Анагаах ухааны цахим сургалт
Яагаад
Цахим сургалт гэж?
Хэзээ ч, хаана ч үзэх боломжтой
Хэзээ ч, хаана ч үзэх боломжтой
Та ажил, гэр, сургууль мөн жижүүрт хонох үедээ интернэт холболт бүхий ямар ч төрлийн төхөөрөмж ашиглан суралцах боломжтой.
Цаг хугацаа, мөнгийг тань хэмнэнэ
Цаг хугацаа, мөнгийг тань хэмнэнэ
Та байгаа газраасаа цахимаар суралцсанаар цаг хугацаа төдийгүй, мөнгөө хэмнэж өөрт хэрэгцээтэй сургалтыг авах боломжтой.
Сургалтыг та өөрөө удирдана
Сургалтыг та өөрөө удирдана
Цахим сургалтаар та багшаа, сургалтын аргаа, сургалтын хурдыг, сургалтын сэдэв болон дэс дараалал зэргийг бүрэн удирдах боломжтой.
Танд санал болгох
Багцын мэдээлэл

6 сарын багц

69,900₮

6 сард нэг удаа төлнө

  • 2 багц цагийн сургалт үнэгүй
  • Багцад хамаарах бүх хичээлүүд
  • Танхимын сургалтын хөнгөлөлт - 10% *
* 1 удаа хөнгөлөлтийг ашиглана
Багц авах

1 жилийн багц

99,900₮

Жилд нэг удаа төлнө

  • 3 багц цагийн сургалт үнэгүй
  • Багцад хамаарах бүх хичээлүүд
  • Онцлох хичээлүүд
  • Танхимын сургалтын хөнгөлөлт - 20% *
* 1 удаа хөнгөлөлтийг ашиглана
Багц авах
Сүүлийн үеийн
Нийтлэлүүд
Хиймэл оюун ухаан - Эмч бидний нүдээр
2026 оны 2-р сарын 5

