AI က လူနာတွေကို ပြန်လည်ထူထောင်ရေး လုပ်ပေးစ- Virtual Physical Therapy က အမေရိကန် ကုမ္ပဏီ ဝန်ထမ်း အကျိုးခံစားခွင့်ကနေ စီးပွားရေး တစ်ခု ဘယ်လို ဖြစ်လာသလဲ
ခါးအောက်ပိုင်း နာကျင်မှုက ဆေးခန်းမှာ အမြဲတွေ့ရတဲ့ ရောဂါ ဖြစ်ပေမဲ့၊ တကယ် ခက်တာက ရောဂါရှာဖွေခြင်း မဟုတ်ဘဲ “အိမ်ပြန်ရောက်ပြီးနောက် အားကစား တကယ် လုပ်လား” ဆိုတာ ဖြစ်တယ်။ အမေရိကမှာ ဒီပြဿနာကို ဖြေရှင်းဖို့ လုပ်ငန်းတစ်ခုလုံး ကြီးထွားလာတယ်—လှုပ်ရှားမှု ခြေရာခံခြင်းနဲ့ လူသား အဖွဲ့ ပေါင်းစပ်ပြီး ပြန်လည်ထူထောင်ရေးကို တစ်ပတ်နှစ်ခါ ဆေးခန်းကနေ နေ့တိုင်း ဝန်ဆောင်မှုအဖြစ် ပြောင်းလဲပေးတယ်။ ဒီဆောင်းပါးက သူ့ရဲ့ စီးပွားရေး ပုံစံ၊ AI က တကယ် ဘာလုပ်လဲ၊ ဘာကြောင့် ဒေသတွင်း ဒီလို ဝန်ဆောင်မှု မပေါ်လာသေးလဲ ဆိုတာကို ခွဲခြမ်းစိတ်ဖြာထားတယ်။
AI က လူနာတွေကို ပြန်လည်ထူထောင်ရေး လုပ်ပေးစ- Virtual Physical Therapy က အမေရိကန် ကုမ္ပဏီ ဝန်ထမ်း အကျိုးခံစားခွင့်ကနေ စီးပွားရေး တစ်ခု ဘယ်လို ဖြစ်လာသလဲ
နည်းပညာ ပန်းခြံမှာ အလုပ်လုပ်တဲ့ အင်ဂျင်နီယာတစ်ယောက်၊ ဆယ်နှစ်လုံးလုံး ကြာကြာ ထိုင်ခဲ့လို့ ခါးအောက်ပိုင်း သုံးနှစ်လုံး နာကျင်နေတယ်။ သူ ပြန်လည်ထူထောင်ရေး ဆေးခန်း သုံးခု သွားဖူးပြီး၊ အဆင့်တွေ တူတူ- ဓာတ်မှန်ရိုက်၊ လျှပ်စစ်ကုထုံး၊ အပူပေးကုထုံး၊ ကုသ ဆရာက ဆန့်ဆွဲ လှုပ်ရှားမှု အနည်းငယ် သင်ပြီး “အိမ်ပြန်ရင် နေ့တိုင်း လုပ်ပါ” လို့ မှာတယ်။ သူ နှစ်ပတ်လောက် ကြိုးစား လုပ်ပြီး၊ ပြီးရင် ဘာမှ မဆက်တော့ဘူး။
ပြန်လည်ထူထောင်ရေး ဆရာဝန်တွေ စိတ်ထဲ ရှင်းရှင်း သိတယ်—နာတာရှည် နာကျင်မှု ကောင်းမကောင်း ဆုံးဖြတ်တာက ဆေးခန်းက ၂၀ မိနစ် မဟုတ်ဘဲ ကျန်တဲ့ ခြောက်ရက် နှစ်ဆယ့်သုံးနာရီ ဖြစ်တယ်။ ဒါပေမဲ့ ဒီအချိန်ကို ဘယ်သူမှ မမြင်ရ၊ ဘယ်သူမှ မထိန်းနိုင်ဘူး။
