Kirish

Tibbiyot sohasida sun'iy intellekt (AI) birinchi navbatda tizim kasallik tashxisida o'zini to'g'ri tutadimi yoki yo'qligini aniqlash uchun algoritmlar va texnologiyalarni ishlab chiqishga qaratilgan. Tibbiy tashxis - bu odamning belgilari va alomatlarini tushuntiradigan kasallik yoki holat. Odatda, diagnostika ma'lumotlari bemorning tibbiy tarixi va fizik tekshiruvidan to'planadi. Ko'pgina ko'rsatkichlar va alomatlar noaniq bo'lgani uchun, tashxisni faqat malakali tibbiy mutaxassislar amalga oshirishi mumkin, bu ko'pincha qiyin. Natijada, Bangladesh va Hindiston kabi rivojlanayotgan mamlakatlar kabi etarli sog'liqni saqlash mutaxassislariga ega bo'lmagan mamlakatlar eng ko'p bemorlar uchun tegishli diagnostika muolajalarini taqdim etishda qiyinchiliklarga duch kelishadi. Bundan tashqari, diagnostika muolajalari ko'pincha tibbiy testlarni talab qiladi, bu kam ta'minlangan odamlar ko'pincha qimmat va arzon deb topadilar.

Odamlar xato qilishga moyil bo'lganligi sababli, bemorlarda haddan tashqari diagnostika tez-tez sodir bo'lishi ajablanarli emas. Haddan tashqari tashxis qo'yish keraksiz davolanish kabi muammolarni keltirib chiqarishi mumkin, bu esa shaxsning sog'lig'i va moliyaviy holatiga jiddiy ta'sir ko'rsatishi mumkin. Milliy fanlar, muhandislik va tibbiyot akademiyalarining 2015 yildagi hisobotiga ko'ra, ko'pchilik odamlar hayotida kamida bir marta diagnostika xatosiga duch kelishadi. Noto'g'ri tashxis qo'yishga ta'sir qiluvchi ko'plab omillar mavjud, jumladan, ko'pincha sezilmaydigan tegishli simptomlarning etishmasligi, kamdan-kam uchraydigan kasalliklar va noto'g'ri e'tiborga olinmagan kasalliklar.

Mashina o'rganish (ML) deyarli hamma joyda, ilg'or texnologiyalardan (masalan, mobil telefonlar, kompyuterlar va robototexnika) sog'liqni saqlash (ya'ni kasalliklar diagnostikasi va xavfsizlik)gacha. Mashinani o'rganish turli sohalarda, jumladan, sog'liqni saqlashda kasalliklarni tashxislashda tobora ommalashib bormoqda. Ko'pgina tadqiqotchilar va amaliyotchilar mashinani o'rganishga asoslangan kasallik diagnostikasi (MLBDD) va'dasini namoyish etadilar, bu arzon va vaqtni tejaydi. An'anaviy diagnostika jarayonlari qimmat, ko'p vaqt talab qiladi va ko'pincha inson aralashuvini talab qiladi. Individualning imkoniyatlari an'anaviy diagnostika usullarini cheklab qo'ygan bo'lsa-da, ml-ga asoslangan tizimlarda bunday cheklovlar yo'q va mashinalar odamlar kabi charchamaydi. Natijada, sog'liqni saqlashga kutilmaganda kelgan bemorlar sonidan ko'p bo'lgan kasalliklarni tashxislash usuli ishlab chiqilishi mumkin. MLBDD tizimlarini yaratishda tasvirlar (masalan, rentgen nurlari, MRI) va jadval ma'lumotlari (masalan, bemorning holati, yoshi va jinsi) kabi tibbiy ma'lumotlardan foydalaniladi.

