Anima: GPT‑6၊ GPT‑Live ဖြင့် ဖုန်းစောင့်ချိန် 75% လျှော့

လူနာများ၏ တောင်းဆိုချက်များ၊ ဆေးကုသမှုဆိုင်ရာ စာများနှင့် ဆွေးနွေးတိုင်ပင်မှု မှတ်စုများအားလုံးကို ကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့များက သုံးသပ်ပြီး အရေးယူဆောင်ရွက်ရပါသည်။ ထိုအလုပ်များ စုပုံလာသည့်အခါ လူနာများသည် တုံ့ပြန်မှုရရန် ပိုမိုကြာရှည်စွာ စောင့်ဆိုင်းရနိုင်ပြီး အရေးကြီးသည့် အချက်အလက်များလည်း ကိုင်တွယ်ဆောင်ရွက်မည့်အလှည့်ကို စောင့်နေရနိုင်ပါသည်။

Anima⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ဤလုပ်ငန်းစဉ်များကို ပလက်ဖောင်းတစ်ခုတည်းတွင် စုစည်းထားပြီး စောင့်ရှောက်မှုအဖွဲ့များအတွက် လူနာရာဇဝင် စုဆောင်းခြင်း၊ စာရွက်စာတမ်း စီမံဆောင်ရွက်ခြင်းနှင့် ဆေးကုသမှုမှတ်စု မူကြမ်းရေးခြင်းတို့ကို အထူးပြု AI အဖွဲ့ဝင်များက ကူညီလုပ်ဆောင်ပေးပါသည်။ ကျန်းမာရေးစောင့်ရှောက်မှုသည် လိုအပ်ချက်နှင့်အညီ ဖြစ်သင့်သည်ဟူသော ယုံကြည်ချက်ဖြင့် လူတိုင်းအတွက် တစ်ဦးချင်းနှင့် ကိုက်ညီသည့် ကျန်းမာရေးစောင့်ရှောက်မှု ပေးနိုင်ရန် ရည်မှန်းထားပါသည်။

Anima ကို ယူကေတွင် စတင်ခဲ့ပြီး ယခုအခါ ထိုနိုင်ငံရှိ ဆေးခန်း ၁,၀၀၀ ကျော်မှ လူနာ ၁၄ သန်းကျော်ကို ဝန်ဆောင်မှုပေးကာ တစ်လလျှင် လူနာကိစ္စ ၈၀၀,၀၀၀ ကျော်ကို ကိုင်တွယ်ဆောင်ရွက်ပေးနေပါသည်။ အမေရိကန်၊ ဩစတြေးလျနှင့် အခြားနိုင်ငံများသို့လည်း တိုးချဲ့နေပါသည်။ ကုမ္ပဏီသည် စာရွက်စာတမ်း လုပ်ငန်းစဉ်များအတွက် GPT‑6 မော်ဒယ်များနှင့် ဖုန်းခေါ်ဆိုမှုများအတွက် GPT‑Live ကို အသုံးပြုပါသည်။ ရင်းမြစ်ကုဒ်ပိတ်နှင့် ရင်းမြစ်ကုဒ်ဖွင့် မော်ဒယ်အားလုံးကို စွမ်းဆောင်ရည် စမ်းသပ်နှိုင်းယှဉ်ပြီးနောက် OpenAI ကို ရွေးချယ်ခဲ့ကြောင်း Anima ၏ အမှုဆောင်အရာရှိချုပ်နှင့် ပူးတွဲတည်ထောင်သူ Shun Pang က ပြောပါသည်။