အမေရိကမှာ ဒီနှစ်တွေ လုပ်ငန်းတစ်ခုလုံး ကြီးထွားလာတာက ဒီအလွတ်ကို ဖြည့်ဖို့ပဲ ဖြစ်တယ်။
အဖြစ်အပျက် နောက်ခံ
ကြွက်သားနှင့် အရိုးဆိုင်ရာ ရောဂါ (MSK) က အမေရိကမှာ ကုမ္ပဏီတွေရဲ့ ဆေးဝါး အသုံးစရိတ်ရဲ့ အကြီးဆုံး အစိတ်အပိုင်း ဖြစ်တယ်—ဝန်ထမ်းတွေရဲ့ ခါးအောက်ပိုင်း၊ လည်ပင်း-ပခုံး နာကျင်မှု၊ အဆစ်ပြဿနာတွေ နောက်ဆုံး အရိုးဆေးခန်း၊ ရုပ်ပုံ စစ်ဆေးမှု၊ opioid ဆေးဝါး၊ ခွဲစိတ်မှုအထိ ဖြစ်လာတယ်။ ဒီလမ်းကြောင်းက စျေးကြီးပြီး ရလဒ် မတည်ငြိမ်၊ ခွဲစိတ်မှု အများအပြားက conservative ကုသမှုနဲ့ အစားထိုးနိုင်တာ နောက်ပိုင်း သက်သေပြခဲ့တယ်။
ဒါကြောင့် ဒီလမ်းကြောင်းကို ပြန်လည် ဒီဇိုင်းဆွဲသူ ပေါ်လာတယ်- အလုပ်ရှင် ဒါမှမဟုတ် အာမခံ ကုမ္ပဏီက ငွေပေးပြီး ဝန်ထမ်းက အခမဲ့ အိမ်တွင်း physical therapy အစီအစဉ်ကို ဖုန်း ဒါမှမဟုတ် tablet နဲ့ လှုပ်ရှားမှု ခြေရာခံပြီး၊ လူသား ကုသ ဆရာက အဝေးကနေ စောင့်ကြည့်တယ်။ ချွေတာနိုင်တဲ့ ခွဲစိတ်မှု နဲ့ ဆေးဝါး စရိတ်က အစီအစဉ် ကုန်ကျစရိတ်ထက် အများကြီး ကျော်လွန်တယ်။
Hinge Health နဲ့ SWORD Health က ဒီလမ်းကြောင်းမှာ အပြင်းအထန်ဆုံး ယှဉ်နေတဲ့ နှစ်ခု ဖြစ်တယ်။ ရှေ့တစ်ခုက အလုပ်ရှင်အတွက် ၃ ဆ ရင်းနှီးမြှုပ်နှံမှု အကျိုးအမြတ် ရစေနိုင်တယ်လို့ တရားဝင် website မှာ ဆိုပြီး၊ FDA အသိအမှတ်ပြု ဆေးမဟုတ်တဲ့ နာကျင်မှုပျောက် ကိရိယာ Enso ကို ကိုယ်တိုင် ထုတ်လုပ်ခဲ့တယ်၊ နောက်တစ်ခုက ၂၀၂၄ ခုနှစ် ဇွန်လမှာ Phoenix အမည်ရ ထုတ်ကုန် ထုတ်ခဲ့ပြီး “ကမ္ဘာ့ ပထမဆုံး AI care specialist” အဖြစ် တရားဝင် သတ်မှတ်ခဲ့တယ်။
ဒီတစ်ကြိမ် အဓိကချက်များ
- AI ရဲ့ အခန်းကဏ္ဍက အထောက်အကူကနေ ရှေ့တန်းသို့ ရောက်လာတယ်။ SWORD ရဲ့ Phoenix က လူနာကို တိုက်ရိုက် စကားပြောစေတယ်—ဒီနေ့ ဘယ်နေရာ မသက်မသာ ဖြစ်လဲ ပြောပြီး Phoenix က တုံ့ပြန်ကာ ဒီတစ်ကြိမ် ကုသမှုရဲ့ ပြင်းအား နဲ့ ကြာချိန်ကို ချက်ချင်း ချိန်ညှိတယ်။ အောက်ခြေမှာ ကိုယ်ပိုင် Vision AI+ လှုပ်ရှားမှု ခြေရာခံ ရှိပြီး ကိုယ်ဟန်အနေအထားကို ချက်ချင်း ပြင်ဆင်ပေးနိုင်တယ်။
