Mirvie

သွေးတစ်ပြွန်ဖောက်ကာ ကြိုတင်ကာလသွေးတိုးရောဂါ (Preeclampsia) အန္တရာယ်ကို RNA နှင့် စက်သင်ယူမှု (Machine Learning) တို့ဖြင့် လပေါင်းများစွာကြိုတင်သတိပေးခြင်း

Contact for pricing United States

Mirvie သည် လုံးဝကွဲပြားခြားနားသော နည်းလမ်းကို အသုံးပြုထားပါသည်- ကိုယ်ဝန်ဆောင်မိခင်များ၏ သွေးထဲရှိ cell-free RNA များကို စစ်ဆေးခြင်းနှင့် စက်သင်ယူမှုစနစ်ကို ပေါင်းစပ်ကာ ရောဂါလက္ခဏာများ မပေါ်လာမီ လပေါင်းများစွာကြိုတင်၍ ကြိုတင်ကာလသွေးတိုးရောဂါ (Preeclampsia)၊ မွေးရာပါစောလွန်ခြင်းနှင့် ကလေးကြီးထွားမှုနှေးကွေးခြင်းတို့၏ အန္တရာယ်များကို ခန့်မှန်းပေးပါသည်။

လုပ်ဆောင်ချက်များနှင့် အသုံးပြုနိုင်သည့်နေရာများ

ကြိုတင်ကာလသွေးတိုးရောဂါ (Preeclampsia) သည် ကိုယ်ဝန်ဆောင်ချိန်တွင် အအန္တရာယ်ဆုံးသော နောက်ဆက်တွဲပြဿနာများထဲမှ တစ်ခုဖြစ်ပြီး၊ လက်ရှိအန္တရာယ်ဆန်းစစ်မှုများသည် ရောဂါရာဇဝင်နှင့် သွေးပေါင်ချိန်ကဲ့သို့သော လက်တွေ့အချက်အလက်များကိုသာ အဓိကထားနေရသဖြင့် အန္တရာယ်ရှိမှန်း သိသာထင်ရှားစွာမပြထားသော ကိုယ်ဝန်ဆောင်များအတွက် ရောဂါလက္ခဏာပေါ်လာမှသာ သိရှိရလေ့ရှိသည်။ Mirvie ၏ RNA ပလပ်ဖောင်းသည် Transcriptome ခွဲခြမ်းစိတ်ဖြာမှုကို AI နှင့် ပေါင်းစပ်ထားသည်- စစ်ဆေးခံယူသူတစ်ဦးချင်းစီအတွက် cell-free RNA transcript ပမာဏ 22,000 ခန့်ကို ခွဲခြမ်းစိတ်ဖြာပေးပြီး သွယ်ဝိုက်သော ဆေးဘက်ဆိုင်ရာညွှန်းကိန်းများကို အားကိုးမည့်အစား πλαcenta ( πλαcenta - အချင်း) နှင့် ကိုယ်ဝန်ဆောင်ဇီဝဗေဒဆိုင်ရာ အချက်ပြမှုများကို တိုက်ရိုက်ဖတ်ရှုပေးပါသည်။ ဤနည်းလမ်းကို ထောက်ပံ့ပေးနေသည်မှာ အမေရိကန်ပြည်ထောင်စုတစ်ဝန်းရှိ ကိုယ်ဝန်ဆောင်ကိုယ်စားပြုမှု အလွန်ကျယ်ပြန့်သော စုစုပေါင်းဒေတာအချက်အလက် သန်း ၂၀၀ ခန့်ပါဝင်သည့် (ခန့်မှန်းခြေ ကိုယ်ဝန်ဆောင် ၁၁,ဝဝဝ နီးပါးပါဝင်သော) ရှားပါးသုတေသနတစ်ခုဖြစ်ပြီး ၄င်း၏တွေ့ရှိချက်များကို 《Nature Communications》 တွင် ထုတ်ဝေခဲ့သည်။ ၂၀၂၅ ခုနှစ် ဧပြီလတွင် ထုတ်ပြန်ခဲ့သော စစ်ဆေးအတည်ပြုချက်အရ အသက် ၃၅ နှစ်နှင့်အထက် ဖြစ်ပြီး ထင်ရှားသည့်အန္တရာယ်မရှိသော ကိုယ်ဝန်ဆောင်များကို ဤသွေးစစ်ဆေးမှုဖြင့် နောက်ပိုင်းတွင် အစောပိုင်းဖြစ်ပွားသော preeclampsia ဖြစ်ပွားမည့်သူများ၏ ၉၁% ကို ခွဲခြားဖော်ပြနိုင်ခဲ့သည် (ဆိုလိုသည်မှာ ဆယ်ဦးတွင် ကိုးဦးကို ဖမ်းဆုပ်နိုင်ခြင်းဖြစ်သည်)။ လုပ်ငန်းသုံးထုတ်ကုန်အမည်မှာ Encompass ဖြစ်ပြီး cell-free RNA ကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် အချင်း၏ကျန်းမာရေးနှင့် ကိုယ်ဝန်ဆောင်ဇီဝဗေဒအခြေအနေကို ဆန်းစစ်ပေးပါသည်။ သုတေသနအဖွဲ့သည်လည်း ဤပလပ်ဖောင်းကို အသုံးပြု၍ ပြင်းထန်သော ကလေးကြီးထွားမှုနှေးကွေးခြင်း၏ မော်လီကျူးအချက်ပြမှုများကို ရှာဖွေတွေ့ရှိခဲ့ကြောင်း ထုတ်ပြန်ခဲ့ဖူးပါသည်။

