ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਜੈਨੇਟਿਕਸ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਜਾਣ-ਪਛਾਣ: ਭੂਮਿਕਾਵਾਂ, ਸੀਮਾਵਾਂ, ਪ੍ਰਮਾਣਿਕਤਾ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ

ਲਾਭ:

• ਇਹ ਫਰਕ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਜੈਨੇਟਿਕਸ ਚੇਨ (ਕ੍ਰਮ, ਰੂਪ, ਬਣਤਰ, ਓਮਿਕਸ, ਸਾਹਿਤ) ਵਿੱਚ ਕਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਅਸਲ ਸਮੇਂ ਦੀ ਬਚਤ ਕਰਦੀ ਹੈ ਅਤੇ ਕਿੱਥੇ ਇਹ ਖਤਰਨਾਕ ਹੈ ਕਿਉਂਕਿ ਇਸਦਾ ਕੋਈ ਡਾਟਾਬੇਸ ਨਹੀਂ ਹੈ, ਕਾਰਜ ਜੋਖਮ ਪੱਧਰ ਦੇ ਅਨੁਸਾਰ।
• ਤਿੰਨ ਘਾਤਕ ਜਾਲਾਂ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ ਜਿਵੇਂ ਕਿ ਬਨਾਵਟੀ ਕ੍ਰਮ/ਜੀਨ/ਵੇਰੀਏਂਟ, ਕੋਆਰਡੀਨੇਟ-ਵਰਜ਼ਨ-ਨਾਮਕਰਨ ਉਲਝਣ ਅਤੇ ਗਲਤ ਵਿਸ਼ੇਸ਼ਤਾ, ਅਤੇ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਲਾਗੂ ਕਰੋ ਜੋ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਵਿੱਚ ਹਰ ਜੀਵ-ਵਿਗਿਆਨਕ ਵਰਤਾਰੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।
• ਟੂਲ ਖੋਲ੍ਹਣ ਲਈ ਇੱਕ ਪਛਾਣਯੋਗ ਰੂਪ ਵਿੱਚ ਮਰੀਜ਼ ਦੇ ਜੈਨੇਟਿਕ ਡੇਟਾ ਨੂੰ ਜਾਰੀ ਨਾ ਕਰਨ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਮਾਹਰ ਨੂੰ ਅੰਤਿਮ ਕਲੀਨਿਕਲ ਵਿਆਖਿਆ ਛੱਡਣ ਦੀ ਸਮਰੱਥਾ।

ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਜੈਨੇਟਿਕਸ ਜੀਵਿਤ ਚੀਜ਼ਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਸਭ ਤੋਂ ਬੁਨਿਆਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਪੜ੍ਹਨ ਅਤੇ ਵਿਆਖਿਆ ਕਰਨ ਦਾ ਵਿਗਿਆਨ ਹੈ - ਡੀਐਨਏ, ਆਰਐਨਏ ਅਤੇ ਪ੍ਰੋਟੀਨ ਦੀ ਭਾਸ਼ਾ। ਇਸ ਖੇਤਰ ਵਿੱਚ, ਇੱਕ ਅੱਖਰ (ਇੱਕ ਅਧਾਰ ਜੋੜਾ) ਨੂੰ ਗਲਤ ਪੜ੍ਹਨਾ, ਇੱਕ ਜੀਨ ਦੇ ਨਾਮ ਨੂੰ ਉਲਝਾਉਣਾ, ਜਾਂ ਇੱਕ ਰੂਪ ਨੂੰ ਗਲਤ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨਾ (ਕਿਸੇ ਵਿਅਕਤੀ ਦੇ ਜੈਨੇਟਿਕ ਕ੍ਰਮ ਵਿੱਚ ਇੱਕ ਬਿੰਦੂ ਜੋ ਸੰਦਰਭ ਤੋਂ ਵੱਖਰਾ ਹੈ); ਇਹ ਇੱਕ ਗਲਤ ਤਸ਼ਖ਼ੀਸ, ਬੇਲੋੜਾ ਇਲਾਜ ਜਾਂ ਗਲਤ ਖੋਜ ਨਤੀਜੇ ਦੀ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ। ਇਸੇ ਲਈ ਇਸ ਖੇਤਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਲਈ ਅਨੁਸ਼ਾਸਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜਿੰਨੀ ਗਤੀ ਦੀ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਇਹ ਸਿੱਖੋਗੇ ਕਿ ਅਸੀਂ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLM - ਇੱਕ ਕਿਸਮ ਦੀ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਜੋ ਟੈਕਸਟ ਸਟੈਟਿਸਟਿਕ ਤੌਰ 'ਤੇ, "ਅਗਲੇ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵੀ ਸ਼ਬਦ" ਦੇ ਤਰਕ ਦੇ ਨਾਲ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹਨ) ਨੂੰ ਅਸਲ ਵਿੱਚ ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਜੈਨੇਟਿਕਸ ਵਿੱਚ ਸਮਾਂ ਬਚਾਉਂਦੇ ਹਨ, ਜਿੱਥੇ ਉਹ ਖਤਰਨਾਕ ਹਨ, ਅਤੇ ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਹੈ ਬਾਰੇ ਸਿੱਖੋਗੇ।