- ဒါပေမဲ့ လူသားကို ဖယ်ရှားခြင်း မဟုတ်ဘဲ စစ်ဆေးရေး နေရာသို့ ရွှေ့ထားတယ်။ ကုသမှု တစ်ကြိမ်စီပြီးတိုင်း Phoenix က လူနာရဲ့ စွမ်းဆောင်ရည်ကို အကျဉ်းချုပ်ပြီး လူသား ဆေးဘက်ဆိုင်ရာ ဝန်ထမ်းကို ပို့ကာ၊ လူက AI ရဲ့ အကြံပြုချက်ကို လက်ခံ၊ ပြန်ပို့ ဒါမှမဟုတ် ပြင်ဆင်ဖို့ ဆုံးဖြတ်တယ်။
- Hinge Health က ရောနှော လမ်းကြောင်း လိုက်တယ်။ website မှာ AI care assistant ကို care team အဖွဲ့ဝင်တစ်ဦးအဖြစ် physical therapist၊ health coach၊ အရိုးအထူးကု တို့နဲ့ တန်းတူ စာရင်းသွင်းပြီး၊ နေ့စဉ် အပြန်အလှန်နဲ့ ပြဿနာ ဖြေဆိုမှုကို တာဝန်ယူတယ်။
- တိုင်းတာ tool တွေလည်း ပြောင်းလဲနေတယ်။ Exer AI က ကင်မရာ သက်သက်နဲ့ အဆစ် လှုပ်ရှားမှု အကွာအဝေး အကဲဖြတ်ပြီး၊ OneStep က ဖုန်းကို inertial sensor အဖြစ်သုံးကာ တကယ့်ဘဝ လမ်းလျှောက်ပုံ (gait) ကို passive မှတ်တမ်းတင်တယ်၊ နှစ်ခုစလုံး FDA ဆိုင်ရာ အသိအမှတ်ပြုချက် ရရှိပြီး၊ အရင်က subjective ဖြစ်တဲ့ အကဲဖြတ်မှုကို စစ်ဆေးနိုင်တဲ့ ကိန်းဂဏန်းအဖြစ် ပြောင်းလဲတယ်။
- စာရွက်စာတမ်း အလုပ်လည်း အလိုအလျောက် ဖြစ်လာတယ်။ WebPT လို ပြန်လည်ထူထောင်ရေး ဆေးခန်း စနစ်တွေ အသံ-စာသား ပြောင်းလဲပြီး ဆေးမှတ်တမ်း ရေးခြင်း နဲ့ ကုသမှု မှတ်တမ်း အလိုအလျောက် ဖန်တီးခြင်း ထည့်သွင်းလာတယ်၊ ကုသ ဆရာ အလုပ်ဆင်းပြီးနောက် ဆေးမှတ်တမ်း ဖြည့်ရတဲ့ ဟောင်းနွမ်းတဲ့ ပြဿနာကို ဖြေရှင်းတယ်။
ဈေးကွက် သက်ရောက်မှု ခွဲခြမ်းစိတ်ဖြာချက်
အသုံးပြုသူများအတွက်
ရေတိုမှာ တိုက်ရိုက် သက်ရောက်မှု မရှိဘူး—Hinge Health နဲ့ SWORD Health နှစ်ခုစလုံး အမေရိကန် (နဲ့ ဥရောပ တစ်စိတ်တစ်ပိုင်း) အလုပ်ရှင် နဲ့ အာမခံ စနစ်နဲ့ ချည်နှောင်ထားပြီး၊ တစ်ဦးချင်း ကိုယ်တိုင် subscribe လုပ်လို့ မရ၊ ဒေသတွင်း ဝန်ဆောင်မှုလည်း မရှိဘူး။