Anima ကို မတည်ထောင်မီ Shun သည် ဆေးကုသမှု လက်တွေ့သင်တန်း တက်ခဲ့ပါသည်။ ထိုစဉ်က လူနာတစ်ဦး၏ ပုံမှန်မဟုတ်သော စစ်ဆေးမှုရလဒ်များမှာ ခြောက်လကြာ ကိုင်တွယ်ဆောင်ရွက်မည့်အလှည့်ကို စောင့်နေရသဖြင့် အသက်ကယ်တင်ပေးနိုင်ဖွယ်ရှိသည့် ကုသမှုကို ထိုလူနာ လက်လွတ်ဆုံးရှုံးခဲ့ရသည်ကို သူတွေ့ခဲ့ပါသည်။ ကျန်းမာရေးစောင့်ရှောက်မှု၏ ပြဿနာမှာ ဆေးပညာမဟုတ်ဘဲ စနစ်အတွင်း အချက်အလက်များ စီးဆင်းပုံကြောင့် ဖြစ်သည်ဟု သူ ယုံကြည်လာခဲ့ပါသည်။ စောင့်ရှောက်မှုအဖွဲ့များက လူနာများ၏ လိုအပ်ချက်ကို ပိုမိုဖြည့်ဆည်းပေးနိုင်ရန် သူသည် Anima ကို တည်ဆောက်ခဲ့ပါသည်။ ပလက်ဖောင်းသည် လူနာများ၏ တောင်းဆိုချက်များ၊ ဆေးကုသမှုဆိုင်ရာ စာရွက်စာတမ်းများနှင့် နောက်ဆက်တွဲ လုပ်ဆောင်ရမည့်အလုပ်များကို တစ်နေရာတည်းတွင် စုစည်းပေးပါသည်။

Anima ၏ AI ဧည့်ကြို Andi ကို GPT‑Live အခြေခံဖြင့် တည်ဆောက်ထားပါသည်။ လူနာများက ၎င်းတို့၏ လက္ခဏာများကို Andi ထံ ဖုန်းမှတစ်ဆင့် ပြောပြနိုင်ပါသည်။ ထိုအခါ Anima ၏ ကိုယ်ပိုင် စည်းမျဉ်းစနစ်က ကြိုတင်သတ်မှတ်ထားပြီး ဆေးဘက်ဆိုင်ရာ အတည်ပြုချက်ရရှိထားသော လူနာအချက်အလက် လက်ခံစုဆောင်းသည့် လုပ်ငန်းစဉ်များအတိုင်း စကားဝိုင်းကို ဦးဆောင်ပေးပါသည်။ ထို့နောက် GPT‑5.4 mini က သင့်လျော်သည့် မေးခွန်းလွှာကို ရွေးချယ်ပေးပြီး စုဆောင်းပြီးစီးသည့် ဆေးဘက်ဆိုင်ရာ ရာဇဝင်သည် ဆေးခန်းဒက်ရှ်ဘုတ်တွင် စနစ်တကျ ဖွဲ့စည်းထားသော လူနာကိစ္စတစ်ခုအဖြစ် ပေါ်လာပါသည်။ ဆရာဝန်များနှင့် ဆေးခန်းဝန်ထမ်းများက ထိုနေရာမှပင် လူနာကိစ္စကို သုံးသပ်ပြီး ဆက်လက်ဆောင်ရွက်နိုင်ပါသည်။

Andi အသုံးပြုသည့် ဆေးခန်းများတွင် ဖုန်းစောင့်ဆိုင်းချိန်ကို မိနစ် ၄၀ မှ ၅၀ အစား ၁၀ မိနစ်အထိ လျှော့ချနိုင်ခဲ့ကြောင်း၊ အနည်းဆုံး ၇၅% လျော့ကျခဲ့ခြင်းဖြစ်ကြောင်း Anima က ဖော်ပြပါသည်။ Anima ၏ လူနာစစ်တမ်းများတွင် ၈၆% က Andi ကို ထပ်မံအသုံးပြုမည်ဟု ဖြေကြားခဲ့ပါသည်။ စိတ်ကျေနပ်မှု အများဆုံးရရှိသည့် အသုံးပြုသူများတွင် အသက် ၈၀ ကျော်နှင့် ၉၀ ကျော်အရွယ်များလည်း ပါဝင်ကြောင်း Anima က တွေ့ရှိခဲ့ပါသည်။ “သူတို့က အသံနဲ့ ဆက်သွယ်နိုင်တဲ့ အေးဂျင့်နဲ့ စကားပြောရတာ အရမ်းသဘောကျကြတယ်” ဟု Shun က ပြောပါသည်။ “အဲဒီအေးဂျင့်က အတိုင်းအဆမရှိ စိတ်ရှည်ပြီး အရမ်းယဉ်ကျေးတယ်။”