သားဖွားမီးယပ်ဆေးပညာဆိုင်ရာ လက်တွေ့အဖွဲ့များနှင့် ကိုယ်ဝန်ဆောင်စောင့်ရှောက်ရေးစနစ်များအတွက် အလွန်သင့်လျော်ပါသည်။

အဓိကလုပ်ဆောင်ချက်များ

  • သွေးထဲရှိ cell-free RNA ကို ခွဲခြမ်းစိတ်ဖြာ၍ ကိုယ်ဝန်ဆောင်အန္တရာယ်ကို ဆန်းစစ်ခြင်း
  • စစ်ဆေးခံယူသူတစ်ဦးလျှင် RNA transcript ပမာဏ ၂၂,၀၀၀ ခန့်ကို ခွဲခြမ်းစိတ်ဖြာပေးခြင်း
  • Transcriptome ခွဲခြမ်းစိတ်ဖြာမှုနှင့် စက်သင်ယူမှုကို ပေါင်းစပ်ဖတ်ရှုခြင်း
  • Encompass: ကြိုတင်ကာလသွေးတိုးရောဂါ အန္တရာယ်ဆန်းစစ်သည့် စစ်ဆေးရေးထုတ်ကုန်
  • ကိုယ်ဝန်ဆောင် ၁၁,၀၀၀ နီးပါးနှင့် ဒေတာအချက်အလက် သန်း ၂၀၀ ခန့်ပါဝင်သော သုတေသန
  • ရောဂါလက္ခဏာများ မပေါ်လာမီ လပေါင်းများစွာကြိုတင်၍ အန္တရာယ်ကို ခန့်မှန်းပေးနိုင်ခြင်း
  • အလားတူပလပ်ဖောင်းကို စောလွန်မွေးဖွားခြင်းနှင့် ကလေးကြီးထွားမှုနှေးကွေးခြင်းဆိုင်ရာ သုတေသနများအထိ တိုးချဲ့အသုံးပြုနိုင်ခြင်း

အသုံးများသောနေရာများ

  • အသက်ကြီးသော ကိုယ်ဝန်ဆောင်များအတွက် ကြိုတင်ကာလသွေးတိုးရောဂါ အန္တရာယ်ဆန်းစစ်ခြင်း
  • ထင်ရှားသောအန္တရာယ်မရှိသော ကိုယ်ဝန်ဆောင်များအတွက် ဖြည့်စွက်စစ်ဆေးခြင်း
  • အန္တရာယ်အဆင့်အလိုက် စစ်ဆေးသည့်အကြိမ်ရေနှင့် စောင့်ကြည့်မှုကို စီစဉ်ခြင်း
  • စောလွန်မွေးဖွားနိုင်ချေကို ကြိုတင်ဖော်ထုတ်ခြင်း
  • ကလေးကြီးထွားမှုနှေးကွေးခြင်းကို မော်လီကျူးအဆင့်တွင် လေ့လာခြင်း