ਪਹਿਲਾਂ, ਇੱਕ ਨਾਜ਼ੁਕ ਧਾਰਨਾ: ਭਰਮ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ AI ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸੱਚ ਨਹੀਂ ਹੈ, ਪੂਰੇ ਵਿਸ਼ਵਾਸ ਨਾਲ, ਜਿਵੇਂ ਕਿ ਇਹ ਸੱਚ ਹੈ। ਇਹ ਜੈਨੇਟਿਕਸ ਵਿੱਚ ਹੈ; ਇਹ ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਜੀਨ ਨਾਮ ਦੇ ਰੂਪ ਵਿੱਚ ਆ ਸਕਦਾ ਹੈ, ਇੱਕ ਬਣੇ ਵੇਰੀਐਂਟ ਕੋਡ (ਜਿਵੇਂ ਕਿ ਇੱਕ ਗੈਰ-ਮੌਜੂਦ "c.1234A>G"), ਵਿਰਾਸਤ ਦਾ ਇੱਕ ਗਲਤ ਢੰਗ, ਜਾਂ ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਲੇਖ ਦਾ ਹਵਾਲਾ। ਨਾਜ਼ੁਕ ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਐਲਐਲਐਮ ਇੱਕ ਜੀਨੋਮ ਡੇਟਾਬੇਸ ਜਾਂ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਸੰਦ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਟੈਕਸਟ ਜਨਰੇਟਰ ਹੈ ਜੋ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਦੇਖੇ ਜਾਣ ਵਾਲੇ ਪਾਠਾਂ ਦੀ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਨਕਲ ਕਰਦਾ ਹੈ। ਉਹ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਸਹੀ ਜੀਵ-ਵਿਗਿਆਨ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਉਸਨੇ ਬਹੁਤ ਸਾਰੇ ਸਹੀ ਜੀਵ-ਵਿਗਿਆਨ ਦੇ ਹਵਾਲੇ ਦੇਖੇ ਹਨ; ਪਰ ਕਲੀਨਿਕਲ ਜੈਨੇਟਿਕਸ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਜੀਵਨ ਵਿੱਚ "ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਸੱਚ" ਅਤੇ "ਹਰ ਵੇਲੇ ਸੱਚ" ਵਿੱਚ ਅੰਤਰ ਹੋ ਸਕਦਾ ਹੈ।

ਇਸ ਖੇਤਰ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਕਿੱਥੇ ਕੰਮ ਕਰਦੀ ਹੈ ਅਤੇ ਕਿੱਥੇ ਨਹੀਂ?

AI ਨੂੰ ਇੱਕ ਤੇਜ਼ ਡਰਾਫਟ, ਕੋਡ, ਅਤੇ ਵਿਆਖਿਆ ਸਹਿਭਾਗੀ ਵਜੋਂ ਸੋਚੋ: ਕੀਮਤੀ ਪਰ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਨਿਮਨਲਿਖਤ ਅੰਤਰ ਇਸ ਮੋਡੀਊਲ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ।

ਖੋਜ

AI ਦਾ ਯੋਗਦਾਨ

ਮਾਹਰ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ

ਕ੍ਰਮ ਵਿਸ਼ਲੇਸ਼ਣ

ਅਲਾਈਨਮੈਂਟ/ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ

ਕੋਡ ਚਲਾਓ ਅਤੇ ਸਰੋਤ ਡੇਟਾਬੇਸ ਨਾਲ ਐਰੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ

ਵੇਰੀਐਂਟ ਵਿਆਖਿਆ

ACMG ਡਰਾਫਟ ਮਾਪਦੰਡ ਸਾਹਿਤ ਸੰਖੇਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ

ਮੂਲ ਸਰੋਤ 'ਤੇ ਹਰੇਕ ਸਬੂਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ, ਕਲਾਸ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ

ਪ੍ਰੋਟੀਨ ਬਣਤਰ

ਅਲਫਾਫੋਲਡ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਵਿਸ਼ਵਾਸ ਸਕੋਰ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ

ਭਰੋਸੇ ਦੇ ਸਕੋਰ ਅਤੇ ਅਨੁਭਵੀ ਸਬੂਤ ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ

CRISPR ਡਿਜ਼ਾਈਨ

gRNA ਉਮੀਦਵਾਰ ਸੂਚੀ ਅਤੇ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ

ਮਾਹਰ ਟੂਲ ਨਾਲ ਆਫ-ਟਾਰਗੇਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ

ਓਮਿਕਸ ਵਿਸ਼ਲੇਸ਼ਣ

RNA-seq/ਅੰਕੜਾ ਕੋਡ ਮਾਰਗ ਦੀ ਵਿਆਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ

ਅੰਕੜਿਆਂ ਅਤੇ ਜੈਵਿਕ ਅਰਥਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ

ਸਾਹਿਤ/ਲਿਖਤ

ਸੰਖੇਪ, ਡਰਾਫਟ, ਭਾਸ਼ਾ ਸੁਧਾਰ ਕਰਦਾ ਹੈ

ਸਰੋਤ 'ਤੇ ਹਰ ਸੰਦਰਭ ਅਤੇ ਤੱਥ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ

ਅੰਗੂਠੇ ਦਾ ਨਿਯਮ: AI ਨੂੰ ਡਾਟਾ ਖੁਦ "ਯਾਦ" ਨਾ ਹੋਣ ਦਿਓ; ਕੋਡ ਲਿਖਣ, ਵਰਕਫਲੋ ਸੈਟ ਅਪ ਕਰਨ, ਡਰਾਫਟ ਅਤੇ ਸੰਪਾਦਿਤ ਕਰਨ ਲਈ ਇਸਦੀ ਵਰਤੋਂ ਕਰੋ; ਭਰੋਸੇਯੋਗ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਤੋਂ ਹਰ ਜੀਵ-ਵਿਗਿਆਨਕ ਤੱਥ (ਕ੍ਰਮ, ਰੂਪ, ਜੀਨ ਫੰਕਸ਼ਨ, ਸਥਿਰ) ਦੀ ਹਮੇਸ਼ਾਂ ਪੁਸ਼ਟੀ ਕਰੋ। ਇੱਥੇ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਅਧਿਕਾਰਤ ਡੇਟਾਬੇਸ ਹਨ ਜਿਵੇਂ ਕਿ NCBI, Ensembl, UniProt, ClinVar, gnomAD, ਜਾਂ ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤੇ ਲੇਖ; ਇਹ ਕੋਈ ਲੜੀ ਨਹੀਂ ਹੈ ਜੋ ਐਲਐਲਐਮ ਆਪਣੇ ਮਨ ਤੋਂ ਦਿੰਦੀ ਹੈ।

ਇਸ ਖੇਤ ਦੇ ਤਿੰਨ ਮਾਰੂ ਜਾਲ

1. ਬਣੇ ਕ੍ਰਮ, ਜੀਨ ਅਤੇ ਰੂਪ। AI ਇੱਕ ਡੀਐਨਏ ਕ੍ਰਮ ਨੂੰ "ਭਰ" ਸਕਦਾ ਹੈ ਜਿਸਨੂੰ ਉਹ ਯਾਦ ਨਹੀਂ ਰੱਖਦਾ, ਇੱਕ ਵੇਰੀਐਂਟ ਕੋਆਰਡੀਨੇਟ, ਜਾਂ ਕਿਸੇ ਅਜਿਹੀ ਚੀਜ਼ ਦੇ ਨਾਲ ਇੱਕ ਜੀਨ ਨਾਮ ਜੋ ਮੰਨਣਯੋਗ ਜਾਪਦਾ ਹੈ। ਭਾਵੇਂ ਇੱਕ ਸਤਰ ਦੀ ਲੰਬਾਈ ਅਤੇ ਅੱਖਰ ਸਹੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਉਹ ਅਸਲ ਸੰਦਰਭ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ।

2. ਤਾਲਮੇਲ ਅਤੇ ਨਾਮਕਰਨ ਉਲਝਣ। AI; ਜੀਨੋਮ ਸੰਸਕਰਣ (GRCh37/hg19 ਤੋਂ GRCh38/hg38) ਚੁੱਪਚਾਪ 0-ਅਧਾਰਿਤ ਅਤੇ 1-ਅਧਾਰਿਤ ਕੋਆਰਡੀਨੇਟਸ, HGVS ਨੁਮਾਇੰਦਗੀ (ਰੂਪਾਂ ਲਈ ਮਿਆਰੀ ਲਿਖਤੀ ਫਾਰਮੈਟ) ਵਿਚਕਾਰ ਬਦਲ ਸਕਦੇ ਹਨ। ਨਤੀਜਾ "ਵਾਜਬ" ਜਾਪਦਾ ਹੈ ਪਰ ਗਲਤ ਸਥਿਤੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।

