மூலக்கூறு உயிரியல் மற்றும் மரபியலில் செயற்கை நுண்ணறிவு அறிமுகம்: பாத்திரங்கள், எல்லைகள், சரிபார்ப்பு, நெறிமுறைகள் மற்றும் தனியுரிமை

ஆதாயங்கள்:

• மூலக்கூறு உயிரியல் மற்றும் மரபியல் சங்கிலியில் (வரிசை, மாறுபாடு, கட்டமைப்பு, ஓமிக்ஸ், இலக்கியம்) செயற்கை நுண்ணறிவு உண்மையான நேரத்தைச் சேமிக்கிறது மற்றும் பணி அபாய நிலைக்கு ஏற்ப தரவுத்தளத்தை இல்லாததால் அது ஆபத்தானது.
• புனையப்பட்ட வரிசை/மரபணு/மாறுபாடு, ஒருங்கிணைப்பு-பதிப்பு-பெயரிடுதல் குழப்பம் மற்றும் தவறான பண்புக்கூறு போன்ற மூன்று கொடிய பொறிகளை அடையாளம் காணும் திறன் மற்றும் முதன்மை மூலத்தில் உள்ள ஒவ்வொரு உயிரியல் நிகழ்வையும் சரிபார்க்கும் ஒரு ஒழுக்கத்தைப் பயன்படுத்துதல்.
• கருவிகளைத் திறக்க, நோயாளியின் மரபணுத் தரவை அடையாளம் காணக்கூடிய வடிவத்தில் வெளியிடாத கொள்கைகளைப் பின்பற்றும் திறன் மற்றும் இறுதி மருத்துவ விளக்கத்தை எப்போதும் திறமையான நிபுணரிடம் விட்டுவிடும்.

மூலக்கூறு உயிரியல் மற்றும் மரபியல் என்பது உயிரினங்களை அவற்றின் மிக அடிப்படையான மொழியில் - டிஎன்ஏ, ஆர்என்ஏ மற்றும் புரோட்டீன்களின் மொழியில் படிக்கும் மற்றும் விளக்கும் அறிவியலாகும். இந்தத் துறையில், ஒரு எழுத்தைத் தவறாகப் படிப்பது (ஒரு அடிப்படை ஜோடி), ஒரு மரபணுவின் பெயரைக் குழப்புவது அல்லது ஒரு மாறுபாட்டை தவறாக வகைப்படுத்துவது (குறிப்பில் இருந்து வேறுபட்ட ஒரு தனிநபரின் மரபணு வரிசையில் ஒரு புள்ளி); இது தவறான நோயறிதல், தேவையற்ற சிகிச்சை அல்லது தவறான ஆராய்ச்சி முடிவுகளுக்கு வழிவகுக்கும். அதனால்தான் இந்த துறையில் செயற்கை நுண்ணறிவின் (AI) பயன்பாட்டிற்கு வேகத்தைப் போலவே ஒழுக்கமும் தேவைப்படுகிறது. பெரிய மொழி மாதிரி என்று அழைக்கப்படும் கருவிகள் (எல்எல்எம் - "அடுத்த வாய்ப்பு வார்த்தை" என்ற தர்க்கத்துடன், புள்ளிவிவர ரீதியாக உரையை உருவாக்கும் ஒரு வகை செயற்கை நுண்ணறிவு) உண்மையில் மூலக்கூறு உயிரியல் மற்றும் மரபியல் ஆகியவற்றில் நேரத்தைச் சேமிக்கிறது, அவை ஆபத்தானவை மற்றும் ஒவ்வொரு வெளியீட்டையும் எவ்வாறு சரிபார்க்கலாம் என்பதை இந்த யூனிட்டில் நீங்கள் அறிந்துகொள்வீர்கள்.