Anima ၏ Documents ထုတ်ကုန်သည် GPT‑6 မော်ဒယ်များကို အသုံးပြု၍ ဝင်လာသည့် ဆေးကုသမှုဆိုင်ရာ စာရွက်စာတမ်းများမှ ပေးပို့သူ၊ လက်ခံသူ၊ စာရွက်စာတမ်းအမျိုးအစားနှင့် ဖြစ်ရပ်ရက်စွဲများကဲ့သို့သော အချက်အလက်များကို ထုတ်ယူပါသည်။ ထို့နောက် အဆင့်ဆင့် စီမံဆောင်ရွက်သည့် လုပ်ငန်းစဉ်က စာရွက်စာတမ်းတစ်ခုစီကို သက်ဆိုင်ရာ လူနာနှင့် တွဲဖက်ပေးကာ သင့်လျော်သည့် ဆေးဘက်ဆိုင်ရာ ကုဒ်များကို ဖော်ထုတ်ပြီး ဆေးခန်းဝန်ထမ်းများ သုံးသပ်ရန် နောက်တစ်ဆင့် ဆောင်ရွက်သင့်သည်များကို အကြံပြုပေးပါသည်။

ဆေးဘက်ဆိုင်ရာ ကုဒ်သတ်မှတ်ခြင်းမှာ ဖြေရှင်းရန် အခက်ခဲဆုံး နည်းပညာပြဿနာများထဲမှ တစ်ခုဖြစ်ကြောင်း တွေ့ရှိခဲ့ပါသည်။ “အသုံးပြုနိုင်တဲ့ SNOMED ကုဒ်ပေါင်း ၈၀၀,၀၀၀ လောက် ရှိပါတယ်” ဟု Anima ၏ အင်ဂျင်နီယာအဖွဲ့ခေါင်းဆောင် Michael Skupien က ပြောပါသည်။ “အဲဒီထဲက အနည်းငယ်ကိုပဲ ပုံမှန်သုံးကြပေမဲ့ ဘယ်ကုဒ်ကို သုံးမယ်ဆိုတာ ဆေးခန်းတစ်ခုနဲ့တစ်ခု ဆုံးဖြတ်ပုံ မတူကြပါဘူး။”

ဆေးခန်းများကို စနစ်ဆက်တင် သတ်မှတ်ခိုင်းခြင်း သို့မဟုတ် ဖောက်သည်တစ်ဦးစီအတွက် သီးခြားမော်ဒယ်များကို ထပ်မံလေ့ကျင့်ညှိယူခြင်းအစား Anima သည် ပေးထားသည့် အကြောင်းအရာမှ သင်ယူသည့်နည်းလမ်းကို အသုံးပြု၍ မော်ဒယ်၏ ဆုံးဖြတ်ချက်များကို ဆေးခန်းတစ်ခုစီနှင့် ကိုက်ညီအောင် ပြုလုပ်ပါသည်။ ဤနည်းလမ်းအတွက် ညွှန်ကြားချက်များကို တသမတ်တည်း လိုက်နာနိုင်သည့် မော်ဒယ်များ လိုအပ်ပါသည်။