Хиймэл оюун ухаан - Эмч бидний нүдээр

Хиймэл оюун ухаан (AI) эрүүл мэндийн салбарт эрчимтэй нэвтэрч, ялангуяа "Их хэлний загвар" (Large Language Models - LLM) хэмээх технологи нь бидний өдөр тутмын эмнэлзүйн практик, сургалт, судалгааны ажилд чухал хэрэгсэл болон гарч ирж байна. Гэхдээ үүнийг аюулгүй, үр дүнтэй ашиглахын тулд бид энэ технологи хэрхэн яаж ажилладаг, бас ямар үед "алдаж" болдгийг зайлшгүй ойлгох хэрэгтэй байна. Энэхүү нийтлэлээрээ бид хиймэл оюун ухааны боломж болон хязгаарлагдмал талуудыг эмнэлзүйн бодит жишээн дээр тулгуурлан тайлбарлахыг зорилоо.ГОЛ АНХААРАХ ЗҮЙЛСХиймэл оюун ухааныг сургаж буй тэр их өгөгдөл дотор хүний буруутай үйл ажиллагаанаас үүдэлтэй өрөөсгөл мэдээллүүд (bias) байх боломжтой бөгөөд энэ нь AI-ийн хариултыг ч мөн өрөөсгөл болгох эрсдэлтэйг бид ойлгох хэрэгтэй. Энгийнээр хэлбэл, AI бол өгүүлбэрийг гүйцээхийн тулд дараагийн үг нь юу байх вэ гэдгийг магадлалын онолоор таамагладаг систем юм. Хэрэв сургалтын дата нь дутуу, хоёрдмол утгатай, эсвэл бидний асуусан асуулт түүний мэдлэгийн хүрээнээс гадуур байвал AI нь статистик тооцоололдоо тулгуурлан "тааж" эхэлдэг. Энэ үед маш үнэмшилтэй боловч огт худал мэдээллийг (үүнийг мэргэжлийн хэллэгээр "hallucinations" буюу “зохиох” гэдэг) зохиож ярих аюултай.Түүнчлэн, эмч та асуултаа хэрхэн томьёолж буй нь хариултад шууд нөлөөлдөг гэдгийг анхаараарай. Тиймээс эмнэлзүйн нэг асуудлыг хоёр өөр хэлбэрээр асууж, хариултууд нь хоорондоо таарч байгаа эсэхийг шалгаж байх нь зүйтэй. Их хэлний загварууд нь бидний шийдвэр гаргах хурдыг нэмэгдүүлж чадах ч аюулгүй, ёс зүйтэй эмчилгээ, үйлчилгээг явуулахын тулд эцсийн шийдвэрийг заавал "хүн" буюу эмнэлгийн мэргэжилтэн та өөрөө хянаж байх ёстой.Өнөөдөр бид ChatGPT, Gemini зэрэг автоматжуулсан туслахууд, эсвэл Open Evidence гэх мэт шийдвэр гаргахад дэмжлэг үзүүлэх хэрэгслүүдийг өдөр тутамдаа ашиглаж байна. Бид бүгдээрээ “програмист” байх албагүй ч, хэзээ AI-д итгэх, хэзээ эргэлзэх, хэзээ түүнийг хэрхэн яаж ашиглахаа мэддэг байхын тулд энэ технологийн мөн чанарыг бага ч болов гадарладаг байх шаардлагатай болжээ. Ингээд хамтдаа энэ технологи яаж хөгжсөн, яаж ажилладаг, мөн "эмнэлгээс бус уушгины хатгалгаа" (CAP)-ны жишээн дээр ямар эрсдэл дагуулж болохыг дэлгэрэнгүй харцгаая. ХИЙМЭЛ ОЮУН УХААНЫ ХӨГЖЛИЙН ТҮҮХХиймэл оюун ухаан нь энгийн дүрэмд суурилсан системээс эхлээд машин сургалт (machine learning), лавшруулсан сургалт (deep learning), улмаар өнөөгийн их хэлний загварууд хүртэл хөгжиж ирсэн. Энэ бүхэн эмнэлзүйн шийдвэр гаргахад, тухайлбал уушгины хатгалгаатай өвчтөнд антибиотик сонгоход хэрхэн тусалдгийг харьцуулж үзье.Дүрэмд суурилсан системүүд нь яг л нарийвчилсан алгоритм, схемтэй адил юм. Бид компьютерт "ХЭРЭВ өвчтөн 65-аас дээш настай БӨГӨӨД бөөрний асуудалтай бол, ИЙМ ҮЕД антибиотик X-ийг санал болго" гэсэн хатуу зааварчилгааг оруулж өгнө. Энэ системийн гол дутагдал нь уян хатан бус байдал юм. Шинэ удирдамж гарах, эсвэл дүрэмд заагаагүй шинж тэмдэг илрэх үед систем гацаж, дахин гараар програмчлах шаардлага гардаг байв.Дараа нь уламжлалт машин сургалтын системүүд гарч ирсэн. Энэ системд бид хатуу дүрэм тулгахын оронд олон мянган өвчтөний түүхийг өгч сургадаг. Жишээ нь, уушгины хатгалгаатай мянга мянган өвчтөний нас, шинж тэмдэг, хавсарсан эмгэг болон ямар антибиотик үр дүнтэй байсан тухай өгөгдлийг компьютерт оруулна. Компьютер эдгээр өгөгдөл дундаас өөрөө зүй тогтлыг олж, ямар хүчин зүйлс нийлээд эмчилгээний сайн үр дүнд хүргэж байгааг тооцоолдог. Гэхдээ энд нэг сул тал бий: хэрэв бид сургалтын өгөгдөлд ховор тохиолдох генетикийн эмгэгийг оруулахаа мартсан бол систем ирээдүйд түүнийг огт таньж, тооцоолж чадахгүй гэсэн үг.Харин одоогийн Лавшруулсан сургалтын (Deep Learning) системүүд бол хүний тархитай илүү төстэй ажилладаг хамгийн дэвшилтэт хэлбэр юм. Энэ нь өгөгдлийг заавал эмхэлж цэгцлэх шаардлагагүйгээр, шууд "түүхийгээр" нь боловсруулдаг. Уушгины хатгалгааны жишээн дээр бол энэ систем цээжний рентген зургыг (эсвэл дүгнэлтийг) харж, эмч сувилагчийн бичсэн тэмдэглэл, лабораторийн шинжилгээний хариу гээд бүх мэдээллийг нэгтгэн уншиж, аль нь чухал болохыг өөрөө шийднэ гэсэн үг. Лавшруулсан сургалтын давуу тал нь асар их мэдээлэл дундаас хүний нүдэнд өртөхөөргүй нарийн зүй тогтлыг олж харах ба гэхдээ яг яагаад ийм шийдвэр гаргаснаа тайлбарлаж чаддаггүй "хар хайрцаг" шиг байдаг нь эмнэлзүйн чухал шийдвэр гаргахад эрсдэлтэй байгаа юм.ОРОЛТ БА ГАРАЛТ (FEATURES IN, LABELS OUT)Энд бид "Features" (оролт буюу өгөгдлүүд) ба "Labels" (гаралт буюу үр дүн) гэсэн ойлголтыг тодруулах хэрэгтэй. "Features" гэдэг нь өвчтөний нас, хавсарсан өвчин, өвчний хүндрэлийн үе шат зэрэг антибиотик сонгоход туслах мэдээллүүд юм. Харин "Label" гэдэг нь бидний таамаглах гээд байгаа үр дүн буюу тухайн өвчтөнд хамгийн үр дүнтэй байсан эмчилгээ юм.Энд нэг чухал анхааруулга бий: AI-ийн сурч байгаа "үр дүн" нь бодит үнэн гэхээсээ илүүтэй тухайн үед эмч нар юу хийж байсныг тусгадаг. Хэрэв түүхэнд эмч нар нотолгоонд суурилсан хамгийн сайн эмийг биш, зүгээр л өөрсдийн зуршлаар "Антибиотик X"-ийг их бичдэг байсан бол AI систем "Антибиотик X бол хамгийн сайн эмчилгээ юм байна" гэж буруу сурч, түүнийгээ л дуурайх болно.МАШИН СУРГАЛТЫН ТӨРЛҮҮДБид "Зааварчилгаатай сургалт" (Supervised learning)-аар AI-д өвчтөний шинж тэмдэг болон зөв эмчилгээг хоёуланг нь үзүүлж сургадаг. Харин "Зааварчилгаагүй сургалт" (Unsupervised learning)-ын үед бид зөв хариуг хэлж өгдөггүй, систем өөрөө өгөгдөл дундаас бүлэг, зүй тогтлыг хайдаг. Энэ нь уушгины хатгалгааны бидний мэдэхгүй шинэ дэд бүлгүүдийг илрүүлэхэд тусалж магадгүй. Гурав дахь төрөл нь "Хүчжүүлсэн сургалт" (Reinforcement learning) бөгөөд энэ нь яг л шатар тоглож сурахтай адил туршилт, алдаа болон хариу үйлдэл дээр суралцдаг. Эмчилгээний явцад гарч буй өөрчлөлтөд тохируулан динамик зөвлөгөө өгөхөд энэ арга ирээдүйтэй юм.