ကွန်ပျူတာမကြာခင်မှာပဲလူသားတွေဟာထက်ကနျြးမာရေးစောင့်ရှောက်မှုမှာ သာ. ကောင်း၏ဖြစ်လာလိမ့်မည်နည်း

ခေတ်သစ်အသက်တာ၏အတော်များများကအတိုင်းအတာ ပို. ပို. ကျန်းမာရေးနှင့်ကျန်းမာအမျိုးမျိုးရှုထောင့်အပါအဝင်အတုထောက်လှမ်းရေးက powered လျက်ရှိသည်။ ဘယ်လောက်ကြာကွန်ပျူတာမတိုင်မီလူ့-ညွှန်ကြားကျန်းမာရေးကြားဝင် outperform နိုင်မလဲ? ဖြစ်ကောင်းဖြစ်နိုင်ပိုပြီးအရေးကြီးတာက, အဘယ်မျှကာလပတ်လုံးလူသားတစ်ဦးသူ့ကိုသို့မဟုတ်သူမ၏ဆက်ဆံဖို့ non-လူ့ယုံကြည်စိတ်ချဖို့လိုလိုလားလားရှိလိမ့်မည်မတိုင်မီ? ဤရွေ့ကားမေးခွန်းနှစ်ခုစက်သင်ယူမှုနည်းပညာနှင့်ကျန်းမာရေးစောင့်ရှောက်မှုအတွက်စက်ရုပ်များ၏အလားအလာအပေါ်ဆွေးနွေးငြင်းခုံအတွက် focal ဖြစ်လာပေလိမ့်မည်။

ကွန်ပျူတာများတစ်ခုတိုးလူ့ကဲ့သို့လမ်းထဲမှာ "ထင်" နိုငျသညျ။ ကျွန်တော်တို့ဟာကွန်ပျူတာနည်းပြနှင့်ကျန်းမာရေးစောင့်ရှောက်မှု၏အသက်အရွယ်ရောက်ရှိတော်မူကြောင်းကိုသိမြင်ကွန်ပျူတာ signal ကိုအတွက်အဆင်သင့်သို့မဟုတ်မ, မကြာသေးခင်ကဖြစ်ထွန်းမှုရှိမရှိ။

စာရင်းအင်းများကျန်းမာရေးဆိုင်ရာသတင်းအချက်အလက်များလေ့လာသုံးသပ်ခြင်း

ဒါဟာကျနော်တို့ပုဂ္ဂလိကနှင့်မကြာခဏ, ရငျးနှီးအချက်အလက်များ၏လူအမြိုးမြိုးကျွန်တော်တစ်ဦးဝယ်ယူစေခြင်းသို့မဟုတ်အင်တာနက်ကို browse အခါတိုင်းမျှဝေဖြစ်ကြောင်းအဘယ်သူမျှမလျှို့ဝှက်ချက်ဖြစ်ပါသည်။ ရိုးရှင်းစွာပေါ့ပေါ့အပြုအမူကိုခြေရာခံခြင်းဖြင့်ကျန်းမာရေးဖြစ်ရပ်များကြိုတင်ခန့်မှန်းနိုင်စွမ်းစိတ်ချမှုရှိစွာလက်လီပစ်မှတ်အမျိုးသမီးတစ်ဦးသည်သူမ၏စျေးဝယ်အလေ့အထများ-တစ်ခါတစ်ရံတွင်ပင်ရှကျကှဲဖို့ကိုယ်ဝန်သတင်းပေးပို့အပေါ်အခြေခံပြီးကိုယ်ဝန်ရှိခဲ့လျှင်သူတို့ uncanny တိကျမှန်ကန်မှုနှင့်အတူကြိုတင်ခန့်မှန်းနိုင်ကမ္ဘာကြီးကိုပြသတဲ့အခါမှာ 2012 ခုနှစ်ကပြန်သရုပ်ပြခဲ့သည် မိသားစုဝင်များ။

အတော်များများကကိုယ်ရေးကိုယ်တာအချက်အလက်အသေးစိတ်ကစာရင်းအင်းတဦးတည်းရဲ့အလေ့အထနှင့်ဝိသေသလက္ခဏာများသို့ပိုပြီးထိုးထွင်းသိမြင်မှုပေးနေတဲ့လုပ်ရိုးလုပ်စဉ်အခြေခံပေါ်မှာသုံးသပ်ရ။ အခြားသူတွေအဖွဲ့အစည်းများနှင့်ကုမ္ပဏီများကခိုးကြောင်ခိုးဝှက်ဖျော်ဖြေနိုင်ပါတယ်စဉ်ကဤအလေ့အကျင့်အချို့ကိုဆန္ဒအလျောက်နှင့်အသုံးပြုသူရဲ့အပြည့်အဝအသိအမြင်နှင့်ထောက်ခံမှုနှင့်အတူဖြစ်ပျက်။