Anima ၏ အဆိုအရ ယခင်က တစ်နာရီလျှင် စာရွက်စာတမ်း ၁၅ ခုခန့် စီမံဆောင်ရွက်နိုင်သည့် ဆေးခန်းများသည် ယခုအခါ ပုံမှန်အားဖြင့် ၃၀ မှ ၄၅ ခုအထိ ဆောင်ရွက်နိုင်ပါသည်။ စွမ်းဆောင်ရည်အကောင်းဆုံး ဆေးခန်းများကမူ ၄၅ မှ ၆၀ ခုအထိ ဆောင်ရွက်နိုင်ပါသည်။ “Anima ကို စသုံးပြီး ရက်ပိုင်းအတွင်းမှာပဲ စုပုံနေတဲ့ စာရွက်စာတမ်း ၁၀၀,၀၀၀ ကျော်ကို ဆေးခန်းတွေ ရှင်းလင်းဆောင်ရွက်နိုင်ခဲ့တာ တွေ့ရပါတယ်” ဟု Shun က ပြောပါသည်။ “ဒါကြောင့် အရေးကြီးတဲ့ နောက်ဆုံးအချက်အလက်တွေနဲ့ ဆေးဝါးပြောင်းလဲမှုတွေက လနဲ့ချီပြီး အလှည့်စောင့်နေရမယ့်အစား ကုသပေးတဲ့ ဆရာဝန်တွေဆီ အချိန်မီ ရောက်သွားပါတယ်။”

လူနာများက အရေးကြီးသည့် အချက်အလက်များကို ပြောပြနေချိန်တွင် ဆရာဝန်များသည် နားထောင်ခြင်းနှင့် ဆေးမှတ်တမ်းအတွက် မှတ်စုရေးခြင်းတို့ကို အာရုံခွဲပြီး လုပ်ဆောင်ရပါသည်။ Anima သည် ဆွေးနွေးတိုင်ပင်မှု စကားပြောမှတ်တမ်းများကို စနစ်တကျ ဖွဲ့စည်းထားသော ဆေးကုသမှုမှတ်စုများအဖြစ် ပြောင်းလဲရန် Scribe ထုတ်ကုန်ကို GPT 5.6 Luna ဖြင့် တည်ဆောက်ခဲ့ပါသည်။ ထို့နောက် ထိုဆေးကုသမှုအကြောင်းအရာကိုပင် ပြန်အသုံးပြု၍ လွှဲပြောင်းကုသရန်စာများနှင့် လူနာထံပေးပို့မည့် နောက်ဆက်တွဲစာများကို မူကြမ်းရေးပေးပါသည်။

ဆရာဝန်သည် လူနာနှင့်တွေ့ဆုံချိန်တစ်လျှောက် စာရိုက်နေမည့်အစား လူနာကို ပိုမိုအာရုံစိုက်နိုင်ပါသည်။ ယခင်က ရေးသားရန် မိနစ်အနည်းငယ်ကြာသည့် ဆွေးနွေးတိုင်ပင်မှု မှတ်စုများကို ယခုအခါ ကုသသူ သုံးသပ်နိုင်ရန် စက္ကန့်ပိုင်းအတွင်း မူကြမ်းရေးပေးနိုင်ကြောင်း Anima က ဖော်ပြပါသည်။ ရေးသားရန် ၅ မိနစ်မှ ၁၅ မိနစ်အထိ ကြာလေ့ရှိသည့် လွှဲပြောင်းကုသရန်စာများကိုလည်း ဆွေးနွေးတိုင်ပင်မှုနှင့် လူနာမှတ်တမ်းအပေါ် အခြေခံ၍ စက္ကန့်ပိုင်းအတွင်း မူကြမ်းရေးပေးနိုင်ပြီး ကုသသူက အသင့်သုံးသပ်နိုင်ပါသည်။