முதலாவதாக, ஒரு முக்கியமான கருத்து: மாயத்தோற்றம் என்பது உண்மையில் உண்மையில்லாத தகவலை, முழு நம்பிக்கையுடன், அது உண்மையாக இருப்பதைப் போல AI ஆனது. இது மரபியலில் உள்ளது; இது இல்லாத மரபணு பெயர், உருவாக்கப்பட்ட மாறுபாடு குறியீடு (எ.கா. இல்லாத "c.1234A>G"), தவறான பரம்பரை முறை அல்லது இல்லாத கட்டுரையின் குறிப்பு போன்ற வடிவங்களில் வரலாம். முக்கியமான விஷயம் என்னவென்றால், LLM என்பது ஒரு மரபணு தரவுத்தளமோ அல்லது ஆய்வகக் கருவியோ அல்ல. இது ஒரு உரை ஜெனரேட்டராகும், இது பயிற்சி தரவுகளில் பார்க்கும் நூல்களைப் புள்ளிவிவர ரீதியாகப் பின்பற்றுகிறது. அவர் பல சரியான உயிரியல் நூல்களைப் பார்த்ததால் பெரும்பாலான நேரங்களில் சரியான உயிரியலை உருவாக்குகிறார்; ஆனால் "பெரும்பாலான நேரங்களில் உண்மை" மற்றும் "எல்லா நேரமும் உண்மை" ஆகியவற்றுக்கு இடையேயான வேறுபாடு மருத்துவ மரபியலில் ஒரு நபரின் வாழ்க்கையாக இருக்கலாம்.

இந்த துறையில் செயற்கை நுண்ணறிவு எங்கே வேலை செய்கிறது, எங்கே இல்லை?

AI ஐ ஒரு விரைவான வரைவு, குறியீடு என நினைத்து பார்ட்னரை விளக்கவும்: மதிப்புமிக்கது ஆனால் சரிபார்க்க அவசியம். பின்வரும் வேறுபாடு இந்த தொகுதியின் முதுகெலும்பாகும்.

தேடுதல்

AI இன் பங்களிப்பு

நிபுணரின் பொறுப்பு

வரிசை பகுப்பாய்வு

சீரமைப்பு/பகுப்பாய்வு குறியீட்டை எழுதுகிறது, வெளியீட்டை விளக்குகிறது

குறியீட்டை இயக்கவும் மற்றும் மூல தரவுத்தளத்துடன் வரிசையை உறுதிப்படுத்தவும்

மாறுபட்ட விளக்கம்

ACMG வரைவு அளவுகோல் இலக்கியச் சுருக்கத்தை வழங்குகிறது

ஒவ்வொரு ஆதாரத்தையும் அசல் மூலத்தில் சரிபார்த்தல், வகுப்பைச் சரிபார்த்தல்

புரத அமைப்பு

AlphaFold வெளியீட்டை விளக்குகிறது, நம்பிக்கை மதிப்பெண்ணை விளக்குகிறது

நம்பிக்கை மதிப்பெண் மற்றும் அனுபவ சான்றுகளை சரிபார்த்தல்

CRISPR வடிவமைப்பு

gRNA வேட்பாளர் பட்டியல் மற்றும் குறியீட்டை உருவாக்குகிறது

நிபுணத்துவக் கருவி மூலம் இலக்கு இல்லாததைச் சரிபார்க்கிறது

ஓமிக்ஸ் பகுப்பாய்வு

RNA-seq/statistics குறியீடு பாதை விளக்கத்தை வழங்குகிறது

புள்ளிவிவரங்கள் மற்றும் உயிரியல் அர்த்தத்தை உறுதிப்படுத்துதல்

இலக்கியம்/எழுத்து

சுருக்கம், வரைவு, மொழி திருத்தங்களைச் செய்கிறது

மூலத்தில் உள்ள ஒவ்வொரு குறிப்பையும் உண்மையையும் உறுதிப்படுத்துதல்

கட்டைவிரல் விதி: AI தரவையே "நினைவில்" வைக்க வேண்டாம்; குறியீட்டை எழுதவும், பணிப்பாய்வு அமைக்கவும், வரைவு மற்றும் திருத்தவும் இதைப் பயன்படுத்தவும்; நம்பகமான முதன்மை மூலத்திலிருந்து ஒவ்வொரு உயிரியல் உண்மையையும் (வரிசை, மாறுபாடு, மரபணு செயல்பாடு, மாறிலி) எப்போதும் சரிபார்க்கவும். இங்கு முதன்மையான ஆதாரம் NCBI, Ensembl, UniProt, ClinVar, gnomAD அல்லது சக மதிப்பாய்வு செய்யப்பட்ட கட்டுரைகள் போன்ற அதிகாரப்பூர்வ தரவுத்தளங்கள் ஆகும்; எல்.எல்.எம் அவர் மனதில் இருந்து கொடுக்கும் தொடர் அல்ல.

