ایدئولوژیزده برای جانباختگان سوگواری نمیکند؛ او ابتدا شناسنامهٔ فکریِ جسد را بررسی میکند، سپس به انسان بودن یا نبودنش حکم میدهد.
«وقتی عقیده جای انسان را بگیرد، مرگ دیگر یک تراژدی نیست؛ پرسشی سیاسی است:آیا این مرده از ما بود یا علیه ما؟
آنکه چشمش را ایدئولوژی درویش کند، نخست به اندیشهٔ مرده نگاه میکند، سپس تصمیم میگیرد آیا برای انسانِ از دسترفته اشک بریزد یا شادی کند.
#کیخسرو_نصر [درباب انسان باورکیش]
@academic_science
«وقتی عقیده جای انسان را بگیرد، مرگ دیگر یک تراژدی نیست؛ پرسشی سیاسی است:آیا این مرده از ما بود یا علیه ما؟
آنکه چشمش را ایدئولوژی درویش کند، نخست به اندیشهٔ مرده نگاه میکند، سپس تصمیم میگیرد آیا برای انسانِ از دسترفته اشک بریزد یا شادی کند.
#کیخسرو_نصر [درباب انسان باورکیش]
@academic_science
۱۶:۵۴
ایدئولوژیزده برای جانباختگان سوگواری نمیکند؛ او ابتدا شناسنامهٔ فکریِ جسد را بررسی میکند، سپس به انسان بودن یا نبودنش حکم میدهد.
«وقتی عقیده جای انسان را بگیرد، مرگ دیگر یک تراژدی نیست؛ پرسشی سیاسی است:آیا این مرده از ما بود یا علیه ما؟
آنکه چشمش را ایدئولوژی درویش کند، نخست به اندیشهٔ مرده نگاه میکند، سپس تصمیم میگیرد آیا برای انسانِ از دسترفته اشک بریزد یا شادی کند.
#کیخسرو_نصر [درباب انسان باورکیش]
@academic_science
«وقتی عقیده جای انسان را بگیرد، مرگ دیگر یک تراژدی نیست؛ پرسشی سیاسی است:آیا این مرده از ما بود یا علیه ما؟
آنکه چشمش را ایدئولوژی درویش کند، نخست به اندیشهٔ مرده نگاه میکند، سپس تصمیم میگیرد آیا برای انسانِ از دسترفته اشک بریزد یا شادی کند.
#کیخسرو_نصر [درباب انسان باورکیش]
@academic_science
۸۱۷
۱۶:۵۴
https://www.nature.com/articles/s41598-026-62581-5_reference.pdf
این مقاله به یک سؤال مهم در ژنتیک بالینی پاسخ میدهد: آیا نرمافزارهای خودکار میتوانند واریانتهای ژنتیکی را به همان دقت متخصصان طبقهبندی کنند؟
پیشزمینه
در آزمایشهای توالییابی ژنوم، تعداد زیادی واریانت (Variant) شناسایی میشود. برای اینکه مشخص شود یک واریانت بیماریزا است یا خیر، از دستورالعملهای ACMG/AMP استفاده میشود. بر اساس این دستورالعملها، هر واریانت در یکی از پنج گروه قرار میگیرد:
بیماریزا (Pathogenic)احتمالاً بیماریزا (Likely pathogenic)با اهمیت نامشخص (VUS)احتمالاً خوشخیم (Likely benign)خوشخیم (Benign)
این طبقهبندی میتواند بهصورت دستی توسط متخصص یا خودکار با استفاده از نرمافزار انجام شود.
مقاله چه کاری انجام داده است؟
نویسندگان نتایج حاصل از چند ابزار خودکار را با ارزیابی دستی متخصصان مقایسه کردند تا ببینند:
چقدر با هم توافق دارند.در چه مواردی اختلاف ایجاد میشود.آیا میتوان به ابزارهای خودکار در محیط بالینی اعتماد کرد یا خیر.مهمترین نتایجدر واریانتهای ساده و دارای شواهد کافی، ابزارهای خودکار معمولاً عملکرد خوبی دارند و اغلب با نظر متخصصان همخوانی دارند.در واریانتهای پیچیده، اختلاف بیشتر میشود. علت این است که نرمافزارها معمولاً فقط به دادههای موجود در پایگاههای اطلاعاتی و قواعد از پیش تعریفشده متکی هستند، در حالی که متخصص میتواند مواردی مانند:شرح حال بیمار و فنوتیپ،سابقه خانوادگی،مقالات جدید،نتایج مطالعات عملکردی (Functional studies)،و قضاوت بالینیرا نیز در تصمیمگیری لحاظ کند.ابزارهای خودکار در برخی موارد ممکن است واریانت را VUS گزارش کنند، در حالی که متخصص با استفاده از شواهد تکمیلی بتواند آن را به «احتمالاً بیماریزا» یا «احتمالاً خوشخیم» تغییر دهد.نتیجهگیری مقاله
پیام اصلی مقاله این است که ابزارهای خودکار برای افزایش سرعت، کاهش حجم کار و استانداردسازی طبقهبندی بسیار مفید هستند، اما هنوز جایگزین ارزیابی نهایی توسط متخصص ژنتیک بالینی نیستند. بهترین رویکرد، استفاده از یک سیستم ترکیبی (Hybrid) است؛ یعنی نرمافزار طبقهبندی اولیه را انجام دهد و سپس متخصص موارد مهم یا مبهم را بازبینی و تأیید کند.