3. ਝੂਠੇ ਗੁਣ ਅਤੇ ਝੂਠੇ ਕਲੀਨਿਕਲ ਦਾਅਵੇ। AI ਇੱਕ ਅਸਲੀ ਜਰਨਲ ਵਿੱਚ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਬਣਾਇਆ ਗਿਆ ਲੇਖ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਅਸਲ-ਆਵਾਜ਼ ਵਾਲੇ ਲੇਖਕਾਂ ਦੇ ਨਾਵਾਂ ਦੇ ਨਾਲ; ਜਾਂ ਇਹ ਬਿਨਾਂ ਸਬੂਤ ਦੇ ਦਾਅਵਾ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਇੱਕ ਰੂਪ "ਪੈਥੋਜਨਿਕ" ਹੈ। ਅਸੀਂ ਇਹਨਾਂ ਨੂੰ ਯੂਨਿਟ 8 ਅਤੇ 9 ਵਿੱਚ ਡੂੰਘਾਈ ਵਿੱਚ ਕਵਰ ਕਰਾਂਗੇ।

ਸੰਕੇਤ: ਤਿੰਨ ਸਵਾਲਾਂ ਦੇ ਨਾਲ ਹਰ ਜੈਵਿਕ AI ਆਉਟਪੁੱਟ ਤੱਕ ਪਹੁੰਚ ਕਰੋ: (1) ਕਿਹੜਾ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਇਸ ਤੱਥ (ਕ੍ਰਮ, ਰੂਪ, ਜੀਨ) ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ? (2) ਕੀ ਜੀਨੋਮ ਵਰਜ਼ਨ ਅਤੇ ਕੋਆਰਡੀਨੇਟ ਸਿਸਟਮ ਸਹੀ ਹਨ? (3) ਮੈਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਾਂ? ਇਹ ਤਿੰਨ ਸਵਾਲ ਮੁਕੁਲ ਵਿੱਚ ਵੱਡੀਆਂ ਤਰੁੱਟੀਆਂ ਨੂੰ ਫੜਦੇ ਹਨ।

ਕਦਮ ਦਰ ਕਦਮ: ਸੁਰੱਖਿਅਤ AI ਵਰਕਫਲੋ

1. ਸੰਦਰਭ ਅਤੇ ਸੰਸਕਰਣ ਦੇ ਨਾਲ ਕੰਮ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। "ਇਹ ਜੀਨ ਕੀ ਕਰਦਾ ਹੈ?" ਇਸਦੀ ਬਜਾਏ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸੰਦਰਭ, ਪ੍ਰਤੀਲਿਪੀ, ਅਤੇ ਜੀਨੋਮ ਸੰਸਕਰਣ ਲਿਖੋ, ਜਿਵੇਂ ਕਿ "ਮੈਂ GRCh38 ਸੰਸਕਰਣ, BRCA1 ਜੀਨ ਦੀ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ NM_007294.4 ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਰੂਪਾਂ ਦੇ ਕਾਰਜਾਤਮਕ ਪ੍ਰਭਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ।"

2. ਸਰੋਤ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਦੀ ਲੋੜ ਹੈ। AI ਨੂੰ ਇਹ ਦੱਸਣ ਲਈ ਕਹੋ ਕਿ ਹਰੇਕ ਤੱਥ ਲਈ ਕਿਹੜੇ ਡੇਟਾਬੇਸ ਦੀ ਜਾਂਚ ਕਰਨੀ ਹੈ। ਹਿਦਾਇਤ "ਜੇ ਤੁਸੀਂ ਨਹੀਂ ਜਾਣਦੇ, ਇਸ ਨੂੰ ਨਾ ਬਣਾਓ, ਕਹੋ 'ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ'" ਭਰਮ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ ਪਰ ਇਸਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦੀ।

3. ਚਲਾ ਕੇ ਜਾਂ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਪਾਈਥਨ (ਬਾਇਓਪਾਈਥਨ) ਕੋਡ ਨਾਲ ਐਰੇ ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਇੱਕ ਰਸਮੀ ਕਨਵਰਟਰ ਨਾਲ ਵੇਰੀਐਂਟ ਕੋਆਰਡੀਨੇਟਸ, ਅਲਫਾਫੋਲਡ ਡਾਟਾਬੇਸ ਸਕੋਰ ਦੇ ਨਾਲ ਬਣਤਰ।

4. ਜੈਵਿਕ ਵਿਰੋਧੀ ਜਾਂਚ ਕਰੋ। ਕੀ ਕੋਡਨ ਫਰੇਮ ਰੱਖਦਾ ਹੈ? ਕੀ ਵੇਰੀਐਂਟ (gnomAD) ਦੀ ਆਬਾਦੀ ਦੀ ਬਾਰੰਬਾਰਤਾ ਬਿਮਾਰੀ ਦੇ ਅਨੁਕੂਲ ਹੈ? ਕੀ ਪ੍ਰੋਟੀਨ ਡੋਮੇਨ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦਾ ਹੈ? ਇਹ ਗਲਤੀਆਂ ਫੜਦੀਆਂ ਹਨ ਜੋ AI ਖੁੰਝ ਜਾਂਦੀ ਹੈ।