ဒါပေမဲ့ သတိထားစရာက အတွေးအခေါ် ပြောင်းလဲမှု ဖြစ်တယ်။ ပြန်လည်ထူထောင်ရေးအပေါ် လူထုရဲ့ စိတ်ကူးက “ဆေးရုံ သွား လျှပ်စစ်ကုထုံး လုပ်” မှာ ရပ်နေဆဲ ဖြစ်ပြီး၊ ဒီထုတ်ကုန်တွေက အခြား ဖြစ်နိုင်ခြေ တစ်ခု သက်သေပြခဲ့တယ်- ပြန်လည်ထူထောင်ရေးရဲ့ အဓိက စစ်မြေပြင်က တကယ်တော့ အိမ်မှာ ဖြစ်ပြီး ဆေးရုံရဲ့ အခန်းကဏ္ဍက ဒီဇိုင်းဆွဲခြင်း နဲ့ စောင့်ကြည့်ခြင်း ဖြစ်တယ်။ ဒီအတွေးအခေါ် ပျံ့နှံ့သွားရင် နာတာရှည် နာကျင်မှု ရှိသူ များစွာအတွက် တကယ့် သတင်းကောင်း ဖြစ်တယ်။
လုပ်ငန်း အသုံးချမှုအတွက်
ဒါက အများဆုံး စိတ်ကူး နေရာ ရှိတဲ့ အပိုင်း ဖြစ်တယ်။ ကြီးမားတဲ့ ထုတ်လုပ်ရေး နဲ့ နည်းပညာ လုပ်ငန်းတွေမှာ တိတိကျကျ တူညီတဲ့ ပြဿနာ ရှိတယ်—ထုတ်လုပ်ရေး လိုင်း ဝန်ထမ်းတွေရဲ့ ထပ်ခါတလဲလဲ လှုပ်ရှားမှု ဒဏ်ရာ၊ အင်ဂျင်နီယာတွေရဲ့ လည်ပင်းရိုး နဲ့ carpal tunnel ပြဿနာ။ ဒါတွေ နောက်ဆုံး ခွင့်ယူခြင်း၊ အလုပ်ထွက်ခြင်း နဲ့ လုပ်ငန်းခွင် ထိခိုက်မှု ကုန်ကျစရိတ် ဖြစ်လာတယ်။
အမေရိကန် ပုံစံ အလုပ်ဖြစ်ရတဲ့ အဓိကက “ဘယ်သူ ငွေပေး ဘယ်သူ အကျိုးရ” ဆိုတဲ့ loop ပိတ်လို့ ဖြစ်တယ်- အလုပ်ရှင် ငွေပေး၊ အလုပ်ရှင် ဆေးဝါးစရိတ် ချွေတာ။ ဒေသတွင်း ပြဿနာက ဒီ loop ကို ကျန်းမာရေး အာမခံ စနစ်က ဖြတ်တောက်ထားတာ ဖြစ်တယ်—ဝန်ထမ်း ဆေးကုတဲ့အခါ အာမခံ သုံးလို့ လုပ်ငန်းက ဒီငွေ မချွေတာနိုင်၊ ငွေပေး ဆွဲဆောင်မှု အားနည်းတယ်။ ဒေသတွင်း လုပ်ဖို့ဆိုရင် စီးပွားရေး ပုံစံကို ပြန် ဒီဇိုင်းဆွဲရမယ်၊ ပိုဖြစ်နိုင်တဲ့ ဦးတည်ချက်က “ဆေးဝါးစရိတ် ချွေတာ” ထက် “လုပ်ငန်းခွင် ထိခိုက်မှု နဲ့ ခွင့်ယူနှုန်း လျှော့ချ” ဘက် ဝင်တာ ဖြစ်တယ်။
ဆော့ဖ်ဝဲ ဖန်တီးသူများအတွက်