Cistanchening buyraklarimiz uchun foydalari

Mashina o'rganish (ML) - bu ma'lumotlarni kirish manbai sifatida ishlatadigan AIning kichik to'plami. Oldindan aniqlangan matematik funktsiyalar (tasniflash yoki regressiya) yordamida olingan natijalar ko'pincha odamlar uchun qiyin bo'ladi. Misol uchun, ML dan foydalangan holda, mikroskopik tasvirlarda malign hujayralarni topish ko'pincha osonroq bo'ladi, bu ko'pincha tasvirlarga qarashda qiyinchilik tug'diradi. Bundan tashqari, chuqur o'rganish (mashinalarni o'rganish shakli) sohasidagi yutuqlar tufayli so'nggi tadqiqotlar MLBD 90 foizdan ko'proq aniqligini ko'rsatdi. Altsgeymer kasalligi, yurak etishmovchiligi, ko'krak saratoni va pnevmoniya - bu mashinani o'rganish aniqlay oladigan kasalliklardan faqat bir nechtasi. Kasallik diagnostikasi sohasida mashinani o'rganish algoritmlarining paydo bo'lishi texnologiyaning tibbiyot sohasidagi foydaliligini ko'rsatadi.

So'nggi yillarda tibbiyotda mashinani o'rganishdagi qiyinchiliklar, masalan, ma'lumotlar muvozanati, mashinani o'rganish talqini va mashinani o'rganish etikasi kabi yutuqlar oddiy hal qilinishi kerak bo'lgan ko'plab qiyin sohalarning bir nechtasi. Ushbu maqola kasallik diagnostikasida mashinani o'rganish va chuqur o'rganishning yangi ilovalari haqida umumiy ma'lumot beradi va kasallik diagnostikasida mashinani o'rganishning hozirgi tendentsiyalari, yondashuvlari va muammolarini yoritish uchun sohadagi ishlanmalar haqida umumiy ma'lumot beradi. Biz mashinani o'rganish va chuqur o'rganish usullariga bir nechta yondashuvlar, shuningdek, kasallik tashxisining turli shakllarini aniqlash va tasniflash uchun o'ziga xos arxitekturalarni ko'rib chiqishdan boshlaymiz.

Olish uchun shu yerni bosingCistanche ekstraktining buyraklarimizga ta'siri

Mashinalarga dasturlashtirilmasdan o'rganish imkonini beruvchi matematik va statistik usullarning xulosalaridan foydalangan holda, bu muhim muvaffaqiyat birinchi marta 1959 yilda Artur Samuel mashinani o'rganish va o'yinlarda naqshni aniqlash algoritmlarini empirik o'rganishni taklif qilganida tan olingan.

MLning asosiy printsipi - berilgan vazifalar asosida bashorat qilish yoki qaror qabul qilish uchun ma'lumotlardan o'rganishdir.

Mashinani o'rganish (ML) texnikasi tufayli ko'p vaqt talab qiladigan vazifalar endi tez va minimal kuch bilan bajarilishi mumkin. Kompyuter quvvati va ma'lumotlar sig'imining eksponentsial kengayishi bilan natijalarni deyarli mukammal aniqlik bilan bashorat qilish uchun ma'lumotlarga asoslangan mashinani o'rganish modellarini o'rgatish tobora osonlashdi. Bir qator maqolalar ML usullarining turli sinflarini taklif qiladi. Biroq, ML algoritmlarini turli xil o'rganish usullariga asoslanib, bir nechta kichik guruhlarga bo'lish mumkin

Buyrakimizning ahamiyati:

Buyrakinson tanasining muhim organlaridan biri bo'lib, metabolitlarni olib tashlash uchun siydik ishlab chiqarish orqali organizmdan chiqindilarni chiqarishga muhtoj emas, tanadagi suv va elektrolitlar, kislota-ishqor muvozanatini tartibga soladi va saqlaydi, qon bosimini sozlashda ishtirok etadi, buyrak funktsiyasi buzilganda gematopoez va boshqa fiziologik funktsiyalar inson hayotiga xavf tug'diradi, bu buyrak funktsiyasini himoya qilish muhimligini ko'rsatadi, buyrak ham endokrin funktsiyaga ega vaqon bosimini tartibga solish, gematopoezsvasuyak iligi o'sishivaboshqa fiziologik funktsiyalar.

