अडियोलोजीमा कृत्रिम बुद्धिमत्ताको परिचय: भूमिका, सीमा, प्रमाणीकरण र नैतिकता

लाभ:

• अडियोलोजी कार्यप्रवाह (स्क्यानिङ, डायग्नोस्टिक टेस्टिङ, डिभाइस फिटिङ, फलो-अप) मा कृत्रिम बुद्धिमत्ताले वास्तविक समय बचत गर्छ र कहाँ सुरक्षा-महत्वपूर्ण निर्णयहरू (निदान, उपकरण प्रिस्क्रिप्शन, फिटिङ अनुमोदन) कार्य जोखिम स्तर अनुसार विशेषज्ञलाई छोडिन्छ भनेर छुट्याउन सक्षम हुनु।
• एक अनुशासन लागू गर्ने क्षमता जसले प्रत्येक AI आउटपुटलाई स्रोतमा जडान गर्ने चरणहरू मार्फत प्रमाणित गर्दछ, यसलाई क्यालिब्रेट गरिएको यन्त्र डेटासँग तुलना गर्दै, र यसलाई क्लिनिकल फिल्टरिङ मार्फत पारित गर्दछ।
• KVKK/गोपनीयताको दायरा भित्र बिरामी र यन्त्र डेटा गुमाउने र सुरक्षित सवारी साधन छनौट गर्ने बानी प्राप्त गर्ने

अडियोलोजी एक प्राविधिक र गहिरो मानवीय पेशा हो जसले श्रवण र सन्तुलन स्वास्थ्यसँग सम्बन्धित छ। एक अडियोलोजिष्ट (हेल्थकेयर प्रोफेसनल जसले श्रवण र सन्तुलन सम्बन्धी विकारहरूको मूल्याङ्कन गर्छ र श्रवण यन्त्रहरू लागू गर्दछ) नवजात शिशुको स्क्रीनिंग नतिजा पढ्छ, सेवानिवृत्तको अडियोग्राम (फ्रिक्वेन्सी-तीव्रता प्लेनमा श्रवण थ्रेसहोल्ड देखाउने ग्राफ) को व्याख्या गर्दछ, किशोरको श्रवण सहायता कार्यक्रम गर्दछ, एक चिन्तित आफन्तलाई शान्त पार्छ, र एउटै दिनमा लेख्छन्। यस कार्य मध्ये केहि जानकारी संगठित, उत्पादन र पाठ सम्झना संग सम्बन्धित छ; तिनीहरूमध्ये केही क्लिनिकल निर्णयहरू हुन् जसले स्वास्थ्यलाई प्रत्यक्ष असर गर्छ र त्रुटिको कम मार्जिन छ। आर्टिफिसियल इन्टेलिजेन्स (छोटोको लागि AI; ठूलो मात्रामा पाठसँग तालिम प्राप्त र मानव भाषामा लेख्न र प्रतिक्रिया दिन सक्ने कम्प्युटर प्रणालीहरू) तपाईंको अडियोलोजी अभ्यासमा शक्तिशाली सहायता बन्छ जब तपाईंले यो भिन्नतालाई राम्ररी बुझ्नुहुन्छ: यसले पाठ र जानकारीको कामलाई गति दिन्छ, तर क्लिनिकल निर्णयलाई कहिल्यै प्रतिस्थापन गर्दैन।

यो पहिलो एकाईमा, हामीले अडियोलोजी कार्यप्रवाहमा तपाईले कृत्रिम बुद्धिमत्तालाई सुरक्षित रूपमा प्रयोग गर्न सक्नुहुन्छ, तपाई कहाँ रोकिनुपर्छ, र प्रत्येक आउटपुट कसरी प्रमाणित गर्ने भन्ने आधार स्थापित गर्छौं। हामी मोड्युल भर दोहोर्याउने मुख्य सिद्धान्त हो: AI एक सहायक हो; यसले ड्राफ्टहरू, सम्झाउने, सरलीकरण, र पूर्वावलोकनहरू उत्पादन गर्दछ। निदान, उपकरण प्रिस्क्रिप्शन, उपयुक्त निर्णय र क्लिनिकल व्याख्या अडियोलोजिस्ट र आवश्यक परेमा चिकित्सकको जिम्मेवारी हो। एक अप्रमाणित एआई आउटपुट एक अहस्ताक्षरित क्लिनिकल रिपोर्ट जस्तै हो: यसमा कुनै बाध्यकारी बल छैन र यसको आफ्नै प्रयोग गर्न सकिदैन।