Involuntarily အပြုအမူခြေရာခံအချို့ကျင့်ဝတ်နှင့်လူမှုရေးမေးခွန်းထုတ်။

အတော်များများကတစ်ဦးချင်းစီသည်ယခုအခါလွတ်လပ်စွာနှင့်အနောက်တိုင်းဝတ်စရာမှတဆင့်တစ်ဦးကျန်းမာရေးအန္တရာယ်အကဲဖြတ်မှတဆင့်ရှင်းလင်းပြတ်သားစွာခွဲဝေမှုမှတဆင့်အမျိုးမျိုးသောနည်းလမ်းတွေနဲ့သူတို့ရဲ့ပုဂ္ဂိုလ်ရေးကျန်းမာရေးသတင်းအချက်အလက်မျှဝေခြင်းနှင့်တစ်ခါတစ်ရံတွင်ပင်သတိလစ်လူမှုမီဒီယာ၏ရေးသားချက်များနှင့်ဝယ်အပြုအမူမှတဆင့်။

ဤအချက်အလက်ခွဲခြမ်းစိတ်ဖြာနှင့်အနက်နိုင်သည့်နှင့်အတူတိကျမှန်ကန်မှုကိုဘေးနှင့်အခွင့်အလမ်းများကိုနှစ်ဦးစလုံးအတွက်တိုးပွားလာနှင့်ဖြစ်နိုင်သည်နည်းပညာကျွန်တော်တို့ရဲ့ကျန်းမာရေး nudging နှင့်အပြုသဘောဆောင်သည့်နည်းလမ်းကောင်းစွာဖြစ်ခြင်းအတွက်အခန်းကဏ္ဍနိုင်တဲ့ခေတ်သစ်၏ရှေ့တန်းကိုအားမရဖြစ်ပါတယ်။

တစ်ကိုယ်ရေကျန်းမာရေးနှင့် Misdiagnosing ၏ပြဿနာဖြေရှင်းခြင်း

ဆရာဝန်များ '' ရောဂါရှာဖွေအမှားများကိုစိုးရိမ်စရာကြီးမားတဲ့ဧရိယာဖြစ်ကြသည်။ ပေါ့ဆမှုသို့မဟုတ်ရွေးချယ်စရာများပြားသောထည့်သွင်းစဉ်းစားရန်ပျက်ကွက်တဲ့ရလဒ်အဲဒီအမှားတွေလူနာနှင့်သူသို့မဟုတ်သူမ၏မိသားစုများအတွက်အကြီးအကျယ်ရှိနိုင်ပါသည်။ ဘာမင်ဂမ်မှာ Alabama အဘိဓါန်တက္ကသိုလ်ပါမောက္ခ Eta Berners နှင့် Northport VA သို့ Medical Center မှဒေါက်တာမာ့ခ်အယ်လ် Graber ဆေးဘက်ဆိုင်ရာရောဂါဖြစ်ပွားမှု၏ခန့်မှန်းခြေ 10 မှ 20 ရာခိုင်နှုန်းခန့်ရောဂါရှာဖွေမှုမှားယွင်းခဲ့သည်ကိုတွေ့ရှိခဲ့ပါတယ်။ Berners နှင့် Graber အကျိုးရှိစွာသိမြင်မှုဖြစ်စဉ်များမှန်ကန်သောရောဂါအချိန်အများစုမှာလုံခြုံကြောင်းထောက်ပြနေသည်။ သို့သော်ဤသိမြင်မှုဖြစ်စဉ်များပျက်ကွက်သည့်အခါကြိမ်ရှိပါတယ်။ Berners နှင့် Graber ရဲ့သုံးသပ်ချက်သမားရဲ့ overconfidence မကြာခဏဆေးဘက်ဆိုင်ရာအမှားများကိုတစ်ဦးပံ့ပိုးအကြောင်းမရှိဖြစ်နိုင်သည်ကိုပြသသည်။ ထို့အပြင်ကျန်းမာရေးသုတေသနနှင့်အရည်အသွေးများအတွက်အေဂျင်စီများကငွေကြေးထောက်ပံ့နေတဲ့အစီရင်ခံစာဖြစ်နိုင်သည်တစ်ဦးအသက်အန္တရာယ်ဖြစ်ရပ်ညွှန်း, ပြင်းထန်မှုအတွက်အဓိကဖြစ်ဖို့အားလုံးကိုအဖြေရှာတဲ့အမှားတွေ၏ 28 ရာခိုင်နှုန်းတွေ့ရှိခဲ့ပါတယ်။

