ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် Entity Recognition ဟု အမည်ပေးထားသည်။

NLP မော်ဒယ်များကိုလေ့ကျင့်ရန် Entity Extraction / Recognition

ဖွဲ့စည်းတည်ဆောက်ပုံမရှိသော ဆေးဘက်ဆိုင်ရာဒေတာများမှ မရှိမဖြစ်လိုအပ်သော ထိုးထွင်းသိမြင်မှုများကို entity ထုတ်ယူခြင်းဖြင့် ထုတ်ယူပါ။

Entity Recognition Services ဟုခေါ်သည်။

Featured Clients များ

အဖွဲ့များကိုကမ္ဘာ့ ဦး ဆောင်သော AI ထုတ်ကုန်များတည်ဆောက်ရန်အားပေးခြင်း။

အမေဇုံ
Google
Microsoft က
ကော့နစ်

NER ဆိုတာဘာလဲ

အဓိပ္ပါယ်ရှိသော ထိုးထွင်းသိမြင်မှုများကို ရှာဖွေရန် ဒေတာကို ပိုင်းခြားပါ။

ကျန်းမာရေးစောင့်ရှောက်မှုရှိ Entity Recognition (NER) သည် လူနာအမည်များ၊ ဆေးဘက်ဆိုင်ရာအသုံးအနှုန်းများနှင့် အမျိုးမျိုးသောအသုံးအနှုန်းများကဲ့သို့ အရာများကို ရှာဖွေပြီး အမျိုးအစားခွဲသည်။ ဤစွမ်းရည်သည် ဒေတာထုတ်ယူမှုကို မြှင့်တင်ပေးကာ သတင်းအချက်အလက်ပြန်လည်ရယူမှုကို သက်သာစေပြီး ဆန်းပြားသော AI စနစ်များကို အားကောင်းစေကာ ၎င်းအား ကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့အစည်းများအတွက် မရှိမဖြစ်ကိရိယာတစ်ခုအဖြစ် ထူထောင်ထားသည်။ 

Shaip NER သည် ကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့အစည်းများ၏ အရေးကြီးသောအသေးစိတ်အချက်အလက်များကို ဖွဲ့စည်းတည်ဆောက်ပုံမထားသောဒေတာတွင် ပုံဖော်ခြင်း၊ ဆေးဘက်ဆိုင်ရာအစီရင်ခံစာများ၊ အာမခံစာရွက်စာတမ်းများ၊ လူနာသုံးသပ်ချက်များ၊ ဆေးခန်းမှတ်စုများ အစရှိသည်တို့အကြား ချိတ်ဆက်မှုများကို ထုတ်ဖော်ပြသရန် ကူညီပေးပါသည်။ NLP တွင် ကျွန်ုပ်တို့၏နက်နဲသောကျွမ်းကျင်မှုဖြင့် အားကောင်းလာစေရန်အတွက် ကျွန်ုပ်တို့သည် ထိုးထွင်းသိမြင်မှုနှင့် ရှုပ်ထွေးသောမှတ်စာပရောဂျက်များကို ကိုင်တွယ်ဖြေရှင်းပေးပါသည်။ သူတို့ရဲ့ ပြင်းအားနဲ့ မသက်ဆိုင်ပါဘူး။

ကျွန်ုပ်တို့၏ကျွမ်းကျင်မှု

Named Entity အသိအမှတ်ပြုခြင်း (NER)

Clinical NER API သည် Deep Learning NLP Models များကို အသုံးပြု၍ ဖွဲ့စည်းတည်ဆောက်ပုံမထားသော လက်တွေ့ဒေတာအမြောက်အမြားမှ ဆေးဘက်ဆိုင်ရာအကြောင်းအရာများ၊ ၎င်း၏ဆက်စပ်မှုနှင့် ဆက်နွယ်မှုကို ခွဲခြားသတ်မှတ်ပြီး ထုတ်ယူပါသည်။ ကျန်းမာရေးစောင့်ရှောက်မှုအခြေအနေတွင်၊ API သည် ဆေးပညာအရ အရေးပါသောအချက်အလက်များကိုကိုယ်စားပြုသည့် စာသားတစ်ခုတွင် စကားလုံးများ သို့မဟုတ် စကားစုများကို အမျိုးအစားခွဲခြားနိုင်သည်။