आर्टिफिसियल इन्टेलिजेन्सले अडियोलोजीमा के गर्न सक्छ

अडियोलोजीको अभ्यासलाई तीन तहमा विभाजन गरौं र प्रत्येक तहमा आर्टिफिसियल इन्टेलिजेन्सको भूमिका स्पष्ट गरौं। यो भिन्नता प्रश्नको जवाफ हो "मैले यसलाई कहाँ प्रयोग गर्नुपर्छ, म कहाँ खडा हुनुपर्छ?"

1. सूचना र पाठ तह (AI यहाँ बलियो छ)। बिरामीलाई दिइने श्रवण सहायता प्रयोगकर्ता गाइड, सादा भाषा प्रशिक्षण पुस्तिका, अपोइन्टमेन्ट रिमाइन्डर सन्देश, गाइड सारांश, रिपोर्ट ड्राफ्टको ढाँचा, बारम्बार सोधिने प्रश्नहरूको सूची। आर्टिफिसियल इन्टेलिजेन्सले तपाईंलाई यी कार्यहरूमा मिनेट बचत गर्छ किनभने पाठ सम्पादन, सरलीकरण र ढाँचा यसको सबैभन्दा बलियो क्षेत्र हो।

2. सोच र संगठन तह (एआई मद्दत गर्दछ, निर्णय तपाइँको हो)। बिरामीको इतिहास सङ्कलन गर्ने, सोधिने anamnesis प्रश्नहरूको सूचीकरण गर्ने, सम्भावित मूल्याङ्कनका विषयहरूलाई सम्झाउने, केसको संरचना बनाउने, स्क्रीनिङ सूचीहरूमा पछ्याउन आवश्यक पर्ने कुराहरूलाई प्राथमिकता दिने। यहाँ, AI ले चेकलिस्ट जस्तै काम गर्दछ - यसले तपाईंलाई बिर्सिएको शीर्षकको सम्झना गराउन सक्छ - तर तपाईंले यो रोगीमा कुन जानकारी लागू हुन्छ भनेर निर्णय गर्नुहुन्छ।

3. क्लिनिकल निर्णय तह (AI ले निर्णय गर्न सक्दैन, यसले समर्थन मात्र गर्न सक्छ)। श्रवण हानिको प्रकार र डिग्रीको निदान, उपकरण प्रिस्क्रिप्शन, फिटिंग (प्रोग्रामिङ) अनुमोदन, आपतकालीन सन्दर्भ निर्णय जस्तै अचानक सुनुवाइ हानि, ENT लाई रेफरल, "के यो मापन विश्वसनीय छ?" को मूल्याङ्कन। यी निर्णयहरू सक्षम विशेषज्ञ - अडियोलोजिस्ट र उपस्थित चिकित्सकसँग सम्बन्धित छन्। AI धेरैमा रिमाइन्डर हुन सक्छ; उसले कहिल्यै निर्णय आफै गर्न सक्दैन।

ध्यान दिनुहोस्: कृत्रिम बुद्धिमत्ताले धाराप्रवाह र विश्वस्त वाक्यहरू सिर्जना गर्दछ। यो प्रवाह सटीकताको ग्यारेन्टी होइन। स्वास्थ्य सेवा जस्ता सुरक्षा-महत्वपूर्ण क्षेत्रमा, "सही सुनिन्छ" र "सही छ" दुई पूर्णतया फरक कुराहरू हुन्।

मिशन जोखिम स्तर द्वारा म्यापिङ

तलको तालिकाले तपाइँ कुन कार्यमा AI लाई कति खाली गर्नुहुनेछ भनेर देखाउँदछ। अडियोलोजीमा सुनौलो नियम यो हो: जोखिम जति उच्च हुन्छ, प्रमाणीकरण थ्रेसहोल्ड उच्च हुन्छ, AI को स्वायत्तता कम हुन्छ।

