Boston Children’s က ရောဂါအသစ်များ ဖော်ထုတ်ရန် AI ကို အသုံးပြု

Boston Children’s Hospital သည် နည်းပညာအသစ်ကို စမ်းသပ်ရန်သက်သက်အတွက် ဉာဏ်ရည်တုကို အသုံးချခဲ့ခြင်း မဟုတ်ပါ။ ဆေးရုံသည် စောင့်ရှောက်မှုပေးပို့ပုံကို တိုးတက်စေရန်၊ အထူးသဖြင့် ရှုပ်ထွေးပြီး ရှားပါးအခြေအနေများရှိသော ကလေးလူနာများအတွက် ၎င်း၏ ဆေးခန်းနှင့် လုပ်ငန်းလည်ပတ်မှု အခြေခံအဆောက်အအုံ၏ အဓိကအစိတ်အပိုင်းအဖြစ် AI ကို အဖွဲ့အစည်းတစ်လျှောက် ထည့်သွင်းအသုံးပြုခဲ့သည်။ AI ကို နေ့စဉ် workflow များထဲ ပေါင်းစည်းခြင်းဖြင့် အဖွဲ့သည် လုပ်ငန်းလည်ပတ်မှု ကုန်ကျစရိတ်များကို လျှော့ချနိုင်ခဲ့ပြီး၊ စောင့်ရှောက်မှုရယူနိုင်မှုကို တိုးတက်စေကာ ယခင်က မဖြေရှင်းနိုင်ခဲ့သည့် ရှားပါးအခြေအနေ ၄၀ ကျော်ကို ရောဂါရှာဖွေရန် ကူညီနိုင်ခဲ့သည်။

Boston Children’s Hospital သည် ကမ္ဘာ့အကြီးဆုံး ကလေးဆေးကုသရေး အဖွဲ့အစည်းများထဲမှ တစ်ခုဖြစ်ပြီး အထူးကုနယ်ပယ် ၄၀ ကျော်တွင် လူနာများကို ဝန်ဆောင်မှုပေးကာ နှစ်စဉ် ပြင်ပလူနာ လာရောက်မှု ၁ သန်းနီးပါးရှိသည်။

ကျန်းမာရေးစနစ်အများအပြားကဲ့သို့ပင် ၎င်းသည် တိုးလာနေသော စီမံခန့်ခွဲရေးဝန်ကို ကိုင်တွယ်ရင်း တင်းကျပ်သည့် ဘဏ္ဍာရေးကန့်သတ်ချက်များအောက်တွင် လည်ပတ်နေသည်။ ထောက်ပံ့ရေးကွင်းဆက်၊ ငွေတောင်းခံမှုနှင့် လုပ်ငန်းလည်ပတ်မှုအဖွဲ့များသည် အဝင်ငွေတောင်းခံလွှာများ စီမံဆောင်ရွက်ခြင်းမှ အချိန်ဇယားများ ညှိနှိုင်းခြင်းအထိ ထပ်ခါတလဲလဲလုပ်ငန်းများ များပြားစွာကို ကိုင်တွယ်ကြသည်။ ဤလုပ်ငန်းစဉ်များသည် လိုအပ်သော်လည်း အချိန်များစွာယူကာ ဝန်ထမ်းများကို ပိုတန်ဖိုးမြင့်သော အလုပ်များမှ ခွဲထုတ်စေသည်။

တစ်ချိန်တည်းမှာပင် ဆေးခန်းအဖွဲ့များသည် အကန့်အသတ်တစ်မျိုးနှင့် ရင်ဆိုင်ရသည်။ ရှားပါးရောဂါ ဖြစ်ရပ်များတွင် မကြာခဏ ပြန့်ကြဲနေသော မျိုးဗီဇဒေတာ၊ မပြည့်စုံသော ဆေးခန်းမှတ်တမ်းများနှင့် အလွန်များပြားသော ဆေးပညာစာပေများ ပါဝင်နေတတ်သည်။ ဦးဆောင်သုတေသနအဖွဲ့အစည်းတစ်ခုတွင်ပင် ဆရာဝန်များသည် ရောဂါရှာဖွေမှုတိုင်းသို့ ရောက်ရှိရန် ထိုအချက်အလက်အားလုံးကို လုံလောက်မြန်ဆန်စွာ ပေါင်းစပ်သုံးသပ်နိုင်ခြင်း မရှိပါ။