ХИЙМЭЛ ОЮУН УХААНЫ АНАТОМ БА ФИЗИОЛОГИОрчин үеийн их хэлний загварын (ChatGPT, Gemini гэх мэт) суурь нь "Трансформер" гэх бүтэц юм. Энэ бүтэц нь үгсийг дарааллаар нь бус, өгүүлбэр доторх үг хоорондын хамаарлыг ойлгоход чиглэдэг "Анхаарал хандуулах механизм" (Attention mechanism)-тай байдаг.Үүнийг энгийнээр тайлбарлая. Та өглөөний обходын үеэр резидент эмчийн яриаг сонсож байна гэж төсөөл. Та бүх үгийг сонсохын зэрэгцээ "онош тавихад чухал түлхүүр үгс"-ийг шүүж авч, хооронд нь холбож боддог. Яг үүн шиг, AI нь "Өвчтөн ханиалгаж байгаа бөгөөд цээжний зурагт шинэ нэвчдэстэй байгаа нь уушгины хатгалгаа байх магадлалтай" гэсэн өгүүлбэрийг уншихдаа "шинэ нэвчдэс", "ханиалга" гэх үгс хоорондоо хүчтэй холбоотойг ойлгож, эмнэлзүйн дүгнэлт хийдэг.Гэхдээ болгоомжлох зүйл бий. Трансформерууд нь үгүйсгэсэн утгыг (negation) ойлгохдоо заримдаа алдаа гаргадаг. Хэрэв эмч "Өвчтөн ханиалгаж байгаа ч халуураагүй, амьсгаадаагүй" гэж бичвэл AI нь "ханиалга" болон "хатгалгаа" гэдэг үгсийн статистик холбоог хэт чухалчилж, "халуураагүй" гэдэг үгүйсгэлийг анзаарахгүйгээр хатгалгаа байх магадлал өндөр гэж буруу дүгнэж мэднэ. AI нь бидэн шиг логикоор сэтгэдэггүй, харин үгсийн хоорондох статистик магадлалыг л тооцдог гэдгийг санаарай. Жишээ нь, кортикостероид хэрэглэж буй өвчтөн халуурахгүй байж болдгийг эмч бид мэднэ (физиологийн нөлөө). Харин AI-д үүнийг тусгайлан зааж өгөөгүй бол "халуураагүй юм чинь хатгалгаа биш" гэж магадлалыг буруу тооцоолох эрсдэлтэй.ХИЙМЭЛ ОЮУН УХААН ХЭРХЭН СУРАЛЦДАГ ВЭ?Суурь сургалт (Pretraining):Энэ нь яг л анагаахын оюутан, резидент олон жилийн турш сурах бичиг, судалгааны ажил уншиж ерөнхий мэдлэгтэй болдогтой адил юм. AI интернэт дэх асар их мэдээллийг уншиж өвчин, шинж тэмдэг, эмчилгээний ерөнхий зүй тогтлыг сурдаг. Гэхдээ сурах бичигт байхгүй шинэ өвчин, эсвэл ховор тохиолдлыг AI мэдэхгүй байж болно. Жишээ нь, 2024 оны сүүл хүртэлх мэдээллээр сургасан AI нь АНУ-д гарсан шувууны ханиадны (H5N1) сүүлийн үеийн тохиолдлуудыг мэдэхгүй тул үнээний фермийн ажилчинд илэрсэн томуу төст шинж тэмдгийг оношлохдоо үүнийг орхигдуулах магадлалтай. Мөн Chlamydia psittaci зэрэг ховор хатгалгааны талаарх өгөгдөл бага бол AI түүнийг оношийн жагсаалтад оруулахгүй орхих эрсдэлтэй.Нарийн тохируулга (Fine-tuning):Ерөнхий мэдлэгтэй болсон AI-г тусгай салбарт мэргэшүүлэхийг нарийн тохируулга (fine-tuning) гэнэ. Яг л дотрын эмч цаашаа зүрх судлалаар нарийсч суралцаж байгаатай адил. Жишээ нь, "цээжээр өвдөөгүй ч тропонин ихэссэн" өвчтөнийг оношлохдоо ерөнхий AI шууд л зүрхний шигдээс гэж магадгүй (учир нь энэ нь нийтлэг тохиолдол). Харин нарийн тохируулга хийсэн AI нь ийм тохиолдолд миокардит, уушгины эмболи, бөөрний дутагдал зэрэг өвөрмөц шалтгаануудыг илүү зөв эрэмбэлж чадна.Эх сурвалж ашиглан хариулт боловсруулах (RAG):Энэ бол AI өөрийн цээжилсэн мэдээлэлдээ найдахын оронд, эмнэлзүйн удирдамж, найдвартай мэдээллийн сангаас хариултыг хайж олж ирдэг арга юм. Яг л эмч шийдвэр гаргахаасаа өмнө ном, удирдамж сөхөж хардаг шиг. Гэхдээ энд ч эрсдэл бий. Хэрэв өвчтөний түүхэнд "пенициллиний хөнгөн харшилтай" гэж байвал удирдамж левофлоксацин зөвлөж магадгүй. Харин AI "хөнгөн" гэдгийг буруу үнэлж, солбицох урвал багатай цефалоспориныг санал болгож магадгүй. Энэ нь өвчтөний аюулгүй байдлаас илүү статистик магадлалыг барьсантай холбоотой алдаа юм. ХИЙМЭЛ ОЮУН УХААНЫ БОЛЗОШГҮЙ ЭРСДЭЛҮҮДХиймэл оюуны “зохиож бичих” чадвар (Hallucinations):AI заримдаа огт байхгүй зүйлийг маш итгэлтэйгээр зохиож бичдэг. Хэрэв таны асуулт түүний мэдлэгээс хэтэрсэн эсвэл өгөгдөл нь дутуу байвал AI зүгээр л "тааж" эхэлнэ. Жишээ нь, шинэ антибиотикийн гаж нөлөөг асуухад эмнэлзүйн судалгаанд огт дурдагдаагүй гаж нөлөөг жагсааж бичиж мэднэ. Тиймээс их хэлний загварын боловсруулсан хариултыг эмнэлзүйн практикт шууд ашиглахаасаа өмнө анхдагч эх сурвалжтай нь тулгаж, давхар нягтлах зайлшгүй шаардлагатай.Та асуултаа асуухдаа: "Зөвхөн мэргэжлийн нийгэмлэгүүдийн удирдамж дахь мэдээлэлд үндэслэж хариулна уу. Хэрэв мэдэхгүй бол мэдэхгүй гэдгээ бич. Эх сурвалж, ном зүйг зохиож бичиж болохгүй" гэх мэтээр маш тодорхой зааварчилгаа өгөх нь зүйтэй. Ингэж хязгаарлаж өгөх нь хиймэл оюуны "хийдэл" буюу худал мэдээлэл зохиох эрсдэлийг бууруулахад туслах хэдий ч бүрэн арилгаж чадахгүй гэдгийг мөн анхаарах хэрэгтэй. Асуулт тавих урлаг (Prompt Sensitivity):Таны асуулт хэрхэн тавигдсанаас хамаарч хариулт эрс өөр гарч болно. "Насанд хүрэгчдийн уушгины хатгалгааны үед ямар антибиотик сонгох вэ?" гэж асуух, "Макролидийн тэсвэржилт манай бүс нутагт өндөр байгаа учир энэ үед ямар антибиотик сонгох вэ?" гэж асуухад AI тэс өөр зөвлөмж гаргана. Тиймээс эмнэлзүйн чухал шийдвэр гаргахдаа асуултаа 2-3 янзаар асууж, хариулт нь тогтвортой байгаа эсэхийг нягтлах (triangulate) хэрэгтэй.ИРЭЭДҮЙН ТУСЛАХУУД: АГЕНТ ГЭЖ ЮУ ВЭ?Зөвхөн асуултад хариулаад зогсохгүй, бие даан үйлдэл хийдэг AI-г "Агент" гэнэ. Жишээ нь, бөөрний дутагдалтай, олон эм уудаг, хатгалгаатай өвчтөн ирлээ гэж бодъё. Агент AI нь эмнэлзүйн удирдамжийг хайж олоод, өвчтөний шинжилгээнээс бөөрний үйл ажиллагааг шалгаж, эмийн харилцан үйлчлэлийг тооцоолсны үндсэн дээр тухайн өвчтөнд яг тохирох тун, эмийг санал болгох чадвартай. Энэ нь нарийн төвөгтэй ажлыг хөнгөвчлөх ирээдүйтэй чиглэл юм.ДҮГНЭЛТБид энэхүү нийтлэлээрээ хиймэл оюун ухаан, тэр дундаа их хэлний загварын ажиллах зарчим, анхаарал хандуулах механизм, сургалтын үе шатууд болон гарч болзошгүй алдаануудыг эмнэлзүйн жишээн дээр тайлбарлахыг хичээлээ.Технологийн энэхүү гайхамшигт дэвшлийг зөв ойлгосноор эмч та хиймэл оюун ухааны өгч буй мэдээлэлд шүүмжлэлтэй хандаж, түүнийг өдөр тутмын ажилдаа ухаалгаар ашиглах боломж бүрдэх юм. Эцэст нь, AI биднийг орлох бус, харин бидний мэдлэг чадварыг нэмэгдүүлж, өвчтөндөө илүү аюулгүй, үр дүнтэй тусламж үзүүлэхэд хүчирхэг хамтрагч, туслах байж болох юм.

