એકમો
1. મેડિકલ લેબોરેટરીમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પરિચય: ભૂમિકાઓ, સીમાઓ, માન્યતા અને નીતિશાસ્ત્ર 2. પરિણામ અર્થઘટન સમર્થન અને સંદર્ભ શ્રેણીઓ: AI સ્કેચને માન્ય કરવું 3. ક્વોલિટી કંટ્રોલ અને ડેલ્ટા ચેક: AI સાથે વિશ્લેષણાત્મક ભૂલ પકડવામાં 4. ગભરાટ/ક્રિટીકલ વેલ્યુ ટ્રેકિંગ અને નોટિફિકેશન: સિક્યુરિટી-ક્રિટીકલ પ્રોસેસ 5. LIS એકીકરણ અને ડેટા ફ્લો: AI ને યોગ્ય સ્થાને જોડવું 6. વર્કફ્લો ઓટોમેશન: નમૂનાની સ્વીકૃતિથી લઈને પરિણામ રિલીઝ સુધી 7. માઈક્રોસ્કોપી અને ઈમેજ પ્રી-એસેસમેન્ટ: સ્મીયર, યુરીન અને માઈક્રોબાયોલોજી 8. પૂર્વ-વિશ્લેષણાત્મક તબક્કો અને નમૂના સુસંગતતા: હેમોલિસિસ, લિપેમિયા, ઇક્ટેરસ 9. રિપોર્ટિંગ અને કોમ્યુનિકેશન: ક્લિનિશિયન અને દર્દી માટે સ્પષ્ટ પરિણામ 10. ડેટા ગોપનીયતા, KVKK, એથિક્સ અને મોડલ માન્યતા 11. એન્ડ-ટુ-એન્ડ વર્કફ્લો, ગુણવત્તા વ્યવસ્થાપન અને સ્વ-ઓડિટ
એકમ 2 / 11

પરિણામ અર્થઘટન સમર્થન અને સંદર્ભ શ્રેણીઓ: AI સ્કેચને માન્ય કરવું

નફો:

  • સમજો કે સંદર્ભ શ્રેણી વય, લિંગ, પદ્ધતિ અને વસ્તી પર આધારિત છે અને તમારી પોતાની પ્રયોગશાળાની રેન્જ સાથે કૃત્રિમ બુદ્ધિની સામાન્ય શ્રેણીને ચકાસવામાં સક્ષમ બનો.
  • પરીક્ષણ પરિણામોનું સ્પષ્ટ પ્રારંભિક અર્થઘટન બનાવવા માટે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરો અને નિષ્ણાત ક્લિનિકલ અર્થઘટન અને અંતિમ નિર્ણય પ્રદાન કરવામાં સક્ષમ બનો.
  • ગભરાટના મૂલ્ય, એકમની અસંગતતા અને અર્થઘટન પહેલાં ક્લિનિકલ સંદર્ભનો અભાવ જેવી મુશ્કેલીઓને પકડવાની ક્ષમતા

પ્રયોગશાળાનું પરિણામ તેની નીચે સંદર્ભ શ્રેણી વિના લગભગ અર્થહીન છે. "ફેરીટીન 18" એકલું ન તો ઊંચું કે નીચું છે; તે ફક્ત "18 એનજી/એમએલ, સ્ત્રી સંદર્ભ 15-150" માહિતી સાથે અર્થપૂર્ણ બને છે. પરિણામનું અર્થઘટન એ સંખ્યાને સંદર્ભમાં મૂકવાની કળા છે: યોગ્ય સંદર્ભ શ્રેણી, યોગ્ય એકમ, યોગ્ય વય-લિંગ જૂથ અને દર્દીની ક્લિનિકલ સ્થિતિ. AI આ અર્થઘટનનું શક્તિશાળી જનરેટર હોઈ શકે છે — પરંતુ આ તે છે જ્યાં સૌથી ખતરનાક ભૂલો થાય છે, કારણ કે AI "સામાન્ય રીતે સ્વીકૃત" સંદર્ભ શ્રેણી પ્રદાન કરવામાં અસ્ખલિત છે, અને તે શ્રેણી તમારી લેબની માન્ય શ્રેણી જેવી ન પણ હોઈ શકે.

