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
Хөхний сүүний гайхамшигт чанар: Сүүлийн үед судалгаанууд
2025 оны 8-р сарын 5

Хөхний сүүний гайхамшигт чанар: Сүүлийн үед судалгаанууд

Эх, хүүхдийн эрүүл мэндийг хамгаалах, дэмжих үйлсэд эмч, эрүүл мэндийн ажилтнуудын үүрэг асар их юм. Сүүлийн жилүүдэд хөхөөр хооллолтын ач холбогдлын талаарх Шинжлэх Ухааны нотолгоо улам бүр нэмэгдсээр байна. Хөхөөр хооллолт нь зөвхөн хооллолтын тухай асуудал биш эх, хүүхдийн хоорондын нандин холбоог бэхжүүлж, хүүхэд эрүүл өсч торних, цаашлаад эрүүл байх суурийг тавьдаг болохыг баталсаар байна. "The Lancet" сэтгүүлд 2023 онд нийтлэгдсэн "Хөхөөр хооллолт: Зах зээлийн эдийн засагт тулгарч буй сорилтууд ба түүний амин чухал ойлголтууд" нэртэй судалгааны өгүүлэлд хөхөөр хооллолтод тулгарч буй бэрхшээлүүд, түүний цаад механизм болон шийдлийн арга замуудыг ШУ-ны тайлбар, судалгаатайгаар дэлгэрэнгүй тусгажээ. Энэхүү нийтлэлээрээ дамжуулан Монголын эмч, мэргэжилтнүүддээ уг судалгааны гол үр дүн, зөвлөмжийг илүү нарийвчилсан жишээ, судалгааны хамт хүргэхийг зорилоо.Хөхний сүүний гайхамшигт чанар: Шинжлэх Ухааны нээлтүүдХөхний сүү бол зүгээр нэг тэжээл биш, харин эхээс хүүхдэд дамжих амьд, биологийн идэвхт бодисуудын цогц систем юм. Сүүлийн үеийн судалгаагаар хөхний сүүний найрлага нь хүүхдийн өсөлт хөгжил, хэрэгцээнд нийцэн тасралтгүй, динамикаар өөрчлөгдөж байдаг нь тогтоогджээ.Дархлааны идэвхит систем: Эхийн сүү нь зөвхөн дархлаа (passive immunity) тогтоогоод зогсохгүй, эх ба хүүхдийн дархлааны систем хоорондоо "харилцах" боломжийг олгодог. Эхээс хүүхдэд эсрэг биетүүдийг дамжуулж, халдварт өвчнөөс хамгаалах анхдагч хамгаалалт болдог. Тухайлбал, SARS-CoV-2 цар тахлын үед вакцинд хамрагдсан болон өвдөөд эдгэрсэн эхчүүдийн хөхний сүүнд саармагжуулагч эсрэг биетүүд агуулагдаж байсан нь олон судалгаагаар нотлогдсон.Бичил орчны зохицуулалт: Хөхний сүүнд агуулагдах пробиотикууд, ялангуяа Bifidobacterium нь хүүхдийн гэдэсний эрүүл бичил орчныг бүрдүүлдэг. Сонирхолтой нь, хүүхэд хөхөх үед шүлсээрээ дамжуулан өөрийн амны хөндийн микробиотыг эхийн хөх рүү "буцааж урсгах" (retrograde flow) замаар сүүний найрлагад нөлөөлдөг байж болзошгүй гэсэн таамаг бий. Энэ нь эхийн бие махбодь хүүхдийн тухайн үеийн хэрэгцээнд тохирсон сүүг үйлдвэрлэхэд тусалдаг нарийн механизм байж болох юм.Эсийн түвшний зохицуулалт: Хөхний сүүнд өмнө нь мэдэгдээгүй байсан 633 төрлийн уураг агуулсан эсийн гаднах цэврүүнүүд (extracellular vesicles) байдгийг нээжээ. Эдгээр уургууд нь эсийн өсөлт, үрэвслийг зохицуулах, амны хөндийн хучуур эдийн бүрэн бүтэн байдлыг хангах дохиололын замд оролцдог. Мөн эдгээр цэврүүнүүд нь генийн илэрлийг зохицуулдаг микроРНХ-г агуулдаг бөгөөд энэ нь үхжилт энтероколит зэрэг эмгэгээс хамгаалах үүрэгтэй аж.