ಮೊದಲ ಬಾರಿಗೆ, ರೋಗಿಯು ಚಿಕಿತ್ಸೆಯನ್ನು ಪುನರಾರಂಭಿಸಲು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾನೆ.
ದೀರ್ಘಕಾಲದ ಮದ್ಯವ್ಯಸನಿಯಾಗಿರುವ ರೋಗಿಯು ಈ ಹಿಂದೆ ಜಿಲ್ಲಾ ಆಸ್ಪತ್ರೆಯಿಂದ ಬಿಡುಗಡೆಯಾದ ನಂತರ ಕ್ಷಯರೋಗ (ಟಿಬಿ) ಚಿಕಿತ್ಸೆಯನ್ನು ನಿಲ್ಲಿಸಿದ್ದರು. ಅವರು ತಮ್ಮ ಔಷಧಿಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನಿರಾಕರಿಸಿದರು ಮತ್ತು ನಂತರದ ಭೇಟಿಗಳನ್ನು ತಪ್ಪಿಸಿದರು. “ನಾನು ಅವನನ್ನು CAT ಬಳಸಿ ಪರೀಕ್ಷಿಸಿದಾಗ ಮತ್ತು ಅವನಿಗೆ ಪೂರ್ವಭಾವಿ ಫಲಿತಾಂಶವನ್ನು ತೋರಿಸಿದಾಗ-ಕೆಂಪು ಶ್ವಾಸಕೋಶಗಳು-ಅವರು ಅಂತಿಮವಾಗಿ ಚಿಕಿತ್ಸೆಯನ್ನು ಮರುಪ್ರಾರಂಭಿಸಲು ಒಪ್ಪಿಕೊಂಡರು,” ಅವರು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತಾರೆ.
ಜಾಗತಿಕ ಟಿಬಿ ಹೊರೆಯ (1) ಸುಮಾರು 25% ರಷ್ಟನ್ನು ಭಾರತ ಹೊಂದಿದೆ. ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ, ಆರೋಗ್ಯ ಮತ್ತು ಕುಟುಂಬ ಕಲ್ಯಾಣ ಸಚಿವಾಲಯ ಮತ್ತು ಕೇಂದ್ರ ಟಿಬಿ ವಿಭಾಗ (CTD) ರಾಷ್ಟ್ರೀಯ ಟಿಬಿ ಎಲಿಮಿನೇಷನ್ ಪ್ರೋಗ್ರಾಂ (NTEP) ಅಡಿಯಲ್ಲಿ ಟಿಬಿ ಆರೈಕೆ ನಿರಂತರತೆಯನ್ನು ಬಲಪಡಿಸುತ್ತಿದೆ. ಈ ಪ್ರಯತ್ನದ ಭಾಗವಾಗಿ, ವಾಧ್ವಾನಿ AI ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ AI-ಸಶಕ್ತ ಪರಿಹಾರಗಳನ್ನು ನಿ-ಕ್ಷಯ್ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆ, ಅನುಸರಣೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಸುಧಾರಿಸಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ ಎಂಬೆಡ್ ಮಾಡಲಾಗುತ್ತಿದೆ.
ಹೆಚ್ಚಿನ ಅಪಾಯದ ಪ್ರದೇಶಗಳನ್ನು ಗುರಿಯಾಗಿಸುವುದು
ವಲ್ನರಬಿಲಿಟಿ ಮ್ಯಾಪಿಂಗ್ ಫಾರ್ TB (VMTB), ವಧ್ವಾನಿ AI ನಿಂದ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ನಿ-ಕ್ಷಯ್ ಪೋರ್ಟಲ್ ಮತ್ತು ಪ್ರೋಗ್ರಾಂ ಪ್ಲಾನಿಂಗ್ ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟಿದೆ, ಹೆಚ್ಚಿನ ಅಪಾಯದ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸುವಲ್ಲಿ ಮತ್ತು ಸಕ್ರಿಯ ಪ್ರಕರಣಗಳ ಪತ್ತೆಗೆ ಆದ್ಯತೆ ನೀಡುವಲ್ಲಿ ಜಿಲ್ಲೆ ಮತ್ತು ರಾಜ್ಯ ತಂಡಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಟಿಬಿ ಪ್ರಕರಣದ ಸ್ಥಳಗಳು ಮತ್ತು 20 ಕ್ಕೂ ಹೆಚ್ಚು ಆರೋಗ್ಯ ಮತ್ತು ಪರಿಸರ ಅಂಶಗಳ ನಡುವಿನ ಮಾದರಿಗಳನ್ನು ನಕ್ಷೆ ಮಾಡಲು ಈ ಉಪಕರಣವು ಜಿಯೋಸ್ಪೇಷಿಯಲ್ ಅನಾಲಿಟಿಕ್ಸ್ ಅನ್ನು ಬಳಸುತ್ತದೆ, ದುರ್ಬಲತೆ ಕೇಂದ್ರೀಕೃತವಾಗಿರುವ ಪ್ರದೇಶಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡುತ್ತದೆ. ಈ ಒಳನೋಟಗಳು ಆರೋಗ್ಯ ಅಧಿಕಾರಿಗಳು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿಯೋಜಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅವುಗಳು ಹೆಚ್ಚು ಅಗತ್ಯವಿರುವಲ್ಲಿ ಮಧ್ಯಸ್ಥಿಕೆಗಳನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ.