اهمیت برای کار بالینی
این نتیجه برای آزمایشگاههای ژنتیک اهمیت زیادی دارد، زیرا نشان میدهد اتکا به نرمافزار بهتنهایی ممکن است باعث طبقهبندی نادرست برخی واریانتها و در نتیجه تفسیر اشتباه نتایج برای بیمار شود. بنابراین، بازبینی انسانی همچنان بخش ضروری فرآیند تفسیر واریانتها است، بهویژه در مواردی که تصمیمهای درمانی یا مشاوره ژنتیک بر اساس آنها انجام میشود.
@academic_science
این مقاله به یک سؤال مهم در ژنتیک بالینی پاسخ میدهد: آیا نرمافزارهای خودکار میتوانند واریانتهای ژنتیکی را به همان دقت متخصصان طبقهبندی کنند؟
پیشزمینه
در آزمایشهای توالییابی ژنوم، تعداد زیادی واریانت (Variant) شناسایی میشود. برای اینکه مشخص شود یک واریانت بیماریزا است یا خیر، از دستورالعملهای ACMG/AMP استفاده میشود. بر اساس این دستورالعملها، هر واریانت در یکی از پنج گروه قرار میگیرد:
بیماریزا (Pathogenic)احتمالاً بیماریزا (Likely pathogenic)با اهمیت نامشخص (VUS)احتمالاً خوشخیم (Likely benign)خوشخیم (Benign)
این طبقهبندی میتواند بهصورت دستی توسط متخصص یا خودکار با استفاده از نرمافزار انجام شود.
مقاله چه کاری انجام داده است؟
نویسندگان نتایج حاصل از چند ابزار خودکار را با ارزیابی دستی متخصصان مقایسه کردند تا ببینند:
چقدر با هم توافق دارند.در چه مواردی اختلاف ایجاد میشود.آیا میتوان به ابزارهای خودکار در محیط بالینی اعتماد کرد یا خیر.مهمترین نتایجدر واریانتهای ساده و دارای شواهد کافی، ابزارهای خودکار معمولاً عملکرد خوبی دارند و اغلب با نظر متخصصان همخوانی دارند.در واریانتهای پیچیده، اختلاف بیشتر میشود. علت این است که نرمافزارها معمولاً فقط به دادههای موجود در پایگاههای اطلاعاتی و قواعد از پیش تعریفشده متکی هستند، در حالی که متخصص میتواند مواردی مانند:شرح حال بیمار و فنوتیپ،سابقه خانوادگی،مقالات جدید،نتایج مطالعات عملکردی (Functional studies)،و قضاوت بالینیرا نیز در تصمیمگیری لحاظ کند.ابزارهای خودکار در برخی موارد ممکن است واریانت را VUS گزارش کنند، در حالی که متخصص با استفاده از شواهد تکمیلی بتواند آن را به «احتمالاً بیماریزا» یا «احتمالاً خوشخیم» تغییر دهد.نتیجهگیری مقاله
پیام اصلی مقاله این است که ابزارهای خودکار برای افزایش سرعت، کاهش حجم کار و استانداردسازی طبقهبندی بسیار مفید هستند، اما هنوز جایگزین ارزیابی نهایی توسط متخصص ژنتیک بالینی نیستند. بهترین رویکرد، استفاده از یک سیستم ترکیبی (Hybrid) است؛ یعنی نرمافزار طبقهبندی اولیه را انجام دهد و سپس متخصص موارد مهم یا مبهم را بازبینی و تأیید کند.