खोज

जोखिम स्तर

एआई भूमिका

प्रमाणीकरण

ब्रोशर/सन्देश ड्राफ्ट लेख्दै

कम

निर्माता

भाषा र तथ्य जाँच

anamnesis प्रश्नहरूको सूची

कम-मध्यम

रिमाइन्डर

क्लिनिकल स्ट्रेनर

अडियोग्राम पूर्व व्याख्या मस्यौदा

मध्यम-उच्च

स्केच जेनरेटर

क्यालिब्रेट मापन + विशेषज्ञ द्वारा पुष्टि

स्क्यान सूची प्राथमिकता

मध्यम-उच्च

पूर्व-स्क्रिनर

गलत नकारात्मक निगरानी

उपकरण प्रिस्क्रिप्शन / फिटिंग निर्णय

उच्च

समर्थन मात्र

REM + विशेषज्ञ + चिकित्सक आवश्यक भएमा

अचानक सुनुवाइ हानि रेफरल निर्णय

आलोचनात्मक

केवल एक रिमाइन्डर

विशेषज्ञ/चिकित्सकको निर्णय अनिवार्य छ

किन प्रमाणीकरण आवश्यक छ: भ्रम र अप्रचलितता

स्वास्थ्य सेवामा कृत्रिम बुद्धिमत्ताका दुई मुख्य कमजोरीहरू नबुझेर प्रयोग गर्नु खतरनाक हुन्छ।

पहिलो मतिभ्रम हो: मोडेलले वास्तवमा अवस्थित नभएको जानकारीलाई आत्मविश्वासका साथ बनाउँछ (एक थ्रेसहोल्ड मान, एक परीक्षण परिणाम, एक गाइड पदार्थ, एक उपकरण सुविधा)। "मलाई थाहा छैन" भन्नुको सट्टा मोडेलले प्रशंसनीय तर गलत जवाफ उत्पादन गर्न सक्छ। अडियोलोजीमा, यसको अर्थ "ध्वनिक रिफ्लेक्स फेला पर्यो" जुन दिइएको थिएन त्यो रिपोर्टमा लीक हुन्छ। दोस्रो अप्रचलितता हो: मोडेलको ज्ञान प्रशिक्षित समयमा जमेको छ; हालको यन्त्र मोडेलहरू, प्रिस्क्रिप्शन सूत्रहरू, स्क्रिनिङ प्रोटोकलहरू वा कानूनहरू परिवर्तन भएका हुन सक्छन्।

प्रमाणीकरण अनुशासन तीन चरणहरू छन्: (१) स्रोतमा लिङ्क - कुन क्यालिब्रेट गरिएको मापन वा हालको मार्गदर्शन जानकारीमा आधारित छ भनेर जाँच गर्नुहोस्। (२) पुन: गणना/जाँच - यदि दिइएको थ्रेसहोल्ड, वर्गीकरण, लाभ मूल्य वास्तवमा उपकरण डेटासँग सहमत छ भने प्रमाणित गर्नुहोस्। (३) क्लिनिकल फिल्टरको माध्यमबाट जानुहोस् - तपाईंको व्यावसायिक ज्ञानको साथ मूल्याङ्कन गर्नुहोस् कि यो जानकारी तपाईंको अगाडि बिरामीको लागि उपयुक्त छ कि छैन, उसको कानको शरीर रचना र इतिहास।

गोपनीयता: बिरामीको डाटा बिरामीको हो

अडियोलोजी डेटा संवेदनशील छन्: श्रवण क्षमताको मात्रा, उपकरण प्रयोग, बच्चाको विकास स्थिति, व्यावसायिक आवाज एक्सपोजर, टिनिटस गुनासो। KVKK (व्यक्तिगत डेटा संरक्षण कानून; Türkiye मा व्यक्तिगत डेटा प्रशोधन नियमन कानून) को दायरा भित्र, स्वास्थ्य डेटा विशेष मानिन्छ र सुरक्षा को उच्चतम स्तर आवश्यक छ। सामान्य-उद्देश्य कृत्रिम बुद्धिमत्ता उपकरणको वास्तविक नाम T.C. आईडी नम्बर, ठेगाना, फोन नम्बर वा पहिचान विवरणहरू प्रविष्ट गरिएको छैन। यसको सट्टा, डेटा गुमनाम राख्नुहोस्: "6 वर्षको केटा, दायाँ कानको मध्यम क्षति" जस्ता बेनामी विवरण चिकित्सकीय रूपमा पर्याप्त छ र कसैलाई पनि प्रकट गर्दैन।

