Top News

အသက်ရှင်နိုင်ခြေနှုန်းကို ကြိုတင်ခန့်မှန်းပေးနိုင်မည့် AI မော်ဒယ်အသစ် အပိုင်း(၈)
24htopnews | March 18, 2024 11:30 AM CST

ဗြိတိန်ကိုလံဘီယာတက္ကသိုလ်နှင့် BC ကင်ဆာဌာနမှ သုတေသီများသည် ယခင်နည်းလမ်းများနှင့်နှိုင်းယှဉ်ပါက အလွယ်တကူအဆင်သင့်ရယူနိုင်သောအချက်အလက်များကိုအသုံးပြုခြင်းဖြင့် ကင်ဆာလူနာတို့၏အသက်ရှင်နိုင်ခြေကို တိကျစွာကြိုတင်ခန့်မှန်းပေးနိုင်မည့် AI မော်ဒယ်အသစ်တစ်မျိုးကို ဖန်တီးခဲ့ကြသည်။

AI မော်ဒယ်အသစ်သည် လူနာတစ်ဦး၏ ကနဦးတိုင်ပင်ဆွေးနွေးမှုအပြီးတွင်ပြုလုပ်ခဲ့သော ကင်ဆာရောဂါဗေဒပညာရှင်၏ မှတ်ချက်များကို စစ်ဆေးရန်အတွက် လူသားဘာသာစကားကို နားလည်သော AI နယ်ပယ်တစ်ခုဖြစ်သည့် သဘာဝဘာသာစကားနည်းစနစ် Natural Language Processing (NLP) ကိုအသုံးပြုထားသည်။

အဆိုပါ AI မော်ဒယ်သည် လူနာတစ်ဦးချင်းစီ၏ ထူးခြားချက်များကို ဆန်းစစ်ပေးနိုင်စွမ်းရှိပြီး အသက်ရှင်သန်နိုင်ခြေ ၆ လ၊ ၃၆ လနှင့် လပေါင်း ၆၀ စသည်ဖြင့် ၈၀ ရာခိုင်နှုန်း ကျော်တိကျစွာ အဖြေထုတ်ခန့်မှန်းပေးနိုင်ပါသည်။

ကင်ဆာလူနာတို့၏ အသက်ရှင်နိုင်ခြေအားကြိုတင်ခန့်မှန်းပေးနိုင်ခြင်းသည် ကင်ဆာရောဂါ စောင့်ရှောက်မှုမြှင့်တင်ရေးအတွက်အသုံးပြုနိုင်သည့် အရေးကြီးသောအချက်တစ်ချက်ဖြစ်ကြောင်း BC ကင်ဆာဌာနနှင့် UBC စင်တာမှ စိတ်ရောဂါအထူးနှင့်သုတေသီခေါင်းဆောင် ဒေါက်တာ John-Jose Nunez ကဆိုသည်။

ကျန်းမာရေးဝန်ဆောင်မှုပေးသူများအနေဖြင့် AI မော်ဒယ်အသစ်ကိုအသုံးပြုခြင်းဖြင့် လူနာများကို သက်ဆိုင်ရာဆေးကုသမှုဌာနများသို့ ကြိုတင်လွှဲပြောင်းပေးခြင်း၊ သို့မဟုတ် ရောဂါဖြစ်စကပင် ပိုမိုထိရောက်သည့်ကုသမှုနည်းလမ်းပေးနိုင်ခြင်းတို့ကို ဆောင်ရွက်ပေးနိုင်မည်ဖြစ်သည်။

ယခုကိရိယာသည် လူနာတစ်ဦးအတွက် အကောင်းဆုံးကျန်းမာရေးကုသမှုနည်းလမ်းရရှိစေရန် ကူညီထောက်ပံ့ပေးမည် ဖြစ်ကြောင်း ဒေါက်တာ Nunez က ဆိုသည်။

AI မော်ဒယ်အသစ်ကို ဒေါက်တာ Nunez နှင့် BC ကင်ဆာဌာနနှင့် UBC စင်တာမှ ကွန်ပျူတာပညာရှင်များ၊ စိတ်ကျန်းမာရေးပညာရှင်များနှင့် သုတေသီများ ပူးပေါင်းတီထွင်ခဲ့ခြင်းဖြစ်သည်။ အဆိုပါ AI မော်ဒယ်သည် ပိုမိုတိကျသည့်ကုသမှုနည်းလမ်းကိုအကြံပြုနိုင်ရန်အတွက် လူနာ၏ ကနဦးတိုင်ပင်ဆွေးနွေးချက်မှတ်တမ်းများထဲမှ ထူးခြားသည့်သဲလွန်စများကို ကောက်ယူနိုင်စွမ်းရှိပါသည်။

ယခင် မော်ဒယ်အမျိုးအစားသည် အချို့သောကင်ဆာအမျိုးအစားများအတွက်သာအသုံးပြုရန်ထွင်ခဲ့ခြင်းဖြစ်သော်လည်း ယခုမော်ဒယ်အသစ်သည် ကင်ဆာရောဂါအမျိုးအစားအားလုံးအတွက်အသုံးပြုနိုင်စေမည်ဖြစ်ကြောင်းသိရှိရသည်။

ဥာဏ်​ဝေ

https://i-hls.com/archives/118811


READ NEXT
Cancel OK