AI သည် သွေးစစ်ဆေးမှုရလဒ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ဦးနှောက်ကင်ဆာကို ရှာဖွေတွေ့ရှိခဲ့သည်။

မကြာသေးမီက၊ Glasgow တက္ကသိုလ်မှ Strathclyde နှင့်ဆက်စပ်သော သုတေသီများသည် ဦးနှောက်ကင်ဆာကိုသိရှိရန် သွေးနမူနာများကို ခွဲခြမ်းစိတ်ဖြာခြင်းနည်းလမ်းကို မူပိုင်ခွင့်တင်ခဲ့သည်။ ClinSpec Diagnostics Limited မှသုတေသီများသည် spectroscopy နှင့် AI algorithms များကိုပေါင်းစပ်၍ သွေးအသားစဥ်စစ်ဆေးခြင်းအပေါ်အခြေခံ၍ ဦးနှောက်ကင်ဆာကိုရှာဖွေတွေ့ရှိခဲ့သည်။ အစီရင်ခံသည်အတိုင်း Psychology Today မှသုတေသနကို Nature Communications ဂျာနယ်တွင် မကြာသေးမီက ထုတ်ဝေခဲ့ပြီး သုတေသနအဖွဲ့၏အဆိုအရ အဆိုပါအလုပ်သည် လက်တွေ့ spectroscopy နှင့် AI ကိုအသုံးပြုရာတွင် သိသာထင်ရှားသောတိုးတက်မှုကိုကိုယ်စားပြုသည်။

လေ့လာမှုမှာ တင်ပြထားတဲ့ သုတေသနက ဦးနှောက်ကင်ဆာကို ဖမ်းရတာ ပိုလွယ်ကူပြီး ရိုးရှင်းပါတယ်။ မကြာခဏ ခေါင်းကိုက်ခြင်းသည် ဦးနှောက်ကင်ဆာ၏ လက္ခဏာတစ်ခု ဖြစ်နိုင်သော်လည်း ခေါင်းကိုက်ခြင်းသည် အလွန်အဖြစ်များသော်လည်း ဦးနှောက်ကင်ဆာ မဟုတ်ပါ။ ဆေးခန်းသမားများသည် ခေါင်းကိုက်ခြင်းအတွက် စိုးရိမ်ရသည့်အကြောင်းရင်းနှင့် မည်သည့်အရာက ပို၍ ညင်သာပျော့ပျောင်းကြောင်း ပိုင်းခြားသိမြင်နိုင်သော ပိုမိုကောင်းမွန်သော နည်းလမ်းတစ်ခု လိုအပ်ပါသည်။ ဆရာဝန်များသည် စမ်းသပ်မှုပုံစံအချို့ကို လုပ်ဆောင်နိုင်ပြီး ငွေကုန်ကြေးကျများသော ဦးနှောက်ပုံရိပ်စကင်န်များဖြင့် ဦးနှောက်ကင်ဆာရှာဖွေရေးတွင် ရင်းနှီးမြှုပ်နှံထားသည့် အချိန်နှင့် အရင်းအမြစ်များကို လျှော့ချနိုင်ရမည်ဖြစ်သည်။ ရိုးရှင်းသောသွေးစစ်ခြင်းဖြင့် ဦးနှောက်ကင်ဆာဖြစ်ပွားမှုကို ရှာဖွေဖော်ထုတ်ရာတွင် အထောက်အကူဖြစ်စေမည့် ဆေးခန်းများအား ယုံကြည်စိတ်ချရသော အချက်အလက်များကို ပေးနိုင်ပါက အသက်ကယ်ဆယ်နိုင်မည်ဖြစ်သည်။

