវិទ្យាសាស្ត្រនៅសហរដ្ឋអាមេរិកបានបង្កើតប្រព័ន្ធមួយនៅរដូវស្លឹកឈើជ្រុះឆ្នាំ 2020 ដើម្បីសម្គាល់លក្ខណៈនៃការក្អកលក្ខណៈចំពោះអ្នកដែលមាន COVID-19 ទោះបីជាពួកគេមិនមានរោគសញ្ញាផ្សេងទៀតក៏ដោយ។

នៅពេលដែលវ៉ាក់សាំងបានបង្ហាញខ្លួន គំនិតនេះបានកើតដើម្បីជួយចាក់វ៉ាក់សាំងដល់ប្រជាជន។ ឧទាហរណ៍នាងអាច ជួយគំរូនៃការដឹកជញ្ជូន និងការដឹកជញ្ជូនវ៉ាក់សាំង. ផងដែរក្នុងការកំណត់ចំនួនប្រជាជនដែលគួរត្រូវបានចាក់វ៉ាក់សាំងជាមុន ដើម្បីដោះស្រាយជំងឺរាតត្បាតកាន់តែលឿន។ វាក៏នឹងជួយព្យាករណ៍ពីតម្រូវការ និងបង្កើនប្រសិទ្ធភាពពេលវេលា និងល្បឿននៃការចាក់វ៉ាក់សាំង ដោយកំណត់អត្តសញ្ញាណបញ្ហា និងបញ្ហាជាប់គាំងក្នុងការដឹកជញ្ជូនបានយ៉ាងឆាប់រហ័ស។ ការរួមបញ្ចូលគ្នានៃក្បួនដោះស្រាយជាមួយនឹងការត្រួតពិនិត្យជាបន្តបន្ទាប់ក៏អាចផ្តល់ព័ត៌មានយ៉ាងឆាប់រហ័សអំពីផលប៉ះពាល់ដែលអាចកើតមាន និងព្រឹត្តិការណ៍សុខភាពផងដែរ។

ទាំងនេះ ប្រព័ន្ធ AI ក្នុងការបង្កើនប្រសិទ្ធភាព និងការកែលម្អការថែទាំសុខភាព ត្រូវបានគេស្គាល់រួចហើយ។ គុណសម្បត្តិជាក់ស្តែងរបស់ពួកគេត្រូវបានគេកោតសរសើរ; ឧទាហរណ៍ ប្រព័ន្ធថែទាំសុខភាពដែលបង្កើតឡើងដោយ Macro-Eyes នៅសាកលវិទ្យាល័យ Stanford នៅសហរដ្ឋអាមេរិក។ ដូចករណីជាមួយស្ថាប័នវេជ្ជសាស្ត្រជាច្រើនទៀត បញ្ហាគឺកង្វះអ្នកជំងឺដែលមិនបង្ហាញខ្លួនសម្រាប់ការណាត់ជួប។ ភ្នែកម៉ាក្រូ បាន​បង្កើត​ប្រព័ន្ធ​មួយ​ដែល​អាច​ទស្សន៍ទាយ​ទុក​ចិត្ត​បាន​ថា​អ្នកជំងឺ​ណា​ដែល​មិន​ទំនង​នៅ​ទីនោះ។ ក្នុងស្ថានភាពខ្លះ គាត់ក៏អាចណែនាំពេលវេលា និងទីតាំងជំនួសសម្រាប់គ្លីនិក ដែលនឹងបង្កើនឱកាសនៃការបង្ហាញអ្នកជំងឺ។ ក្រោយមក បច្ចេកវិទ្យាស្រដៀងគ្នានេះត្រូវបានអនុវត្តនៅកន្លែងផ្សេងៗពីរដ្ឋ Arkansas រហូតដល់ប្រទេសនីហ្សេរីយ៉ា ដោយមានការគាំទ្រ ជាពិសេសទីភ្នាក់ងារសហរដ្ឋអាមេរិកសម្រាប់ការអភិវឌ្ឍន៍អន្តរជាតិ i.