આ એકમમાં, તમે શીખી શકશો કે કેવી રીતે સુરક્ષિત રીતે કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ સહાયક તરીકે કરવો કે જે પરિણામોને સમજી શકાય તેવી રીતે પૂર્વ-અર્થઘટન કરે છે; અર્થઘટન પહેલાં સંદર્ભ શ્રેણી, એકમ અને ક્લિનિકલ સંદર્ભની મુશ્કેલીઓ કેવી રીતે પકડવી તે વિશે અમે તમને લઈ જઈશું. મૂળભૂત સિદ્ધાંત યથાવત રહે છે: AI પ્રારંભિક અર્થઘટન ડ્રાફ્ટ બનાવે છે; નિષ્ણાત ક્લિનિકલ અર્થઘટન અને નિષ્કર્ષ પ્રકાશિત કરવાનો નિર્ણય લે છે.

સંદર્ભ શ્રેણી "સામાન્ય" કેમ ન હોઈ શકે

સંદર્ભ અંતરાલ એ તંદુરસ્ત માનવામાં આવતી સંદર્ભ વસ્તીમાં વિશ્લેષકનું કેન્દ્રિય 95% મૂલ્ય વિતરણ છે. આ વ્યાખ્યામાં ઘણા ચલો છુપાયેલા છે:

  • ઉંમર: ઘણા વિશ્લેષકોની શ્રેણી નવજાત શિશુઓ, બાળકો, વયસ્કો અને વૃદ્ધોમાં અલગ છે. હાડકાની વૃદ્ધિને કારણે પુખ્ત વયના લોકો કરતાં બાળકમાં આલ્કલાઇન ફોસ્ફેટ (ALP)નું પ્રમાણ ઘણું વધારે છે; જેઓ આ જાણતા નથી તે વિચારી શકે છે કે બાળકની સામાન્ય ALP "ઉચ્ચ" છે.
  • લિંગ: હિમોગ્લોબિન, ફેરીટીન, ક્રિએટીનાઇન, યુરિક એસિડ જેવા વિશ્લેષકો પુરુષો અને સ્ત્રીઓમાં અલગ અલગ રેન્જ ધરાવે છે.
  • પદ્ધતિ અને ઉપકરણ: સમાન વિશ્લેષક વિવિધ માપન પદ્ધતિઓ સાથે વિવિધ સંખ્યાત્મક રેન્જ આપી શકે છે. તેથી, દરેક પ્રયોગશાળા તેના પોતાના ઉપકરણ અને વસ્તી અનુસાર સંદર્ભ શ્રેણીની ચકાસણી કરે છે.
  • શારીરિક સ્થિતિ: ગર્ભાવસ્થા, ભૂખ/તૃપ્તિ, દિવસનો સમય (જેમ કે કોર્ટિસોલ) પરિણામને અસર કરે છે.

તેથી અંગૂઠાનો નિયમ આ છે: AI દ્વારા આપવામાં આવેલી સંદર્ભ શ્રેણી એ પ્રારંભિક માહિતી છે, જ્યારે તમારી પોતાની પ્રયોગશાળાની પ્રમાણિત શ્રેણી વાસ્તવિક છે. જ્યારે બે સંઘર્ષ, તમારી પોતાની પ્રયોગશાળા પ્રવર્તે છે.

ધ્યાન આપો: AI ને પૂછો "શું આ મૂલ્ય સામાન્ય છે?" જવાબના આધારે અહેવાલ પૂછવા અને તેનું અર્થઘટન કરવું સંદર્ભ શ્રેણીના તફાવતોને કારણે પદ્ધતિસરની ભૂલો પેદા કરે છે. પ્રથમ તમારી પ્રયોગશાળાની શ્રેણી પ્રોમ્પ્ટ પર આપો, પછી ટિપ્પણીઓ માટે પૂછો.