Дэлгэрэнгүй
Эмч нарын сэтгэцийн эрүүл мэндийг 20 гаруй жил судалсан миний туршлага
2026 оны 3-р сарын 28

Эмч нарын сэтгэцийн эрүүл мэндийг 20 гаруй жил судалсан миний туршлага

Миний бие 1983 онд Их Британийн Шеффилд хотод, Анагаах Ухааны Судалгааны Зөвлөлийн (MRC) сэтгэл судлалын секторт эмнэлзүйн судлаачаар ажиллаж байлаа. Бид тухайн үед ажлын байрны асуудлуудыг судалж, ажил дээрх сэтгэл гутралыг оношилж эмчлэх жижигхэн эмнэлэг ажиллуулдаг байв.Нэг өдөр хоёр залуу эмч манайд ирлээ. Тэдний баг тус бүрт нэг, нийт хоёр шинэхэн резидент эмч өнгөрсөн долоо хоногт амиа хорлосон тухай, тэдний амиа хорлосон асуудлын талаар дараа нь хэн ч ам нээгээгүйг тэд ярьсан юм. "Эмч нарыг судалж үзээч, хэн ч үүнийг хийдэггүй шүү дээ" гэж тэд надаас хичээнгүйлэн гуйв. Би ч энэ дагуу судалгааг эхлүүлэхэд судалгааны асуумжид хариулах эмч нарын идэвхи байнга өндөр байв. Эмч нар өөрсдийнхөө сэтгэцийн эрүүл мэндийн талаар илэн далангүй ярихыг үнэхээр их хүсэж байсан нь үүнээс тодорхой харагдсан юм!Ажил мэргэжилтэй холбоотой стресс, сэтгэл гутралд тухайн хүний хувийн онцлог нөлөөлдөг үү, эсвэл хийж буй ажил нь илүү нөлөөлдөг үү гэх асуулт миний сонирхлыг маш их татдаг байв. Үүний хариуг олохын тулд урт хугацааны дагасан судалгаа хийх шаардлагатай болсон бөгөөд эмнэлгийн бүртгэлийн тогтолцооны ачаар би Их Британийн эмч нарыг олон жилийн турш дагаж судлах боломжтойгоо ойлгосон юм. Тухайн үед яг ийм төрлийн ганцхан судалгаа л байсан нь 1940-өөд онд Жонс Хопкинсын их сургуулиас эхлүүлсэн "Precursors" (Урьдал хүчин зүйлс) судалгаа байсан бөгөөд зөвхөн эрэгтэй эмч нарыг, тэр дундаа тэдний бие махбодын өвчинд л төвлөрсөн судалгаа байв.Миний судалгаа харин Их Британийн гурван их сургуулийн анагаахын 4-р дамжааны 304 оюутанг хамруулж, тэднээс асуумж авч, улмаар сургуулиа төгсөөд эмчээр ажиллах эхний жил болон дахин 10 жилийн дараа тус тус эргэн холбогдож хянасан юм. Үүн дээрээ үндэслэн би анхны оролцогчдын янз бүрийн түүврийг тасралтгүй 20 жилийн турш үргэлжлүүлэн судалсан билээ.Ийм урт хугацааны судалгааны нэг онцлог нь судлаач анхнаасаа л зөв хэмжүүр, хувьсагчдаа сонгосон байх шаардлагатай болдог. Эмч хүнд маш сайн дэмжлэг байхгүй л бол тэсэж гарахад хэцүү хоёр зан чанар байдаг гэж би бодсон тул "энэрэх сэтгэл (эмпати)" болон "өөрийгөө шүүмжлэх хандлага" хоёрыг судалгаандаа нэмж оруулсан. Түүнчлэн, эмнэлзүйн ажлын туршлагаасаа харахад гэр бүлийн асуудал ажлын байранд хэрхэн нөлөөлдөг нь тодорхой байсан тул гэр бүлийн харилцааг ч бас багтаалаа. Мөн өнгөрсөн хоёр хоногт хэдэн цаг ажиллаж, хэдэн цаг унтсаныг, түүнчлэн багийн чанар (зорилго нь хэр тодорхой байдаг, хүн бүр өөрийн үүргээ ойлгодог эсэх, уулзалт хурлын давтамж гэх мэт) зэрэг байгууллагын хэмжүүрүүдийг оруулж, тэднээс юу хамгийн их стресс үүсгэж байгааг өөрсдөөр нь бичүүлж авсан юм.Анхны үр дүнгүүдСудалгааны анхны өгүүллийг BMJ сэтгүүлд нийтэлсэн бөгөөд үүний дараа хэд хэдэн өгүүлэл ар араасаа гарсан. Хэвлэл мэдээллийн хэрэгслүүд шинэ залуу резидент эмч нарын стрессийн түвшин асар өндөр (хэрэглэсэн хэмжүүрээс хамаарч 36-50%), мөн архины хэрэглээ их байгааг өлгөн авч бичиж эхлэв. Тэдний урт цагаар ажилладаг байдал болон архи уудаг гэж хүлээн зөвшөөрсөн хэмжээг нь харьцуулаад "энэ их ачааллын хажуугаар эмч нар ер нь яаж ажил дээрээ эрүүл (согтуу биш) байж чаддаг байна аа?" гэх асуулт ч гарч байлаа. Бидний судалгаагаар залуу эмч байх үедээ их урт цагаар ажилладаг байсан, тэднийг ахлах эмч болох үед эмнэлгийн системийн өөрчлөлтөөс болж ихэнхи ачаалал ахлах, тэргүүлэх эмч нар луу шилжсэн зэрэг нь тэднийг стрессээс хэзээ ч бүрэн ангижрахгүй юм шиг мэдрэмжтэй үлдээсэн байв. Миний судалгааны зарим үр дүнгээс харахад, залуу эмч нарын хувьд ажлын цагийн уртаас илүүтэйгээр, хоол ундаар хангагдах, хангалттай унтаж амрах нь хамаагүй чухал байсан нь харагдсан.Судалгаа хийгдсэн он жилүүдэд нийт оролцогчдын 28 орчим хувьд нь сэтгэл зүйн хямралыг илтгэх шинж тэмдгүүд илэрсэн байна (харьцуулахад, энгийн ажилтнуудын хувьд энэ үзүүлэлт 18% байдаг). Сэтгэл гутралын түвшин цаг хугацааны явцад янз бүр байдаг ч, дэлхий даяар сургуулиа төгсөөд эхний жилдээ ажиллаж буй эмч нар хамгийн их эрсдэлтэй байдаг нь батлагдсан. Эмч нарын дундах архины хэрэглээ бусад мэргэжлийнхнээс өндөр байсан бөгөөд ялангуяа эмэгтэй эмч нарын хувьд энэ нь сэтгэл гутралын түвшинтэй нь шууд холбоотой байв.Хангалттай нойр авах болон сайн багийн нэг хэсэг байх нь урьдын адил маш чухал хүчин зүйл хэвээр байна. Залуу эмч нарын хувьд стресс үүсгэгч хамгийн гол хүчин зүйл нь ахлах эмч нартайгаа ойлголцоход бэрх байх болон алдаа гаргахаас айх айдас байв. Эмнэлгүүдийн хооронд эмч нарын стрессийн түвшин харилцан адилгүй байсан нь тухайн эмнэлгт тогтсон соёл, хамт олны уур амьсгал зэрэгтэй шууд хамааралтай байв.