Misdiagnosing ခွဲစိတ်မှားခန္ဓာကိုယ်အစိတ်အပိုင်းကိုမဖယ်ရှားမှမှားဆေးဝါးမညွှန်ကြားမှတစုံတခုကိုပါဝင်နိုင်ပါသည်။

ဤသည်စိုးရိမ်ဖွယ်ရာစာရင်းဇယားလက်ရှိပြဿနာကိုရိုးရှင်းစွာညီမျှခြင်းကနေလူ့အချက်ဖယ်ရှားခြင်းအားဖြင့်ဖြေရှင်းခြင်းကိုခံရနိုင်ကြောင်းငြင်းခုန်အချို့ဦးဆောင်လမ်းပြပါလိမ့်မယ်။ IBM ၏ Watson ဟာတူသောနည်းပညာယခုသတင်းအချက်အလက်ပိုပြီးလူသားဝါဒဖက်ရှင်အတွက်ဖန်တီးများနှင့်စဉ်းစားနိုင်မျှော်လင့်ချက်ကိုပူဇော်သက္ကာဘို့ဖြစ်ပါတယ်။ Watson ရဲ့မှတ်ဥာဏ်နည်းပညာပျက်ပြင်ဆင်ထားသည data တွေကိုခွဲခြမ်းစိတ်ဖြာဖို့စွမ်းရည်ရှိပါတယ်, သက်သေအထောက်အထား-based ဖြေရှင်းချက်တွေနဲ့ရှုပ်ထွေးမေးခွန်းများနှင့်ပစ္စုပ္ပန်အဆုံး-အသုံးပြုသူများကိုနားလည်ပါသည်။

Watson ကို real-ဘဝအခြေအနေများတွင်လျှောက်ထားသည့်အခါအမြဲအောင်မြင်သောသက်သေပြကြပြီမဟုတ်ထားတဲ့ကြိုတင်ခန့်မှန်းချက် algorithms, မြှင့်တင်ရန်ရည်ရွယ်သည်။

ကနျြးမာရေးနှငျ့ကြံ့ခိုင်ရေးကြားဝင်မှကြွလာသောအခါသို့သော်ဘယ်အရာကို Watson ရဲ့ခန့်မှန်းအလားအလာထက်ပိုမိုလိုက်စားနိုင်က၎င်း၏နည်းပညာ outperforming လူသားဖြစ်နိုင်ခြေဖြစ်ပါတယ်။

2015 ခုနှစ်, IBM က Watson ဟာဒီစီးပွားဖြစ်ကျန်းမာရေးစက်မှုလုပ်ငန်းအတွက်သိမြင်ကွန်ပျူတာများ၏ဆိုက်ရောက်ထုတ်ပြန်ကြေညာခဲ့သည်, CVS ကနျြးမာရေးနဲ့မဟာဗျူဟာမြောက်မိတ်ဖက်ပူးပေါင်းဖွဲ့စည်းခဲ့သည်။ ဒါဟာမကြာခင်ဆရာဝန်နှင့်ဆေးဝါးဥပမာ, အလိုအလျောက်လူနာရဲ့ကျန်းမာရေးအတွက်ကျဆင်းမှု detect နိုင်ကြောင်းနည်းပညာကိုအသုံးပြုခွင့်ရှိသည်မယ်လို့အကြံပြုသည်။