ರಿಮೋಟ್ ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಪ್ರವೇಶವನ್ನು ವಿಸ್ತರಿಸಲಾಗುತ್ತಿದೆ
ಈಶಾನ್ಯ ರಾಜ್ಯವಾದ ಮೇಘಾಲಯದಲ್ಲಿ, ಗುಡ್ಡಗಾಡು ಮತ್ತು ದೂರದ ಭೂಪ್ರದೇಶಗಳು ಆರೋಗ್ಯ ಸೇವೆಯನ್ನು ಹೇಗೆ ಪ್ರವೇಶಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ರೂಪಿಸುತ್ತವೆ, ಆರೋಗ್ಯ ಸೌಲಭ್ಯವನ್ನು ತಲುಪಲು ಸಮಯ ಮತ್ತು ಯೋಜನೆ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಹಳ್ಳಿಗಳು ಕಡಿದಾದ ಭೂದೃಶ್ಯಗಳಲ್ಲಿ ಹರಡಿಕೊಂಡಿವೆ ಮತ್ತು ಮಾನ್ಸೂನ್ ಸಮಯದಲ್ಲಿ ಪ್ರಯಾಣವು ಹೆಚ್ಚು ಸವಾಲಾಗಬಹುದು. CHO Ibaiada Syemlieh ಗೆ, ಸಮುದಾಯ-ಆಧಾರಿತ ಔಟ್ರೀಚ್ ಆದ್ದರಿಂದ ಆರೈಕೆ ವಿತರಣೆಯ ಅತ್ಯಗತ್ಯ ಭಾಗವಾಗಿದೆ.
ಸಮುದಾಯ ಆರೋಗ್ಯ ಅಧಿಕಾರಿ (CHO) Ibaiada Syiemlieh ಅವರು ಕ್ಷಯರೋಗ ವಿರುದ್ಧ ಕೆಮ್ಮು (CAT) ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಜಾಯ್ಲಿಯೋನ್ ಲಾಮಾರೆಗಾಗಿ ಕ್ಷಯರೋಗ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ಭಾರತದ ಮೇಘಾಲಯದ ಪಶ್ಚಿಮ ಜೈಂಟಿಯಾ ಹಿಲ್ಸ್ ಜಿಲ್ಲೆಯ ಶಿಲಿಯಾಂಗ್ ಮೈಂಟಾಂಗ್ ಗ್ರಾಮದಲ್ಲಿ ಸಮುದಾಯ ಭೇಟಿಯ ಸಂದರ್ಭದಲ್ಲಿ ನಡೆಸುತ್ತಾರೆ. CAT ಎಂಬುದು AI-ಚಾಲಿತ, ಕೆಮ್ಮು-ಧ್ವನಿ-ಆಧಾರಿತ ಸ್ಕ್ರೀನಿಂಗ್ ಸಾಧನವಾಗಿದ್ದು, ಅಪಾಯದಲ್ಲಿರುವ ವ್ಯಕ್ತಿಗಳ ಆರಂಭಿಕ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಬೆಂಬಲಿಸಲು ಮತ್ತು ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ ಸಕಾಲಿಕ ಉಲ್ಲೇಖವನ್ನು ಬೆಂಬಲಿಸಲು ರಾಷ್ಟ್ರೀಯ ಕ್ಷಯರೋಗ ನಿರ್ಮೂಲನೆ ಕಾರ್ಯಕ್ರಮದ (NTEP) ಅಡಿಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. ಗಮನಿಸಿ: ಭಾಗವಹಿಸುವವರು ಸ್ಕ್ರೀನಿಂಗ್ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು CAT ಅಪ್ಲಿಕೇಶನ್ನ ಸರಿಯಾದ ಬಳಕೆಯನ್ನು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ದಾಖಲಿಸಲು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಒಡ್ಡಿದರು. ರೋಹಿತ್ ಜೈನ್ ಅವರ ಫೋಟೋ