Чөлөөт амин хүчлүүдийн үүрэг: Хөхний сүүн дэх чөлөөт амин хүчлүүдээс глутамат ба глутамин нь нийт агууламжийн 70%-ийг эзэлдэг. Глутамат нь гэдэсний хучуур эсийн өсөлтийг дэмждэг бол глутамин нь дархлаа зохицуулах үйлдэлтэй. Судалгаагаар эдгээр амин хүчлийн агууламж нь хүүхдийн хүйснээс хамаарч ялгаатай байж болохыг харуулсан.Эдгээр нарийн нийлмэл, амьд, хувьсан өөрчлөгддөг шинж чанарыг эхийн сүү орлуулагч бүтээгдэхүүн (ЭСОРБ) хэзээ ч бүрэн орлож, бас хуулбарлаж чадахгүй нь ойлгомжтой юм. Хөхөөр хооллолтод тулгарч буй сорилт ба судалгааны үр дүнДэлхий даяар олон ээжүүд хүссэн үедээ хүүхдээ хөхүүлж чадахгүй байсаар байна. Үүнд судалгаагаар дараах хүчин зүйлс голлон нөлөөлж байгааг тогтоожээ.ЭСОРБ (эхийн сүү орлуулагч бүтээгдэхүүн)-ийн түрэмгий маркетинг: ЭСОРБ үйлдвэрлэгч компаниуд эцэг эхчүүдийн сэтгэл зүйн эмзэг байдал, ялангуяа нярайн хэвийн физиологийн үйлдлүүд дээр тоглолт хийдэг. Жишээлбэл:Нярайн уйлах тоо: Судалгаагаар эрүүл нярай эхний 6 долоо хоногт өдөрт дунджаар 2 цаг орчим уйлдаг нь хэвийн үзэгдэл гэж үздэг. Гэтэл маркетинг нь үүнийг "өлсөж буйн" эсвэл "сүү таарахгүйн" шинж тэмдэг мэтээр сурталчилж, тусгай найрлагатай, үнэтэй бүтээгдэхүүнээ шийдэл болгон санал болгодог. Үнэн хэрэгтээ, эцэг эх нь хэт их уйлдаг гэж тодорхойлсон нярайн 5%-иас бага хувьд нь л эмчилгээ шаардлагатай эмгэг илэрдэг байна.Сэтгэл зүйн нөлөө: Маркетингийн мессежүүд нь ээжүүдийн өөртөө итгэх итгэлийг бууруулж, "миний сүү хангалтгүй" эсвэл "чанаргүй" гэсэн сэтгэгдэл төрүүлдэг.Сүүний гарц хангалтгүй гэж өөрөө мэдээлэх: Энэ нь дэлхий даяар эхчүүдийн тал орчим хувь нь ЭСОРБ-ээр хооллож эхлэх гол шалтгаан болдог. Ихэнх тохиолдолд энэ нь бодит дутагдал гэхээсээ илүүтэй ээжийн өөрийн ойлголт, сэтгэл зүйн байдалтай холбоотой байдаг. Нярайн тайван бус байдлыг сүү хангалтгүй байна гэж буруугаар ойлгох нь түгээмэл.Уураг амлуулахаас өмнө бусад төрлийн хоол, шингэн өгөх (Prelacteal feeds): Бага, дунд орлоготой орнуудад энэ үзэгдэл түгээмэл байсаар байна.Тархалт: Нярайн 34.3% нь төрсний дараах эхний 3 хоногт хөхний сүүнээс өөр зүйл (ус, малын сүү, будаа/эрдэнэшишийн шүүс, элсэн чихэртэй ус, зөгийн бал гэх мэт) хэрэглэж байна.Үр дагавар: Энэ нь хөхөөр хооллолтыг эрт эхлүүлэхэд шууд саад болдог. Судалгаагаар эрт эхлүүлэлт ба уураг амлахаас өмнө өөр зүйл өгөх хоёрын хооронд хүчтэй урвуу хамаарал (Pearson’s r = –0.63, p<0.0001) байгааг тогтоосон. Энэ нь нярайн гэдэсний хэвийн бичил орчин бүрэлдэхэд сөргөөр нөлөөлдөг.Эрт эхлүүлэлтийн доогуур үзүүлэлт: Дэлхий даяар нярайн дөнгөж 47.2% нь л төрсний дараах эхний нэг цагийн дотор хөхөө амлаж байна. Энэ үзүүлэлт Дундад Ази, Хойд Африк, Өмнөд Азийн бүс нутгуудад хамгийн бага байна.