اهمیت برای کار بالینی
این نتیجه برای آزمایشگاههای ژنتیک اهمیت زیادی دارد، زیرا نشان میدهد اتکا به نرمافزار بهتنهایی ممکن است باعث طبقهبندی نادرست برخی واریانتها و در نتیجه تفسیر اشتباه نتایج برای بیمار شود. بنابراین، بازبینی انسانی همچنان بخش ضروری فرآیند تفسیر واریانتها است، بهویژه در مواردی که تصمیمهای درمانی یا مشاوره ژنتیک بر اساس آنها انجام میشود.
@academic_science
۱۶:۵۶
https://www.nature.com/articles/s41598-026-62581-5_reference.pdf
این مقاله به یک سؤال مهم در ژنتیک بالینی پاسخ میدهد: آیا نرمافزارهای خودکار میتوانند واریانتهای ژنتیکی را به همان دقت متخصصان طبقهبندی کنند؟
پیشزمینه
در آزمایشهای توالییابی ژنوم، تعداد زیادی واریانت (Variant) شناسایی میشود. برای اینکه مشخص شود یک واریانت بیماریزا است یا خیر، از دستورالعملهای ACMG/AMP استفاده میشود. بر اساس این دستورالعملها، هر واریانت در یکی از پنج گروه قرار میگیرد:
بیماریزا (Pathogenic)احتمالاً بیماریزا (Likely pathogenic)با اهمیت نامشخص (VUS)احتمالاً خوشخیم (Likely benign)خوشخیم (Benign)
این طبقهبندی میتواند بهصورت دستی توسط متخصص یا خودکار با استفاده از نرمافزار انجام شود.
مقاله چه کاری انجام داده است؟
نویسندگان نتایج حاصل از چند ابزار خودکار را با ارزیابی دستی متخصصان مقایسه کردند تا ببینند:
چقدر با هم توافق دارند.در چه مواردی اختلاف ایجاد میشود.آیا میتوان به ابزارهای خودکار در محیط بالینی اعتماد کرد یا خیر.مهمترین نتایجدر واریانتهای ساده و دارای شواهد کافی، ابزارهای خودکار معمولاً عملکرد خوبی دارند و اغلب با نظر متخصصان همخوانی دارند.در واریانتهای پیچیده، اختلاف بیشتر میشود. علت این است که نرمافزارها معمولاً فقط به دادههای موجود در پایگاههای اطلاعاتی و قواعد از پیش تعریفشده متکی هستند، در حالی که متخصص میتواند مواردی مانند:شرح حال بیمار و فنوتیپ،سابقه خانوادگی،مقالات جدید،نتایج مطالعات عملکردی (Functional studies)،و قضاوت بالینیرا نیز در تصمیمگیری لحاظ کند.ابزارهای خودکار در برخی موارد ممکن است واریانت را VUS گزارش کنند، در حالی که متخصص با استفاده از شواهد تکمیلی بتواند آن را به «احتمالاً بیماریزا» یا «احتمالاً خوشخیم» تغییر دهد.نتیجهگیری مقاله
پیام اصلی مقاله این است که ابزارهای خودکار برای افزایش سرعت، کاهش حجم کار و استانداردسازی طبقهبندی بسیار مفید هستند، اما هنوز جایگزین ارزیابی نهایی توسط متخصص ژنتیک بالینی نیستند. بهترین رویکرد، استفاده از یک سیستم ترکیبی (Hybrid) است؛ یعنی نرمافزار طبقهبندی اولیه را انجام دهد و سپس متخصص موارد مهم یا مبهم را بازبینی و تأیید کند.
اهمیت برای کار بالینی
این نتیجه برای آزمایشگاههای ژنتیک اهمیت زیادی دارد، زیرا نشان میدهد اتکا به نرمافزار بهتنهایی ممکن است باعث طبقهبندی نادرست برخی واریانتها و در نتیجه تفسیر اشتباه نتایج برای بیمار شود. بنابراین، بازبینی انسانی همچنان بخش ضروری فرآیند تفسیر واریانتها است، بهویژه در مواردی که تصمیمهای درمانی یا مشاوره ژنتیک بر اساس آنها انجام میشود.
@academic_science
این مقاله به یک سؤال مهم در ژنتیک بالینی پاسخ میدهد: آیا نرمافزارهای خودکار میتوانند واریانتهای ژنتیکی را به همان دقت متخصصان طبقهبندی کنند؟
پیشزمینه
در آزمایشهای توالییابی ژنوم، تعداد زیادی واریانت (Variant) شناسایی میشود. برای اینکه مشخص شود یک واریانت بیماریزا است یا خیر، از دستورالعملهای ACMG/AMP استفاده میشود. بر اساس این دستورالعملها، هر واریانت در یکی از پنج گروه قرار میگیرد:
بیماریزا (Pathogenic)احتمالاً بیماریزا (Likely pathogenic)با اهمیت نامشخص (VUS)احتمالاً خوشخیم (Likely benign)خوشخیم (Benign)
این طبقهبندی میتواند بهصورت دستی توسط متخصص یا خودکار با استفاده از نرمافزار انجام شود.