နည်းပညာ အခက်အခဲက လှုပ်ရှားမှု ခြေရာခံခြင်း ကိုယ်တိုင် မဟုတ်ဘူး—ဖုန်း ကင်မရာနဲ့ ခန္ဓာကိုယ် အရိုးစု ရှာဖွေခြင်းကို အခု ရင့်ကျက်တဲ့ open source model တွေ သုံးနိုင်တယ်။ တကယ့် အခက်အခဲ သုံးခု ရှိတယ်- တစ်၊ ဆေးပစ္စည်း စည်းမျဉ်း (ဒီထုတ်ကုန်တွေ အများစု FDA ဆိုင်ရာ အသိအမှတ်ပြုချက် ရ)၊ နှစ်၊ ဆေးဘက်ဆိုင်ရာ သက်သေအထောက်အထား (peer-reviewed သုတေသန ထုတ်ပြနိုင်ရမယ်)၊ သုံး၊ “လူ loop ထဲ ပါဝင်ခြင်း” တာဝန် ဒီဇိုင်း။
တတိယ အချက်က အထူး တန်ဖိုးရှိတယ်။ SWORD က လူသား စစ်ဆေးမှုကို ထုတ်ကုန် ရှင်းလင်းချက်ထဲ ရှင်းရှင်းလင်းလင်း ရေးထားတယ်၊ ဒါက နည်းပညာ ရွေးချယ်မှု သက်သက် မဟုတ်ဘဲ တာဝန် ခွဲဝေမှုရဲ့ ဒီဇိုင်း ဖြစ်တယ်။ စည်းမျဉ်း အုပ်ချုပ်ခံ နယ်ပယ်ရဲ့ AI ထုတ်ကုန် ဘယ်ဟာမဆို “အမှားဖြစ်ရင် ဘယ်သူ တာဝန်ယူမလဲ” ကို အရင် ဖြေဆိုနိုင်မှသာ လက်တွေ့ အသုံးချမှု ပြောနိုင်တယ်။
အနာဂတ် ဖွံ့ဖြိုးတိုးတက်မှု လမ်းကြောင်း
ဦးတည်ချက် သုံးခု လေ့လာစရာ ရှိတယ်။
ပထမ၊ AI က ရှေ့ဆက် တိုးလာမယ်၊ ဒါပေမဲ့ စစ်ဆေးမှု ဂိတ်က ပျောက်မှာ မဟုတ်ဘူး။ ဒီ ခွဲဝေမှု—AI က ကြိမ်နှုန်းမြင့် အန္တရာယ်နည်း အပြန်အလှန်၊ လူက ကြိမ်နှုန်းနည်း အန္တရာယ်မြင့် ဆုံးဖြတ်ချက်—ဟာ စည်းမျဉ်း အုပ်ချုပ်ခံ ပညာရှင် ဝန်ဆောင်မှုမှာ AI ထည့်သွင်းတဲ့ စံ ဖွဲ့စည်းပုံ ဖြစ်လာလိမ့်မယ်၊ ပြန်လည်ထူထောင်ရေးမှာ တင် မကဘူး။
ဒုတိယ၊ တိုင်းတာမှု objective ဖြစ်လာတာက ငွေပေးချေမှု ပုံစံကို ပြန် ပြောင်းလဲစေမယ်။ အဆစ် လှုပ်ရှားမှု အကွာအဝေး၊ လမ်းလျှောက်ပုံ parameter တွေ စစ်ဆေးနိုင်တဲ့ ကိန်းဂဏန်း ဖြစ်လာတဲ့အခါ ငွေပေးသူ (အာမခံ ဒါမှမဟုတ် အလုပ်ရှင်) က “ရလဒ်အလိုက် ငွေပေး” တောင်းဆိုနိုင်မယ်။ ဒါက ကုသမှု အရည်အသွေးအတွက် ကောင်းပေမဲ့ ကုသ ဆရာအတွက် ဖိအား မနည်းဘူး။