પગલું દ્વારા પગલું: સલામત પરિણામ અર્થઘટન પ્રવાહ

  1. એકમ સ્પષ્ટ કરો. સમાન વિશ્લેષક વિવિધ એકમો (ગ્લુકોઝ mg/dL અથવા mmol/L; કેલ્શિયમ mg/dL અથવા mmol/L) માં જાણ કરી શકાય છે. સ્પષ્ટપણે AI ને એકમ આપો અને તે રૂપાંતરિત થયું છે કે કેમ તે પાછું તપાસો.
  2. તમારી પોતાની સંદર્ભ શ્રેણી પ્રદાન કરો. પ્રોમ્પ્ટમાં ઉંમર, લિંગ અને તમારી લેબની શ્રેણી ઉમેરો. AI ને તેની પોતાની મેમરીમાંથી રેન્જમાં ફિટ થવા દો નહીં.
  3. ક્લિનિકલ સંદર્ભ આપો. નિદાન, દવાઓ, ગર્ભાવસ્થા, ઉપવાસની સ્થિતિ જેવી માહિતી અર્થઘટનને સંપૂર્ણપણે બદલી શકે છે.
  4. ગભરાટ / નિર્ણાયક મૂલ્યો ચિહ્નિત કરો. ટિપ્પણી શરૂ કરતા પહેલા જટિલ થ્રેશોલ્ડ તપાસો; જો કોઈ નિર્ણાયક મૂલ્ય હોય, તો સૂચના, ટિપ્પણી નહીં, અગ્રતા લે છે.
  5. ડ્રાફ્ટ ફિલ્ટર કરો. AI દ્વારા જનરેટ કરેલી ટિપ્પણી વાંચો, નિશ્ચિતતાની ભાષાને હળવી કરો, ડાયગ્નોસ્ટિક અસરો દૂર કરો અને "તમારા ચિકિત્સકની સલાહ લો" નોંધ ઉમેરો.

નીચેનું કોષ્ટક સામાન્ય સંદર્ભ અંતરની મુશ્કેલીઓનો સારાંશ આપે છે:

છટકું

ઉદાહરણ

યોગ્ય અભિગમ

વય અંધત્વ

બાળકમાં ઉચ્ચ ALP ને "અસામાન્ય" ગણાવવું

વય-વિશિષ્ટ શ્રેણીનો ઉપયોગ કરો

લિંગ અંધત્વ

પુરૂષ શ્રેણી સાથે સ્ત્રી ફેરીટીનનું અર્થઘટન

લિંગ વિશિષ્ટ શ્રેણીનો ઉપયોગ કરો

એકમ હસ્તક્ષેપ

5.5 mmol/L ગ્લુકોઝને mg/dL તરીકે ભૂલવું

એકમ સ્પષ્ટપણે જણાવો

પદ્ધતિ તફાવત

તમારા પોતાના ઉપકરણ પર સામાન્ય શ્રેણી લાગુ કરવી

લેબ શ્રેણી ચકાસો

સંદર્ભનો અભાવ

સામાન્ય શ્રેણી સાથે ગર્ભાવસ્થામાં TSH નું અર્થઘટન

શારીરિક સ્થિતિ ઉમેરો

અર્થઘટનની મર્યાદા: પરિણામ એ નિદાન નથી

પ્રયોગશાળાનું પરિણામ એ પુરાવાનો એક ભાગ છે, નિદાન નથી. ઉચ્ચ સીઆરપી (સી-રિએક્ટિવ પ્રોટીન, બળતરાનું માર્કર) નો અર્થ "ત્યાં ચેપ છે" નથી; બળતરાના ઘણા કારણો હોઈ શકે છે. સકારાત્મક સ્ક્રિનિંગ પરીક્ષણ ચોક્કસ રોગ સૂચવતું નથી; પુષ્ટિત્મક પરીક્ષણ અને ક્લિનિકલ મૂલ્યાંકન જરૂરી છે. પરિણામ સમજાવતી વખતે, AI સરળતાથી ચોક્કસ અને ખોટા વાક્યો બનાવી શકે છે જેમ કે "આ મૂલ્ય રોગ X સૂચવે છે". તમારું કાર્ય આ ભાષાને ઘટાડવાનું છે "આ મૂલ્ય X સાથે સુસંગત હોઈ શકે છે, પરંતુ નિદાન ક્લિનિકલ મૂલ્યાંકન દ્વારા કરવામાં આવે છે." અર્થઘટન અને નિદાન વચ્ચેની સીમા એ પ્રયોગશાળા નીતિશાસ્ત્ર માટે કેન્દ્રિય છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

હિમોગ્લોબિન 10, ફેરીટિન 8. આનો અર્થ શું છે, દર્દીને કયો રોગ છે?