“ပြဿနာက ကြိုးစားအားထုတ်မှု မဟုတ်ပါဘူး” ဟု Boston Children’s ၏ Chief Innovation Officer ဖြစ်သူ John Brownstein က ဆိုသည်။ “လူသားရဲ့ သိမှုစွမ်းရည် အကန့်အသတ်တွေပါ။”

Boston Children’s သည် မှတ်တမ်းပြုစုရေးနှင့် ဘာသာပြန်ရေးကိရိယာများ အပါအဝင် တစ်ခုချင်းစီသော AI အသုံးချမှုများဖြင့် စတင်ခဲ့သည်။ သို့သော် ထိုအစောပိုင်းကြိုးပမ်းမှုများက ပြန့်ကြဲနေသော ချဉ်းကပ်မှု၏ အကန့်အသတ်များကို လျင်မြန်စွာ ဖော်ပြခဲ့သည်။

“တစ်ခါသုံးဖြေရှင်းချက်တွေကိုပဲ မှီခိုလို့ မရပါဘူး” ဟု Brownstein က ဆိုသည်။

ဆေးရုံသည် Brownstein က လုပ်ငန်းအဆင့် AI အလွှာဟု ခေါ်သောအရာကို တည်ဆောက်ရန် ပြောင်းလဲခဲ့သည်။ ၎င်းမှာ သုတေသန၊ ဆေးခန်းနှင့် စီမံခန့်ခွဲရေးအဖွဲ့များတစ်လျှောက် အသုံးပြုသည့် လုံခြုံသော အတွင်းပိုင်း ChatGPT ပတ်ဝန်းကျင်ဖြစ်သည်။ AI ကို ကိရိယာများစုစည်းမှုတစ်ခုအဖြစ် သဘောထားမည့်အစား အဖွဲ့အစည်းသည် စွမ်းရည်အသစ်များကို လျင်မြန်စွာ ဖွံ့ဖြိုးတိုးတက်စေပြီး ဖြန့်ကျက်အသုံးပြုနိုင်သည့် မျှဝေသုံးစွဲသော အခြေခံအုတ်မြစ်တစ်ခုကို ဖန်တီးခဲ့သည်။

ဤစနစ်က အတွင်းပိုင်းဒေတာရယူခြင်း၊ ဆေးပညာစာပေများ ပေါင်းစပ်သုံးသပ်ခြင်း သို့မဟုတ် workflow များကို ချောမွေ့စေခြင်းဖြစ်စေ အဖွဲ့များကို ၎င်းတို့၏ တာဝန်များနှင့် တိုက်ရိုက်သက်ဆိုင်သော နည်းလမ်းများဖြင့် AI နှင့်အတူ အလုပ်လုပ်နိုင်စေသည်။ လုံခြုံရေး၊ စောင့်ကြည့်မှုနှင့် တသမတ်တည်း အကဲဖြတ်မှုတို့ကို သေချာစေရန် အုပ်ချုပ်မှုဖွဲ့စည်းပုံများကို နည်းပညာနှင့်အတူ တည်ဆောက်ခဲ့သည်။

ဤပြောင်းလဲမှုက ဆန်းသစ်တီထွင်မှု၏ အရှိန်ကို ပြောင်းလဲစေခဲ့သည်။ တစ်ချိန်က ရှည်လျားသော ဖွံ့ဖြိုးရေးစက်ဝန်းများ လိုအပ်ခဲ့သည့် ကိရိယာများကို ယခု ရက်ပိုင်းအတွင်း ဖြန့်ကျက်အသုံးပြုနိုင်ပြီး အဖွဲ့အစည်းကို လုပ်ငန်းလည်ပတ်မှု လိုအပ်ချက်များနှင့် ဆေးခန်းလိုအပ်ချက်များ နှစ်မျိုးလုံးကို လျင်မြန်စွာ တုံ့ပြန်နိုင်စေသည်။

ယနေ့တွင် ဝန်ထမ်း သုံးပုံတစ်ပုံကျော်သည် ဆေးခန်း၊ သုတေသနနှင့် စီမံခန့်ခွဲရေးလုပ်ငန်းများအထိ ကျယ်ပြန့်စွာ ၎င်းတို့၏နေ့စဉ်အလုပ်၏ အစိတ်အပိုင်းအဖြစ် AI ကို အသုံးပြုနေကြသည်။