នៅប្រទេសតង់ហ្សានី Macro-Eyes បានធ្វើការលើគម្រោងមួយដែលមានគោលបំណង បង្កើនអត្រាចាក់ថ្នាំបង្ការកុមារ. កម្មវិធី​នេះ​បាន​វិភាគ​ចំនួន​វ៉ាក់សាំង​ដែល​ត្រូវ​ការ​បញ្ជូន​ទៅ​កាន់​មជ្ឈមណ្ឌល​ចាក់​ថ្នាំ​បង្ការ​ដែល​បាន​ផ្តល់​ឱ្យ។ គាត់ក៏អាចវាយតម្លៃថាគ្រួសារណាខ្លះអាចស្ទាក់ស្ទើរក្នុងការចាក់ថ្នាំបង្ការដល់កូនៗរបស់ពួកគេ ប៉ុន្តែពួកគេអាចត្រូវបានបញ្ចុះបញ្ចូលដោយអំណះអំណាងសមស្រប និងទីតាំងនៃមជ្ឈមណ្ឌលចាក់ថ្នាំបង្ការនៅក្នុងទីតាំងដ៏ងាយស្រួលមួយ។ ដោយប្រើកម្មវិធីនេះ រដ្ឋាភិបាលតង់ហ្សានីអាចបង្កើនប្រសិទ្ធភាពនៃកម្មវិធីចាក់ថ្នាំបង្ការរបស់ខ្លួនបាន 96% ។ និងកាត់បន្ថយកាកសំណល់វ៉ាក់សាំងមកត្រឹម 2,42 នាក់ក្នុង 100 នាក់។

នៅប្រទេសសៀរ៉ាឡេអូន ដែលជាកន្លែងបាត់ទិន្នន័យសុខភាពរបស់អ្នកស្រុក ក្រុមហ៊ុនបានព្យាយាមផ្គូផ្គងព័ត៌មាននេះជាមួយនឹងព័ត៌មានអំពីការអប់រំ។ វាបានប្រែក្លាយថាចំនួនគ្រូបង្រៀន និងសិស្សរបស់ពួកគេតែម្នាក់ឯងគឺគ្រប់គ្រាន់ដើម្បីទស្សន៍ទាយ 70 ភាគរយ។ ភាពត្រឹមត្រូវនៃថាតើគ្លីនីកក្នុងស្រុកមានទឹកស្អាតដែរឬទេ ដែលជាទិន្នន័យស្តីពីសុខភាពរបស់ប្រជាជនដែលរស់នៅទីនោះរួចទៅហើយ (3).

3. ការបង្ហាញពី Macro-Eyes នៃកម្មវិធីថែទាំសុខភាពដែលជំរុញដោយ AI នៅអាហ្វ្រិក។

ទេវកថារបស់វេជ្ជបណ្ឌិតម៉ាស៊ីនមិនបាត់ទេ។

ទោះបីជាមានការបរាជ័យក៏ដោយ។ វ៉តសុន វិធីសាស្រ្តធ្វើរោគវិនិច្ឆ័យថ្មីនៅតែត្រូវបានបង្កើតឡើង ហើយត្រូវបានចាត់ទុកថាកាន់តែជឿនលឿន។ ការប្រៀបធៀបធ្វើឡើងនៅប្រទេសស៊ុយអែតក្នុងខែកញ្ញា ឆ្នាំ ២០២០។ ប្រើក្នុងរូបភាពរោគវិនិច្ឆ័យមហារីកសុដន់ បានបង្ហាញថាល្អបំផុតនៃពួកគេធ្វើការតាមរបៀបដូចគ្នានឹងអ្នកជំនាញខាងវិទ្យុសកម្ម។ ក្បួនដោះស្រាយត្រូវបានសាកល្បងដោយប្រើរូបភាព mammography ជិតប្រាំបួនពាន់រូបភាពដែលទទួលបានអំឡុងពេលពិនិត្យជាប្រចាំ។ ប្រព័ន្ធចំនួនបី ដែលត្រូវបានកំណត់ថាជា AI-1, AI-2 និង AI-3 សម្រេចបាននូវភាពត្រឹមត្រូវ 81,9%, 67% ។ និង 67,4% ។ សម្រាប់​ការ​ប្រៀបធៀប​សម្រាប់​អ្នក​ជំនាញ​ខាង​វិទ្យុសកម្ម​ដែល​បកស្រាយ​រូបភាព​ទាំងនេះ​ជា​រូប​ទីមួយ តួលេខ​នេះ​មាន ៧៧,៤% ហើយ​ក្នុង​ករណី​ អ្នកឯកទេសខាងវិទ្យុសកម្មអ្នក​ណា​ជា​អ្នក​ទី​ពីរ​ដែល​ពណ៌នា​វា​គឺ ៨០,១ ភាគរយ។ ក្បួនដោះស្រាយដ៏ល្អបំផុតក៏អាចរកឃើញករណីដែលគ្រូពេទ្យវិទ្យុសកម្មខកខានអំឡុងពេលពិនិត្យ ហើយស្ត្រីត្រូវបានគេធ្វើរោគវិនិច្ឆ័យថាឈឺក្នុងរយៈពេលតិចជាងមួយឆ្នាំ។