இந்தத் துறையின் மூன்று கொடிய பொறிகள்

1. உருவாக்கப்பட்ட வரிசைகள், மரபணுக்கள் மற்றும் மாறுபாடுகள். AI ஆனது தனக்கு நினைவில் இல்லாத டிஎன்ஏ வரிசையை, ஒரு மாறுபாடு ஒருங்கிணைப்பு அல்லது நம்பத்தகுந்ததாக தோன்றும் மரபணு பெயரை "நிரப்ப" முடியும். ஒரு சரத்தின் நீளம் மற்றும் எழுத்துக்கள் சரியாகத் தோன்றினாலும், அவை உண்மையான குறிப்புடன் பொருந்தாமல் போகலாம்.

2. ஒருங்கிணைப்பு மற்றும் பெயரிடல் குழப்பம். AI; ஜீனோம் பதிப்புகள் (GRCh37/hg19 முதல் GRCh38/hg38 வரை) 0-அடிப்படையிலான மற்றும் 1-அடிப்படையிலான ஆயத்தொகுப்புகள், HGVS பிரதிநிதித்துவம் (மாறுபாடுகளுக்கான நிலையான எழுத்து வடிவம்) ஆகியவற்றுக்கு இடையே அமைதியாக மாறலாம். முடிவு "நியாயமானதாக" தோன்றுகிறது ஆனால் தவறான நிலையை சுட்டிக்காட்டுகிறது.

3. தவறான பண்புக்கூறுகள் மற்றும் தவறான மருத்துவ உரிமைகோரல்கள். AI ஆனது முற்றிலும் தயாரிக்கப்பட்ட கட்டுரையை உண்மையான இதழில், உண்மையான ஒலி ஆசிரியர் பெயர்களுடன் உருவாக்க முடியும்; அல்லது ஒரு மாறுபாடு "நோய்க்கிருமி" என்று ஆதாரம் இல்லாமல் கூறலாம். இவற்றை 8 மற்றும் 9 அலகுகளில் ஆழமாகப் பார்ப்போம்.

உதவிக்குறிப்பு: ஒவ்வொரு உயிரியல் AI வெளியீட்டையும் மூன்று கேள்விகளுடன் அணுகவும்: (1) எந்த முதன்மை ஆதாரம் இந்த உண்மையை உறுதிப்படுத்துகிறது (வரிசை, மாறுபாடு, மரபணு)? (2) மரபணு பதிப்பு மற்றும் ஒருங்கிணைப்பு அமைப்பு சரியானதா? (3) இதை நான் எவ்வாறு சுயாதீனமாக உறுதிப்படுத்துவது? இந்த மூன்று கேள்விகளும் மொட்டில் உள்ள பெரும்பாலான பிழைகளைப் பிடிக்கின்றன.

படிப்படியாக: பாதுகாப்பான AI பணிப்பாய்வு

1. சூழல் மற்றும் பதிப்புடன் பணியை வரையறுக்கவும். "இந்த மரபணு என்ன செய்கிறது?" மாறாக சூழல், டிரான்ஸ்கிரிப்ட் மற்றும் ஜீனோம் பதிப்பை வெளிப்படையாக எழுதவும், அதாவது "GRCh38 பதிப்பில் பின்வரும் மாறுபாட்டின் செயல்பாட்டு தாக்கத்தை மதிப்பீடு செய்ய விரும்புகிறேன், BRCA1 மரபணுவின் டிரான்ஸ்கிரிப்ட் NM_007294.4."

2. ஆதாரம் மற்றும் சரிபார்ப்பு தேவை. ஒவ்வொரு உண்மையையும் சரிபார்க்க எந்த தரவுத்தளத்தைக் குறிப்பிட AI ஐக் கேளுங்கள். "உங்களுக்குத் தெரியாவிட்டால், அதை உருவாக்க வேண்டாம், 'அது சரிபார்க்கப்பட வேண்டும்' என்று சொல்லுங்கள்" என்ற அறிவுறுத்தல் மாயத்தோற்றத்தை குறைக்கிறது, ஆனால் அது முடிவுக்கு வராது.

3. கருவியை இயக்குவதன் மூலம் அல்லது பயன்படுத்துவதன் மூலம் குறியீட்டை உறுதிப்படுத்தவும். இயங்கக்கூடிய பைதான் (பயோபிதான்) குறியீட்டைக் கொண்டு வரிசை செயல்பாடுகளைச் சரிபார்க்கவும், முறையான மாற்றியுடன் கூடிய மாறுபாடு ஒருங்கிணைப்புகள், ஆல்பாஃபோல்ட் தரவுத்தள ஸ்கோருடன் அமைப்பு.