આ વિનંતિ એકમ વિનાની છે, તેમાં કોઈ વય-લિંગ નથી, કોઈ સંદર્ભ શ્રેણી નથી અને સીધું જ “કયા રોગ?” નું નિદાન કરવા માટે પૂછે છે. - ચિકિત્સકની ભૂમિકામાં AI ને દબાણ કરવું અને ચોક્કસ, ખોટા જવાબને આમંત્રણ આપવું.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: સહાયક પ્રયોગશાળા નિષ્ણાતને પૂર્વ-અર્થઘટન ડ્રાફ્ટ તૈયાર કરે છે. નિદાન; "શક્ય" ભાષાનો ઉપયોગ કરો; દર્દીને ચિકિત્સકને નિર્દેશિત કરતી નોંધ ઉમેરો. દર્દી: 34 વર્ષની સ્ત્રી, ગર્ભવતી નથી, નિયમિત માસિક સ્રાવ. પરિણામો (અમારા પ્રયોગશાળા સંદર્ભ સાથે):- હિમોગ્લોબિન 10.2 g/dL (રેફ ફીમેલ 12.0-15.5)-ફેરીટીન 8 ng/mL (ref-15L MC 54) 80-100) કાર્ય: દર્દીને આ ચિત્રને સાદી ભાષામાં સમજાવીને રૂપરેખા લખો; કપાત કરવી; કઇ માહિતીને ક્લિનિકલ મૂલ્યાંકનની જરૂર છે તે જણાવો.

મજબૂત પ્રોમ્પ્ટ એકમ અને સંદર્ભ આપે છે, ક્લિનિકલ સંદર્ભ ઉમેરે છે, ભૂમિકાને સીમિત કરે છે અને "શક્ય" ની ભાષાની વિનંતી કરે છે.

ત્રણ નાના કેસો

કેસ 1 - સાચો ઉપયોગ. નિષ્ણાત 34 વર્ષની સ્ત્રી દર્દીમાં ઉપરના મજબૂત સંકેત સાથે Hb 10.2 g/dL, ferritin 8 ng/mL, MCV 74 fL થી YZ ના મૂલ્યો આપે છે. YZ એક સ્વસ્થ રૂપરેખા બનાવે છે કે "ઓછી ફેરીટિન અને ઓછી MCV આયર્નની ઉણપનો એનિમિયા સાથે સુસંગત હોઈ શકે છે, પરંતુ નિદાન ચિકિત્સકના મૂલ્યાંકન દ્વારા કરવામાં આવે છે." નિષ્ણાત તેની પોતાની લેબોરેટરીના સંદર્ભ રેન્જની ચકાસણી કરે છે અને ડ્રાફ્ટને મંજૂરી આપે છે. અવધિ: 8 મિનિટને બદલે 2 મિનિટ.

કેસ 2 - સંદર્ભ રેન્જ ટ્રેપ. અન્ય નિષ્ણાત YZ ને 5 વર્ષના બાળકમાં ALP 320 U/L મૂલ્ય વિશે પૂછે છે, પરંતુ ઉંમરનો ઉલ્લેખ કરતા નથી. YZ પુખ્ત વયની શ્રેણી (આશરે 40-130 U/L) ધારે છે અને પરિણામનું અર્થઘટન કરે છે કે "નોંધપાત્ર રીતે ઉચ્ચ, યકૃત/હાડકાની પેથોલોજી ધ્યાનમાં લેવી જોઈએ." જો કે, 5 વર્ષના બાળકમાં, ALP અસ્થિ વૃદ્ધિને કારણે 320 U/L સામાન્યની નજીક હોઈ શકે છે. ટિપ્પણી ખોટી હતી કારણ કે કોઈ ઉંમર આપવામાં આવી નથી. પાઠ: હંમેશા પ્રોમ્પ્ટમાં ઉંમર મૂકો.