5. ਗੋਪਨੀਯਤਾ ਅਤੇ ਨੈਤਿਕਤਾ ਦੀ ਜਾਂਚ ਕਰੋ। ਕਦੇ ਵੀ ਮਰੀਜ਼ ਦੇ ਜੈਨੇਟਿਕ ਡੇਟਾ ਨੂੰ ਇੱਕ ਪਛਾਣਯੋਗ ਰੂਪ ਵਿੱਚ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ AI ਟੂਲ ਵਿੱਚ ਪੇਸਟ ਨਾ ਕਰੋ। ਅਸੀਂ ਇਸ ਨੂੰ ਯੂਨਿਟ 10 ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਾਂਗੇ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਮੇਡ-ਅੱਪ ਵੇਰੀਐਂਟ। ਇੱਕ ਜੈਨੇਟਿਕ ਸਲਾਹਕਾਰ ਨੇ ਇੱਕ ਮਰੀਜ਼ ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ AI ਨੂੰ "CFTR c.1521_1523delCTT" ਵੇਰੀਐਂਟ ਦਾ ਅਰਥ ਪੁੱਛਿਆ ਅਤੇ ਇੱਕ ਸਪੱਸ਼ਟ ਵਿਆਖਿਆ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਕਿ YZ ਨੇ ਇਸਨੂੰ "p.Phe508del" ਦੇ ਤੌਰ 'ਤੇ ਇੱਕ ਵੱਖਰੇ ਸੰਕੇਤ ਦੇ ਨਾਲ ਲਿਖਿਆ, ਉਸਨੇ ਇੱਕ ਹੋਰ ਸਵਾਲ ਵਿੱਚ ਇੱਕ ਮੇਕ-ਅੱਪ "c.1600A>T" ਵੇਰੀਐਂਟ ਜੋੜਿਆ, ਹਾਲਾਂਕਿ ਉਸਨੇ ਵੇਰੀਐਂਟ ਦਾ ਸਥਾਨ ਸਹੀ ਢੰਗ ਨਾਲ ਦਿੱਤਾ ਹੈ। ਜਦੋਂ ਸਲਾਹਕਾਰ ਨੇ ਕਲਿਨਵਰ ਦੀ ਖੋਜ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਦੇਖਿਆ ਕਿ ਦੂਜਾ ਵੇਰੀਐਂਟ ਬਿਲਕੁਲ ਵੀ ਉਪਲਬਧ ਨਹੀਂ ਸੀ। ਗੁਆਚਿਆ ਸਮਾਂ: 4 ਮਿੰਟ; ਗਲਤੀ ਰੋਕੀ ਗਈ: ਰਿਪੋਰਟ ਵਿੱਚ ਇੱਕ ਜਾਅਲੀ ਰੂਪ ਦਾਖਲ ਕਰਨਾ।

ਕੇਸ 2 - ਤਾਲਮੇਲ ਜਾਲ। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਇੱਕ ਵੇਰੀਐਂਟ ਦੇ ਜੀਨੋਮ ਕੋਆਰਡੀਨੇਟ ਲਈ ਏ.ਆਈ. AI ਨੇ hg19 ਦਾ ਕੋਆਰਡੀਨੇਟ ਦਿੱਤਾ, ਪਰ ਖੋਜਕਰਤਾ ਦਾ ਪ੍ਰੋਜੈਕਟ hg38 ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਸੀ। ਕੋਆਰਡੀਨੇਟਸ ਲਗਭਗ 3,000 ਅਧਾਰਾਂ ਦੁਆਰਾ ਤਬਦੀਲ ਹੋ ਗਏ ਸਨ। ਖੋਜਕਰਤਾ ਨੇ ਅੰਤਰ ਦੇਖਿਆ ਜਦੋਂ ਉਸਨੇ "ਲਿਫਟਓਵਰ" (ਇੰਟਰ-ਵਰਜ਼ਨ ਕੋਆਰਡੀਨੇਟ ਟ੍ਰਾਂਸਫਾਰਮੇਸ਼ਨ) ਟੂਲ ਨਾਲ ਚਿੱਤਰ ਦੀ ਜਾਂਚ ਕੀਤੀ। ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ, ਸਮੁੱਚੀ ਅਲਾਈਨਮੈਂਟ ਗਲਤ ਹੋਵੇਗੀ।