4. உயிரியல் எதிர்ச் சோதனையைச் செய்யவும். கோடான் சட்டகம் பிடிக்குமா? மாறுபாட்டின் (gnomAD) மக்கள்தொகை அதிர்வெண் நோயுடன் இணக்கமாக உள்ளதா? புரத களம் பாதிக்கப்பட்டுள்ளதா? AI தவறவிட்ட பிழைகளை இவை பிடிக்கின்றன.

5. தனியுரிமை மற்றும் நெறிமுறைகள் சரிபார்ப்பு. அடையாளம் காணக்கூடிய வடிவத்தில் பொதுவில் கிடைக்கும் AI கருவியில் நோயாளியின் மரபணுத் தரவை ஒருபோதும் ஒட்ட வேண்டாம். இதை அலகு 10ல் விரிவாகப் பார்ப்போம்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - தயாரிக்கப்பட்ட மாறுபாடு. ஒரு மரபணு ஆலோசகர் AIயிடம் நோயாளியின் அறிக்கையில் "CFTR c.1521_1523delCTT" மாறுபாட்டின் பொருளைக் கேட்டார் மற்றும் தெளிவான விளக்கத்தைப் பெற்றார். இருப்பினும், YZ இதை "p.Phe508del" என வேறு குறிப்புடன் எழுதியபோது, ​​அவர் மற்றொரு கேள்வியில் உருவாக்கப்பட்ட "c.1600A>T" மாறுபாட்டைச் சேர்த்தார், இருப்பினும் அவர் மாறுபாட்டின் இருப்பிடத்தை சரியாகக் கொடுத்தார். ஆலோசகர் ClinVar-ஐத் தேடியபோது, ​​இரண்டாவது மாறுபாடு கிடைக்கவே இல்லை என்பதைக் கண்டார். இழந்த நேரம்: 4 நிமிடங்கள்; பிழை தடுக்கப்பட்டது: அறிக்கையில் போலி மாறுபாட்டை உள்ளிடுதல்.

வழக்கு 2 - ஒருங்கிணைப்பு பொறி. ஒரு ஆராய்ச்சியாளர் AI யிடம் ஒரு மாறுபாட்டின் மரபணு ஒருங்கிணைப்பைக் கேட்டார். AI ஆனது hg19 இன் ஒருங்கிணைப்பை வழங்கியது, ஆனால் ஆராய்ச்சியாளரின் திட்டம் hg38 ஐப் பயன்படுத்துகிறது. ஆயத்தொலைவுகள் தோராயமாக 3,000 அடிப்படைகள் மூலம் மாற்றப்பட்டன. "லிஃப்ட்ஓவர்" (இடை-பதிப்பு ஒருங்கிணைப்பு மாற்றம்) கருவி மூலம் படத்தைச் சரிபார்த்தபோது ஆராய்ச்சியாளர் வித்தியாசத்தைக் கவனித்தார். சரிபார்ப்பு இல்லாமல், முழு சீரமைப்பும் தவறாகிவிடும்.

வழக்கு 3 - உறுதிப்படுத்தல் கிடைத்தது. ஒரு பட்டதாரி மாணவர் AI யிடம் ஒரு பைதான் குறியீட்டைக் கேட்டார், இது ஒரு வரிசையின் திறந்த வாசிப்பு சட்டத்தை (ORF - புரத-குறியீட்டு பகுதி) கண்டறியும். குறியீடு வேலை செய்தது, ஆனால் அது தவறான சட்டத்தில் தொடக்கக் கோடானைத் தேடுவதால் புரதம் குறைவாக இருந்தது. மாணவர் தெரிந்த குறிப்பு புரதத்துடன் முடிவை ஒப்பிட்டுப் பார்த்தபோது, ​​அவர் நீள வேறுபாட்டைக் கண்டறிந்தார், மூன்று பிரேம்களையும் ஸ்கேன் செய்யும்படி AI ஐக் கேட்டு, 10 நிமிடங்களில் அதை சரிசெய்தார்.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) ஆதாரம் தேவை, சரிபார்க்கக்கூடிய விளக்கம்:

உங்கள் பங்கு: மூலக்கூறு மரபியல் உதவியாளர். பின்வரும் உண்மையை மதிப்பிடவும்: [மரபணு/மாறுபாடு/வரிசை]. மரபணு பதிப்பு (GRCh37/38) மற்றும் டிரான்ஸ்கிரிப்டை தெளிவாகக் குறிப்பிடவும். ஒவ்வொரு உரிமைகோரலுக்கும், எந்த முதன்மை ஆதாரத்தில் (NCBI, Ensembl, UniProt, ClinVar, gnomAD) சரிபார்க்கப்பட வேண்டும் என்பதை எழுதவும். நீங்கள் உறுதியாக தெரியாத எந்த வரிசை/ஆயங்கள்/மாறுபாடுகளையும் உருவாக்க வேண்டாம்; "சரிபார்க்கப்பட வேண்டும்" என தட்டச்சு செய்யவும்.