ವಾಧ್ವಾನಿ AI ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ CATB ಎಂಬ ಮೊಬೈಲ್ ಫೋನ್ ಆಧಾರಿತ ಸ್ಕ್ರೀನಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಅವರು ಈಗ ಮನೆಯಲ್ಲಿ ಅಥವಾ ಹೊರಗಿನ ಭೇಟಿಗಳ ಸಮಯದಲ್ಲಿ ಜನರು ಎಲ್ಲಿದ್ದಾರೆ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಾರೆ. ಇದು ಶ್ವಾಸಕೋಶದ ಟಿಬಿಯನ್ನು ನಿರ್ಣಯಿಸಲು ಕೆಮ್ಮಿನ ಧ್ವನಿ ರೆಕಾರ್ಡಿಂಗ್ಗಳು ಮತ್ತು ವ್ಯಕ್ತಿಯ ರೋಗಲಕ್ಷಣದ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ, ರೋಗಿಯನ್ನು ಮತ್ತಷ್ಟು ದೃಢೀಕರಣ ಪರೀಕ್ಷೆಗೆ ಉಲ್ಲೇಖಿಸಬೇಕೇ ಅಥವಾ ಬೇಡವೇ ಎಂಬುದರ ಕುರಿತು ನೈಜ-ಸಮಯದ ನಿರ್ಧಾರವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಕಡಿಮೆ-ಸಂಪನ್ಮೂಲ ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಬಳಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, CATB ಆಫ್ಲೈನ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಆಯುಷ್ಮಾನ್ ಆರೋಗ್ಯ ಮಂದಿರದಲ್ಲಿ ಮತ್ತು ಸಮುದಾಯ-ಮಟ್ಟದಲ್ಲಿ ವ್ಯಾಪಕವಾದ TB ಸ್ಕ್ರೀನಿಂಗ್ ವರ್ಕ್ಫ್ಲೋಗೆ ಫೀಡ್ ಮಾಡುತ್ತದೆ.
ಇದು ಪರೀಕ್ಷೆಗೆ ಯಾರನ್ನು ಉಲ್ಲೇಖಿಸಬೇಕು ಎಂದು ಆದ್ಯತೆ ನೀಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆಗಾಗ್ಗೆ ಸ್ವಲ್ಪ ದೂರದಲ್ಲಿರುವ ಸೌಲಭ್ಯಗಳಿಗೆ. ಇದು ರೋಗಿಗಳ ಮೇಲೆ ಆರ್ಥಿಕ ಮತ್ತು ವ್ಯವಸ್ಥಾಪನಾ ಹೊರೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಯ ಸಂಪನ್ಮೂಲಗಳ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಬಳಕೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ಇಲ್ಲಿಯವರೆಗೆ, CATB ಬಳಸಿಕೊಂಡು 175,000 ಕ್ಕೂ ಹೆಚ್ಚು ಜನರನ್ನು ಪರೀಕ್ಷಿಸಲಾಗಿದೆ, ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಬಳಸುತ್ತಿರುವ ರಾಜ್ಯಗಳಾದ್ಯಂತ 27,500 ಕ್ಕಿಂತ ಹೆಚ್ಚು TB ಪ್ರಕರಣಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ.
“ಕೆಂಪು ಅಥವಾ ಹಸಿರು ಪರದೆಯ ರೂಪದಲ್ಲಿ ಫಲಿತಾಂಶವನ್ನು ನೋಡಿದಾಗ ಜನರು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ!” ಅವಳು ಹೇಳುತ್ತಾಳೆ. “ಅವರು ಅದನ್ನು ಗಂಭೀರವಾಗಿ ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ.”
ಆರಂಭಿಕ ಸ್ಕ್ರೀನಿಂಗ್ ವ್ಯಕ್ತಿಗಳನ್ನು ಗುರುತಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಅವರು ಚಿಕಿತ್ಸೆಯಲ್ಲಿ ಉಳಿಯುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಅಷ್ಟೇ ನಿರ್ಣಾಯಕವಾಗಿದೆ.