Cistanche

Buyrak kasalligining hozirgi holati:

Qo'llab-quvvatlash bo'yicha KDIGO (Buyrak kasalligi: Global natijalarni yaxshilash) konferentsiyasi buyrak kasalligi bilan og'rigan bemorlarni qo'llab-quvvatlashga katta ehtiyoj borligini tan oldi.hjismoniy va ruhiy-ijtimoiy alomatlarning yuqori yuki, umr ko'rish davomiyligining qisqarishi va birgalikda kasalliklarning yuqori yuki, ammo qo'llab-quvvatlovchi yordam kam qo'llanilishini ta'kidladi. Buyrak bilan og'rigan bemorlarni qo'llab-quvvatlash bo'yicha Koalitsiyaning Boshqaruv Qo'mitasining ushbu istiqboli buyrak etishmovchiligi bo'lgan yoki yaqinlashib kelayotgan og'ir kasal bemorlarga yordam ko'rsatishni yaxshilash bo'yicha taklif qilingan milliy va xalqaro tavsiyalarni ko'rib chiqadi va shoshilinch siyosatni o'zgartirish tarafdori.

Buyrak kasalligidan xalos bo'lish yo'llari:

Xalqaro nefrologiya jamiyatining 2-global buyrak salomatligi sammiti chaqirildisKo'pincha palliativ so'zning sinonimi sifatida ishlatiladigan qo'llab-quvvatlovchi yordam xizmatlari va ko'pchilik bemorlar va sog'liqni saqlash mutaxassislari, jumladan, dializsiz faol tibbiy boshqaruvni afzal ko'radilar, bu keng qamrovli buyrak parvarishining "muhim elementi" bo'lib, ammo Qo'shma Shtatlarda deyarli mavjud emas. Dializ bo'lmasligi mumkinBarcha og'ir kasal bemorlarga, ayniqsa yoshi kattaroq kasalliklar, zaiflik yoki demensiya bilan og'rigan yoki dializdan o'tish vaqtini haddan tashqari og'ir deb hisoblaydiganlar uchun foydalidir. Biroq, dializsiz faol tibbiy boshqaruv uchun uyushgan yo'l yo'q bo'lsa, shifokorlar, bemorlar va oila a'zolari tibbiy boshqaruvni "hech narsa qilmaslik" deb bilishlari va ba'zi yordam ko'rsatish uchun dializni boshlash uchun bosim his qilishlari mumkin. Qo'llab-quvvatlovchi yordam bemorga qaratilgan. Sifatli palliativ yordam bo'yicha Milliy konsensus loyihasi, Milliy sifat forumi va boshqa tashkilotlar palliativ yordamni "azoblarni kutish, oldini olish va davolash orqali hayot sifatini optimallashtiradigan bemor va oilaga yo'naltirilgan yordam" deb ta'riflagan.

Cistanche ekstrakti

Xitoyda,An'anaviy xitoy tibbiyotikasalliklarga qarshi kurashda qadimgi xitoyliklarning tajribasi va nazariy bilimlarini olib boradi. Bu qadimgi oddiy materializm va stixiyali dialektika rahbarligida uzoq muddatli tibbiy amaliyot orqali asta-sekin shakllangan va rivojlangan tibbiy nazariy tizimdir.Cistanche, an'anaviy xitoy tibbiyotining bir turi sifatida buyrak kasalligini samarali tarzda bartaraf etishi mumkin.

Biror narsa haqidaCistanche:

Funktsiya:

Birinchidan, u buyrak Yang etishmovchiligi, bel va tizza og'rig'i va zaiflikdan kelib chiqqan sperma va qon etishmovchiligi, befarqlik, sovuq va sovuqdan qo'rqish, iktidarsizlik va spermatogenez, saroy sovuq bepushtligi va boshqalarni davolashi mumkin.