2) வரிசை செயல்பாட்டை குறியீட்டுடன் உறுதிப்படுத்தவும்:

பின்வரும் சரத்தை பகுப்பாய்வு செய்யும் இயங்கக்கூடிய பைதான் (பயோபிதான்) குறியீட்டை எழுதவும்: [பணி]. குறியீடு; கருத்து வரியில் மரபணு பதிப்பு, சட்டகம் மற்றும் இழை அனுமானங்களை வெளிப்படையாகக் குறிப்பிடவும். அறியப்பட்ட குறிப்புடன் முடிவை ஒப்பிடுவதற்கு சரிபார்ப்பு படியைச் சேர்க்கவும்.

3) அபாயங்களை முதலில் பட்டியலிடுங்கள்:

இந்த மரபியல் பணியைச் செய்வதற்கு முன், இந்தப் பணியில் உள்ள 5 பொதுவான தவறுகளையும், ஒவ்வொன்றையும் எவ்வாறு தவிர்ப்பது என்பதையும் பட்டியலிடவும்: [பணி]. ஒருங்கிணைப்பு அமைப்பு, மரபணு பதிப்பு மற்றும் பெயரிடல் பிழைகள் ஆகியவற்றில் குறிப்பாக கவனம் செலுத்துங்கள்.

4) தனியுரிமை கட்டுப்பாடு:

AI கருவிக்கு இந்த உரையை வழங்குவதற்கு முன், நோயாளியை (பெயர், அடையாள எண், தேதி, அரிதான மாறுபாடு சேர்க்கை) அடையாளம் காணக்கூடிய தகவல் என்ன? இவற்றை நான் எப்படி அநாமதேயமாக்குவது? அதை ஒரு பட்டியலில் கொடுங்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமானது: "BRCA1 இல் உள்ள இந்த பிறழ்வு தீங்கு விளைவிப்பதா?"

சிக்கல்: மரபணு பதிப்பு இல்லை, டிரான்ஸ்கிரிப்ட் இல்லை, மாறுபாடு பதவி தெளிவாக இல்லை, ஆதாரம் கோரப்படவில்லை. AI உங்கள் தலையின் மேல் ஒரு விளக்கத்தை உருவாக்க முடியும்.

வலிமையானது: "ACMG அளவுகோல்களின்படி GRCh38, BRCA1 (NM_007294.4) இன் டிரான்ஸ்கிரிப்டில் உள்ள NM_007294.4:c.68_69delAG மாறுபாட்டை நான் மதிப்பீடு செய்ய விரும்புகிறேன். ClinVar மற்றும் gnomAD வகுப்பில் எதைத் தேட வேண்டும் என்பதைச் சொல்லவும், ஒவ்வொரு தரவைச் செய்யத் தேவையில்லை, க்னோமாட் வகுப்பிற்கும் என்ன ஆதாரம் தேவை.

இது ஏன் சக்தி வாய்ந்தது: தெளிவான சூழல், பதிப்பு, டிரான்ஸ்கிரிப்ட், நிலையான குறியீடு மற்றும் சரிபார்ப்பு பாதை; AI இன் கண்டுபிடிப்புத் துறை சுருக்கப்பட்டுள்ளது.