ಚಿಕಿತ್ಸೆಯ ಅನುಸರಣೆಯನ್ನು ಬಲಪಡಿಸುವುದು
ಮಹಾರಾಷ್ಟ್ರದಲ್ಲಿ, ಹಿರಿಯ ಚಿಕಿತ್ಸಾ ಮೇಲ್ವಿಚಾರಕ (STS) ವಿಶಾಲ್ ಮಿರಾಜ್ಕರ್ ನಿ-ಕ್ಷಯ್ ಪೋರ್ಟಲ್ ಮೂಲಕ ರೋಗಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತಾರೆ. ಯಾರಾದರೂ ಪ್ರತಿಕ್ರಿಯಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿದಾಗ, ಅವರು ಕರೆಗಳು, ಭೇಟಿಗಳು ಮತ್ತು ಸ್ಥಳೀಯ ಆರೋಗ್ಯ ಕಾರ್ಯಕರ್ತರೊಂದಿಗೆ ಸಮನ್ವಯದ ಮೂಲಕ ಅನುಸರಿಸುತ್ತಾರೆ.
ಈ ಪ್ರಯತ್ನವನ್ನು ಬೆಂಬಲಿಸುವುದು ಪ್ರತಿಕೂಲ TB ಫಲಿತಾಂಶಗಳ ಮುನ್ಸೂಚನೆ (PATO), CTD, MoHFW ಸಹಯೋಗದೊಂದಿಗೆ ವಾಧ್ವನಿ AI ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಅಪಾಯದ ಶ್ರೇಣೀಕರಣ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ. ಇದು ಚಿಕಿತ್ಸೆಯ ಪ್ರಾರಂಭದಲ್ಲಿ ರೋಗಿಗಳ ದಾಖಲೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಚಿಕಿತ್ಸೆಯ ಸಮಯದಲ್ಲಿ ಕೈಬಿಡುವ ಅಥವಾ ಮರಣದಂತಹ ಕಳಪೆ ಫಲಿತಾಂಶಗಳನ್ನು ಅನುಭವಿಸುವ ಹೆಚ್ಚಿನ ಅಪಾಯದಲ್ಲಿರುವ ವ್ಯಕ್ತಿಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ, ಆರೋಗ್ಯ ಕಾರ್ಯಕರ್ತರು ಫಾಲೋ-ಅಪ್ಗೆ ಆದ್ಯತೆ ನೀಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಇಲ್ಲಿಯವರೆಗೆ, PATO ಮೂಲಕ ಎರಡು ದಶಲಕ್ಷಕ್ಕೂ ಹೆಚ್ಚು ರೋಗಿಗಳ ದಾಖಲೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ, 800,000 ಕ್ಕೂ ಹೆಚ್ಚು ವ್ಯಕ್ತಿಗಳನ್ನು ಹೆಚ್ಚಿನ ಅಪಾಯ ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ. ನೆಲದ ಮೇಲೆ, ಇದು ಫಾಲೋ-ಅಪ್ ಕರೆಗಳು ಮತ್ತು ಚಿಕಿತ್ಸೆಯ ಮೂಲಕ ರೋಗಿಗಳನ್ನು ಬೆಂಬಲಿಸಲು ವೈಯಕ್ತಿಕ ಭೇಟಿಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಉದ್ದೇಶಿತ ಕ್ರಿಯೆಗೆ ಅನುವಾದಿಸುತ್ತದೆ.
“ಯಾವುದೇ ರೋಗಿಯು ಜಾರಿಕೊಳ್ಳಬಾರದು” ಎಂದು ಮಿರಾಜ್ಕರ್ ಹೇಳುತ್ತಾರೆ.
ರೋಗನಿರ್ಣಯ ಮತ್ತು ಲ್ಯಾಬ್ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸುವುದು
ಟಿಬಿ ಆರೈಕೆ ನಿರಂತರತೆಯಾದ್ಯಂತ, ಸ್ಕ್ರೀನಿಂಗ್, ರೋಗನಿರ್ಣಯ, ಚಿಕಿತ್ಸೆ ಮತ್ತು ಅನುಸರಣೆಯನ್ನು ಬಲಪಡಿಸಲು ಪ್ರಯತ್ನಗಳು ನಡೆಯುತ್ತಿವೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಔಷಧ-ನಿರೋಧಕ ಟಿಬಿಗೆ ರೋಗನಿರ್ಣಯವು ನಿರ್ಣಾಯಕವಾಗಿದೆ. NTEP ಮಾರ್ಗಸೂಚಿಗಳ ಪ್ರಕಾರ, TB ಯೊಂದಿಗಿನ ಎಲ್ಲಾ ವ್ಯಕ್ತಿಗಳು ಲೈನ್ ಪ್ರೋಬ್ ಅಸ್ಸೇ (LPA) ಪರೀಕ್ಷೆಗೆ ಒಳಗಾಗಬೇಕಾಗುತ್ತದೆ. ಪರೀಕ್ಷೆಯ ಬೇಡಿಕೆಯು ಬೆಳೆಯುತ್ತಲೇ ಇರುವುದರಿಂದ, NTEP ಅಡಿಯಲ್ಲಿ ಪ್ರಯೋಗಾಲಯದ ದಕ್ಷತೆಯನ್ನು ಬಲಪಡಿಸುವುದು ಒಂದು ಆದ್ಯತೆಯಾಗಿ ಉಳಿದಿದೆ.