सुझाव: बिरामीलाई संकेत गर्दा, आफैलाई सोध्नुहोस्: "यदि यो पाठ स्क्रिनसटको रूपमा लीक भएको थियो भने, के यो व्यक्तिलाई चिन्न सकिन्छ?" यदि जवाफ "हो" हो भने, गुमनामकरण हराइरहेको छ।

चरणबद्ध रूपमा: अडियोलोजीमा कृत्रिम बुद्धिमत्ताको सुरक्षित प्रयोग

1. कार्य वर्गीकरण गर्नुहोस्। के यो पाठ/सूचना कार्य (एआई बलियो), वा क्लिनिकल निर्णय (एआई समर्थन मात्र) हो? यदि जोखिम उच्च छ भने, प्रमाणीकरण थ्रेसहोल्ड बढाउनुहोस्।
2. डेटा अज्ञात गर्नुहोस्। जानकारी पहिचान नगरी नैदानिक ​​रूपमा पर्याप्त विवरण स्थापना गर्नुहोस्।
3. भूमिका र सीमा निर्दिष्ट गर्नुहोस्। सुरुदेखि नै AI सीमाहरू बताउनुहोस्, जस्तै "निदान नगर्नुहोस्, सम्भावित भाषा प्रयोग गर्नुहोस्, निर्णय अडियोलोजिस्टमा निर्भर छ।"
4. तीन चरणहरूमा आउटपुट प्रमाणित गर्नुहोस्। स्रोत/क्यालिब्रेट गरिएको मापन, पुन: जाँच, क्लिनिकल फिल्टरमा जडान गर्नुहोस्।
5. विशेषज्ञ अनुमोदन प्राप्त गर्नुहोस्। क्लिनिकल सामग्री बिरामीमा पुग्नु अघि, यो अडियोलोजिस्ट/चिकित्सक द्वारा अनुमोदित हुनुपर्छ।
6. आफ्नो ट्रेस बचत गर्नुहोस्। तपाईंले कुन उद्देश्यको लागि कुन उपकरण प्रयोग गर्नुहुन्छ नोट गर्नुहोस्; जवाफदेहिताको लागि यो महत्त्वपूर्ण छ।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट:

Ahmet Yıldız 62 वर्षको छ, उसले आफ्नो दाहिने कानमा राम्रोसँग सुन्न सक्दैन। कस्तो प्रकारको श्रवण हानि, मैले कुन यन्त्र सिफारिस गर्नुपर्छ?

यो अनुरोधमा वास्तविक नाम (गोपनीयताको उल्लङ्घन) समावेश छ, प्रत्यक्ष निदान र प्रिस्क्रिप्शन निर्णयको लागि सोध्छ (एआईलाई विशेषज्ञको भूमिकामा धकेल्दै), र कुनै सीमाहरू सेट गर्दैन।

शक्तिशाली प्रम्प्ट:

तपाईंको भूमिका: एक अडियोलोजिस्टको लागि शैक्षिक र रिमाइन्डर सहायक। निदान, उपकरणहरू निर्धारित; "सम्भव" भाषा प्रयोग गर्नुहोस् र निर्णय अडियोलोजिष्ट/चिकित्सकमा निर्भर छ भनी बताउनुहोस्। स्थिति (अज्ञात): 62 वर्षीय बिरामी, दाहिने कानमा सुन्ने गुनासो। कार्य: अडियोलोजिष्टले यस बिरामीमा मूल्याङ्कन गर्नुपर्ने परीक्षण शीर्षकहरूको चेकलिस्टको रूपमा मलाई सम्झाउनुहोस् र उसले सोध्न नबिर्सनुहुने anamnesis प्रश्नहरू। क्यालिब्रेट गरिएको मापन र क्लिनिकल मूल्याङ्कनको आधारमा निर्णय गरिनेछ भन्ने कुरामा जोड दिनुहोस्।

बलियो इच्छा अज्ञात छ, भूमिका र सीमा निर्धारण गर्दछ, रिमाइन्डरको लागि सोध्छ, निर्णय होइन, र प्रमाणीकरण आवश्यक छ।