အဓိက အင်္ဂါရပ်များ

  • သွေးထဲရှိ cell-free RNA ကို ခွဲခြမ်းစိတ်ဖြာ၍ ကိုယ်ဝန်ဆောင်အန္တရာယ်ကို ဆန်းစစ်ခြင်း
  • စစ်ဆေးခံယူသူတစ်ဦးလျှင် RNA transcript ပမာဏ ၂၂,၀၀၀ ခန့်ကို ခွဲခြမ်းစိတ်ဖြာပေးခြင်း
  • Transcriptome ခွဲခြမ်းစိတ်ဖြာမှုနှင့် စက်သင်ယူမှုကို ပေါင်းစပ်ဖတ်ရှုခြင်း
  • Encompass: ကြိုတင်ကာလသွေးတိုးရောဂါ အန္တရာယ်ဆန်းစစ်သည့် စစ်ဆေးရေးထုတ်ကုန်
  • ကိုယ်ဝန်ဆောင် ၁၁,၀၀၀ နီးပါးနှင့် ဒေတာအချက်အလက် သန်း ၂၀၀ ခန့်ပါဝင်သော သုတေသန
  • ရောဂါလက္ခဏာများ မပေါ်လာမီ လပေါင်းများစွာကြိုတင်၍ အန္တရာယ်ကို ခန့်မှန်းပေးနိုင်ခြင်း
  • အလားတူပလပ်ဖောင်းကို စောလွန်မွေးဖွားခြင်းနှင့် ကလေးကြီးထွားမှုနှေးကွေးခြင်းဆိုင်ရာ သုတေသနများအထိ တိုးချဲ့အသုံးပြုနိုင်ခြင်း

အားသာချက်များ

  • သွယ်ဝိုက်သော ဆေးဘက်ဆိုင်ရာ အန္တရာယ်အချက်များကို အားမကိုးဘဲ ဇီဝအချက်ပြမှုများကို တိုက်ရိုက်ဖတ်ရှုခြင်း
  • သုတေသနပမာဏ ကြီးမားပြီး ရလဒ်များကို Peer-reviewed ဂျာနယ်များတွင် ထုတ်ဝေထားခြင်း
  • ထင်ရှားသောအန္တရာယ်မရှိသော အုပ်စုများအတွက်ပင် ၉၁% တွေ့ရှိနိုင်စွမ်းရှိခြင်း
  • သွေးဖောက်ရုံသာဖြစ်၍ ကိုယ်ဝန်ဆောင်များအတွက် ဝန်ထုပ်ဝန်ပိုးနည်းပါးခြင်း

အားနည်းချက်များ

  • လက်ရှိတွင် အမေရိကန်ဈေးကွက်ကို အဓိကထားခြင်း
  • ကုန်ကျစရိတ်ကြီးမားသော ကိုယ်ပိုင်စရိတ်စစ်ဆေးမှုဖြစ်ပြီး ဈေးနှုန်းကို လူသိရှင်ကြားမထုတ်ပြန်ထားခြင်း
  • အတည်ပြုရောဂါရှာဖွေခြင်းမဟုတ်ဘဲ အန္တရာယ်ကိုသာ ခန့်မှန်းခြင်းဖြစ်၍ ဆေးဘက်ဆိုင်ရာ နောက်ဆက်တွဲနှင့် ကုသမှုများ လိုအပ်ဆဲဖြစ်ခြင်း
  • စစ်ဆေးအတည်ပြုထားသော ဒေတာများသည် သီးခြားလူဦးရေအခြေအနေများတွင်သာ အဓိကရှိပြီး အခြားအုပ်စုများအတွက် နောက်ထပ်သုတေသနများ လိုအပ်ခြင်း

အသုံးပြုမှုများ

  • အသက်ကြီးသော ကိုယ်ဝန်ဆောင်များအတွက် ကြိုတင်ကာလသွေးတိုးရောဂါ အန္တရာယ်ဆန်းစစ်ခြင်း
  • ထင်ရှားသောအန္တရာယ်မရှိသော ကိုယ်ဝန်ဆောင်များအတွက် ဖြည့်စွက်စစ်ဆေးခြင်း
  • အန္တရာယ်အဆင့်အလိုက် စစ်ဆေးသည့်အကြိမ်ရေနှင့် စောင့်ကြည့်မှုကို စီစဉ်ခြင်း
  • စောလွန်မွေးဖွားနိုင်ချေကို ကြိုတင်ဖော်ထုတ်ခြင်း
  • ကလေးကြီးထွားမှုနှေးကွေးခြင်းကို မော်လီကျူးအဆင့်တွင် လေ့လာခြင်း

အယ်ဒီတာမှတ်ချက်

ဤသည်မှာ ယခုနှစ်တွင် ကျွန်ုပ်တွေ့မြင်ခဲ့ရသော အယုံကြည်ရဆုံးသော ဆေးဘက်ဆိုင်ရာ AI ဖြစ်ရပ်များထဲမှ တစ်ခုဖြစ်သည် — ၎င်းသည် မည်သည့် မော်ဒယ်ကို အသုံးပြုထား၍ မဟုတ်ဘဲ နည်းပညာထုတ်ကုန်မပြောမီ ကိုယ်ဝန်ဆောင် ၁၁,၀၀၀ နီးပါးပါဝင်သော သုတေသနကို ဦးစွာပြုလုပ်ခဲ့ပြီး 《Nature Communications》 တွင် ထုတ်ဝေခဲ့သောကြောင့် ဖြစ်ပါသည်။ ဆေးဘက်ဆိုင်ရာ AI အများစုသည် ဆန့်ကျင်ဘက်အနေဖြင့် သတင်းထုတ်ပြန်ချက်ကို ဦးစွာထုတ်ကာ အထောက်အထားကို နောက်မှဖြည့်စွက်လေ့ရှိကြသည်။ ဤ 'အထောက်အထားကို ဦးစွာပြပြီးမှ ထုတ်ကုန်ကိုပြသည့်' အစဉ်အလာသည် ကိုးကားစရာ အလွန်ကောင်းမွန်လှပါသည်။ (ဤဆောင်းပါးသည် အချက်အလက်များကို စုစည်းတင်ပြခြင်းသာဖြစ်ပြီး ဆေးဘက်ဆိုင်ရာ အကြံဉာဏ်မဟုတ်ပါ။ ကိုယ်ဝန်ဆောင်စဉ် မည်သည့်စစ်ဆေးမှုနှင့် ကုသမှုကိုမဆို မိမိ၏ သားဖွားမီးယပ်ဆရာဝန်နှင့် တိုင်ပင်ဆွေးနွေးပါ။)

မေးလေ့ရှိသောမေးခွန်းများ

စစ်ဆေးချက်အဖြေက အန္တရာယ်များတယ်လို့ပြရင် ကြိုတင်ကာလသွေးတိုးရောဂါ (Preeclampsia) သေချာပေါက် ဖြစ်လာမှာလား။

မသေချာပါ။ ၎င်းသည် အတည်ပြုရောဂါရှာဖွေမှုမဟုတ်ဘဲ အန္တရာယ်ဖြစ်နိုင်ခြေကိုသာ ပေးခြင်းဖြစ်ပြီး ရည်ရွယ်ချက်မှာ ဆေးဘက်ဆိုင်ရာအဖွဲ့များအား စောင့်ကြည့်မှုအဆင့်မြှင့်တင်ရန်နှင့် စောစီးစွာဝင်ရောက်စွက်ဖက်ရန် ဖြစ်ပါသည်။ တစ်ဖက်တွင်လည်း အန္တရာယ်နည်းပါးသည်ဆိုရုံဖြင့် အန္တရာယ်လုံးဝမရှိဟု မဆိုလိုပါ။ ကိုယ်ဝန်ဆောင်စောင့်ရှောက်မှုကို ပုံမှန်အတိုင်း ဆက်လက်လုပ်ဆောင်ရမည်ဖြစ်ပြီး မည်သည့်စစ်ဆေးမှုမျှ စဉ်ဆက်မပြတ် ဆေးဘက်ဆိုင်ရာ နောက်ဆက်တွဲစောင့်ကြည့်မှုကို အစားမထိုးနိုင်ပါ။