ಅನೇಕ ಪ್ರಯೋಗಾಲಯಗಳಲ್ಲಿ, ಆಡಳಿತಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಗಳು ಲ್ಯಾಬ್ ತಂತ್ರಜ್ಞರ ದೈನಂದಿನ ಕೆಲಸದ ಹರಿವಿನ ಪ್ರಮುಖ ಭಾಗವಾಗಿದೆ. ಅವರ ಸಮಯದ ಗಮನಾರ್ಹ ಪಾಲನ್ನು LPA ಫಲಿತಾಂಶಗಳ ಹಸ್ತಚಾಲಿತ ವ್ಯಾಖ್ಯಾನ, ಕಾಗದ-ಆಧಾರಿತ ಡೇಟಾ ನಮೂದು ಮತ್ತು MIS ವರದಿ ಮಾಡುವಂತಹ ಕಾರ್ಯಗಳಿಗೆ ಮೀಸಲಿಡಲಾಗಿದೆ. ಅವರಿಗೆ ಸಹಾಯ ಮಾಡಲು, ವಾಧ್ವನಿ AI ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ AI ಪರಿಹಾರವಾದ ಲೈನ್ ಪ್ರೋಬ್ ಅಸ್ಸೇ ಆಟೋಮೇಷನ್, ನಿ-ಕ್ಷಯ್ ಪೋರ್ಟಲ್ನಲ್ಲಿ ನೈಜ-ಸಮಯದ ಫಲಿತಾಂಶಗಳ ನವೀಕರಣದೊಂದಿಗೆ LPA ಪರೀಕ್ಷಾ ಫಲಿತಾಂಶಗಳ ಓದುವಿಕೆ ಮತ್ತು ವ್ಯಾಖ್ಯಾನವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯನ್ನು ಬಳಸುತ್ತದೆ. ಪರಿಹಾರವನ್ನು ಹಂತಗಳಲ್ಲಿ ಹೊರತರಲಾಗುತ್ತಿದೆ ಮತ್ತು ಪ್ರಸ್ತುತ ನಿ-ಕ್ಷಯ್ ಪೋರ್ಟಲ್ನಲ್ಲಿ 97 ಎನ್ಟಿಇಪಿ-ಪ್ರಮಾಣೀಕೃತ ಸಂಸ್ಕೃತಿ ಮತ್ತು ಡ್ರಗ್ ಸಸೆಪ್ಟಿಬಿಲಿಟಿ ಟೆಸ್ಟಿಂಗ್ (ಸಿಡಿಎಸ್ಟಿ) ಮತ್ತು ಮಧ್ಯಂತರ ಉಲ್ಲೇಖ (ಐಆರ್) ಪ್ರಯೋಗಾಲಯಗಳಲ್ಲಿ ಸಾರ್ವಜನಿಕ ಮತ್ತು ಖಾಸಗಿ ವಲಯಗಳಲ್ಲಿ ಎಲ್ಪಿಎ ಆಟೊಮೇಷನ್ ಅನ್ನು ಬೆಂಬಲಿಸಲು ಸಂಯೋಜಿಸಲಾಗಿದೆ.
ಒಟ್ಟಾರೆಯಾಗಿ, ಈ ಪ್ರಯತ್ನಗಳು ಟಿಬಿ ಕೇರ್ ಕ್ಯಾಸ್ಕೇಡ್ ಅನ್ನು ಸ್ಕ್ರೀನಿಂಗ್ನಿಂದ ಚಿಕಿತ್ಸೆ ಮತ್ತು ಅನುಸರಣೆಯವರೆಗೆ AI ಅನ್ನು ಸಾಮಾನ್ಯ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಬಲಪಡಿಸುತ್ತದೆ. ಇದು ಮುಂಚೂಣಿಯ ಕೆಲಸಗಾರರಿಗೆ ಆರೈಕೆಯ ಪ್ರಯಾಣದಾದ್ಯಂತ ರೋಗಿಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಗುರುತಿಸಲು, ಆದ್ಯತೆ ನೀಡಲು ಮತ್ತು ಬೆಂಬಲಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