Boston Children’s သည် AI က တိုင်းတာနိုင်သော လုပ်ငန်းလည်ပတ်မှု အကျိုးသက်ရောက်မှု ပေးနိုင်သည့် နယ်ပယ်များကို ပထမဦးစွာ အာရုံစိုက်ခဲ့သည်။ ထောက်ပံ့ရေးကွင်းဆက် လုပ်ငန်းလည်ပတ်မှုများတွင် AI သည် ယခု အဝင်ငွေတောင်းခံလွှာ လက်ခံခြင်း၊ လမ်းကြောင်းခွဲဝေခြင်းနှင့် တုံ့ပြန်ခြင်းတို့ကို စီမံနေသည်။

တစ်ပြိုင်နက်တည်းတွင် ဆေးရုံသည် ခွဲစိတ်မှုအချိန်ဇယားရေးဆွဲရေးတွင် AI ကို အသုံးချခဲ့သည်။ ဆေးခန်းမှတ်စုများကို ခွဲခြမ်းစိတ်ဖြာပြီး လူနာ၏ ပြင်းထန်မှုအဆင့်ကို ခန့်မှန်းခြင်းဖြင့် စနစ်သည် ခွဲစိတ်ခန်းအချိန် ခွဲဝေပုံကို တိုးတက်စေသည်။ ထို့ကြောင့် အချိန်ဇယားများကို ပိုမိုကြိုတင်စီစဉ်နိုင်ပြီး အသုံးချနိုင်မှုကို တိုးစေကာ လူနာများပိုများစွာကို လိုအပ်သော စောင့်ရှောက်မှုကို ပိုမြန်စွာ ရရှိစေသည်။

ထို့အပြင် ဆရာဝန်များသည် ဆုံးဖြတ်ချက်ပံ့ပိုးမှုနှင့် ရှုပ်ထွေးသော ဆေးခန်းအချက်အလက်များ ပေါင်းစပ်သုံးသပ်ရန် AI ကို အသုံးပြုကြသည်။ သုတေသီများက ၎င်းကို ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် cohort တည်ဆောက်မှုတွင် အသုံးချကြသည်။ စီမံခန့်ခွဲရေးအဖွဲ့များသည် စာရွက်စာတမ်းမူကြမ်းရေးခြင်း၊ ကုဒ်ရေးခြင်းနှင့် workflow များ တိုးတက်စေခြင်းအတွက် ၎င်းကို မှီခိုအသုံးပြုကြသည်။

အဖွဲ့အစည်းသည် ဤပြောင်းလဲမှုများကို တိုင်းတာနိုင်သော ရလဒ်များနှင့် တိုက်ရိုက်ချိတ်ဆက်ထားသည်။ အလိုအလျောက်လုပ်ဆောင်မှု ၅၀ ကျော်တစ်လျှောက် Boston Children’s သည် အချိန်ချွေတာမှု နာရီ ၆၀,၀၀၀ ခန့် ရရှိထားပြီး ၎င်းမှာ ပြန်လည်နေရာချထားနိုင်သော လုပ်အား ဒေါ်လာ ၇ သန်းကျော်နှင့် ညီမျှသည်။

အဖွဲ့အစည်းသည် AI ကို သီးခြားအစပျိုးမှုတစ်ခုအဖြစ် မိတ်ဆက်ခြင်းထက် နေ့စဉ်အလုပ်နှင့် သက်ဆိုင်စေရန် အာရုံစိုက်ထားသည်။

“ဒီမှာ အဓိကက လူတွေရှိနေတဲ့နေရာမှာပဲ သူတို့ကို တွေ့ဆုံပေးဖို့ပါ” ဟု Brownstein က ဆိုသည်။

လုပ်ငန်းလည်ပတ်မှု တိုးတက်မှုများနှင့်အတူ Boston Children’s သည် ဆေးခန်းရှာဖွေတွေ့ရှိမှုအတွက် AI တွင် ရင်းနှီးမြှုပ်နှံခဲ့သည်။ ဆေးရုံသည် မျိုးဗီဇဒေတာ၊ phenotypic အချက်အလက်နှင့် ကမ္ဘာလုံးဆိုင်ရာ ဆေးပညာစာပေများကို ပေါင်းစည်းရန် ဒီဇိုင်းထုတ်ထားသည့် “co-pilot geneticist” ဟု ၎င်းဖော်ပြသောစနစ်ကို တီထွင်ခဲ့သည်။

ဤစနစ်သည် ဆေးပညာတွင် အခက်ခဲဆုံး စိန်ခေါ်မှုများထဲမှ တစ်ခုဖြစ်သော နှစ်များစွာ ရှင်းပြချက်မရခဲ့သည့် ရှားပါးရောဂါများကို ရောဂါရှာဖွေခြင်းကို ကိုင်တွယ်ဖြေရှင်းသည်။