Нарийн мэргэжлийн сонголтСудалгааны загвар маань хувь хүний зан чанар (өөрийгөө шүүмжлэх хандлага болон эмпати), ажлын сэтгэл ханамж, стрессийн түвшин зэрэг нь сонгосон нарийн мэргэжлээсээ хамаараад ялгаатай байдаг эсэхийг олж мэдэх боломжийг олгосон юм. Мөн сэтгэл гутралд тухайн хүний хувийн онцлог нөлөөлж байна уу, эсвэл ажлын байрны нөхцөл нөлөөлж байна уу гэсэн миний үндсэн сонирхлыг илүү сайн ойлгоход тусалсан.Жишээлбэл, 10 жилийн дараах үнэлгээгээр сэтгэл гутралын хамгийн өндөр үзүүлэлттэй гарсан нарийн мэргэжил бол сэтгэцийн эмгэг судлаач эмч нар байлаа. Сэтгэцийн эмч нар бусдаас илүүтэйгээр өөрийгөө шүүмжилдэг, мөн ажлынхаа нөхцөл байдалд хамгийн их сэтгэл ханамжгүй хүмүүс байв. Гэхдээ хамгийн сонирхолтой нь тэд оюутан байхдаа ч яг л ийм байсныг өгөгдөл харуулсан юм. Оюутан байхдаа сэтгэл гутралтай байсан хүмүүсийн ихэнх нь хожим сэтгэцийн эмгэг судлал эсвэл эмгэг судлалын (патологи) чиглэлийг сонгосон байлаа.Нөгөөтэйгүүр, мэс заслын эмч нар оюутан байх үедээ ч, карьерынхаа туршид ч үргэлж хамгийн цог золбоотой, ажилдаа хамгийн их сэтгэл хангалуун, хамгийн бага өөрийгөө шүүмжилдэг хүмүүс байв. Тэдний хувьд стрессийн гол шалтгаан нь ердөө л хамтран ажиллагсад эсвэл өвчтөнүүдтэйгээ үл ойлголцох зэрэг харилцааны асуудлууд байлаа.Хувь хүний зан чанар ба гэр бүлТухайн хүн өөрийн гэсэн хувь хүний онцлог, зан чанаруудаа ажлын байрандаа тээн авчирдаг нь маш тодорхой байв. Оюутан байхдаа болон резидент эмч байхдаа бусдыг ойлгож мэдрэх чадвар буюу эмпати өндөртэй байсан оролцогчид сэтгэл гутралд өртөх магадлал хамаагүй өндөр байсан. Гэхдээ сургалт, ажлын явцад ихэнх эмч нарын эмпати буурдаг болохыг бусад судалгаанууд ч харуулдаг. Харин оюутан үеийн өөрийгөө шүүмжлэх хандлага нь олон жилийн турш сэтгэл гутралд хөтлөх хүчтэй хүчин зүйл хэвээр байв. Эмнэлгийн ажилд аливаа зүйл буруугаар эргэх үе байдаг, алдаа гаргахаас үргэлж 100% зайлсхийх боломжгүй, тиймээс ийм зүйл тохиолдсон үед эмч нарт сэтгэл зүйн тусламж дэмжлэг зайлшгүй хэрэгтэй гэдгийг сургалтын явцад илүү сайн ойлгуулж бэлтгэх шаардлагатай байна.Гэхдээ гэр бүлийн хүчин зүйлс ч бас маш их нөлөөтэй байв. Жишээлбэл, АНУ-ын "Precursors" судалгаа болон түүнээс хойшхи бусад судалгаанаас үзэхэд, настай аавтай байх нь сэтгэл гутралтай хүчтэй хамааралтай байжээ. Сэтгэл засалчдын "шилжүүлэлт (transference)" буюу өөрийн дотоод мэдрэмжээ өөр хүнд тохох гэж нэрлэдэг зүйлийн нэг бодит жишээг бид судалгаанаасаа харсан. Юу вэ гэвэл, залуу резидент эмч нарын хувьд "ахлах эмч нараас болж стресстэж байна" гэх мэдрэмж нь тэдний өөрсдийнх нь төрсөн эцэгтэйгээ хэрхэн харилцдаг байсантай нь хамгийн хүчтэй холбогдож байсан явдал юм. Үүнтэй төстэйгээр, өрхийн эмч нарын хувьд стрессийн гол эх үүсвэр нь ажлын байран дахь хамтран ажиллагсад нь байсан ч, тэдний стресс, сэтгэл гутралын түвшинг урьдчилан таамаглах хамгийн гол хүчин зүйл нь хүүхэд ахуй насны ах эгч дүүсийн хоорондох өрсөлдөөн, атаархалтай харилцаа байж таарав. Тэдний бараг бүгд (n=102) ах эгч дүүстэй байсан нь намайг багагүй гайхшруулсан, учир нь өндөр амжилт гаргадаг хүмүүс ихэвчлэн айлын ганц хүүхэд байх нь олонтаа шүү дээ.ХүйсЭрэгтэй эмч нарын хувьд, оюутан байх үеийн болон 10 жилийн дараах сэтгэл гутралын түвшин хоорондоо шууд хамааралтай байгааг миний судалгаа тогтоосон. Эмэгтэйчүүд эрэгтэйчүүдээс хамаагүй илүү сэтгэл гутралтай байсан хэдий ч энэ нь зөвхөн сургуулиа төгсөж ажилд орсных нь дараа л илэрч эхэлсэн бөгөөд энэ нь ажлын байрны хүчин зүйлс эмэгтэйчүүдэд илүү хүндээр тусаж байна гэдгийг илтгэж байв.Хожим нь би Их Британийн Үндэсний Эмнэлзүйн Үнэлгээний Албаны мэдээлэлтэй ажиллаж байхдаа үзүүлсэн тусламж үйлчилгээнийхээ чанараас болж ямар бүлгийн эмч нар гомдолд өртөж, шалгагдаж байгааг судалж эхэлсэн. Гомдолд хамгийн их өртдөг нь сэтгэцийн эмч нар байсан ч хамгийн их анхаарал татсан зүйл нь эмэгтэйчүүдээс хамаагүй олон эрэгтэй эмч нар шалгагдаж байсан явдал юм. Эрэгтэй, эмэгтэй эмч нар эмнэлзүйн ур чадварын хувьд яг адилхан болох нь олонтаа нотлогдсон байдаг. Тиймээс энэхүү зөрүүтэй байдлын гол шалтгаан нь эмнэлзүйн ур чадвараас гадна сайн эмч-өвчтөний харилцааны үндэс болдог нөгөө л эмпати гэх мэт бусад зан чанарууд байх бөгөөд эдгээр нь өвчтөнтэй асуудал үүсэх үед түүнийг хэрхэн зөөлөнөөр зохицуулахад ялгааг бий болгодог байна. Түүнчлэн донтолтын улмаас сахилгын арга хэмжээ авагдсан эмэгтэй эмч нар маш цөөн байв. Хэрвээ илүү олон эмэгтэй эмчийг ажиллуулах нь эдийн засгийн хувьд үр өгөөжтэй эсэхэд дүн шинжилгээ хийх гэж байгаа бол эрэгтэйчүүдийн гаргадаг шүүх маргаан, сахилгын зөрчил, дахин сургалтад хамрагдах зэрэгтэй холбогдон эрүүл мэндийн байгууллагаас гардаг тэрхүү өндөр зардлыг заавал харгалзан үзэх ёстой юм.