பொதுவான தவறுகள்

• மரபணு பதிப்பைக் குறிப்பிடவில்லை. ஆயத்தொலைவுகள் hg19 மற்றும் hg38 இடையே மாறுகின்றன; பதிப்பு இல்லாமல் கொடுக்கப்பட்ட ஒவ்வொரு ஆயமும் சந்தேகத்திற்குரியது.
• AI வழங்கிய வரிசை/மாறுபாட்டை நேரடியாகப் பயன்படுத்துதல். ஒவ்வொரு வரிசையும் மாறுபாடும் முதன்மை மூலத்தில் உறுதிப்படுத்தப்பட வேண்டும்.
• மருத்துவ முடிவை AI க்கு விடுதல். AI நோய்க்கிருமித்தன்மை வகுப்பை "சொல்லலாம்", ஆனால் இறுதி மருத்துவ விளக்கம் திறமையான நிபுணரிடம் உள்ளது.
• திறந்த கருவிகளில் நோயாளியின் தரவை ஒட்டுதல். அடையாளம் காணக்கூடிய மரபணு தரவு தனியுரிமை மீறலை உருவாக்குகிறது.
• குழப்பமான பெயரிடல். c., p., g பிரதிநிதித்துவங்கள் மற்றும் டிரான்ஸ்கிரிப்ட் பதிப்புகளை கலப்பது தவறான மாறுபாட்டை சுட்டிக்காட்டுகிறது.

எச்சரிக்கை: AI இன் "நம்பிக்கை" தொனி துல்லியத்திற்கான ஆதாரம் அல்ல. மிகவும் ஆபத்தான பிரமைகள் மிகவும் சரளமான மற்றும் உறுதியான வாக்கியங்களுடன் வருகின்றன. நம்பிக்கையான தொனியை நீங்கள் கேட்கும்போது, ​​உங்கள் உறுதிப்படுத்தலுக்கான தேவை அதிகரிக்கிறது, குறையவில்லை.

சுருக்கமாக

• மூலக்கூறு உயிரியல் மற்றும் மரபியலில் AI; இது குறியீட்டை எழுதும், வரைவுகள், கருத்துகள் மற்றும் திருத்தும் ஒரு சக்திவாய்ந்த உதவியாளர் - ஆனால் இது ஒரு தரவுத்தளம் அல்லது ஆய்வக கருவி அல்ல.
• மூன்று கொடிய பொறிகள்: போலியான வரிசை/மரபணு/மாறுபாடு, ஒருங்கிணைப்பு-பதிப்பு-பெயரிடுதல் குழப்பம், போலியான பண்புக்கூறு மற்றும் தவறான மருத்துவ உரிமைகோரல்.
• ஒவ்வொரு உயிரியல் உண்மையும் முதன்மை மூலத்தில் சரிபார்க்கப்பட வேண்டும்; ஒவ்வொரு குறியீட்டையும் இயக்குவதன் மூலம் உறுதிப்படுத்த வேண்டும்.
• இரகசியத்தன்மை மற்றும் நெறிமுறைகள் உட்பட இறுதி மருத்துவ மற்றும் அறிவியல் பொறுப்பு எப்போதும் திறமையான நிபுணரிடம் உள்ளது.

விண்ணப்ப பணி

உங்களிடம் உள்ள ஒரு மரபணு மற்றும் மாறுபாட்டிற்கு (அல்லது ஒரு மாதிரி), மேலே உள்ள டெம்ப்ளேட் 1 ஐப் பயன்படுத்தி மதிப்பீடு செய்ய AIயிடம் கேளுங்கள். ClinVar மற்றும் gnomAD இல் AI ரிட்டர்ன்கள் (ஜீனோம் பதிப்பு, டிரான்ஸ்கிரிப்ட், மாறுபாடு பிரதிநிதித்துவம்) ஒவ்வொரு உண்மையையும் தனிப்பட்ட முறையில் சரிபார்க்கவும். குறைந்தபட்சம் ஒரு புள்ளியில் AIக்கும் மூலத்திற்கும் உள்ள வித்தியாசத்தைக் கண்டறிய முயற்சிக்கவும், இந்த வேறுபாட்டை ஒரு வாக்கியத்தில் கவனிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் பணியை மரபணு பதிப்பு, டிரான்ஸ்கிரிப்ட் மற்றும் சூழல் மூலம் விவரித்தேன்.
• [ ] ஒவ்வொரு உண்மைக்கும் முதன்மையான ஆதாரத்தை நான் AI யிடம் கேட்டேன்.
• [ ] நான் தனிப்பட்ட முறையில் ஒவ்வொரு வரிசை/ஒருங்கிணைப்பு/மாறுபாடுகளையும் உறுதி செய்துள்ளேன்.
• [ ] குறியீட்டை இயக்கி அல்லது கருவி மூலம் சரிபார்த்தேன்.
• நோயாளியின் தரவின் ரகசியத்தன்மையை நான் சோதித்தேன்.
• [ ] இறுதிக் கருத்தை நானே அங்கீகரித்தேன், அதை நான் AIக்கு விடவில்லை.