ਕੇਸ 3 - ਪੁਸ਼ਟੀ ਪ੍ਰਾਪਤ ਹੋਈ। ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਨੇ AI ਨੂੰ ਇੱਕ ਪਾਈਥਨ ਕੋਡ ਲਈ ਕਿਹਾ ਜੋ ਇੱਕ ਕ੍ਰਮ ਦਾ ਓਪਨ ਰੀਡਿੰਗ ਫਰੇਮ (ORF — ਪ੍ਰੋਟੀਨ-ਕੋਡਿੰਗ ਖੇਤਰ) ਲੱਭਦਾ ਹੈ। ਕੋਡ ਨੇ ਕੰਮ ਕੀਤਾ, ਪਰ ਪ੍ਰੋਟੀਨ ਨੂੰ ਛੋਟਾ ਪਾਇਆ ਕਿਉਂਕਿ ਇਹ ਗਲਤ ਫਰੇਮ ਵਿੱਚ ਸਟਾਰਟ ਕੋਡਨ ਦੀ ਭਾਲ ਕਰ ਰਿਹਾ ਸੀ। ਜਦੋਂ ਵਿਦਿਆਰਥੀ ਨੇ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਜਾਣੇ-ਪਛਾਣੇ ਸੰਦਰਭ ਪ੍ਰੋਟੀਨ ਨਾਲ ਕੀਤੀ, ਤਾਂ ਉਸ ਨੇ ਲੰਬਾਈ ਵਿੱਚ ਅੰਤਰ ਦੇਖਿਆ, AI ਨੂੰ ਸਾਰੇ ਤਿੰਨ ਫਰੇਮਾਂ ਨੂੰ ਸਕੈਨ ਕਰਨ ਲਈ ਕਿਹਾ, ਅਤੇ ਇਸਨੂੰ 10 ਮਿੰਟਾਂ ਵਿੱਚ ਠੀਕ ਕੀਤਾ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਸਰੋਤ ਲੋੜੀਂਦਾ, ਪ੍ਰਮਾਣਿਤ ਵਿਆਖਿਆ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਅਣੂ ਜੈਨੇਟਿਕਸ ਸਹਾਇਕ। ਹੇਠਾਂ ਦਿੱਤੇ ਤੱਥ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ: [ਜੀਨ/ਵੇਰੀਐਂਟ/ਕ੍ਰਮ]। ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਜੀਨੋਮ ਸੰਸਕਰਣ (GRCh37/38) ਅਤੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਦੱਸੋ। ਹਰੇਕ ਦਾਅਵੇ ਲਈ, ਲਿਖੋ ਕਿ ਕਿਹੜੇ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ (NCBI, Ensembl, UniProt, ClinVar, gnomAD) ਵਿੱਚ ਇਸਦੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਕੋਈ ਵੀ ਕ੍ਰਮ/ਕੋਆਰਡੀਨੇਟ/ਵੇਰੀਐਂਟ ਨਾ ਬਣਾਓ ਜਿਸ ਬਾਰੇ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਹੋ; ਟਾਈਪ ਕਰੋ "ਤਸਦੀਕ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ"।

2) ਕੋਡ ਨਾਲ ਐਰੇ ਓਪਰੇਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ:

ਇੱਕ ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਪਾਈਥਨ (ਬਾਇਓਪਾਈਥਨ) ਕੋਡ ਲਿਖੋ ਜੋ ਹੇਠਾਂ ਦਿੱਤੀ ਸਤਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ: [ਟਾਸਕ].ਕੋਡ; ਟਿੱਪਣੀ ਲਾਈਨ ਵਿੱਚ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਜੀਨੋਮ ਸੰਸਕਰਣ, ਫਰੇਮ, ਅਤੇ ਸਟ੍ਰੈਂਡ ਧਾਰਨਾਵਾਂ ਨੂੰ ਬਿਆਨ ਕਰੋ। ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਹਵਾਲੇ ਨਾਲ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਮਾਣਿਕਤਾ ਪੜਾਅ ਸ਼ਾਮਲ ਕਰੋ।

3) ਪਹਿਲਾਂ ਜੋਖਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ:

ਇਸ ਜੈਨੇਟਿਕਸ ਟਾਸਕ ਨੂੰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇਸ ਕੰਮ ਵਿੱਚ 5 ਸਭ ਤੋਂ ਆਮ ਗਲਤੀਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਅਤੇ ਹਰ ਇੱਕ ਤੋਂ ਕਿਵੇਂ ਬਚਣਾ ਹੈ: [ਟਾਸਕ]। ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਤਾਲਮੇਲ ਪ੍ਰਣਾਲੀ, ਜੀਨੋਮ ਸੰਸਕਰਣ, ਅਤੇ ਨਾਮਕਰਨ ਦੀਆਂ ਗਲਤੀਆਂ 'ਤੇ ਫੋਕਸ ਕਰੋ।