“ဆွေးနွေးတိုင်ပင်ပြီး မကြာခင်မှာပဲ လူနာတွေက ရှင်းလင်းတဲ့ နောက်ဆက်တွဲစာတွေ ရရှိတာကြောင့် စိတ်ပူပန်မှု လျော့ပြီး ဆွေးနွေးထားတာတွေကို ပိုမှတ်မိနိုင်ပါတယ်” ဟု Shun က ပြောပါသည်။ “အခုဆို ဆရာဝန်တွေက ည ၈ နာရီ၊ ၉ နာရီအထိ အလုပ်လုပ်ရမယ့်အစား အချိန်မီ အလုပ်ပြီးကြတယ်လို့ မကြာခဏ ကြားရပါတယ်။”

Anima ၏ ရည်မှန်းချက်မှာ လူတိုင်းအတွက် တစ်ဦးချင်းနှင့် ကိုက်ညီသည့် ကျန်းမာရေးစောင့်ရှောက်မှု ပေးနိုင်ရန် ဖြစ်ပါသည်။ ထိုသို့ဖြစ်လာရန် စောင့်ရှောက်မှုအဖွဲ့များသည် လူတစ်ဦးစီ၏ လိုအပ်ချက်များကို နားလည်ပြီး ကုသစောင့်ရှောက်မှုကာလ တစ်လျှောက်လုံး ဖြည့်ဆည်းပေးနိုင်မည့် အချက်အလက်၊ အချိန်နှင့် လုပ်ဆောင်နိုင်စွမ်းတို့ ရှိရန် လိုအပ်ပါသည်။

OpenAI မော်ဒယ်များကို အသုံးပြုသည့် ၎င်း၏လုပ်ငန်းများက ထိုရည်မှန်းချက်ဆီသို့ လက်တွေ့ကျကျ တစ်ဆင့်ချင်း လျှောက်လှမ်းနိုင်ရန် အထောက်အကူပြုပါသည်။ Andi က ဖုန်းမှတစ်ဆင့် အချက်အလက်များ စုဆောင်းပြီး ဝန်ထမ်းများ ကိုင်တွယ်ဆောင်ရွက်နိုင်ရန် စနစ်တကျ ဖွဲ့စည်းထားသည့် တောင်းဆိုချက်များအဖြစ် ပြောင်းလဲပေးပါသည်။ Documents က ဝင်လာသည့် ဆေးကုသမှုဆိုင်ရာ အချက်အလက်များကို အဖွဲ့များ စီမံဆောင်ရွက်နိုင်ရန် ကူညီပေးပါသည်။ Scribe က ကုသသူများ သုံးသပ်ရန် မှတ်စုများနှင့် နောက်ဆက်တွဲ ဆက်သွယ်ပေးပို့မည့်စာများကို မူကြမ်းရေးပေးပါသည်။

၎င်း၏ ပလက်ဖောင်းတစ်ခုလုံးရှိ လူနာကိစ္စအများစုကို ၂၄ နာရီအတွင်း ဖြေရှင်းပေးနိုင်ပြီး ဖြေရှင်းချိန်၏ အလယ်ကိန်းမှာ ခန့်မှန်းခြေ ၃.၅ နာရီ ဖြစ်ကြောင်း Anima က ဖော်ပြပါသည်။ “OpenAI ရဲ့ မော်ဒယ်တွေ အကူအညီနဲ့ ယူကေက လူနာ ၁၄ သန်းအတွက် ကြီးမားတဲ့ အကျိုးသက်ရောက်မှုကို ဖန်တီးပေးနေပါတယ်” ဟု Shun က ပြောပါသည်။ “ဒါက လူနာတွေနဲ့ ဆေးခန်းတွေအတွက် တကယ်ပဲ မရှိမဖြစ် အရေးပါပါတယ်။”

Anima သည် ယနေ့တွင် အဖွဲ့များ ပိုမိုစောင့်ရှောက်ပေးနိုင်ရန် အချိန်နှင့် အခွင့်အလမ်း ဖန်တီးပေးပြီး အနာဂတ်အတွက် ကုသစောင့်ရှောက်မှု လမ်းကြောင်းများနှင့် ဝန်ဆောင်မှုများ တည်ဆောက်နိုင်ရန်လည်း ကူညီပေးပါသည်။