2016 ခုနှစ်တွင်လက်မှတ်ရေးထိုးခဲ့ခဲ့သောလက်အောက်တွင်ချပ်ဝတ်တန်ဆာများနှင့် IBM ကများအကြားတစ်ဦးကသဘောတူညီချက်, Watson ဟာနောက်ထပ်က၎င်း၏ကျန်းမာရေးပလက်ဖောင်းတည်ဆောက်ခြင်းနှင့်ဖွံ့ဖြိုးတိုးတက်ဖို့အခွင့်အလမ်းကိုပေးတော်မူ၏။ Apple ကလည်း၎င်း၏ HealthKit နှင့် ResearchKIT ဖှံ့ဖွိုးတိုးတပလက်ဖောင်းတိုးတက်အောင်၏ရည်ရွယ်ချက်မှာအတူ Watson ဟာပလက်ဖောင်းအတွက်သိသာထင်ရှားသောရင်းနှီးမြှုပ်နှံမှုဖန်ဆင်းတော်မူ၏။ ဂရန်းကြည့်ရန်သုတေသန Inc ကိုကအစီရင်ခံစာ၏အဆိုအရကမ္ဘာလုံးဆိုင်ရာကျန်းမာရေးစောင့်ရှောက်မှုသိမြင်ကွန်ပျူတာစျေးကွက် 2020 $ 5 ဘီလီယံကျော်ရောက်ရှိရန်ခန့်မှန်းထားသည်။

သိပ္ပံနည်းကျသုတေသနပြုလေ့လာမှုများလည်းဆေးပညာအမှားနှင့်ထိခိုက်မှုအန္တရာယ်ကို minimize လုပ်ဖို့နည်းပညာအသုံးပြုမှုထောက်ပံ့နေကြသည်။ ဒေါက်တာမာ့ခ်အယ်လ် Graber အီလက်ထရောနစ်ကျန်းမာရေးမှတ်တမ်းများကိုခွဲခြားစိတ်ဖြာနှင့်ကှာဟရှာဖွေနေခြင်းဖြင့်အဖြေရှာတဲ့အမှား၏အန္တရာယ်မှာအမှုပေါင်းခွဲခြားသတ်မှတ်နိုင်သည့်ဒါခေါ် "ခလုတ် tools များ" ၏အသုံးပြုမှုကိုအကြံပြုထားသည်။ ခလုတ် tools တွေအမျိုးမျိုးယခုအမေရိကန်ဆေးရုံများအတွက်အသုံးပြုသို့သော်သူတို့သည်အစဉ်မပြတ်အဖြေရှာတဲ့အမှားများကို detect မတတျနိုငျဖြစ်ကြ၏။ ထို့ကြောင့်, အားထုတ်မှုအဖြစ်ကောင်းစွာပိုကောင်းတားဆီးကာကွယ်ရေးကြားဝင်ဒီဇိုင်းလုပ်လျက်ရှိသည်။

တစ်ဦးကအလားအလာချဉ်းကပ်ဒေါက်တာ Hardeep Singh ကနှင့်သူ၏လုပ်ဖော်ကိုင်ဘက်များကပေးအပ်ခဲ့တာဖြစ်ပါတယ်။ သူတို့ဟာတစ်ခုခုကိုသူတို့ရဲ့ကနဦးစာမေးပွဲကာလအတွင်းလွဲချော်ခဲ့ကြအံ့သောငှါအကြံပြုခြင်း, သူတို့ရဲ့အဓိကစောင့်ရှောက်မှုခရီးစဉ်၏ 2 ပတ်အတွင်း unscheduled ဆေးရုံချိန်းရှိသည်သောလူနာခွဲခြားသတ်မှတ်နိုင်သောအီလက်ထရောနစ်ခလုတ်ဒီဇိုင်းရေးဆွဲ။ အတော်များများကကျွမ်းကျင်သူများကဤကဲ့သို့သောနည်းပညာအမှားများကိုတားဆီးကူညီဖို့သို့မဟုတ်အနည်းဆုံးသူတို့ကိုလျှော့ချရန်ကြိုးပမ်းအတွက်အာရုံစိုက်မှုမှသူတို့ကိုဆောင်ခဲ့ဦးမည်ကိုခန့်မှန်း။

Artificial Intelligence လက်ခံ

2015 ခုနှစ်, NHS အင်္ဂလန်၏ဥက္ကဋ္ဌဆာ Malcolm Grant က, ကဆေးဝါး personalize စောင့်ရှောက်မှု၏အရည်အသွေးအဖြစ်ကိုကြိုတင်တိုးတက်စေနိုင်ကြောင်းအဖြစ်အတုထောက်လှမ်းရေးကျန်းမာရေးစောင့်ရှောက်မှုအားဖြင့်လက်ခံသင့်ကြောင်း, မိမိအမြင်ထုတ်ဖော်ပြောကြားခဲ့သည်။ အတော်များများကကျန်းမာရေးပညာရှင်များကတည်းကဒီစိတ်ဓာတ်တွေသံယောင်ရှိသည်။ ယုံကြည်စိတ်ချရသောရောဂါနှင့် / သို့မဟုတ် data ကိုသတ္တုတူးဖော်ရေးမှတဆင့်ရောဂါရှာဖွေအမှားများကိုခွဲခြားသတ်မှတ်နိုင်နည်းပညာမနီးမဝေးကွာဖွယ်ရှိသည်။