ပြဿနာ၊ ခန္ဓာဗေဒဖွဲ့စည်းပုံ၊ ဆေးပညာ၊ EHR ကဲ့သို့သော ဆေးမှတ်တမ်းများမှ လုပ်ထုံးလုပ်နည်းများကို ဖော်ထုတ်ခြင်း၊ အများအားဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံမရှိ၍ ဖွဲ့စည်းတည်ဆောက်ထားသော အချက်အလက်များကို ထုတ်ယူရန် ထပ်လောင်းလုပ်ဆောင်မှုများ လိုအပ်သည်။ ၎င်းသည် မကြာခဏရှုပ်ထွေးပြီး သက်ဆိုင်ရာအရာများကို ထုတ်ယူရန် ဒိုမိန်းကျွမ်းကျင်သူများ လိုအပ်သည်။

ဆေးဘက်ဆိုင်ရာ NER API မှ ရှာဖွေတွေ့ရှိသည့် အမျိုးအစားများမှာ-

  • ကျန်းမာရေးအခြေအနေ: ရောဂါများ၊ ဒဏ်ရာများ၊ ရောဂါလက္ခဏာများ သို့မဟုတ် ကျန်းမာရေးဆိုင်ရာ တိုင်ကြားချက်များကို ခွဲခြားသတ်မှတ်သည်။
  • ဆေးဝါး: ဆေးဝါးအမည်များ၊ ကုသမှုများ သို့မဟုတ် အခြားသော ကုထုံးများ။
  • ခန္ဓာဗေဒ- ကိုယ်အင်္ဂါအစိတ်အပိုင်းများ၊ ကိုယ်တွင်းအင်္ဂါများ သို့မဟုတ် ခန္ဓာဗေဒဖွဲ့စည်းပုံများနှင့် ပတ်သက်သော စည်းမျဉ်းများ။
  • လုပျထုံးလုပျနညျး: ဆေးဘက်ဆိုင်ရာဝင်ရောက်စွက်ဖက်မှု၊ စမ်းသပ်မှုများ သို့မဟုတ် လုပ်ဆောင်ချက်များကို ခွဲခြားသတ်မှတ်သည်။
  • စမ်းသပ်မှုရလဒ်: ဆေးစစ်မှုမှ ရလဒ်များကို မီးမောင်းထိုးပြသည်။
  • ပုဂ္ဂိုလ်- လူနာ၏စောင့်ရှောက်မှု သို့မဟုတ် ကိုယ်ရေးကိုယ်တာဘဝတွင် ပါဝင်ပတ်သက်သူများကို ခွဲခြားသတ်မှတ်သည်။
  • အချိန်: ကြာချိန်၊ ကြိမ်နှုန်းများ သို့မဟုတ် သတ်သတ်မှတ်မှတ် ရက်စွဲများကဲ့သို့ အချိန်နှင့်သက်ဆိုင်သော ကိုးကားချက်များကို ခွဲခြားသတ်မှတ်သည်။

ဥပမာ

1. Clinical Entity အသိအမှတ်ပြုမှု

များပြားလှသော ဆေးဘက်ဆိုင်ရာ အချက်အလက် အများအပြားကို ကျန်းမာရေး မှတ်တမ်းများတွင် အများစုမှာ ဖွဲ့စည်းတည်ဆောက်ပုံ မညီသော ပုံစံဖြင့် ရှိနေပါသည်။ ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်းမှတ်စာသည် ဤဖွဲ့စည်းပုံမထားသောအကြောင်းအရာကို စနစ်တကျပုံစံသို့ အသွင်ပြောင်းရန် ကူညီပေးသည်။