တတိယ၊ အိမ်တွင်း နဲ့ ဆေးခန်း နယ်နိမိတ် ပိုမို ဝါးလာမယ်။ ဖုန်း passive စုဆောင်းတဲ့ လမ်းလျှောက် ဒေတာက အခြေခံအားဖြင့် ဆေးခန်းမှာ ဆယ်မီတာ လျှောက်တာထက် တကယ့်ဘဝနဲ့ ပိုနီးတယ်—လူနာက ဆရာဝန်ရှေ့မှာ ပိုကြိုးစား လျှောက်မယ်၊ ဒါက လူ့သဘာဝ ဖြစ်တယ်။ ဒီလို တကယ့်ဘဝ ဒေတာရဲ့ တန်ဖိုးက ပိုမြင့်လာမယ်။
TheAI Academy အနှစ်ချုပ် နဲ့ သုံးသပ်ချက်
ဒီ ခေါင်းစဉ်မှာ ကျွန်တော် အခံစားရဆုံးက AI က ဘယ်လောက် ထက်မြက်လဲ ဆိုတာ မဟုတ်ဘဲ၊ “အိမ်ပြန်ရောက်ပြီးနောက် ဘယ်သူမှ မထိန်း” ဆိုတဲ့ ပြန်လည်ထူထောင်ရေးရဲ့ ဟောင်းနွမ်းတဲ့ ပြဿနာကို တကယ် ရင်ဆိုင်တဲ့သူ ရှိလာတာ ဖြစ်တယ်။ ပြန်လည်ထူထောင်ရေး ဆရာဝန် နဲ့ physical therapist တွေ ဒါ သိပေမဲ့ အာမခံ ငွေပေးချေမှု နဲ့ လူသား ဖွဲ့စည်းပုံအောက်မှာ ဘယ်သူမှ ဒါ လုပ်ဖို့ အားမရှိဘူး။
AI က physical therapist ကို အစားထိုးမလား ဆိုတဲ့ ကိစ္စ—ဒီထုတ်ကုန်တွေ ကိုယ်တိုင်ရဲ့ ဒီဇိုင်း ကြည့်ရင် အဖြေက မအစားထိုးဘူး ဆိုတာ ရှင်းတယ်။ သူတို့ အားလုံး လူသား ဆုံးဖြတ်ချက် ဂိတ် ထားရှိပြီး ထုတ်ကုန် ရှင်းလင်းချက်ထဲ ရေးထားတယ်။ ဒီ ချုပ်တည်းမှုက ဘယ် နည်းပညာ ညွှန်းကိန်းထက်မဆို ပိုယုံကြည်ထိုက်တယ်လို့ ကျွန်တော် ထင်တယ်။
သုံးသပ်ချက်- ပြန်လည်ထူထောင်ရေးမှာ AI ရဲ့ တကယ့် တန်ဖိုးက ကုသ ဆရာရဲ့ လက်ကို အစားထိုးတာ မဟုတ်ဘဲ ကုသ ဆရာ မမြင်ရတဲ့ ဒီ ခြောက်ရက်ကို ဖြည့်ပေးတာ ဖြစ်တယ်။
စာဖတ်သူတွေအတွက် တိကျတဲ့ အကြံ- နာတာရှည် နာကျင်မှု ရှိရင် အခုမရသေးတဲ့ အမေရိကန် ဝန်ဆောင်မှုအပေါ် မျှော်လင့်ချက် မထားပါနဲ့။ လက်တွေ့ ဖြေရှင်းနည်းက အခြေခံ ဆီ ပြန်ခြင်း—အိမ်တွင်း အားကစား သင်ပေးဖို့ အချိန်ပေးတဲ့ physical therapist တစ်ယောက် ရှာပြီး၊ ကိုယ့်လက်တွေ့ tool တစ်ခုခုနဲ့ (ဖုန်း ပြက္ခဒိန် သတိပေးချက် ဖြစ်ဖြစ်) နေ့တိုင်း လုပ်တဲ့ အလေ့အထ တည်ဆောက်ခြင်း ဖြစ်တယ်။ ဒီထုတ်ကုန်တွေ သက်သေပြတဲ့ အနှစ်သာရက စကားတစ်ခွန်းသာ ရှိတယ်- တစ်သမတ်တည်း ဆက်လုပ်တာက နည်းလမ်းထက် ပိုအရေးကြီးတယ်။