4) ਗੋਪਨੀਯਤਾ ਨਿਯੰਤਰਣ:

ਇੱਕ AI ਟੂਲ ਨੂੰ ਇਹ ਟੈਕਸਟ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਸ ਵਿੱਚ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ ਜੋ ਮਰੀਜ਼ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੀ ਹੈ (ਨਾਮ, ਆਈਡੀ ਨੰਬਰ, ਮਿਤੀ, ਦੁਰਲੱਭ ਰੂਪਾਂ ਦਾ ਸੁਮੇਲ)? ਮੈਂ ਇਹਨਾਂ ਨੂੰ ਅਗਿਆਤ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ? ਇਸ ਨੂੰ ਇੱਕ ਸੂਚੀ ਵਿੱਚ ਦਿਓ.

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ: "ਕੀ BRCA1 ਵਿੱਚ ਇਹ ਪਰਿਵਰਤਨ ਨੁਕਸਾਨਦੇਹ ਹੈ?"

ਸਮੱਸਿਆ: ਕੋਈ ਜੀਨੋਮ ਸੰਸਕਰਣ ਨਹੀਂ, ਕੋਈ ਪ੍ਰਤੀਲਿਪੀ ਨਹੀਂ, ਰੂਪ ਅਹੁਦਾ ਅਸਪਸ਼ਟ, ਸਰੋਤ ਦੀ ਬੇਨਤੀ ਨਹੀਂ ਕੀਤੀ ਗਈ। AI ਤੁਹਾਡੇ ਸਿਰ ਦੇ ਸਿਖਰ ਤੋਂ ਇੱਕ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ।

ਮਜਬੂਤ: "ਮੈਂ ACMG ਮਾਪਦੰਡ ਦੇ ਅਨੁਸਾਰ GRCh38, BRCA1 (NM_007294.4) ਦੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਵਿੱਚ ਰੂਪ NM_007294.4:c.68_69delAG ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਮੈਨੂੰ ਦੱਸੋ ਕਿ ClinVar ਅਤੇ gnomAD ਵਿੱਚ ਕੀ ਵੇਖਣਾ ਹੈ; ਹਰੇਕ ਲਈ ਡੇਟਾ ਦੀ ਸਾਬਕਾ ਸ਼੍ਰੇਣੀ ਸੂਚੀ ਦੀ ਕੀ ਲੋੜ ਹੈ, ਸਬੂਤ ਦੀ ਕੀ ਨਹੀਂ ਹੈ।"

ਇਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕਿਉਂ ਹੈ: ਸੰਦਰਭ, ਸੰਸਕਰਣ, ਪ੍ਰਤੀਲਿਪੀ, ਮਿਆਰੀ ਸੰਕੇਤ, ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਮਾਰਗ ਨੂੰ ਸਾਫ਼ ਕਰੋ; ਏਆਈ ਦੀ ਕਾਢ ਦੇ ਖੇਤਰ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰ ਦਿੱਤਾ ਗਿਆ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਜੀਨੋਮ ਸੰਸਕਰਣ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰ ਰਿਹਾ ਹੈ। ਕੋਆਰਡੀਨੇਟਸ hg19 ਅਤੇ hg38 ਵਿਚਕਾਰ ਸ਼ਿਫਟ; ਸੰਸਕਰਣ ਤੋਂ ਬਿਨਾਂ ਦਿੱਤਾ ਗਿਆ ਹਰ ਕੋਆਰਡੀਨੇਟ ਸ਼ੱਕੀ ਹੈ।
• AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਕ੍ਰਮ/ਵੇਰੀਏਂਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਵਿੱਚ ਹਰੇਕ ਕ੍ਰਮ ਅਤੇ ਰੂਪ ਦੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
• ਕਲੀਨਿਕਲ ਫੈਸਲੇ ਨੂੰ AI 'ਤੇ ਛੱਡਣਾ। ਏਆਈ ਪੈਥੋਜੈਨੀਸੀਟੀ ਕਲਾਸ ਨੂੰ "ਦੱਸ" ਸਕਦਾ ਹੈ, ਪਰ ਅੰਤਮ ਕਲੀਨਿਕਲ ਵਿਆਖਿਆ ਸਮਰੱਥ ਮਾਹਰ ਦੇ ਕੋਲ ਹੈ।
• ਮਰੀਜ਼ਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਓਪਨ ਟੂਲਸ ਵਿੱਚ ਪੇਸਟ ਕਰਨਾ. ਪਛਾਣਯੋਗ ਜੈਨੇਟਿਕ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ ਦਾ ਗਠਨ ਕਰਦਾ ਹੈ।
• ਉਲਝਣ ਵਾਲਾ ਨਾਮਕਰਨ। c., p., g. ਪੇਸ਼ਕਾਰੀਆਂ ਅਤੇ ਪ੍ਰਤੀਲਿਪੀ ਸੰਸਕਰਣਾਂ ਨੂੰ ਮਿਲਾਉਣਾ ਗਲਤ ਰੂਪ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।