مقاله چه کاری انجام داده است؟
نویسندگان نتایج حاصل از چند ابزار خودکار را با ارزیابی دستی متخصصان مقایسه کردند تا ببینند:
چقدر با هم توافق دارند.در چه مواردی اختلاف ایجاد میشود.آیا میتوان به ابزارهای خودکار در محیط بالینی اعتماد کرد یا خیر.مهمترین نتایجدر واریانتهای ساده و دارای شواهد کافی، ابزارهای خودکار معمولاً عملکرد خوبی دارند و اغلب با نظر متخصصان همخوانی دارند.در واریانتهای پیچیده، اختلاف بیشتر میشود. علت این است که نرمافزارها معمولاً فقط به دادههای موجود در پایگاههای اطلاعاتی و قواعد از پیش تعریفشده متکی هستند، در حالی که متخصص میتواند مواردی مانند:شرح حال بیمار و فنوتیپ،سابقه خانوادگی،مقالات جدید،نتایج مطالعات عملکردی (Functional studies)،و قضاوت بالینیرا نیز در تصمیمگیری لحاظ کند.ابزارهای خودکار در برخی موارد ممکن است واریانت را VUS گزارش کنند، در حالی که متخصص با استفاده از شواهد تکمیلی بتواند آن را به «احتمالاً بیماریزا» یا «احتمالاً خوشخیم» تغییر دهد.نتیجهگیری مقاله
پیام اصلی مقاله این است که ابزارهای خودکار برای افزایش سرعت، کاهش حجم کار و استانداردسازی طبقهبندی بسیار مفید هستند، اما هنوز جایگزین ارزیابی نهایی توسط متخصص ژنتیک بالینی نیستند. بهترین رویکرد، استفاده از یک سیستم ترکیبی (Hybrid) است؛ یعنی نرمافزار طبقهبندی اولیه را انجام دهد و سپس متخصص موارد مهم یا مبهم را بازبینی و تأیید کند.
اهمیت برای کار بالینی
این نتیجه برای آزمایشگاههای ژنتیک اهمیت زیادی دارد، زیرا نشان میدهد اتکا به نرمافزار بهتنهایی ممکن است باعث طبقهبندی نادرست برخی واریانتها و در نتیجه تفسیر اشتباه نتایج برای بیمار شود. بنابراین، بازبینی انسانی همچنان بخش ضروری فرآیند تفسیر واریانتها است، بهویژه در مواردی که تصمیمهای درمانی یا مشاوره ژنتیک بر اساس آنها انجام میشود.
@academic_science
۱.۳K
۱۶:۵۶
زندگی مِنهای اینستاگرام
اینستاگرام بخشی از زندگی را انتخاب میکند، قاب میگیرد، فیلتر میکند و بعد همان بخش انتخابشده را به عنوان تصویری از «زندگی» پیش چشم ما میگذارد. تصویری که در آن آدمها معمولاً خوشحالاند، خانهها مرتباند، سفرها همیشه دلچسباند، رابطهها عاشقانهاند، بدنها ایدهآلاند، غذاها زیبا هستند و حتی غم و شکست هم گاهی با یک قاب زیبا و موسیقی مناسب منتشر میشود. اما آنچه در این قاب نیست، شاید خودِ زندگی باشد.
زندگیِ واقعی الزاماً قابل انتشار نیست. شاید بخش مهمی از آن اصلاً نباید منتشر شود. مگر کسی از تمام ساعتهایی که در سکوت با خودش جنگیده، از روزهایی که پول کم آورده، از اضطراب امتحان، از ترس آینده، از دعوای خانوادگی، از شکست عشقی، از بیماری، از خستگی و از روزهایی که هیچ اتفاق خاصی نیفتاده است، استوری میگذارد؟ ما اما همین بخشهای ندیده زندگی دیگران را با تمام زندگی خودمان مقایسه میکنیم.