Clinical Entity မှတ်ချက်
ဆေးဂုဏ်တော်များ

2. ထည့်တွက်ပါ။

2.1 ဆေးဂုဏ်ရည်များ

ဆေးမှတ်တမ်းတိုင်းနီးပါးတွင် ဆေးဝါးများနှင့် ၎င်းတို့၏ဝိသေသလက္ခဏာများအကြောင်း အသေးစိတ်အချက်အလက်များ၊ ဆေးခန်းအလေ့အကျင့်၏ အရေးကြီးသောကဏ္ဍတစ်ခုဖြစ်သည်။ သတ်မှတ်ထားသော လမ်းညွှန်ချက်များအတိုင်း ဤဆေးများ၏ ကွဲပြားခြားနားသော ဂုဏ်ရည်များကို ခွဲခြားသတ်မှတ်ပြီး အမှတ်အသားပြုနိုင်သည်။

 

2.2 Lab Data Attributes

ဆေးမှတ်တမ်းများတွင် ဓာတ်ခွဲခန်းဒေတာများသည် ၎င်းတို့၏ သီးခြားအရည်အချင်းများ ပါဝင်လေ့ရှိသည်။ ကျွန်ုပ်တို့သည် သတ်မှတ်ထားသော လမ်းညွှန်ချက်များနှင့်အညီ ဓာတ်ခွဲခန်းဒေတာ၏ ဤအရည်အချင်းများကို ပိုင်းခြားပြီး မှတ်သားနိုင်ပါသည်။

Lab Data Attributes
ခန္ဓာကိုယ် တိုင်းတာခြင်း ဂုဏ်တော်များ

2.3 ခန္ဓာကိုယ် အတိုင်းအတာ အရည်အချင်းများ

ခန္ဓာကိုယ် တိုင်းတာမှုများ၊ မကြာခဏ အရေးကြီးသော လက္ခဏာများကို လွှမ်းခြုံထားပြီး ပုံမှန်အားဖြင့် ဆေးမှတ်တမ်းများတွင် ၎င်းတို့၏ သက်ဆိုင်ရာ ဂုဏ်ရည်များနှင့် မှတ်တမ်းတင်ထားသည်။ ကျွန်ုပ်တို့သည် ခန္ဓာကိုယ်တိုင်းတာမှုများနှင့်သက်ဆိုင်သည့် ဤအမျိုးမျိုးသောဂုဏ်ရည်များကို အမှတ်အသားပြုနိုင်ပြီး မှတ်သားနိုင်ပါသည်။

3. Oncology Specific NER

ယေဘူယျဆေးဘက်ဆိုင်ရာအမည်ပေးထားသည့် Entity Recognition (NER) မှတ်ချက်များအပြင်၊ ကျွန်ုပ်တို့သည် ကင်ဆာရောဂါနှင့် ဓာတ်မှန်ရိုက်ခြင်းကဲ့သို့သော အထူးပြုနယ်ပယ်များသို့ စူးစမ်းလေ့လာနိုင်ပါသည်။ ကင်ဆာရောဂါဆိုင်ရာ ဒိုမိန်းအတွက်၊ မှတ်သားနိုင်သော သီးခြား NER အစိတ်အပိုင်းများ ပါဝင်သည်- ကင်ဆာပြဿနာ၊ Histology၊ ကင်ဆာအဆင့်၊ TNM အဆင့်၊ ကင်ဆာအဆင့်၊ အတိုင်းအတာ၊ ဆေးခန်းအခြေအနေ၊ အကျိတ်အမှတ်အသားစစ်ဆေးမှု၊ ကင်ဆာဆေးပညာ၊ ကင်ဆာခွဲစိတ်မှု၊ ဓါတ်ရောင်ခြည်၊ မျိုးရိုးဗီဇလေ့လာထားမှု၊ ကွဲပြားမှု ကုဒ်နှင့် ကိုယ်ထည်ဆိုဒ်။