तीन मिनी केसहरू

केस 1 - सही प्रयोग। जब एक अडियोलोजिस्टले बिरामीको लागि एक सरल भाषाको प्रयोगकर्ता पुस्तिका तयार गर्दछ जसलाई उसले उपकरण प्रदान गर्दछ, उसले कृत्रिम बुद्धिमत्तालाई ड्राफ्टको लागि सोध्छ र कुनै पहिचान जानकारी प्रदान गर्दैन। उसले मस्यौदाको समीक्षा गर्छ, दुईवटा अतिरञ्जित कथनहरू सच्याउछ जस्तै "यन्त्रले श्रवणलाई पूर्णतया सामान्य बनाउँछ" र बिरामीलाई दिन्छ। तयारी समय 35 मिनेट देखि 10 मिनेट सम्म घट्छ; सामग्री प्रमाणित गरिएको छ।

केस 2 - भ्रम क्याप्चर। एक अडियोमेट्रिस्टले एआईलाई tympanometry को प्रकारहरूको बारेमा सोध्छ। AI ले अस्तित्वमा नभएको "Type D" वर्गीकरण थपेर विश्वस्त व्याख्या दिन्छ। विशेषज्ञले यसलाई आफ्नो क्लिनिकल ज्ञानसँग तुलना गर्छन् र मानक वर्गीकरण (A, B, C र तिनीहरूको उपप्रकार) बाहिर कुनै "Type D" छैन भनी देख्छन्। पाठ: कुनै पनि प्राविधिक ज्ञान पेशागत ज्ञानको साथ समर्थन बिना व्यक्त गर्नु हुँदैन।

केस 3 - गोपनीयता उल्लङ्घनबाट फर्कनुहोस्। एक अडियोलोजिस्टले हतारमा बच्चाको पूरा नाम र स्कूल जानकारी प्रम्प्टमा टाइप गर्न लागेका छन्; टोलीले आफ्नो नियम सम्झन्छ र पाठलाई "५ वर्ष पुरानो, दुवै कानमा केही ह्रास भएको संदिग्ध" भनी अज्ञात बनाउँछ। क्लिनिकल परिणाम परिवर्तन हुँदैन, व्यक्ति सुरक्षित छ।

प्रतिलिपि गर्न मिल्ने प्रम्प्ट टेम्प्लेटहरू

कार्य वर्गीकरण टेम्प्लेट निम्न कार्यको मूल्याङ्कन गर्नुहोस्: [कार्य]।1) यो पाठ/सूचना कार्य वा क्लिनिकल निर्णय हो? 2) यदि यसले क्लिनिकल निर्णय समावेश गर्दछ भने, कुन भाग अडियोलोजिष्ट/चिकित्सकलाई छोडिन्छ? 3) कृत्रिम बुद्धिमत्ताले सुरक्षित रूपमा गर्न सक्ने भाग के हो? t जवाफ दिनुहोस्।

बेनामी जाँच टेम्प्लेट तलको पाठ (नाम, आईडी, ठेगाना, टेलिफोन, पूर्ण जन्म मिति, विद्यालय/कार्यस्थलको नाम) मा तपाईंलाई पहिचान गर्न सक्ने प्रत्येक तत्वलाई चिन्ह लगाउनुहोस् र एक बेनामी बराबरको सुझाव दिनुहोस्। पाठ: [पाठ]

प्रमाणिकरण टेम्प्लेटले निम्न कृत्रिम बुद्धिमत्ता उत्पादनलाई तीन शीर्षकहरू अन्तर्गत मूल्याङ्कन गर्नेछ: आउटपुट: [आउटपुट] १) यो जानकारी कुन क्यालिबर मापन/निर्देशनमा आधारित हुनुपर्छ? (स्रोतमा लिङ्क) 2) कुन थ्रेसहोल्ड/मान/वर्गीकरण म्यानुअल रूपमा जाँच गर्नुपर्छ? (पुन: गणना) ३) के यो जानकारी यस रोगीको लागि उपयुक्त छ? (क्लिनिकल फिल्टर) [बिरामी विवरण]

भूमिका र सीमा टेम्प्लेट तपाईंको भूमिका: अडियोलोजिस्टको सहायक। नियमहरू: एक निदान गर्दै, एक उपकरण निर्धारित गर्दै, एक सन्दर्भ निर्णय गर्दै; भाषा प्रयोग गर्नुहोस् "सम्भव / क्यालिब्रेट मापन द्वारा पुष्टि हुनुपर्छ"; प्रत्येक उत्तरको अन्त्यमा "श्रवण विशेषज्ञ/चिकित्सकको निर्णय, क्यालिब्रेट गरेर प्रमाणित गर्नुहोस्" नोट थप्नुहोस्। खोज: [खोज]।