ဒီစစ်ဆေးမှုကို ဘယ်လိုလုပ်ရမလဲ။

လက်ရှိတွင် အမေရိကန်ဈေးကွက်တွင်သာ အဓိကထား ပံ့ပိုးပေးနေပါသည်။ လိုအပ်ချက်ရှိပါက လက်ရှိ မိမိတို့ဒေသတွင် ရရှိနိုင်သော ကြိုတင်ကာလသွေးတိုးရောဂါ စစ်ဆေးသည့်နည်းလမ်းများနှင့် ပတ်သက်၍ သားဖွားမီးယပ်ဆရာဝန်နှင့် ဦးစွာ တိုင်ပင်ဆွေးနွေးသင့်ပါသည်။

Cell-free RNA စစ်ဆေးမှုသည် သာမန်ကိုယ်ဝန်ဆောင်မျိုးရိုးဗီဇစစ်ဆေးမှု (NIPT) နှင့် ဘာတွေကွာခြားပါသလဲ။

NIPT သည် cell-free DNA ကို ကြည့်ခြင်းဖြစ်ပြီး ခရိုမိုဆုမ်း မူမမှန်မှုများကို အဓိကစစ်ဆေးသည်။ Mirvie က ကြည့်သည်မှာ cell-free RNA ဖြစ်ပြီး ဗီဇ၏ လက်ရှိလုပ်ဆောင်နေဆဲ လှုပ်ရှားမှုကို 反映 ပြသနေခြင်းဖြစ်ကာ အချင်းနှင့် ကိုယ်ဝန်ဆောင်ကာလ၏ 'ယခုလက်ရှိဖြစ်ပျက်နေဆဲအခြေအနေ' ကို ကိုယ်စားပြုပါသည်။ ၎င်းတို့နှစ်ခု၏ ရည်ရွယ်ချက်ချင်း မတူညီကြဘဲ တစ်ခုနှင့်တစ်ခု အစားထိုး၍မရပါ။

သက်ဆိုင်ရာ AI ကိရိယာများ

Motobook

တိုင်ဝမ်နိုင်ငံ၏ ပထမဆုံးသော တစ်ပတ်ရစ်ဆိုင်ကယ် တန်ဖိုးမှန်လမ်းညွှန် ဝက်ဘ်ဆိုက်ဖြစ်ပြီး ရောင်းချရန်ရှိသည့် ဆိုင်ကယ် ၃.၇ သောင်းကျော်နှင့် မော်ဒယ် ၈၁၂ မျိုး၏ ဈေးနှုန်းပေါက်စေးများကို ဖော်ပြပေးနေပါသည်။

Free Featured Taiwan 4.5

Carbook

ထိုင်ဝမ် ဒုတိယလက်စွန်း ကားဈေးနှုန်း မှတ်တမ်းစနစ် - တကယ့်ဈေးကွက်ပေါက်ဈေး၊ အရေအတွက်နှင့် တန်ဖိုးထိန်းသိမ်းနိုင်မှုကို တစ်မျက်နှာတည်းဖြင့် ကြည့်ရှုနိုင်သည်

Free Featured Taiwan 4.6

實價雷達 HouseTW

A free Taiwanese real estate platform overlaying 3.49 million official transaction records with soil liquefaction, fault lines, and flood risk maps.

Free Featured Taiwan 4.6

Perplexity

ကိုးကားချက်ရင်းမြစ်များနှင့်အတူ ဖြေကြားပေးသော AI ရှာဖွေရေးနှင့် မေးခွန်းဖြေဆိုသည့် ကိရိယာ။

Freemium Featured 4.6

Incentivio

ဆိုင်ခွဲများစွာရှိသော စားသောက်ဆိုင်များအတွက် ဖောက်သည်စီမံခန့်ခွဲမှု ပလပ်ဖောင်း၊ AI ဖြင့် ဖောက်သည်လက်လွတ်ဆုံးရှုံးတော့မည့်အချိန်ကို ကြိုတင်ခန့်မှန်းပေးသည်

Contact

HeyDonto

ကျန်းမာရေးစောင့်ရှောက်မှု အချက်အလက်များအတွက် အနက်အဓိပ္ပာယ် (Semantics) ပေါင်းစပ်ပေးသည့် အလွှာဖြစ်ပြီး၊ သွားနှင့်ခံတွင်းနှင့် ကင်ဆာရောဂါဗေဒဆိုင်ရာ ကွဲပြားခြားနားသော အချက်အလက်များကို အသုံးချနိုင်သည့် အခ

Contact

繁體中文版 →