ကနျြးမာရေးစောင့်ရှောက်ရေးကဏ္ဍသိမှုကွန်ပျူတာလက်ရှိနောက်ဆုံးဆုံးဖြတ်ချက်ချသို့မဟုတ်နှုန်း se သောလူသားမြားကိုအစားထိုးဖို့အကြံပေးအခန်းကဏ္ဍပိုမိုနှင့်မအသုံးပြုနေပါသည်။ Watson, ဥပမာ, တစ်ဦးချင်းစီနှင့်အဖွဲ့အစည်းများကပိုအဆင့်မြင့်နှင့်ခေတ်မီလက်တွေ့ဆုံးဖြတ်ချက်များချမှတ်နှင့်မကြာမီတစ်ဦးချင်းစီလက်အောက်တွင်ချပ်ဝတ်တန်ဆာတွေနဲ့ယင်း၏မိတ်ဖက်မှတဆင့်မိမိတို့၏ကြံ့ခိုင်မှုအဆင့်ဆင့်တိုးတက်ကောင်းမွန်အောင်ကူညီကြမည်ကူညီပေးသည်။ သို့ရာတွင်ထိုသို့ကွန်ပျူတာများစစ်တုရင်ကဲ့သို့ပညာတတ်အားကစားအတွက်ကြီးစိုးအင်အားစုအဖြစ်လူသားမြားသညျမှီနှင့်ကွန်ပျူတာအင်အားကြီးသာတိုးပွားလာသည်ဟုသာတိုတောင်းတဲ့အချိန်လွန်ခဲ့တဲ့ဖြစ်ခဲ့သည်။ ထို့ပြင်လူ့ဒြပ်စင်ဒါအလှမ်းဝေးကြောင့်တစ်ချိန်ကသလိုပဲအဖြစ်ကိုစောင့်ရှောက်မှုမရယူပြီးကွန်ပျူတာနှင့်စက်ရုပ်၏စိတ်ကူးအောင်, ကွန်ပျူတာများကို '' အပြောင်းအလဲနဲ့ဝိသေသလက္ခဏာများကိုထည့်သွင်းလျက်ရှိသည်။

> Sources

> Berners အီး, Graber အမ် Overconfidence ဆေးပညာအတွက် Diagnostic မှားယွင်းနေသည်တစ်ဦးအကြောင်းကြောင့်ဖြစ်သည်။ ဆေးပညာ၏အမေရိကန်ဂျာနယ်။ 2008; 121: S2-S23 ။

> Graber ML ။ ဆေးပညာအဖြေရှာတဲ့အမှား၏ဖြစ်ပွားမှု။ BMJ အရည်အသွေး & အန္တရာယ်ကင်းရှင်းရေး။ 2013; 22 (ပျော့ပျောင်း 2): ii21-ii27 ။ Doi: 10,1136 / bmjqs-2012-001615 ။

ဒစ်ဂျစ်တယ်ခေတ်အတွင်း> Lupton ဃကျန်းမာရေးမြှင့်တင်ရေး: အရေးပါသောဝေဖန်သုံးသပ်ချက်။ ကနျြးမာရေးမြှင့်တင်ရေးအင်တာနေရှင်နယ်။ 2015; 30, (1): 174-183

> Singh က H ကို, Giardina TD, Meyer AND, Forjuoh SN, Reis Singh က H ကို, Giardina TD, Meyer AND, Forjuoh SN, Reis MD, သောမတ်စ် EJ ။ မူလတန်းစောင့်ရှောက်မှုက Settings ထဲမှာ Diagnostic အမှားအမျိုးအစားများနှင့် Origins ။ ဂျေအေအမ်အေပြည်တွင်းရေးဆေးဝါး။ 2013; 173 (6): 418-425 ။

> Thompson ကအမ်ကျန်းမာရေးစောင့်ရှောက်မှုများနှင့်ကြီးမားသောအပြောင်းအလဲများကိုများအတွက်သိမြင်ကွန်ပျူတာအသင်းကိုတက်။ Econtent ။ 2015: 4-8 ။