ဤလုပ်ငန်း၏ ရလဒ်အဖြစ် ယခင်က မဖြစ်နိုင်ဟု ထင်ခဲ့သည့် ရောဂါရှာဖွေမှု ၄၀ ကျော်ကို ယနေ့အထိ ပြုလုပ်နိုင်ခဲ့သည်။ ဤလုပ်ငန်းက မျိုးဗီဇပစ်မှတ်အသစ်များနှင့် ဖြစ်နိုင်ချေရှိသော ကုသရေးလမ်းကြောင်းများကိုလည်း ဖော်ထုတ်နိုင်စေခဲ့သည်။

“တစ်ချိန်က အဖြေမရခဲ့တဲ့ မိသားစုတွေကို ရောဂါရှာဖွေမှု ပေးနိုင်ဖို့ မျိုးဗီဇအချက်အလက်၊ phenotypic အချက်အလက်၊ စာပေရှာဖွေမှုနဲ့ AI ရဲ့ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်တို့ကို ပေါင်းစပ်ပါတယ်” ဟု Brownstein က ဆိုသည်။

လူနာများနှင့် မိသားစုများအတွက် အကျိုးသက်ရောက်မှုသည် ချက်ချင်းမြင်သာပြီး လက်တွေ့ကျသည်။ တစ်ချိန်က မဖြေရှင်းနိုင်ဘဲ ကျန်ခဲ့သော ဖြစ်ရပ်များသည် ယခု အဖြေများနှင့် အချို့ကိစ္စများတွင် ကုသမှုအတွက် ဦးတည်ချက်အသစ်များကို ရရှိနေပြီဖြစ်သည်။

“ဒါဟာ အရင်က စဉ်းစားလို့မရနိုင်တဲ့အရာ ဖြစ်ခဲ့ပေမယ့် အခု မိသားစုအများကြီးကို မျှော်လင့်ချက် ပေးနေပါတယ်” ဟု Brownstein က ဆိုသည်။

Boston Children’s ၏ AI မဟာဗျူဟာ နောက်တစ်ဆင့်သည် ပိုမိုနက်ရှိုင်းသော ပေါင်းစည်းမှုနှင့် ပိုမိုကျယ်ပြန့်သော လက်ခံအသုံးပြုမှုကို အာရုံစိုက်သည်။ ခေါင်းဆောင်မှုအဖွဲ့က အသုံးပြုမှုနှင့် အကျိုးသက်ရောက်မှု နှစ်မျိုးလုံးကို တိုးချဲ့ရန် အရေးပါသော အခွင့်အလမ်းရှိသည်ဟု မြင်သည်။

ဆေးရုံသည် AI ကို ဆေးခန်းဆုံးဖြတ်ချက်ချမှတ်မှုထဲ ပိုမိုပြည့်စုံစွာ ထည့်သွင်းရန်၊ အထူးကုနယ်ပယ်များတစ်လျှောက် ကိရိယာများ တိုးချဲ့ရန်နှင့် OpenAI နှင့် ပူးပေါင်းဆောင်ရွက်မှုမှတစ်ဆင့် မော်ဒယ်များကို ဆက်လက်ပြုပြင်ကောင်းမွန်စေရန် လုပ်ဆောင်နေသည်။

အချိန်ကြာလာသည်နှင့်အမျှ AI သည် ဆေးဘက်ဆိုင်ရာ လက်တွေ့ကျင့်သုံးမှု၏ အဓိကအစိတ်အပိုင်းတစ်ခု ဖြစ်လာမည်ဟု မျှော်လင့်ထားသည်။

“ကမ္ဘာ့ဆေးပညာအသိပညာအားလုံးနဲ့အတူ အလွန်ကောင်းစွာ လေ့ကျင့်ထားတဲ့ ဆရာဝန်တစ်ဦးကို ဘေးမှာ မလိုချင်ဘဲ နေပါ့မလား။” ဟု Brownstein က ပြောသည်။

Boston Children’s တွင် AI သည် စောင့်ရှောက်မှုပေးပို့မှု၊ သုတေသနနှင့် ရှာဖွေတွေ့ရှိမှုတို့ကို ပံ့ပိုးသည့် အခြေခံအဆောက်အအုံ၏ အစိတ်အပိုင်းဖြစ်လာနေပြီး ဆရာဝန်များနှင့် လူနာများအတွက် ဖြစ်နိုင်သမျှကို ပြန်လည်အဓိပ္ပါယ်ဖွင့်ဆိုနေသည်။