Аюулгүй байдал, ядаргаа ба стрессСтресст орсон ажилтнууд илүү их алдаа гаргаж, бусдыг энэрч хайрлах сэтгэл нь багасдаг болохыг хэд хэдэн судалгаагаар нотолсон байдаг. Үүнд туйлдах ядаргаа, тэр дундаа нойргүйдэл хамгийн гол хүчин зүйл болдог. Миний судалгаанд оролцсон эмч нар нарийн мэргэжлээрээ ажиллаж эхлэх үед би тэднээс өөрсдийн хийсэн, бусдад хохирол учруулсан, алдаа гаргасан, эсвэл өвчтөнийг үхэлд хүргэсэн байж болох ямар нэгэн ноцтой үйл явдлынхаа талаар нэрээ нууцлан бичиж илгээхийг хүссэн юм. Тэдний бичиж ирүүлсэн хэрэг явдлууд—ихэнхдээ маш ноцтой байсан—ердөө л тэдний хэт ядаргаанаас болсон байлаа. Үүнээс өмнө тэдний хэн нь ч энэ талаар бусдад хэлж хүлээн зөвшөөрч байгаагүй бөгөөд тэдэнд энэ бүхнээ дотроосоо уудалж гаргах (нүглээ наманчлах) асар их хэрэгцээ байсан мэт санагдсан.Хэт ядаргаа нь мөн гэмтлийн дараах стрессийн шалтгаант эмгэг (PTSD) үүсэхэд нөлөөлдөг гол хүчин зүйлсийн нэг юм. 1998 оны Омагийн бөмбөгдөлтийн үеэр ажилласан эрүүл мэндийн ажилтнуудыг дагаж хийсэн өөр нэгэн судалгаанаас үзэхэд, 12 цагаас дээш хугацаагаар тасралтгүй ажилласан, өмнө нь ижил төстэй хүнд үйл явдлыг туулж байсан, эсвэл стрессээ архиар тайлахыг оролдсон хүмүүсийн хувьд PTSD-ийн үр дагавар хамгийн хүнд байсан. Харин юу болсон талаар бусадтай илэн далангүй ярилцах нь тэдний шинж тэмдгүүдийг хөнгөвчлөхөд тустай байв. Уг судалгаанд хамрагдсан залуу эмч нарын хувьд дараагийн хоёр жилийн хугацаанд стрессийн шинж тэмдгүүд нь улам нэмэгдсэн байхад, харин туршлагатай ахлах эмч нарын хувьд эсрэгээрээ багассан байв.Хамгийн харамсалтай нь, судалгаанд хамрагдсан нийт 41 эмчээс дараа нь ердөө хоёрхон эмч л сэтгэл зүйн мэргэжлийн тусламж авсан байлаа.Эерэг өөрчлөлт гарсан ч хангалттай биш байнаЗаримдаа эрүүл мэндийн салбарын ажилтнуудын өнөөг хүртэл ажилласаар байгаа тэр их стресстэй нөхцөл байдлыг хараад, ер нь миний судалгааг хийснээс хойш ямар нэгэн зүйл өөрчлөгдсөн үү гэж би өөрөөсөө асуудаг. Гэхдээ ядаж л тэдгээр асуудлуудыг одоо хүлээн зөвшөөрдөг болсон бөгөөд үр дүнд нь чиглэсэн арга хэмжээнүүд гарцаагүй нэмэгдсэн байна. Залуу ч бай, ахмад ч бай эмч нар өөрсдийн амийг егүүтгэсээр байгаа нь туйлын эмгэнэлтэй ч, өнөөдөр энэхүү гарз хохирлоос урьдчилан сэргийлэх сэтгэл зүйн тусламж үйлчилгээнүүд бий болсон бөгөөд амиа алдсан эмч нарын найз нөхөд, төрөл төрөгсөд, хамт олонд нь дэмжлэг үзүүлэх тусгай бүлгүүд хүртэл байгуулагдсан. Энэ бол тэртээ 1983 онд над дээр тусламж эрээд ирж байсан тэдгээр хоёр залуу эмчийг баярлуулах байсан өөрчлөлт юм.АНУ нь хүнд байдалд орсон эмч нарт зориулсан, өөрсдөө төлбөрөө төлдөг хувийн сэтгэл зүйн үйлчилгээг эртнээс ашиглаж ирсэн. Харин Их Британид нэг хэсэг Лондон, Ньюкасл зэрэг цөөн хэдэн хотууд л Үндэсний Эрүүл Мэндийн Албаны (NHS) эмч нарт зориулсан тусгай, ихэвчлэн психоанализ буюу сэтгэц задлан шинжилгээнд суурилсан үйлчилгээ үзүүлдэг байв.1990-ээд онд би Барселона болон Осло хотын эмч нартай хамтран эмч нарын сэтгэл зүйг дэмжих өөр загваруудыг бий болгох тал дээр ажиллаж, Үндэсний Эмнэлзүйн Үнэлгээний Албатай хамтран Лондон хотод Клэйр Жерадагийн удирдлага дор анхны Эмчийн Эрүүл Мэндийн Хөтөлбөр (PHP)-ийг санаачилсан юм. Энэ нь цаг үеэ олсон хэрэгцээ шаардлагад нийцсэн байдал болон эмч нарт авчирсан эерэг өөрчлөлтөөрөө маш амжилттай болох нь батлагдсан. Үүний үр дүнд PHP загвар нь Англи даяар эмч, шүдний эмч нарт зориулсан албан ёсны үйлчилгээ болон өргөжсөн билээ.Гэсэн хэдий ч, эдгээр тусламж үйлчилгээг авах хэрэгцээг анхнаас нь үүсгээд байгаа байгууллагын ажлын дадал, практик байдал өнөөдрийг хүртэл өөрчлөгдөөгүй бөгөөд бүр дордсон байж ч мэднэ. Жишээлбэл, сайн багаар ажиллах нь эрүүл мэндийн байгууллага дахь стрессийг мэдэгдэхүйц бууруулдаг болохыг бид мэднэ, гэхдээ боловсон хүчний дутагдал, байгууллагын зогсолтгүй өөрчлөлт шинэчлэлтийн дунд сайн багийг бий болгох нь огтхон ч амар зүйл биш юм.Эмч байх нь ихэнх хүмүүсийн чин сэтгэлээсээ дурлаж хийдэг ажил мэргэжил боловч, өдөр тутамдаа маш их стресстэй байдаг хэвээр байна. Тиймээс хамгийн түрүүнд энэхүү стрессийг бууруулахын тулд байгууллага, системийн түвшинд ямар арга хэмжээ авах хэрэгтэйг одооноос судалж хэрэгжүүлж эхлэх нь зүйтэй юм. Энэхүү ажлын эдийн засгийн үр өгөөж нь гагцхүү мэргэжлээ орхиж буй эмч нарын тоог бууруулаад зогсохгүй, юу ч хийхгүй байснаас үүдэн гарах хүн хүчний хомсдол болон шүүхийн маргааны асар их зардлыг багасгахад маш том нөлөө үзүүлэх болно.Эрүүл Мэндийн Яамнаас арван жил тутамд нэг гаргаж ирдэг стресстэй тэмцэх "шинэ" гэгдэх санаачилгууд нь бодит байдал дээр амжилт олох магадлал тун бага. Учир нь эрүүл мэндийн тусламж үйлчилгээ бол хүний алтан амь хариуцдаг, хариуцлагаар дүүрэн ажил мэргэжил бөгөөд энэ нь угаасаа л стресстэй байдаг онцлогтой. Энэхүү өндөр хариуцлага, ачааллаас үүдэлтэй асуудлууд хэзээ ч алга болохгүй. Тиймээс эмч нар болон тэдний өвчтөнүүдийн сайн сайхны төлөө бидэнд уг үнэнийг бүрэн хүлээн зөвшөөрч, тулгамдсан асуудлуудыг шийдвэрлэхийн тулд тасралтгүй, уйгагүй ажилладаг "тогтолцоо" л хамгийн их хэрэгтэй байна.