Дэвшилтэт туршлага ба эмч нарын анхаарах зүйлсХэдийгээр сорилт, асуудлууд их байгаа ч олон улс оронд хэрэгжүүлсэн цогц арга хэмжээнүүд үр дүнгээ өгч байна. Судалгаанд дурдагдсан зарим жишээнээс дурдвал:Филиппин: Үндэсний хэмжээнд хууль эрх зүйн орчноо сайжруулж, төрсний дараах цалинтай чөлөөг 60 хоногоос 105 хоног болгон сунгасан. Мөн ДЭМБ-ын зар сурталчилгааны кодыг зөрчсөн үйлдлүүдийг бүртгэх албан ёсны мэдээллийн сантай болсон.Буркина Фасо: Уламжлалт манлайлагч ээж нарыг сургалтад хамруулж, "ээжээс ээжид" дэмжлэг үзүүлэх бүлгүүдийг байгуулсан. Мөн "Зөвхөн хөхний сүү - илүү хүчтэй" зэрэг олон нийтийн нөлөөллийн компанит ажил зохион байгуулсан."Хүүхдэд ээлтэй эмнэлгийн санаачилга" (BFHI): Энэхүү санаачилгыг хэрэгжүүлэх нь эмнэлгийн орчинд болон олон нийтийн дунд хөхөөр хооллолтын үзүүлэлтийг сайжруулдаг болох нь олон тооны судалгааны мета-анализаар батлагдсан. Учир нь энэ санаачилга нь хүүхдээ хөхүүлэх тусгай өрөөтэй байх, арьс арьсаар шүргэлцэх зэрэг үр дүнтэй олон үйлдлийг нэгтгэсэн байна.Дүгнэлт ба зөвлөмжХөхөөр хооллолт бол эх, хүүхдийн эрүүл мэнд, сайн сайхан байдлыг хангах хамгийн үр дүнтэй, байгалийн бөгөөд тогтвортой арга зам юм. Эмч, эрүүл мэндийн ажилтнууд бид шинжлэх ухааны бодит нотолгоонд тулгуурласан мэдээллийг эхчүүд болон гэр бүлд нь хүргэж, тэднийг ЭСОРБ-ийн худал мэдээлэл, түрэмгий сурталчилгаанаас хамгаалах "бамбай" нь болох ёстой.Эмч нарт зориулсан зөвлөмж:Мэдлэгээ байнга шинэчлэх: Хөхөөр хооллолтын биохими, физиологийн нарийн механизмууд, сүүлийн үеийн судалгааны үр дүн, олон улсын зөвлөмжүүдтэй тогтмол танилцаж байх.Эхчүүдэд цаг гаргах, нотолгоонд суурилсан зөвлөгөө өгөх: Ээж бүрийн нөхцөл байдал өвөрмөц тул тэдний асуултад хүлээцтэй хандаж, ялангуяа хөхөөр хооллолт, нярайн тайван бус байдлын үед сэтгэл зүйн дэмжлэг үзүүлж, бодит-Шинжлэх Ухааны үндэслэлтэй зөвлөгөө өгөх.ЭСОРБ-ийн маркетингийн нөлөөнд автахгүй байх: ЭСОРБ үйлдвэрлэгчдийн зүгээс ирүүлж буй аливаа сурталчилгаа, урамшуулалд шүүмжлэлтэй хандаж, зөвхөн эмнэлгийн заалтаар шаардлагатай тохиолдолд л ЭСОРБ-ийг санал болгох.Хамтын ажиллагааг бэхжүүлэх: Хөхөөр хооллолтыг дэмжих нь зөвхөн нэг салбарын ажил биш тул нийгмийн эрүүл мэндийн мэргэжилтнүүд, бодлого боловсруулагчид, олон нийтийн байгууллагуудтай хамтран ажиллаж, нийгмийн ойлголт, хандлагыг өөрчлөхөд хувь нэмрээ оруулах.Бидний хамтын, нотолгоонд суурилсан хүчин чармайлтаар Монголын ирээдүй болсон хүүхэд бүр амьдралын хамгийн сайн эхлэл болох эхийн сүүгээрээ хангалттай хооллох боломжийг бүрдүүлж чадна.Эх сурвалж: Breastfeeding: crucially important, but increasingly challenged in a market-driven world, Lancet 2023; 401: 472–85, February 7, 2023, https://doi.org/10.1016/

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