ဘာသာပြန်ခြင်းမှာ ဒါက အမြဲရှိတဲ့ အလေ့အထ၏ အထွတ်အထိပ်ဖြစ်လာနိုင်ခြင်းကို မျှော်လင့်ပြီး စက်ရည်မှ ကျင်လည်မှုများစွာအတွင်းကင်ဆာ ရှာဖွေရန် အတတ်ပညာကို သုံးစွဲနေသည်။ ဒီစက်ရည်မော်ဒယ်ဟာ ၁၀၀ ရာခိုင်နှုန်း နီးပါး အောင်မှာကို ရရှိခဲ့ပြီး ကင်ဆာ ရှာဖွေရန် အဆင့်မြင့်ဆောင်ရွက်မှုများကို ပြသထားသည်။ အာဆီးလျားနိုင်ငံ၏ Charles Darwin သင်တန်း (CDU) အပါအဝင် နိုင်ငံတကာသိပ္ပံပညာရှင်များ၏ ယှဥ်တွဲနေမှုမှ အဆန်းသစ် AI မော်ဒယ်တစ်ခုဖြစ်တဲ့ ECgMPL ကို ဖန်တီးခဲ့သည်။ ဤမော်ဒယ်သည် အသားပိုင်းဆိုင်ရာစက်ရုံများနှင့် အဆင့်ပါးရုံများ၏ မိုက်ခရိုစကိုပတ်ခွဲရုပ်ပုံများကို အကဲဖြတ်၍ အထူရည်တုတ်ကင်ဆာကို သတ်မှတ်နိုင်သည် - ၎င်းသည် အမျိုးသားကိုယ်ပြုပြင်းရာ၌ တွေ့ရှိရသော အမျိုးအစားတွေထဲမှ တစ်ခုဖြစ်ပြီး ၉၉. ၂၆% ခန့်အတိအကျရှိပါသည်။ ရှာဖွေလေ့လာသူများ သံယောဇဉ်နှင့် ကန့်ကြက်ရင် ရလဒ်များကို ရှာဖွေရန် ပြင်ဆင်နိုင်သည်ဟုလည်း ဖော်ပြထားသည်။ “ECgMLP မော်ဒယ်သည် ရှေးဆန်းသောနည်းလမ်းများထက် ပိုမိုများရဲရရှိသော ၉၉. ၂၆% တိကျမှုရရှိရန် မျိုးဆက်သောင်းမှုနှင့် ထုတ်လုပ်မှုအတွက် စဉ်ဆေးစားမှုစမ်းသပ်မှုများ, ကိုယ်ပိုင်သတိ ပြုပြင်မှုစနစ်များနှင့် ထိရောက်သောလေ့ကျင့်မှုများဖြင့် တိုးတက်မှုများကို ပြစေသည်” ဟု CDU မှ အဖွင့်စာရေးသူ ဒေါက်တာ Asif Karim ပြောဆိုသည်။ “Ablation studies, self-attention mechanisms နှင့် ထိရောက်သောလေ့လာမှုများဖြင့် ချိန်ညှိထားသည့် ECgMLP သည် အမျိုးမျိုးသော လုပ်ဆောင်မှုများနှင့် သက်ဆိုင်ရာဓာတ်ပုံများအတွက် အထောက်အကူပြုနေသည်။” ရှင်းလင်းစွာပြောရမယ်ဆိုရင် ဤသေထုတ်လုပ်မှုမော်ဒယ်သည် အထူရည်တုတ်ကင်ဆာကို ရှောင်တိမ်စွာ အသားပိုင်းဆိုင်ရာ စိန်ဖြုန်းရိုင်းကူညီပြင်ဆင်မှုများကို ရှိရင် ၏ သုံးစွဲခြင်းများ အားလုံးပါဝင်သည်။ ရုပ်ပုံများကို အမှန်းအတွက် ဆန်းစစ်သည်။ မကျေနပ်မှုများသည် လူသားမျက်မှောက်ကိုသာငြင်းဆိုနိုင်သည်။ လူသားများက ထိန်းသိမ်းမှုများပြုလုပ်တဲ့ အခါ တိကျမှုနှုန်းမှာ ၇၈. ၉၁% မှ ၈၀. ၉၃% အကြားရှိသည်။ အထူရည်တုတ်ကင်ဆာကို ကုသနိုင်ပြီး အကောင်းမြင့်ကို နှစ်ငါးကျော်အသက်ရှင်ခြင်း၏ အဆင့်မြင့်ဖြစ်ဖို့ ရင်ဆိုင်ရာကာလအတွင်း တိုးတက်ကျွမ်းကျင်မှုရှိရန် မြလျှာ ထိန်းသိမ်းရာအဆင့်များထဲကျသည်။ လတ်တလောတွင် အမေရိကန် ၆၀၀, ၀၀၀ ကျော်က ဒီရောဂါကို ခံစားနေရပြီး၊ လူရေးသားသူများက ECgMLP ၏ စွမ်းဆောင်ရည်များသည် ရင်ဆိုင်ရန်မဟုတ်ပဲ အထူးပြုပွဲတစ်ခုလုပ်ရာပတ်လုံးအတွက် သိပ္ပံများဆိုင်ရာ ဖော်ပြသည်။ “တူညီသော ရာပါးနည်းစဉ်ဟာ အခြားရောဂါများကို ရှေ့တုံခန့်သတ်ိုးပုံဖြတ်ပျိုခေါ်စွာ ရွှေ့ပြောင်းတွင်၊ မည်သည့်ထူးချွန်မှုကို ရရှိမလဲ ဆိုလိုသည်” ဟု ACU တွင် အဖွင့်စာရေးသူ Niusha Shafiabady ရှင်းပြသည်။ “ကျွန်တော်တို့ဤမော်ဒယ်ကို အမျိုးမျိုးသော လုပ်ဆောင်မှုဆိုင်ရာဓာတ်ပုံများအပေါင်းအဖျော်ကို ခွဲခြမ်းစိတ်ဖြာခဲ့ပြီး အချက်လက်များတွင် ရင်ဆိုင်မှုကို ၉၈. ၅၇%၊ ကုလားကောက်အကွက်များတွင် ၉၈. ၂၀% နှင့် အသားရည်များတွင် ၉၇. ၃၄% ရရှိခဲ့သည်” ဟု ဖော်ပြပါသည်။ ဤ AI ကိရိယာသည် ဆရာဝန်များကို အစားထိုးရန် မဟုတ်ပါဘူး၊ သို့ရာတွင် ကင်ဆာအဆောက်အအုံများကို ရောဂါကို အတိကျစွာ အစီအစဉ်ဆောင်နိုင်ရန်ကူညီပေးပါသည်။ ထို့အပြင် ဤမော်ဒယ်သည် ကင်ဆာများကို ရှာဖွေရန် လျင်မြန်သော, လွယ်ကူသောနှင့် ကျသင့်သည့်နည်းလမ်းများကို ဖုံးလွှမ်းထားသည်။ “ဤသုတေသနမှ ဖွံ့ဖြိုးခဲ့သော ဘဏ္ဍာရေးအစီရင်ခံရေး AI မော်ဒယ်သည် ဆရာဝန်များကို ကင်ဆာ ရှာဖွေရှုံးရန် ဆောင်ရွက်မှုများကို ချိတ်ဆက်ရန်၌ အထောက်အကူပြုသော ဆော့ဖ်ဝဲစနစ်ရဲ့ မူလသားဖြစ်နိုင်သည်” ဟု Shafiabady ထပ်ဖြည့်ပြောသည်။ “အထူရည်တုတ်ကင်ဆာကို ရင်ဆိုင်၍ ရရိသတိကျမှုနှင့် အကျိုးဖြစ်စဉ်သည် ထိထိရောက်ရောက်ကာ ကုသခြင်းနှင့် စီမံခန့်ခွဲခြင်းတွင် အရေးကြီးသည်” ဟု လေ့လာသူများက အလေးချီးပြောကြသည်။ “အထူရည်တုတ်ကင်ဆာများကို အထောင်းပတ်ပုံများမှ အသိအမှတ်ရရှိသည့် သေချာမှုများနောက်ပြောင်လုပဟွော်သာ အကျိုးထုတ်သည်။ ဤသေချာမှုများကို လုပ်ထားပြီး၊ လုံခြုံသော အမှ دقیقဂါနေရှိမှုနှင့် စီမံကြည့်ကာ အထူးကြိမ်တန်မှုနှင့် ပုပ်တီးများအတွက် နိုင်ငံရင်ဆိုင်သားများကို အသုံးပြု။ ဤသုတေသနကို Computer Methods and Programs in Biomedicine Update ဆိုတဲ့စာပွန်တွင် ဖြန့်ချိခဲ့ပါသည်။