JAMOAT SALOMATLIGINI MUSTAHKAMLASHDA LEYKOZNI ERTA ANIQLASH ISTIQBOLLARI

41 Vol. 5, No. 11 – Special Issue (EJMNS) ISSN: 2181-287X MTPHMPOI International Scientific and Practical Conference on Medical Tourism, Public Health and Management: Problems, Opportunities, and Innovations Tashkent, November 11, 2025 in-academy.uz/index.php/ejmns JAMOAT SALOMATLIGINI MUSTAHKAMLASHDA LEYKOZNI ERTA ANIQLASH ISTIQBOLLARI Gʻulomova Nigora Abduazim qizi, Tulyaganova Dildora Sagdullayevna Toshkent Davlat Tibbiyot Universiteti https://doi.org/10.5281/zenodo.17616094 Leykoz dunyo bo‘yicha onko-gematologik kasalliklar orasida yuqori o‘rinni egallaydi. Jahon sogliqni saqlash tashkiloti malumotlariga ko‘ra har yili dunyoda 400 mingdan ortiq yangi leykoz holati qayd etiladi. Shulardan 60-70 ming nafari bolalar va o‘smirlar orasida aniqlanadi Leykozning erta aniqlanishi bemor hayotini saqlab qolish, davolash xarajatlarini kamaytirish hamda jamoat salomatligini mustahkamlashda muhim o‘rin tutadi [10]. Markaziy Osiyo mintaqasida hususan O‘zbekistonda leykozni uchrashi darajasi har 100000 aholiga 3 ta holat atrofida baholanadi [9] biroq tashxisni kech qoyilishi yuqori tehnologik labaratoriyalarni sonini kamlgi sababli o‘lim darajasi nisbatan yuqori. Kasallikni erta bosqichlarda klinik belgilar holsizlik anemiya va isitma singari boshqa kasaliklarni simptomlariga o‘hshash va boshqa kasaliklar bilan adashtirib kasallikni erta davrini o‘tkazib yuborishga sababchi bo‘lyapti [1,2]. Biroq leykozning dastlabki bosqichida klinik belgilarning noaniqligi sababli kasallik ko‘p hollarda kech tashxislanadi. An’anaviy mikroskopik tahlillar mutaxassis tajribasiga bog‘liq bo‘lib, inson xatosi ehtimolini oshiradi. Shu sababli, so‘nggi yillarda sun’iy intellekt (AI), mashinaviy o‘rganish (ML) va Point-of-Care (POC) texnologiyalar leykozning erta tashxisini takomillashtirish yo‘nalishida keng qo‘llanila boshladi [1–3]. Ana’naviy mikroskopik tahlilar laborator xodimlarning tajribasiga bogliq bo‘lib, inson xatosini ehtimolini oshiradi, shu sababli so‘ngi yillarda suniy intelektni o‘rganish va tehnologiyalar leykozni erta tashxislashni takomillashtrishga keng joriy etilmoqda [1-3]. Bu yondashuv diagnostika aniqligini oshiradi vaqtni kamaytiradi hamda, jamoat salomatligini mustahkamlashda xizmat qiladi. Xalqaro olimlardan Zhou (2021) chuqur o‘rganish usulidan foydalangan holda, real klinik sharoitda leykoz tashxisini avtomatlashtiruvchi tizim ishlab chiqgan [1] bo‘lib, ularning modelida mikroskopik qon hujayralari tasvirlari tahlili, sog‘lom va patologik hujayralar 98% aniqlikda farqlangan. Natijada inson xatosini kamaytirish va laborator ish samaradorligini oshirishga imkon bergan [1,2]. Ghaderzadeh M. va Asadi F. (2021) leykozning turlari (ALL, AML) ni aniqlash uchun CNN (Convolutional Neural Network) modellarini tahlil qilib, ularning aniqligi 97–99% oralig‘ida ekanini qayd etgan. Model mikromorfologik o‘zgarishlarni erta aniqlay olgan, bu esa diagnostika jarayonini tezlashtirgan [2]. Clemente F. va hamkorlari (2023) o‘z tadqiqotida Point-of-Care (POC) diagnostika tizimlarining so‘nggi yo‘nalishlarini tahlil qilib, ularni gematologik kasalliklarda, xususan, leykozda qo‘llash istiqbollarini yoritgan [3]. POC texnologiyalari past resursli sharoitlarda ishlash uchun qulay, portativ va arzon bo‘lgani sababli jamoat salomatligida katta ahamiyat kasb etadi. Al-Ghraibah A. va boshqalar (2024) tomonidan ishlab chiqilgan avtomatlashtirilgan mikroskopik tahlil tizimi leykoz hujayralarini qon surtmasidan aniqlashda yuqori ishonchlilikka ega bo‘lgan [4]. Ushbu tizim arzon laborator modullarga o‘rnatilishi mumkinligi bilan ajralib turadi. Haney K. va hamkorlari (2017) kam resursli mamlakatlarda arzon diagnostik apparatlar yaratishning ijtimoiy va tibbiy ahamiyatini ta’kidlagan [5]. Ularning fikricha, bunday texnologiyalar saraton kasalliklarini erta aniqlashda va sog‘liqni saqlash tizimini kuchaytirishda muhim omil hisoblanadi. Vedula R.S. va hamkorlari (2024) CRISPR asosidagi tezkor molekulyar testlarni leykozda genetik o‘zgarishlarni aniqlash uchun sinovdan o‘tkazgan [6]. Bu texnologiya genetik diagnostika va POC tizimlarini birlashtirish orqali erta aniqlash imkoniyatini kengaytiradi. Tenchov R. va hamkorlari (2024) esa erta saraton tashxisida biomarkerlar va ularni AI yordamida avtomatik tahlil qilish bo‘yicha istiqbollarni ko‘rsatgan [7]. Ushbu yondashuv leykoz diagnostikasida molekulyar va morfologik ma’lumotlarni integratsiya qilishga xizmat qiladi. