បញ្ហា (The Problem)៖ ភាពមិនប្រក្រតីនៃចលនាគឺជាផ្នែកមួយនៃរោគសញ្ញាជំងឺវិកលចរិត ប៉ុន្តែបច្ចុប្បន្ននៅខ្វះខាតវិធីសាស្ត្រដែលមានលក្ខណៈសត្យានុម័ត និងអាចពង្រីកវិសាលភាពបានសម្រាប់ការវាយតម្លៃមុខងារចលនានេះ ជាពិសេសសម្រាប់ការតាមដានអ្នកជំងឺពីចម្ងាយ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់បច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិតដើម្បីវិភាគវីដេអូដែលថតតាមស្មាតហ្វូន ដោយវាស់វែងចលនាក្បាលរបស់អ្នកចូលរួម ដើម្បីកំណត់រោគសញ្ញានៃជំងឺ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Computer Vision-Based Assessment (Remote) ការវាយតម្លៃដោយផ្អែកលើចក្ខុវិស័យកុំព្យូទ័រ (ពីចម្ងាយ) |
មានលក្ខណៈសត្យានុម័ត (Objective) អាចអនុវត្តបានពីចម្ងាយដោយមិនតម្រូវឱ្យមានវត្តមានគ្រូពេទ្យផ្ទាល់ និងមានតម្លៃទាបព្រោះប្រើស្មាតហ្វូន។ | ទាមទារឱ្យមានពន្លឺគ្រប់គ្រាន់នៅពេលថតវីដេអូ និងគុណភាពកាមេរ៉ាដែលអាចទទួលយកបាន ហើយបច្ចុប្បន្ននៅជាជំហានស្រាវជ្រាវនៅឡើយ។ | អាចបែងចែករវាងអ្នកជំងឺវិកលចរិត (ចលនាក្បាល ១.៤៨ ម.ម/frame) និងមនុស្សធម្មតា (២.៥០ ម.ម/frame) បានយ៉ាងច្បាស់លាស់។ |
| PANSS (Clinical Scale) ការវាយតម្លៃតាមរយៈមាត្រដ្ឋាន PANSS (ស្តង់ដារគ្លីនិក) |
ជាវិធីសាស្ត្រស្តង់ដារ (Gold Standard) ដែលផ្តល់នូវការយល់ដឹងស៊ីជម្រៅអំពីស្ថានភាពផ្លូវចិត្ត និងរោគសញ្ញាគ្រប់ជ្រុងជ្រោយ។ | មានលក្ខណៈអត្តនុម័ត (Subjective) អាស្រ័យលើការវិនិច្ឆ័យរបស់គ្រូពេទ្យ ចំណាយពេលយូរ និងតម្រូវឱ្យជួបផ្ទាល់។ | ពិន្ទុរោគសញ្ញាអវិជ្ជមាន (Negative Symptoms) មានទំនាក់ទំនងយ៉ាងខ្លាំងជាមួយនឹងការថយចុះនៃចលនាក្បាល។ |
ការចំណាយលើធនធាន (Resource Cost)៖ បច្ចេកវិទ្យានេះមានតម្លៃសមរម្យសម្រាប់ប្រទេសកម្ពុជា ដោយសារវាមិនតម្រូវឱ្យមានឧបករណ៍វេជ្ជសាស្ត្រពិសេសនោះទេ គឺប្រើប្រាស់តែស្មាតហ្វូនដែលមានស្រាប់។
ការសិក្សានេះធ្វើឡើងនៅសហរដ្ឋអាមេរិក (Mount Sinai) ជាមួយចំនួនសំណាកតូចនៅឡើយ (សរុប ២៧ នាក់) ដែលអាចមិនទាន់តំណាងឱ្យប្រជាជនទូទៅ។ សម្រាប់កម្ពុជា ភាពខុសគ្នានៃវប្បធម៌ក្នុងការបញ្ចេញមតិ ឬកាយវិការអាចជះឥទ្ធិពលលើលទ្ធផល ដែលទាមទារឱ្យមានការសិក្សាផ្ទៀងផ្ទាត់នៅក្នុងស្រុក។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ដោយសារអត្រានៃការប្រើប្រាស់ស្មាតហ្វូនមានកម្រិតខ្ពស់ ខណៈដែលចំនួនអ្នកជំនាញផ្នែកសុខភាពផ្លូវចិត្តនៅមានកម្រិត។