បើ​តាម​អ្នក​ស្រាវ​ជ្រាវ លទ្ធផល​ទាំង​នេះ​បញ្ជាក់​ថា​ ក្បួនដោះស្រាយបញ្ញាសិប្បនិម្មិត ជួយកែតម្រូវការធ្វើរោគវិនិច្ឆ័យមិនពិត - អវិជ្ជមានដែលធ្វើឡើងដោយអ្នកឯកទេសខាងវិទ្យុសកម្ម។ ការបញ្ចូលគ្នានូវសមត្ថភាពរបស់ AI-1 ជាមួយនឹងអ្នកជំនាញខាងវិទ្យុសកម្មជាមធ្យមបានបង្កើនចំនួននៃជំងឺមហារីកសុដន់ដែលបានរកឃើញដោយ 8% ។ ក្រុម​នៅ​វិទ្យាស្ថាន​ភូមិន្ទ​ដែល​ធ្វើ​ការ​សិក្សា​នេះ​រំពឹង​ថា​គុណភាព​នៃ​ក្បួន​ដោះស្រាយ AI នឹង​បន្ត​កើន​ឡើង។ ការពិពណ៌នាពេញលេញនៃការពិសោធន៍ត្រូវបានបោះពុម្ពផ្សាយនៅក្នុង JAMA Oncology ។

W នៅលើមាត្រដ្ឋានប្រាំចំណុច។ បច្ចុប្បន្ននេះ យើងកំពុងមើលឃើញពីការបង្កើនល្បឿនបច្ចេកវិជ្ជាដ៏សំខាន់ និងឈានដល់កម្រិត IV (ស្វ័យប្រវត្តិកម្មខ្ពស់) នៅពេលដែលប្រព័ន្ធដំណើរការដោយឯករាជ្យនូវទិន្នន័យដែលទទួលបាន និងផ្តល់ឱ្យអ្នកឯកទេសនូវព័ត៌មានដែលបានវិភាគជាមុន។ វាជួយសន្សំសំចៃពេលវេលា ជៀសវាងកំហុសរបស់មនុស្ស និងផ្តល់ការថែទាំអ្នកជំងឺប្រកបដោយប្រសិទ្ធភាពជាងមុន។ នោះហើយជាអ្វីដែលគាត់បានវិនិច្ឆ័យកាលពីប៉ុន្មានខែមុន។ លោក Stan A.I. នៅក្នុងវិស័យវេជ្ជសាស្ត្រជិតស្និទ្ធនឹងគាត់, prof ។ Janusz Braziewicz ពីសង្គមប៉ូឡូញសម្រាប់ថ្នាំនុយក្លេអ៊ែរនៅក្នុងសេចក្តីថ្លែងការណ៍មួយទៅកាន់ទីភ្នាក់ងារសារព័ត៌មានប៉ូឡូញ។

4. ម៉ាស៊ីនមើលរូបភាពវេជ្ជសាស្ត្រ

ក្បួនដោះស្រាយនេះបើយោងតាមអ្នកជំនាញដូចជា prof ។ ប្រេស៊ីលសូម្បីតែមិនអាចខ្វះបាននៅក្នុងឧស្សាហកម្មនេះ។ ហេតុផលគឺការកើនឡើងយ៉ាងឆាប់រហ័សនៃចំនួននៃការធ្វើតេស្តរូបភាពរោគវិនិច្ឆ័យ។ សម្រាប់​តែ​អំឡុង​ឆ្នាំ 2000-2010 ប៉ុណ្ណោះ។ ចំនួននៃការពិនិត្យ និងពិនិត្យ MRI បានកើនឡើងដប់ដង។ ជាអកុសល ចំនួនវេជ្ជបណ្ឌិតឯកទេសដែលមាន ដែលអាចនាំពួកគេចេញបានយ៉ាងឆាប់រហ័ស និងគួរឱ្យទុកចិត្តមិនបានកើនឡើងនោះទេ។ មានការខ្វះខាតអ្នកបច្ចេកទេសដែលមានសមត្ថភាពផងដែរ។ ការអនុវត្តក្បួនដោះស្រាយដែលមានមូលដ្ឋានលើ AI ជួយសន្សំសំចៃពេលវេលា និងអនុញ្ញាតឱ្យមានស្តង់ដារពេញលេញនៃនីតិវិធី ក៏ដូចជាការជៀសវាងកំហុសរបស់មនុស្ស និងមានប្រសិទ្ធភាពជាងមុន ការព្យាបាលផ្ទាល់ខ្លួនសម្រាប់អ្នកជំងឺ។