ကင်ဆာရောဂါဆိုင်ရာ သီးခြား Ner မှတ်ချက်
ဆိုးရွားသောသက်ရောက်မှု မှတ်ချက်

4. Adverse Effect NER & Relationship

ပင်မဆေးဘက်ဆိုင်ရာအကြောင်းအရာများနှင့် ၎င်းတို့၏ဆက်ဆံရေးများကို အတိအကျဖော်ပြခြင်းနှင့် မှတ်သားခြင်းအပြင်၊ တိကျသောဆေးဝါးများ သို့မဟုတ် လုပ်ထုံးလုပ်နည်းများနှင့်ဆက်စပ်သော ဘေးထွက်ဆိုးကျိုးများကိုလည်း မီးမောင်းထိုးပြနိုင်ပါသည်။ ဖော်ပြထားသော ချဉ်းကပ်နည်းတွင်-

  1. ဆိုးရွားသော သက်ရောက်မှုများနှင့် ၎င်းတို့အတွက် တာဝန်ရှိသော အေးဂျင့်များကို တဂ်လုပ်ပါ။
  2. ဆိုးရွားသောအကျိုးသက်ရောက်မှုနှင့်၎င်း၏ဖြစ်စေနိုင်သောအေးဂျင့်အကြားဆက်နွယ်မှုကိုဆုံးဖြတ်ခြင်းနှင့်မှတ်တမ်းတင်ခြင်း။

5. ပြောဆိုချက်အခြေအနေ

ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်းများနှင့် ၎င်းတို့၏ဆက်ဆံရေးများကို အတိအကျဖော်ပြခြင်းအပြင်၊ ကျွန်ုပ်တို့သည် ဤဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်းများနှင့်သက်ဆိုင်သည့် အခြေအနေ၊ နှုတ်ထွက်မှု၊ နှင့် ဘာသာရပ်ကို အမျိုးအစားခွဲနိုင်သည်။

Status-Negation-Subject

အဘယ်ကြောင့် Shaip?

လှူသောအဖွဲ့

ဒေတာသိပ္ပံပညာရှင်များသည် ဒေတာပြင်ဆင်မှုတွင် အချိန်၏ 80% ကျော်ကို အသုံးပြုကြသည်။ Outsourcing ဖြင့်၊ အဖွဲ့သည် အယ်လဂိုရီသမ်များ ဖွံ့ဖြိုးတိုးတက်ရေးအပေါ် အာရုံစိုက်နိုင်ပြီး NER ထုတ်ယူခြင်း၏ ပျင်းရိသောအပိုင်းကို ကျွန်ုပ်တို့ထံ ချန်ထားနိုင်သည်။

Scalability ဖြစ်သည်

ML မော်ဒယ်များသည် ကုမ္ပဏီများမှ အခြားအဖွဲ့များမှ အရင်းအမြစ်များကို ထုတ်ယူရန် လိုအပ်သည့် ဒေတာအတွဲအမြောက်အများကို စုစည်းခြင်းနှင့် တဂ်လုပ်ခြင်း လိုအပ်ပါသည်။ ကျွန်ုပ်တို့သည် အလွယ်တကူ ချိန်ညှိနိုင်သော ဒိုမိန်းကျွမ်းကျင်သူများကို ပေးဆောင်ပါသည်။

အရည်အသွေးကောင်း

နေ့စဥ်နှင့် နေ့စဥ်အချိန်ဇယားများကို မှတ်သားပေးသော အထူးသီးသန့် ဒိုမိန်းကျွမ်းကျင်သူများသည် - မည်သည့်နေ့မဆို - ၎င်းတို့၏အလုပ်များသောအချိန်ဇယားများတွင် မှတ်ချက်ပေးသည့်အလုပ်များကို လိုက်လျောညီထွေဖြစ်စေမည့် အဖွဲ့တစ်ခုနှင့် နှိုင်းယှဉ်လျှင် သာလွန်ကောင်းမွန်သောအလုပ်ကို လုပ်ဆောင်သည်။