زندگی مِنهای اینستاگرام شاید زندگی بدون تکنولوژی نباشد؛ زندگی بدون مقایسه است. زندگی بدون اینکه هر لحظه مجبور باشیم برای انتخابهایمان لایک و تأیید داشته باشیم.
mehrnews.com/x3cSCL
۱۳:۴۴
زندگی مِنهای اینستاگرام
اینستاگرام بخشی از زندگی را انتخاب میکند، قاب میگیرد، فیلتر میکند و بعد همان بخش انتخابشده را به عنوان تصویری از «زندگی» پیش چشم ما میگذارد. تصویری که در آن آدمها معمولاً خوشحالاند، خانهها مرتباند، سفرها همیشه دلچسباند، رابطهها عاشقانهاند، بدنها ایدهآلاند، غذاها زیبا هستند و حتی غم و شکست هم گاهی با یک قاب زیبا و موسیقی مناسب منتشر میشود. اما آنچه در این قاب نیست، شاید خودِ زندگی باشد.
زندگیِ واقعی الزاماً قابل انتشار نیست. شاید بخش مهمی از آن اصلاً نباید منتشر شود. مگر کسی از تمام ساعتهایی که در سکوت با خودش جنگیده، از روزهایی که پول کم آورده، از اضطراب امتحان، از ترس آینده، از دعوای خانوادگی، از شکست عشقی، از بیماری، از خستگی و از روزهایی که هیچ اتفاق خاصی نیفتاده است، استوری میگذارد؟ ما اما همین بخشهای ندیده زندگی دیگران را با تمام زندگی خودمان مقایسه میکنیم.
زندگی مِنهای اینستاگرام شاید زندگی بدون تکنولوژی نباشد؛ زندگی بدون مقایسه است. زندگی بدون اینکه هر لحظه مجبور باشیم برای انتخابهایمان لایک و تأیید داشته باشیم.
mehrnews.com/x3cSCL
۱۳:۴۴
زندگی مِنهای اینستاگرام
اینستاگرام بخشی از زندگی را انتخاب میکند، قاب میگیرد، فیلتر میکند و بعد همان بخش انتخابشده را به عنوان تصویری از «زندگی» پیش چشم ما میگذارد. تصویری که در آن آدمها معمولاً خوشحالاند، خانهها مرتباند، سفرها همیشه دلچسباند، رابطهها عاشقانهاند، بدنها ایدهآلاند، غذاها زیبا هستند و حتی غم و شکست هم گاهی با یک قاب زیبا و موسیقی مناسب منتشر میشود. اما آنچه در این قاب نیست، شاید خودِ زندگی باشد.
زندگیِ واقعی الزاماً قابل انتشار نیست. شاید بخش مهمی از آن اصلاً نباید منتشر شود. مگر کسی از تمام ساعتهایی که در سکوت با خودش جنگیده، از روزهایی که پول کم آورده، از اضطراب امتحان، از ترس آینده، از دعوای خانوادگی، از شکست عشقی، از بیماری، از خستگی و از روزهایی که هیچ اتفاق خاصی نیفتاده است، استوری میگذارد؟ ما اما همین بخشهای ندیده زندگی دیگران را با تمام زندگی خودمان مقایسه میکنیم.
زندگی مِنهای اینستاگرام شاید زندگی بدون تکنولوژی نباشد؛ زندگی بدون مقایسه است. زندگی بدون اینکه هر لحظه مجبور باشیم برای انتخابهایمان لایک و تأیید داشته باشیم.
mehrnews.com/x3cSCL
۵۱۱
۱۳:۴۴
بازارسال شده از دکتر خدیجه ظریفی، پزشک کودکان
درسته قرار نبود دانشمند بشیم ولی قرار بود یه ذره قدرت استدلال و هوش و سوادمون بره بالا که هر کی هرچی گفت یه کم بیشتر از خرگوش بتونیم استدلال کنیم که راست میگه یا دروغ. کلاههای خیلی گشاد و خیلی تنگ سرمون نره
۴:۱۰
بازارسال شده از دکتر خدیجه ظریفی، پزشک کودکان
درسته قرار نبود دانشمند بشیم ولی قرار بود یه ذره قدرت استدلال و هوش و سوادمون بره بالا که هر کی هرچی گفت یه کم بیشتر از خرگوش بتونیم استدلال کنیم که راست میگه یا دروغ. کلاههای خیلی گشاد و خیلی تنگ سرمون نره
۴:۱۰
بازارسال شده از دکتر خدیجه ظریفی، پزشک کودکان
درسته قرار نبود دانشمند بشیم ولی قرار بود یه ذره قدرت استدلال و هوش و سوادمون بره بالا که هر کی هرچی گفت یه کم بیشتر از خرگوش بتونیم استدلال کنیم که راست میگه یا دروغ. کلاههای خیلی گشاد و خیلی تنگ سرمون نره
۵
۴:۱۰