လုပ်ငန်း HR ဒါမှမဟုတ် လုပ်ငန်းခွင် ဘေးကင်းရေး တာဝန်ခံ ဆိုရင် ဒီ ခေါင်းစဉ်ကို radar ထဲ ထည့်ထိုက်တယ်။ လုပ်ငန်းဆိုင်ရာ ကြွက်သား-အရိုး ထိခိုက်မှု ကုန်ကျစရိတ် တက်လာနေပြီး၊ ကာကွယ်ရေး ရင်းနှီးမြှုပ်နှံမှုရဲ့ အကျိုးအမြတ်က ဖြစ်ပြီးမှ လျော်ကြေးထက် အများကြီး မြင့်တယ်။ site ပေါ်က task အခြေအနေ နဲ့ တွဲ စီစဉ်နိုင်တယ်။
တာဝန်ကင်းလွှတ်ချက်- ဒီဆောင်းပါးသည် လုပ်ငန်း လမ်းကြောင်း ခွဲခြမ်းစိတ်ဖြာချက် ဖြစ်ပြီး ဆေးဘက်ဆိုင်ရာ အကြံ မဟုတ်ပါ။ နာကျင်မှု ဒါမှမဟုတ် ပြန်လည်ထူထောင်ရေးဆိုင်ရာ ပြဿနာ ရှိရင် အရည်အချင်းပြည့်မီတဲ့ ဆရာဝန် ဒါမှမဟုတ် physical therapist နဲ့ တိုင်ပင်ပါ။
အချက်အလက် ရင်းမြစ်
- SWORD Health တရားဝင်- Introducing Phoenix
- CNBC- Sword Health announces Phoenix conversational AI
- Hinge Health တရားဝင် website
အများသိ အချက်အလက်များအရ စုစည်းထားပြီး တရားဝင်ဘက်ကို အခြေခံသည်။
မေးလေ့ရှိသောမေးခွန်းများ
အသုံးပြုသူတွေ Hinge Health ဒါမှမဟုတ် SWORD Health ကို သုံးလို့ ရလား။
လက်ရှိ မရသေးဘူး။ ဒီနှစ်ခုရဲ့ ဝန်ဆောင်မှုက အမေရိကန် (SWORD မှာ ဥရောပ ဈေးကွက် တစ်စိတ်တစ်ပိုင်း ရှိ) အလုပ်ရှင် အကျိုးခံစားခွင့် နဲ့ အာမခံ အစီအစဉ်နဲ့ ချည်နှောင်ထားပြီး၊ တစ်ဦးချင်း ကိုယ်တိုင် subscribe လုပ်လို့ မရ၊ ဒေသတွင်း ဝန်ဆောင်မှုလည်း မရှိဘူး။ စာဖတ်သူ ရနိုင်တဲ့ တန်ဖိုးက အဓိကအားဖြင့် အတွေးအခေါ် အဆင့်—အိမ်တွင်း ပြန်လည်ထူထောင်ရေးရဲ့ တစ်သမတ်တည်း ဆက်လုပ်မှုက အဓိက ဆိုတာ နားလည်ခြင်း ဖြစ်တယ်။
AI နဲ့ ပြန်လည်ထူထောင်ရေး လုပ်တာ ဘေးကင်းရေး စိုးရိမ်စရာ ရှိမလား။