စစ်ဆင်ရေး Excellence

ကျွန်ုပ်တို့၏ဒေတာအရည်အသွေးအာမခံချက်လုပ်ငန်းစဉ်၊ tec တရားဝင်အတည်ပြုချက်များနှင့် အဆင့်ပေါင်းများစွာ QA သည် ကျွန်ုပ်တို့အား မျှော်လင့်ထားသည်ထက်ကျော်လွန်သည့် အရည်အသွေးကို ပေးအပ်ရန် ကူညီပေးသည်။

လျှို့ဝှက်ရေးဖြင့် လုံခြုံရေး

ကျွန်ုပ်တို့သည် လျှို့ဝှက်ထားမှုကိုသေချာစေရန်အတွက် လျှို့ဝှက်ရေးဆိုင်ရာ ဒေတာလုံခြုံရေး၏ အမြင့်ဆုံးစံနှုန်းများကို ထိန်းသိမ်းရန်အတွက် အသိအမှတ်ပြုခံရပါသည်။

အပြိုင်အဆိုင်စျေးနှုန်း

ကျွမ်းကျင်လုပ်သားများကို ပြုစုခြင်း၊ လေ့ကျင့်ပေးခြင်း နှင့် စီမံခန့်ခွဲခြင်းဆိုင်ရာ ကျွမ်းကျင်သူများအနေနှင့် ကျွန်ုပ်တို့သည် စီမံကိန်းများကို ဘတ်ဂျက်အတွင်း ပေးပို့နိုင်ကြောင်း သေချာစေပါသည်။

ရရှိနိုင် & ပေးပို့

ကွန်ယက်ကိုအချိန်နှင့်တပြေးညီနှင့်အချိန်နှင့်တပြေးညီသတင်းအချက်အလက်၊

ကမ္ဘာလုံးဆိုင်ရာ လုပ်သားအင်အား

ကုန်းတွင်းနှင့် ကမ်းလွန် အရင်းအမြစ်များ ပေါင်းစပ်ထားသော ရေကန်ဖြင့် ကျွန်ုပ်တို့သည် အမျိုးမျိုးသော အသုံးပြုမှုကိစ္စများအတွက် လိုအပ်သလို အသင်းများကို တည်ဆောက်ပြီး အတိုင်းအတာအထိ လုပ်ဆောင်နိုင်ပါသည်။

ပြည်သူ့၊ လုပ်ငန်းစဉ်နှင့်ပလက်ဖောင်း

ကမ္ဘာလုံးဆိုင်ရာ လုပ်သားအင်အား၊ ခိုင်မာသော ပလပ်ဖောင်းနှင့် လုပ်ငန်းဆောင်ရွက်မှု လုပ်ငန်းစဉ်များ ပေါင်းစပ်ခြင်းဖြင့် Shaip သည် စိန်ခေါ်မှုအရှိဆုံး AI ကို စတင်ရန် ကူညီပေးပါသည်။

Shaip ကျွန်ုပ်တို့ကို ဆက်သွယ်ပါ။

သင်၏ကိုယ်ပိုင် NER လေ့ကျင့်ရေးဒေတာကို တည်ဆောက်လိုပါသလား။

သင်၏ထူးခြားသော AI/ML ဖြေရှင်းချက်အတွက် စိတ်ကြိုက် NER ဒေတာအစုံကို ကျွန်ုပ်တို့ မည်သို့စုဆောင်းနိုင်သည်ကို လေ့လာရန် ယခု ကျွန်ုပ်တို့ထံ ဆက်သွယ်ပါ။

  • စာရင်းသွင်းခြင်းဖြင့်၊ Shaip နှင့် သဘောတူပါသည်။ ကိုယ်ရေးအချက်အလက်ပေါ်လစီ နှင့် ဝန်ဆောင်မှုစည်းမျဉ်းများ Shaip ထံမှ B2B စျေးကွက်ချဲ့ထွင်ဆက်သွယ်ရေးကို လက်ခံရယူရန် ကျွန်ုပ်၏သဘောတူညီချက်ကို ပေးဆောင်ပါ။