ဤအကြောင်းကြောင့် ClinSpec သုတေသီများသည် ခေါင်းကိုက်ခြင်း၏ အခြားအကြောင်းရင်းများနှင့် ခွဲခြား၍ ဖြစ်နိုင်သော ဦးနှောက်ကင်ဆာလူနာများကို ဆရာဝန်များအား ဖြစ်နိုင်ချေရှိသော ဦးနှောက်ကင်ဆာလူနာများကို ခွဲခြားသတ်မှတ်ပေးမည့် အယ်လဂိုရီသမ်တစ်ခုကို တီထွင်ရန် ရည်ရွယ်ခြင်းဖြစ်သည်။

ကင်ဆာကဲ့သို့သော ရောဂါများကို ရှာဖွေရာတွင် ဘုံနည်းလမ်းတစ်ခုမှာ တစ်သျှူးနမူနာများအစား ခန္ဓာကိုယ်၏ အရည်များကို အသားစယူစစ်ဆေးခြင်းဖြစ်ပြီး အရည်များကို အသားစယူစစ်ဆေးခြင်း ဖြစ်သည်။ BC Research LLC မှစျေးကွက်သုတေသနအရအရည်အသားစဥ်ခြင်းစျေးကွက်သည်လျင်မြန်စွာကြီးထွားနေပြီး၊ ခန့်မှန်းခြေဒေါ်လာ ၂.၄ ဘီလီယံဒေါ်လာအရွယ်အစားရှိသည်။ Liquid biopsy သည် ဆဲလ်ကင်းစင်သော လည်ပတ်နေသောအကျိတ် DNA သို့မဟုတ် ctDNA နှင့် လည်ပတ်နေသောအကျိတ်ဆဲလ်များ သို့မဟုတ် CRCs များကို သိရှိနိုင်သောကြောင့် ကင်ဆာ၏လက္ခဏာများကို ထောက်လှမ်းရာတွင် ထိရောက်ကြောင်း သက်သေပြပါသည်။ သို့သော်လည်း ClinSpec မှ သုတေသီများသည် ကင်ဆာရောဂါလက္ခဏာများကို ညွှန်ပြရန်အတွက် သွေးနမူနာများကို spectroscopy လုပ်ကာ ခွဲခြမ်းစိတ်ဖြာနည်းအမျိုးမျိုးကို အသုံးပြုခဲ့သည်။

Spectroscopy သည် ပစ်မှတ်ထားသော ဓာတုအစိတ်အပိုင်းအချို့ကို ရှာဖွေရန် လျှပ်စစ်သံလိုက်ဓာတ်ရောင်ခြည်ကို အသုံးပြုသည့် လုပ်ငန်းစဉ်ဖြစ်သည်။ အလင်းအား အစိတ်အပိုင်း လျှပ်စစ်သံလိုက် ကြိမ်နှုန်းများအဖြစ် ပိုင်းခြားပြီး အဆိုပါ ကြိမ်နှုန်းများသည် မတူညီသော ဓာတုပစ္စည်းများနှင့် ကွဲပြားစွာ တုံ့ပြန်မည်ဖြစ်သည်။ ClinSpec သုတေသနအဖွဲ့သည် သွေးနမူနာများ၏ ကိုယ်စားပြုမှုများကို ဖန်တီးရန် အနီအောက်ရောင်ခြည်ကို အသုံးပြုကာ အလင်းပြန်မှုစုစုပေါင်း (ATR)-Fourier အသွင်ပြောင်း အနီအောက်ရောင်ခြည် (FTIR) spectroscopy ဟုအမည်ပေးထားသည့် နည်းပညာတစ်ခုဖြစ်သည်။ အဆိုပါနည်းပညာသည် နမူနာကို အကျယ်တဝင့်ပြင်ဆင်ရန်မလိုအပ်ဘဲ နမူနာတစ်ခု၏ ဇီဝဓာတုပရိုဖိုင်ကို ယုံကြည်စိတ်ချစွာ ဖန်တီးပေးသည့် အဖျက်အဆီးမရှိ၊ ထိုးဖောက်မှုမရှိသော နည်းပညာတစ်ခုဖြစ်ကြောင်း သုတေသနအဖွဲ့မှ ပြောကြားခဲ့သည်။ ထို့နောက် သွေးနမူနာများ၏ ပုံသဏ္ဍာန်များကို ကွဲလွဲမှုများအတွက် ခွဲခြမ်းစိတ်ဖြာနိုင်ပြီး ကင်ဆာဖြစ်နိုင်ချေရှိသော လက္ခဏာများကို စစ်ဆေးနိုင်ပါသည်။