सामान्य गल्तीहरू

• कृत्रिम बुद्धिमत्तामा क्लिनिकल निर्णय गर्ने जिम्मा। "यो बिरामीले उपकरण प्रयोग गर्नुपर्छ?" यस्ता प्रश्नहरूको जवाफ AI मा होइन, तर मापन र विशेषज्ञ मूल्याङ्कनमा छ।
• प्रमाणीकरण बिना प्रयोग। धाराप्रवाह जवाफ सही छ सोच्दै; थ्रेसहोल्ड, वर्गीकरण र उपकरण मूल्य पुष्टि गर्दैन।
• वास्तविक प्रमाणहरू प्रविष्ट गर्दै। नाम, फोन नम्बर, T.R. टाइप गरेर KVKK उल्लङ्घन गर्दै।
• बुढेसकाल बिर्सिदैछ । हालको यन्त्र/प्रोटोकलको लागि मोडेलको जानकारी प्रतिस्थापन गर्दै।
• सीमा सेट नगरी सोध्नुहोस्। भूमिका र सीमाको बारेमा निर्देशन बिना AI जारी गर्नाले निदान र परिशुद्धताको भाषालाई निम्तो दिन्छ।

संक्षेपमा

आर्टिफिसियल इन्टेलिजेन्स एक शक्तिशाली सहायक हो जसले अडियोलोजी र पूर्वावलोकन स्क्रिनिङ सूचीहरूमा पाठ र सूचना कार्यलाई गति दिन्छ। यद्यपि, निदान, उपकरण प्रिस्क्रिप्शन, उपयुक्त निर्णय र क्लिनिकल व्याख्या सधैं अडियोलोजिस्ट र चिकित्सकको हो। प्रत्येक आउटपुटलाई तीन चरणहरूमा प्रमाणित गरिनुपर्छ — स्रोत/मापन, पुन: जाँच, क्लिनिकल फिल्टरको लिङ्क—बिरामी डेटा गुमनाम हुनुपर्छ, र क्लिनिकल सामग्री विशेषज्ञ अनुमोदनबाट गुज्रनुपर्छ। अप्रमाणित आउटपुट एक हस्ताक्षर नगरिएको रिपोर्ट हो।

आवेदन कार्य

आफ्नो अभ्यासबाट वास्तविक हप्ताको बारेमा सोच्नुहोस् र आफ्नो कामलाई तीन-स्तम्भ तालिकामा राख्नुहोस्: "पाठ/सूचना कार्य," "संगठन," "क्लिनिकल निर्णय।" प्रत्येक लाइनको लागि, AI को भूमिका लेख्नुहोस् (बलियो / सहयोगी / समर्थन मात्र)। त्यसपछि मस्यौदा रोगी शिक्षा पाठ उत्पादन गर्न यस इकाईबाट "भूमिका र सीमा" टेम्प्लेट प्रयोग गर्नुहोस्, तीन-चरण प्रमाणिकरण लागू गर्नुहोस्, र तपाईंले के सुधार गर्नुभयो नोट गर्नुहोस्।

चेकलिस्ट

• [ ] मैले कार्यलाई पाठ / संगठन / क्लिनिकल निर्णयको रूपमा वर्गीकृत गरें।
• [ ] मैले बिरामीको डेटा गुमनाम गरें ताकि पहिचान खुलासा नहोस्।
• [] मैले आर्टिफिसियल इन्टेलिजेन्सलाई भूमिका र सीमा निर्देशन दिएँ।
• [ ] मैले आउटपुटलाई स्रोत/मापनमा जडान गरें, यसलाई पुन: जाँच गरें र क्लिनिकल फिल्टर मार्फत पास गरें।
• [] मैले स्वीकृतिको लागि अडियोलोजिष्ट/चिकित्सकलाई क्लिनिकल सामग्री पेश गरें।
• [ ] मैले कुन उद्देश्यका लागि कुन उपकरण प्रयोग गरें मैले रेकर्ड गरें।