Дэлгэрэнгүй
Сонсголын шванномагийн ховор тохиолдол
2025 оны 2-р сарын 20

Сонсголын шванномагийн ховор тохиолдол

Сонсголын Шваннома нь гавлын VIII хос мэдрэлийн үүдэвчийн салаанаас гаралтай, удаан ургалттай, хоргүй хавдар юм. Толгой, хүзүүнд тохиолдох нийт хоргүй хавдрын 35%-ийг эзэлж жилд дунджаар 10.4 сая тохиолдол шинээр бүртгэгддэг. Ихэвчлэн 30-60 насныханд хүйс хамааралгүй оношлогдоно. Нийт тохиолдлын 90-ээс дээш хувьд нэг талын мэдрэлийг дарж ганц нэгээр үүсэх ба хэрэв хоёр талыг эсвэл олон тоотой бол нейрофиброматоз II хэвшинжтэй холбоотой байж болно. Ихэнх судалгаануудаас үзвэл утасны хэрэглээ тархины хавдар (сонсголын шваннома багтана) үүсгэхэд нөлөөлнө гэж үзжээ. Мөн дуу чимээний бохирдол сонсголын шваннома үүсгэх эрсдэлийг нэмэгдүүлдэг байна. Ихэнхдээ дотор акустик сувагт үүсэж бага тархи-гүүрний өнцгийг (БГӨ) хамарна. Хавдрын хэмжээ, байршлаас хамаарч эмнэлзүйн илрэл ялгаатай бөгөөд мэс засал эмчилгээний дараа ихэнхдээ дахидаггүй. Эмнэлзүйд нэг талын давшингуй явцтай сонсгол бууралт, чих шуугилт илрэх ба хавдрын хэмжээ томрохын хэрээр бусад гавлын хос мэдрэлүүдийн дарагдлын шинжүүд (нүүрний саа, тэнцвэр алдагдал, толгой өвдөх) ажиглагдана. Сонсголын шванномаг нэн тэргүүнд менингиомагаас ялган оношлох шаардлагатай ба эд судлал болон иммунохистохимийн шинжилгээг хийж ялгана. Хистологид шванномаг илтгэх өвөрмөц Антони А – эсжилт ихтэй бүс ба эсүүд нь хашаа шиг эгнэн байрласан, бөөмүүд нь сунасан бүтэцтэй, Антони Б- сийрэг эсүүдийн бөөгнөрөл үүсгэсэн, цитоплзам нь салс ихтэй харагдахаас гадна сонсголын шванномагийн үед илүүтэй ажиглагдана.Эмнэлзүйн тохиолдол29 настай, эмэгтэй. Зовуурь: 2 чихний сонсгол буурна, шуугина, 2 нүд чилж өвдөнө, зүүн нүд анигдахгүй хуурайшна, 2 нүдний урдуур хар юм хөвнө, толгой эргэнэ, тэнцвэр алдагдана гэнэ. Мэдрэлийн эмчийн үзлэгээр нистагм (+), зүүн духны үрчлээ тэнэгэр, зүүн нүд анигдахгүй, зүүн хацраар хий алдана, зүүн амны булан унжсан, хэл баруун тийш татагдсан байв.Өвчний түүх: Архаг хууч өвчингүй, нэг жилийн өмнөөс чих шуугиж, толгой эргэн, тэнцвэр алдагдаж эхэлсэн. Зургаан сарын өмнө сонсгол шалгуулахад 2 чихний сонсгол буурсан байв. Хоёр сарын өмнө ...-ийн СРТ-ийн шинжилгээнд харуулж зүүн дотор чихний сувагт цагаан будаа шиг орчны эдээс сайтар зааглагдсан үүсгэвэр тодорхойлогдсон, зүүн талын XII мэдрэл хавагнаж зузаарсан тул Шваннома (Зураг 1A) гэж оношлогдож ...Э-т чихний дотор сувгаар дамжуулан хавдрыг авах мэс засал эмчилгээ хийгдсэн. Дотор сувгаар дамжуулан (translabyrinthine) хавдрыг авах мэс засал нь чихний ар хэсэгт зүслэг хийж арьс өөхөн эдээс чөлөөлж, хөхлөг сэртэнг авч (мастоидэктоми) , дотор чихний хөндийг араас нь нээн, дотор чихний сувгийг өрөмдөж хавдрыг гаргаж авдаг мэс засал юм. 3 см-с бага хэмжээтэй хавдрыг авахад тохиромжтой ба ойр орчмын сонсгол болон бусад мэдрэлийг гэмтээдэггүй, хүндрэл багатай мэс заслын сонголт юм. Лабораторийн шинжилгээнд: HGB 10.8¯, HCT 34.7¯, MCV 76.9¯ цус багадалтын шинжтэй. Эд судлалын шинжилгээнд: Мэс заслаар авагдсан 4 ш 0.8х0.5х0.4 cм, 0.7х0.4х0.3 cм, 0.2х0.2х0.2 cм, 0.2х0.2х0.2 cм хэмжээтэй цайвар шаргал, зөөлөн эд ирж хистологид харахад тод будагдсан татагдсан бөөмтэй ээрүүл эсүүдээс бүрдсэн, үхжил болон митоз хуваагдал ажиглагдаагүй (Зураг 1B, C). Хашаа шиг эгнэн, шигүү байрласан ээрүүл эсүүд (Антони А) болон миксойд сийрэг (Антони В) эсгүй зураглалтай. Бусад ээрүүл эст хавдруудаас ялган оношлохын тулд Иммунохистохимийн S-100 эсрэгбиеэр эерэг будагдсан тул мэдрэлийн эсээс гаралтай, Шваннома гэж дүгнэсэн (Зураг 1D).