કેસ 3 - એકમ હસ્તક્ષેપ. ટેકનિશિયન એકમો વિના AI ને ગ્લુકોઝ 5.5 મૂલ્ય આપે છે. YZ એમજી/ડીએલ ધારે છે અને કહે છે "ચિહ્નિત હાઈપોગ્લાયકેમિઆ"; જ્યારે મૂલ્ય mmol/L છે અને 5.5 mmol/L (લગભગ 99 mg/dL) સંપૂર્ણપણે સામાન્ય છે. એકમ નિર્દિષ્ટ ન હોવાથી, ગંભીર ખોટું અર્થઘટન ઊભું થયું. પાઠ: એકમ વિના, સંખ્યાનું અર્થઘટન કરી શકાતું નથી.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

પૂર્વ-અર્થઘટન ડ્રાફ્ટ ટેમ્પલેટરોલ: સહાયક પ્રયોગશાળા નિષ્ણાતને પૂર્વ-અર્થઘટન ડ્રાફ્ટ તૈયાર કરે છે. માર્ગદર્શિકા: નિદાન કરો; "શક્ય/સુસંગત હોઈ શકે" ભાષાનો ઉપયોગ કરો; દરેક ટિપ્પણીમાં, તમે કઈ સંદર્ભ શ્રેણી ધારો છો તે દર્શાવો; ચોક્કસ નિવેદન ટાળો; અંતે એક નોંધ ઉમેરો: "નિદાન ક્લિનિકલ મૂલ્યાંકન દ્વારા કરવામાં આવે છે, તમારા ચિકિત્સકની સલાહ લો." દર્દી: [ઉંમર, લિંગ, સંબંધિત ક્લિનિકલ માહિતી]. પરિણામો (અમારા એકમ + પ્રયોગશાળા સંદર્ભ સાથે): [સૂચિ].

નીચેના દરેક વિશ્લેષક માટે સંદર્ભ શ્રેણી ચકાસણી નમૂનો: મેં પ્રદાન કરેલ પ્રયોગશાળા સંદર્ભ શ્રેણીનો ઉપયોગ કરો; પોતાની મેમરીમાંથી શ્રેણી ઉમેરશો નહીં. તે વય અને લિંગ માટે યોગ્ય છે કે કેમ તે સૂચવો. જો કોઈ વિશ્લેષક હોય કે જેના માટે કોઈ શ્રેણી આપવામાં આવી નથી, તો તેને "[લેબ શ્રેણી જરૂરી]" તરીકે ચિહ્નિત કરો, અનુમાન ન કરો. વિશ્લેષકો: [સૂચિ].

એકમ સુસંગતતા નમૂનો નીચેના પરિણામોના એકમો તપાસો. જો એકમ ખૂટે છે, તો "[યુનિટ જરૂરી]" લખો. જો તમે કન્વર્ટ કરો છો, તો સ્ત્રોત અને લક્ષ્ય એકમ અને ગુણક બંને બતાવો; પરિણામની પુનઃગણતરી કરવા માટે મારા માટે મધ્યવર્તી પગલાં લખો. પરિણામો: [સૂચિ].

પેશન્ટ લેંગ્વેજ સિમ્પ્લિફિકેશન ટેમ્પલેટ નીચેની ટેકનિકલ ટિપ્પણીનો સાદા ટર્કિશમાં અનુવાદ કરો કે જે તબીબી તાલીમ વિનાનો દર્દી સમજી શકે. ડર/ગભરાટની ભાષાનો ઉપયોગ કરશો નહીં, ચોક્કસ નિદાન સૂચવશો નહીં, "મૂલ્યાંકન માટે તમારા ચિકિત્સકની સલાહ લો" સાથે સમાપ્ત કરો. તકનીકી ટિપ્પણી: [ટેક્સ્ટ].