ਸਾਵਧਾਨ: AI ਦਾ "ਆਤਮਵਿਸ਼ਵਾਸ" ਟੋਨ ਸ਼ੁੱਧਤਾ ਦਾ ਸਬੂਤ ਨਹੀਂ ਹੈ। ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਭੁਲੇਖੇ ਸਭ ਤੋਂ ਵਧੀਆ ਅਤੇ ਯਕੀਨਨ ਵਾਕਾਂ ਨਾਲ ਆਉਂਦੇ ਹਨ। ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਭਰੋਸੇਮੰਦ ਟੋਨ ਸੁਣਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ, ਘਟਦੀ ਨਹੀਂ।

ਸੰਖੇਪ ਵਿੱਚ

• ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਜੈਨੇਟਿਕਸ ਵਿੱਚ AI; ਇਹ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ ਜੋ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਡਰਾਫਟ ਕਰਦਾ ਹੈ, ਟਿੱਪਣੀਆਂ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਪਾਦਿਤ ਕਰਦਾ ਹੈ — ਪਰ ਇਹ ਇੱਕ ਡੇਟਾਬੇਸ ਜਾਂ ਲੈਬ ਟੂਲ ਨਹੀਂ ਹੈ।
• ਤਿੰਨ ਮਾਰੂ ਜਾਲ: ਜਾਅਲੀ ਕ੍ਰਮ/ਜੀਨ/ਵੇਰੀਏਂਟ, ਕੋਆਰਡੀਨੇਟ-ਵਰਜ਼ਨ-ਨਾਮਕਰਨ ਉਲਝਣ, ਜਾਅਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਅਤੇ ਝੂਠੇ ਕਲੀਨਿਕਲ ਦਾਅਵੇ।
• ਹਰੇਕ ਜੀਵ-ਵਿਗਿਆਨਕ ਤੱਥ ਨੂੰ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਹਰੇਕ ਕੋਡ ਨੂੰ ਚਲਾ ਕੇ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
• ਗੁਪਤਤਾ ਅਤੇ ਨੈਤਿਕਤਾ ਸਮੇਤ ਅੰਤਮ ਕਲੀਨਿਕਲ ਅਤੇ ਵਿਗਿਆਨਕ ਜ਼ਿੰਮੇਵਾਰੀ, ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਮਾਹਰ ਦੇ ਨਾਲ ਹੁੰਦੀ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਜੀਨ ਅਤੇ ਰੂਪ (ਜਾਂ ਇੱਕ ਨਮੂਨਾ) ਲਈ, ਉੱਪਰ ਦਿੱਤੇ ਟੈਮਪਲੇਟ 1 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਮੁਲਾਂਕਣ ਲਈ AI ਨੂੰ ਪੁੱਛੋ। ਫਿਰ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ClinVar ਅਤੇ gnomAD ਵਿੱਚ AI ਰਿਟਰਨ (ਜੀਨੋਮ ਸੰਸਕਰਣ, ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ, ਵੇਰੀਐਂਟ ਨੁਮਾਇੰਦਗੀ) ਹਰੇਕ ਤੱਥ ਦੀ ਜਾਂਚ ਕਰੋ। ਘੱਟੋ-ਘੱਟ ਇੱਕ ਬਿੰਦੂ ਵਿੱਚ AI ਅਤੇ ਸਰੋਤ ਵਿੱਚ ਅੰਤਰ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਅਤੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਇਸ ਅੰਤਰ ਨੂੰ ਨੋਟ ਕਰੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਜੀਨੋਮ ਸੰਸਕਰਣ, ਪ੍ਰਤੀਲਿਪੀ, ਅਤੇ ਸੰਦਰਭ ਦੁਆਰਾ ਕੰਮ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਹਰ ਤੱਥ ਲਈ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਲਈ AI ਨੂੰ ਕਿਹਾ।
• [ ] ਮੈਂ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਹਰੇਕ ਕ੍ਰਮ/ਕੋਆਰਡੀਨੇਟ/ਵੇਰੀਐਂਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਕੋਡ ਚਲਾ ਕੇ ਜਾਂ ਟੂਲ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਮਰੀਜ਼ਾਂ ਦੇ ਡੇਟਾ ਦੀ ਗੁਪਤਤਾ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਅੰਤਮ ਟਿੱਪਣੀ ਨੂੰ ਖੁਦ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ, ਮੈਂ ਇਸਨੂੰ AI 'ਤੇ ਨਹੀਂ ਛੱਡਿਆ।