ဒေတာခွဲခြမ်းစိတ်ဖြာရန်အတွက် အမျိုးအစားခွဲခြင်းပုံစံတစ်ခုကို ဖန်တီးရန်အတွက် ပံ့ပိုးမှု vector စက်ကို အသုံးပြုခဲ့သည်။ ပံ့ပိုးမှု vector စက်များကို အမျိုးအစားခွဲခြင်းနှင့် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာခြင်းအတွက် အသုံးပြုကြပြီး ၎င်းတို့သည် ဆုံးဖြတ်ချက်ဘောင်များရေးဆွဲခြင်း သို့မဟုတ် ဒေတာအတွဲတစ်ခုကို အတန်းများစွာသို့ ခွဲထုတ်သည့်မျဉ်းများဖြင့် လုပ်ဆောင်ကြသည်။ အယ်လဂိုရီသမ်သည် မျဉ်း၏တစ်ဖက်တစ်ချက်ရှိ မျဉ်းတစ်ဖက်နှင့် ဒေတာအမှတ်များကြား အကွာအဝေးကို ချဲ့ထွင်ရန် ကြိုးပမ်းပြီး အကွာအဝေးပိုကြီးလေ အမျိုးအစားခွဲသူအား ယုံကြည်မှုပိုရှိလာလေဖြစ်သည်။

သွေးနမူနာများအတွက် ၎င်းတို့၏ ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်းသည် ကင်ဆာနမူနာများကို ကင်ဆာမဟုတ်သောနမူနာများနှင့် ထိရောက်စွာ ခွဲခြားနိုင်ခဲ့ကြောင်း သုတေသနအဖွဲ့မှ ပြောကြားခဲ့သည်။ အာရုံခံနိုင်စွမ်းနှုန်း 93.2% နှင့် တိကျမှုနှုန်း 92.8% ရှိခဲ့သည်။ MDDI Online ၏ အဆိုအရ သုတေသီများသည် မတူညီသော လူနာ ၁၀၄ ဦး၏ အုပ်စုမှ နမူနာများကို ခွဲခြမ်းစိတ်ဖြာသောအခါ ၎င်းတို့၏ AI-အကူအညီနည်းလမ်းသည် အချိန်၏ 104% ဝန်းကျင်တွင် ကင်ဆာရောဂါနှင့် ကျန်းမာသောလူနာများကို ခွဲခြားနိုင်ခဲ့ကြောင်း ဖော်ပြခဲ့သည်။

သုတေသီများက လေ့လာမှုတွင် ရှင်းပြခဲ့သည်။

“ဤအလုပ်သည် ဆေးခန်းသို့ ATR-FTIR spectroscopy ဘာသာပြန်ခြင်း၏ အဆင့်တစ်ဆင့်ကို တင်ဆက်သည်။ high-throughput ခွဲခြမ်းစိတ်ဖြာမှုဆီသို့ ဤခြေလှမ်းသည် IR spectroscopy နယ်ပယ်နှင့် လက်တွေ့ပတ်ဝန်းကျင်တွင် သက်ရောက်မှုရှိသည်။ ဤနည်းပညာကို အသုံးပြု၍ သွေးရည်ကြည်ကို ခွဲခြမ်းစိတ်ဖြာခြင်းသည် ဦးနှောက်ကင်ဆာအတွက် ကုသမှုဆိုင်ရာ ကိရိယာတစ်ခုအဖြစ် ဆေးခန်းသွားလမ်းတွင် စံနမူနာဖြစ်ပေလိမ့်မည်။"