ដូចដែលវាបានប្រែក្លាយផងដែរ។ វេជ្ជសាស្ត្រកោសល្យវិច្ច័យ អាចទទួលបានអត្ថប្រយោជន៍ពី ការអភិវឌ្ឍបញ្ញាសិប្បនិម្មិត. អ្នកឯកទេសក្នុងវិស័យនេះអាចកំណត់ពេលវេលាពិតប្រាកដនៃការស្លាប់របស់អ្នកស្លាប់ដោយការវិភាគគីមីនៃអាថ៌កំបាំងនៃពពួក Worm និងសត្វដទៃទៀតដែលចិញ្ចឹមនៅលើជាលិកាដែលស្លាប់។ បញ្ហាកើតឡើងនៅពេលដែលល្បាយនៃអាថ៌កំបាំងពីប្រភេទផ្សេងគ្នានៃ necrophages ត្រូវបានរួមបញ្ចូលនៅក្នុងការវិភាគ។ នេះជាកន្លែងដែលការរៀនម៉ាស៊ីនចូលមកលេង។ អ្នកវិទ្យាសាស្ត្រនៅសាកលវិទ្យាល័យអាល់បានីបានបង្កើត វិធីសាស្ត្រឆ្លាតវៃសិប្បនិម្មិតដែលអនុញ្ញាតឱ្យកំណត់អត្តសញ្ញាណពពួកដង្កូវបានលឿនជាងមុន ផ្អែកលើ "ស្នាមម្រាមដៃគីមី" របស់ពួកគេ។ ក្រុមការងារបានបណ្តុះបណ្តាលកម្មវិធីកុំព្យូទ័ររបស់ពួកគេ ដោយប្រើការលាយបញ្ចូលគ្នានៃសារធាតុផ្សំផ្សេងៗនៃសារធាតុគីមីពីសត្វរុយចំនួនប្រាំមួយប្រភេទ។ គាត់​បាន​បកស្រាយ​សញ្ញា​គីមី​របស់​ដង្កូវ​សត្វល្អិត​ដោយ​ប្រើ​ម៉ាស់​ដែល​កំណត់​សារធាតុ​គីមី​ដោយ​ការ​វាស់​សមាមាត្រ​ម៉ាស់​ទៅនឹង​បន្ទុក​អគ្គិសនី​នៃ​អ៊ីយ៉ុង​យ៉ាង​ត្រឹមត្រូវ។

ដូច្នេះ, ដូចដែលអ្នកអាចឃើញ, ទោះជាយ៉ាងណា AI ជាអ្នកស៊ើបអង្កេត មិនល្អទេ វាអាចមានប្រយោជន៍ខ្លាំងណាស់នៅក្នុងមន្ទីរពិសោធន៍កោសល្យវិច្ច័យ។ ប្រហែលជាយើងរំពឹងច្រើនពេកពីនាងនៅដំណាក់កាលនេះ ដោយគិតទុកជាមុននូវក្បួនដោះស្រាយដែលនឹងធ្វើឱ្យគ្រូពេទ្យឈប់ធ្វើការ (5)។ នៅពេលដែលយើងមើល ភាពវៃឆ្លាតសិប្បនិម្មិត ជាក់ស្តែងជាងនេះទៅទៀត ដោយផ្តោតលើអត្ថប្រយោជន៍ជាក់ស្តែងជាក់លាក់ជាជាងទូទៅ អាជីពរបស់នាងក្នុងផ្នែកវេជ្ជសាស្ត្រមើលទៅមានការរីកចម្រើនយ៉ាងខ្លាំងម្តងទៀត។

5. ចក្ខុវិស័យនៃឡានរបស់វេជ្ជបណ្ឌិត