સામાન્ય ભૂલો

  • AI ની સંદર્ભ શ્રેણી પર આધાર રાખવો. એકંદર શ્રેણી તમારા ઉપકરણ/વસ્તી માટે શ્રેણી ન હોઈ શકે; માતાને તમારી પોતાની કિંમત આપો.
  • ઉંમર અને લિંગને અવગણવું. ઘણા વિશ્લેષકોમાં બાળક, વૃદ્ધ, સગર્ભા અને લિંગ તફાવતો શ્રેણીને સંપૂર્ણપણે બદલી નાખે છે.
  • એકમનો ઉલ્લેખ નથી. સમાન સંખ્યા વિવિધ એકમોમાં સંપૂર્ણપણે અલગ ક્લિનિકલ અર્થ ધરાવે છે.
  • ડાયગ્નોસ્ટિક ભાષાની પુષ્ટિ. "આ મૂલ્ય રોગ X છે" વાક્યને છોડી દેવાથી અસંશોધિત અર્થઘટન અને નિદાનને ગૂંચવણમાં મૂકે છે.
  • ટિપ્પણીમાં ગભરાટનું મૂલ્ય એમ્બેડ કરો. જો કોઈ નિર્ણાયક મૂલ્ય હોય, તો અગ્રતા ઝડપી સૂચના છે, ટિપ્પણી નહીં (યુનિટ 4).
ટીપ: જેમ તમે કોમેન્ટરી ડ્રાફ્ટ વાંચો છો તેમ "ચોક્કસતાની શોધ" કરો: "સૂચનો," "પુરાવા," "નિદાન" જેવા શબ્દો શોધો અને દરેકને "સાથે સુસંગત હોઈ શકે છે," "સૂચન કરી શકે છે," "મૂલ્યાંકનની જરૂર છે" સાથે બદલો. એક નાનો ભાષાકીય તફાવત એ એક મોટો નૈતિક તફાવત છે.

સારાંશમાં

પરિણામનું અર્થઘટન એ યોગ્ય સંદર્ભ શ્રેણી, યોગ્ય એકમ, યોગ્ય વય-લિંગ અને ક્લિનિકલ સંદર્ભ સાથે સંખ્યાને મેચ કરવાનું કાર્ય છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ ઝડપથી આ મીટિંગની રૂપરેખા તૈયાર કરી શકે છે, પરંતુ સંદર્ભ શ્રેણી સાર્વત્રિક છે એમ માનીને, એકમને છોડી દેવાથી અથવા ડાયગ્નોસ્ટિક ભાષાનો ઉપયોગ કરવાથી ગંભીર ભૂલો થશે. સલામત પ્રવાહ: એકમ સ્પષ્ટ કરો, સ્વ-સંદર્ભ આપો, ક્લિનિકલ સંદર્ભ આપો, નિર્ણાયક મૂલ્યો, ફિલ્ટર ડ્રાફ્ટ. નિષ્કર્ષ એ પુરાવાનો એક ભાગ છે; નિદાન ક્લિનિકલ મૂલ્યાંકન દ્વારા કરવામાં આવે છે અને અર્થઘટન છોડવાનો નિર્ણય નિષ્ણાતનો છે.

એપ્લિકેશન કાર્ય

તમારા (અથવા નમૂના) રિપોર્ટમાંથી ત્રણ અસાધારણ પરિમાણો પસંદ કરો. દરેક માટે, (1) તમારી પ્રયોગશાળાની માન્ય સંદર્ભ શ્રેણી, (2) એકમ, (3) વય-લિંગ અને શારીરિક સ્થિતિ, જો કોઈ હોય તો લખો. પછી "પ્રી-ઇન્ટરપ્રિટેશન ડ્રાફ્ટ" ટેમ્પલેટ સાથે પ્રોમ્પ્ટ બનાવો, તેને છાપો અને "ચોકસાઇનો શિકાર" કરીને ડાયગ્નોસ્ટિક ઇમ્પ્લિકેશન સાથે દરેક વાક્યને સુધારો. અંતે, દર્દીની ભાષામાં અર્થઘટનને સરળ બનાવો.

ચેકલિસ્ટ

  • [ ] મેં દરેક વિશ્લેષક માટે એકમ સ્પષ્ટપણે જણાવ્યું છે.
  • [ ] મેં પ્રોમ્પ્ટને મારી પોતાની લેબોરેટરીની માન્ય રેફરન્સ રેન્જ આપી.
  • [ ] મેં ઉંમર, લિંગ અને શારીરિક સ્થિતિ (ગર્ભાવસ્થા, ભૂખમરો, વગેરે) ઉમેર્યા છે.
  • [ ] મેં તેને પ્રથમ તપાસ્યું કે શું ત્યાં કોઈ જટિલ/ગભરાટ મૂલ્ય છે.
  • [ ] મેં AI ના ડાયગ્નોસ્ટિક વાક્યોને "શક્ય/સુસંગત" ભાષામાં અનુવાદિત કર્યા છે.
  • [ ] મેં "તમારા ચિકિત્સકની સલાહ લો" નોંધ ઉમેરી અને નિષ્ણાત તરીકે ટિપ્પણીને મંજૂરી આપી.