ការប្រើប្រាស់ឧបករណ៍នេះអាចជាជំហានដំបូងដ៏សំខាន់ក្នុងការធ្វើទំនើបកម្មការតាមដានសុខភាពផ្លូវចិត្តនៅកម្ពុជា តាមរយៈការធ្វើរោគវិនិច្ឆ័យបឋមដោយស្វ័យប្រវត្តិ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Digital phenotyping | ការប្រើប្រាស់ទិន្នន័យពីឧបករណ៍ឌីជីថលផ្ទាល់ខ្លួន (ដូចជាស្មាតហ្វូន) ដើម្បីប្រមូល និងវិភាគព័ត៌មានអំពីឥរិយាបថ និងស្ថានភាពសុខភាពរបស់អ្នកជំងឺដោយស្វ័យប្រវត្តិ ដោយមិនចាំបាច់ឱ្យអ្នកជំងឺទៅជួបគ្រូពេទ្យផ្ទាល់ញឹកញាប់។ | ដូចជាការពិនិត្យសុខភាពតាមរយៈស្នាមជើងឌីជីថល (Digital Footprint) ដែលអ្នកបន្សល់ទុកពេលប្រើទូរស័ព្ទ។ |
| Psychomotor retardation | ការថយចុះនៃល្បឿនសកម្មភាពរាងកាយ និងដំណើរការនៃការគិត ដែលជារោគសញ្ញាស្នូលមួយនៃជំងឺវិកលចរិត និងជំងឺធ្លាក់ទឹកចិត្ត ធ្វើឱ្យអ្នកជំងឺមានចលនាយឺតយ៉ាវខុសពីធម្មតា។ | ប្រៀបបាននឹងការព្យាយាមធ្វើចលនា ឬគិតនៅក្នុងទឹកជ្រៅ ដែលធ្វើឱ្យសកម្មភាពអ្វីៗយឺត និងពិបាកជាងធម្មតា។ |
| Positive and Negative Syndrome Scale (PANSS) | ឧបករណ៍វាយតម្លៃស្តង់ដារដែលគ្រូពេទ្យប្រើដើម្បីវាស់កម្រិតធ្ងន់ធ្ងរនៃជំងឺវិកលចរិត ដោយបែងចែកជារោគសញ្ញាវិជ្ជមាន (ដូចជាការមមើ) និងរោគសញ្ញាអវិជ្ជមាន (ដូចជាការដកខ្លួនចេញពីសង្គម ឬភាពស្ពឹកស្រពន់)។ | ដូចជាម៉ាស៊ីនវាស់កម្តៅ ឬតារាងពិន្ទុសម្រាប់វាស់កម្រិតនៃជំងឺផ្លូវចិត្ត ដើម្បីដឹងថាជំងឺធ្ងន់កម្រិតណា។ |
| Euclidean distance | រូបមន្តគណិតវិទ្យាដែលប្រើដើម្បីវាស់ចម្ងាយត្រង់រវាងចំណុចពីរនៅក្នុងលំហ (3D)។ នៅក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីគណនាចម្ងាយជាក់លាក់ដែលក្បាលបានផ្លាស់ទីពីចំណុចមួយទៅចំណុចមួយទៀតនៅក្នុងវីដេអូ។ | ដូចជាការវាស់ប្រវែងខ្សែបន្ទាត់ត្រង់ដែលទាញតឹងរវាងទីតាំងចាស់ និងទីតាំងថ្មីរបស់ក្បាល។ |
| Convolutional neural network | ប្រភេទនៃបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) ដែលត្រូវបានរចនាឡើងពិសេសសម្រាប់វិភាគទិន្នន័យរូបភាព។ វាមានសមត្ថភាពរៀនសម្គាល់លក្ខណៈពិសេសដូចជា ភ្នែក ច្រមុះ ឬទម្រង់មុខ ដោយស្វ័យប្រវត្តិ។ | ប្រៀបបាននឹងភ្នែកនិងខួរក្បាលរបស់កុំព្យូទ័រ ដែលអាចមើលរូបភាពហើយស្គាល់ភ្លាមៗថាជារូបអ្វី ដោយមិនចាំបាច់មានមនុស្សប្រាប់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