ဒါက ဒီထုတ်ကုန်တွေ ဒီဇိုင်းမှာ အများဆုံး အာရုံစိုက်တဲ့ နေရာ ဖြစ်တယ်။ SWORD ရဲ့ Phoenix ဥပမာ ကြည့်ရင် ကုသမှု တစ်ကြိမ်ပြီးတိုင်း AI ရဲ့ အကြံပြုချက်ကို လူသား ဆေးဘက်ဆိုင်ရာ ဝန်ထမ်း စစ်ဆေးပြီး လူက လက်ခံ၊ ပြန်ပို့ ဒါမှမဟုတ် ပြင်ဆင်ဖို့ ဆုံးဖြတ်တယ်။ ဒီ “လူ loop ထဲ ပါဝင်” ဖွဲ့စည်းပုံက စည်းမျဉ်း အုပ်ချုပ်ခံ ဆေးဘက်ဆိုင်ရာ နယ်ပယ်မှာ AI ထည့်သွင်းရာ ပိုခိုင်မာတဲ့ နည်းလမ်း ဖြစ်ပြီး၊ ဆေးဘက်ဆိုင်ရာ AI ထုတ်ကုန် ဘယ်ဟာမဆို အကဲဖြတ်တဲ့အခါ ဦးစား ပေး အတည်ပြုသင့်တဲ့ အချက် ဖြစ်တယ်။
ဘာကြောင့် ဒေသတွင်းမှာ ဒီလို ဝန်ဆောင်မှု မရှိသေးလဲ။
အဓိကက စီးပွားရေး ပုံစံမှာ ခက်နေတယ်။ အမေရိကန် ပုံစံက “အလုပ်ရှင် ငွေပေး၊ အလုပ်ရှင် ဆေးဝါးစရိတ် ချွေတာ” ဆိုတဲ့ ပိတ်ကွင်းမှာ အခြေခံတယ်၊ ဒေသတွင်း ဝန်ထမ်း ဆေးကုတဲ့အခါ အာမခံ သုံးလို့ လုပ်ငန်းက ဒီငွေ မချွေတာနိုင်၊ ငွေပေး ဆွဲဆောင်မှု အားနည်းတယ်။ ဆေးပစ္စည်း စည်းမျဉ်း နဲ့ physical therapist လုပ်ငန်း အတိုင်းအတာ စည်းမျဉ်း၊ အဝေးက ဆေးဘက်ဆိုင်ရာ လုပ်ဆောင်မှု နယ်နိမိတ်လည်း ရှင်းလင်းဖို့ လိုတယ်။ တကယ် ဒေသတွင်း လုပ်မယ်ဆိုရင် ဝင်ရောက်ချက်ကို လုပ်ငန်းခွင် ထိခိုက်မှု နဲ့ ခွင့်ယူနှုန်း လျှော့ချတဲ့ လုပ်ငန်းခွင် ကျန်းမာရေး မြှင့်တင်မှုအဖြစ် ပြောင်းရမယ်။
ဒီလို လှုပ်ရှားမှု ခြေရာခံ နည်းပညာ တိကျလား။
ခွဲ ကြည့်ရမယ်။ ကင်မရာ သက်သက် အရိုးစု ရှာဖွေမှု နည်းပညာ ကိုယ်တိုင်က တော်တော် ရင့်ကျက်နေပြီ၊ ဒါပေမဲ့ လက်တွေ့ တိကျမှုက ရိုက်ကူးတဲ့ အခြေအနေ—ကင်မရာ ထောင့်၊ အကွာအဝေး၊ အလင်း၊ ဝတ်စား ဆင်ယင်မှုကို အလွန်အမင်း မူတည်တယ်။ ဒါကြောင့် ဒီလို ထုတ်ကုန်ရဲ့ ပိုယုံကြည်ရတဲ့ အသုံးပြုပုံက “တူညီတဲ့ လုပ်ငန်းစဉ်အောက်မှာ ရှေ့နောက် နှိုင်းယှဉ်ခြင်း” (တိုးတက်မှု ရှိမရှိ) ဖြစ်ပြီး၊ ကိန်းဂဏန်း တိကျမှုကို လိုက်တာ မဟုတ်ဘူး။ ဒါက အရိုးထောင့်တိုင်း တာတဲ့ ထပ်ခါတလဲလဲ အလုပ်ကို အစားထိုးတာ ဖြစ်ပြီး ဆေးဘက်ဆိုင်ရာ ဆုံးဖြတ်ချက်ကို မဟုတ်ဘူး။