Зураг 1. (A) Зүүн дотор чихний сувагт цагаан будааны ширхэг шиг орчны эдээс сайтар зааглагдсан үүсгэвэр (дугуйлж тэмдэглэсэн), зүүн талын XII мэдрэл хавагнаж зузаарсан (сумаар тэмдэглэсэн). Эд судлалын шинжилгээнд (В) нэгэн төрлийн татагдсан бөөмтэй ээрүүл хэлбэрийн эсүүд хашаа шиг эгнэн байрласан (Антони А) болон миксойд сийрэг эсгүй (Антони В) хэсгүүдтэй (ХЭ, х10). (С) Эдгээр эсүүдийн бөөм нь татагдсан, долгионтсон бөгөөд митоз хуваагдал, үхжил ажиглагдаагүй (x40). (Г) Иммунохистохимийн S-100 эсрэгбиеэр цитоплазмын будагдалттай тул эерэг гэж үнэлсэн (x10).Хэлцэмж: Шванномын 60%-аас дээш тохиолдлууд гавлын VIII хос мэдрэлээс гаралтай байдаг бол энэхүү тохиолдолд гавлын VII, VIII, XII хос мэдрэлийг хамарсан эмнэлзүйн шинж илэрсэн. Шваннома оношлогдсон 12 хүнд XII мэдрэл, 10 хүнд IX, X мэдрэл тус тус гэмтэж, 4 хүнд нүүрний саа, 4 хүнд бага тархи болон пирамид дарагдлын шинжүүд илэрсэн байна. Өөр нэг судалгаанд нэг талын сонсгол бууралт 80%, нэг талын чих шуугилт 6.3%, тэнцвэр алдагдах, толгой эргэх, толгой өвдөх шинж тус тус 3.8%, 3.4%, 2% илэрчээ. Сонсголын шванномаг эмчилсэн 1000 тохиолдол бүхий судалгаанаас үзвэл, VIII мэдрэлийн чихний дунгийн мэдрэл нийт тохиолдлын 95%-д гэмтэж, сонсгол алдагдал, чих шуугилт илэрсэн бол үүдэвчийн мэдрэл 61%, хөнгөнөөс дунд зэргийн тэнцвэр алдагдал, V мэдрэл 17%, нүүр бадайрах, өвдөх шинж, VII мэдрэл 6% , нүүрний саа, амт алдагдах, нүд хуурайших зэрэг шинжүүд илэрсэн. Дунджаар жилд 1.9 мм-ээр томрох ба 80-ээс дээш хувьд бага тархи-гүүрний өнцөгт тохиолдоно. Тодосгогчтой СРТ-аар жижиг хэмжээтэй хавдруудыг оношлох боломжтой ба тодосгогчгүй СРТ болон КТ-оор зарим тохиолдолд жижиг хавдрууд харагдахгүй байх магадлалтай.Эд судлалын шинжилгээнд ээрүүл эст хавдрууд болох Шваннома, Лейомиома, Нейрофиброма зэргийг өөр хооронд нь ялган оношлох хэрэгтэй болдог. Энгийн хематоксилин эозины будгийн аргаар дангаар нь ялгахад хүндрэлтэй байдаг тул нэмэлт иммунохистохимийн эсрэгбие ашиглах шаардлагатай болдог. Шванномаг Антони А болон Б зураглалаар нь нейрофибромагаас ялган оношилж болно. Мөн иммунохистохимийн S100 эерэгбие Шванномын эсүүдийн цитоплазмд тархмал, тод будагддаг бол нейрофиброма дээр сул, захын мэдрэлийн бүрхүүлээс гаралтай хортой хавдрын (ЗМБГХХ) тохиолдлын 50-60%-д сөрөг будагдана.CD34 эерэгбие нь нейрофиброма болон Шванномын Антони А зураглал дээр эерэг будагдана. Гэхдээ CD34 эерэг будагдалт нь өвөрмөц бус буюу бусад олон төрлийн хавдрууд (фибробласт, миофибробласт, фибро-хистоцит, судас, мэдрэл, өөх, гөлгөр булчин, нөсөөт болон эпителийн гаралтай хавдрууд)-ын үед эерэг гарах тул захын мэдрэлийн бүрхүүлээс гаралтай (ЗМБГХ) хавдруудыг оношлох өвөрмөц маркер болж чаддаггүй. Sox10 нь ЗМБГХ-ыг мезенхимээс гаралтай хавдраас ялгахад тусална. Sox10, Калретин нь Шванномаг нейрофиброма болон менингиомаас ялган оношлоход тустай. Мөн Sox10 нь Шванномаг фибросаркома, лейомиосаркома болон синовиал саркомагаас тус тус ялгана. Бусад нестин, EGFR, p16, Ki-67 биомаркерууд нь ЗМБГХХ-ыг Шваннома болон нейрофибромагаас ялгана. Иймээс эд судлалын шинжилгээнд өвөрмөц хавдруудын ялган оношилгоонд батлах эсвэл үгүйсгэх зорилгоор иммунохистохимийн эсрэгбие ашиглах шаардлагатай байна.Дүгнэлт: Шваннома нь эмнэлзүйд нэг талын сонсгол алдагдлаар илэрч дүрс оношилгоогоор эрт үедээ оношлогдох боломжтой тавилан сайтай хавдар юм. Гэхдээ эд судлалын шинжилгээ, иммунохистохимийн эерэгбиеийн тусламжтай оношийг баталгаажуулах нь цаашдын эмчилгээнд ач холбогдолтой.Эмнэлзүйн тохиолдлыг бичсэн:Э.Халиун1, Э.Энхжин1, П.Гантуяа1, З.Ганцэцэг1, Д.Нямдулам1, М.Уугантамир1, А.Цэнд-Аюуш3, Э. Жаргалхүү3, Б . Халиун4, Ш.Тунгалагтамир5, Б.Уранчимэг2, З.Энхзул2, Э.Баярмаа1,2, , Л.Саямаа1,21 -АШУҮИС, БАС, Эмгэг Судлал, Шүүх Эмнэлгийн Тэнхим, 2- АШУҮИС, МЯЭ, Эмгэг судлалын тасаг, 3 -АШУҮИС, МЯЭ, Чих хамар хоолойн тасаг, 4 -АШУҮИС, МЯЭ, Дүрс оношилгооны тасаг, 5 -АШУҮИС, МЯЭ, Мэдрэл судлалын тасаг

Дэлгэрэнгүй
Түгээмэл
Асуулт хариулт