Ikkinchidan, u buyrak qi etishmovchiligi, bel va tizzaning nordonligi, xotira yo'qolishi, bosh aylanishi, tinnitus va oyoq-qo'llarning zaifligini davolash uchun qo'llanilishi mumkin, ko'pincha Schisandra, poria va Cuscuta urug'i ekvivalenti.

Dori-darmonlarga qarshi ko'rsatmalar:

Yin etishmovchiligi, yong'in va najas diareyaolinmasligi kerak.

Homilador va emizikli ayollar: Agar siz homilador bo'lsangiz, homilador bo'lishni rejalashtirayotgan bo'lsangiz yoki emizayotgan bo'lsangiz, iltimos, shifokoringizga xabar bering va davolanish uchun Xitoy tibbiyotidan foydalanish mumkinligini so'rang.

Bolalar: Bolalar uchun dori-darmonlarni shifokor va kattalar nazorati ostida qo'llash kerak.

Iltimos, dorini to'g'ri saqlang va doringizni boshqalarga bermang.

ADABIYOTLAR

1. Makfi, SJ; Papadakis, MA; Rabow, MW (Eds.) Hozirgi tibbiy diagnostika va davolash; McGraw-Hill Medical: Nyu-York, NY, AQSh, 2010 yil.

2. Ahsan, MM; Ahad, MT; Soma, FA; Pol, S.; Choudhuri, A.; Luna, SA; Yazdan, MMS; Rahmon, A.; Siddiq, Z.; Huebner, P. Sun'iy intellekt yordamida ko'krak qafasi rentgenogrammasidan SARS-CoV-2 ni aniqlash. IEEE Access 2021, 9, 35501–35513.

3. Kun, ER; Quinonez, RA; Moyer, VA; Schroeder, AR Overdiagnosis: Bizning tashxis qo'yishga majburlashimiz bolalarga qanday zarar etkazishi mumkin. Pediatriya 2014, 134, 1013–1023.

4. Balogh, EP; Miller, BT; Ball, JR Sog'liqni saqlashda tashxisni yaxshilash; Milliy Akademik matbuot: Vashington, Kolumbiya okrugi, AQSh, 2015 yil.

5. Ahsan, MM; Siddique, Z. Mashinani o'rganishga asoslangan yurak kasalliklari diagnostikasi: tizimli adabiyotlarni ko'rib chiqish. arXiv 2021, arXiv: 2112.06459.

6. Ahsan, MM; E Alam, T.; Trafalis, T.; Huebner, P. Deep MLP-CNN modeli, COVID-19 va COVID boʻlmagan-19 bemorlarni farqlash uchun aralash maʼlumotlardan foydalanadi. Simmetriya 2020, 12, 1526.

7. Stafford, I.; Kellermann, M.; Mossotto, E.; Beatti, R.; MakArtur, B.; Ennis, S. Otoimmün kasalliklarda sun'iy intellekt va mashinani o'rganish dasturlarini tizimli ko'rib chiqish. NPJ raqami. Med. 2020, 3, 1–11.

8. Ahsan, MM; Gupta, KD; Islom, MM; Sen, S.; Rahmon, M.; Shakhawat Hossain, M. COVID{1}} alomatlarini turli tasvirlash usullaridan foydalangan holda tushuntirib beradigan nasnetmobile asosida aniqlash. Mach. O'rganing. Bilim. Extr. 2020, 2, 490–504.

9. Samuel, AL Dama o'yinidan foydalangan holda mashinani o'rganish bo'yicha ba'zi tadqiqotlar. IBM J. Res. Dev. 1959, 3, 210–229.

10. Brownlee, J. Python bilan mashina o'rganish mahorati. Mach. O'rganing. Mastery Pty Ltd. 2016, 527, 100–120.

11.. Husayn, EH; Emam, MM; Ali, AA; Suganthan, PN Tibbiy ko'rishga asoslangan ko'krak saratoni uchun chuqur va mashinani o'rganish usullari: keng qamrovli sharh. Ekspert tizimi. Ilova. 2021, 167, 114161.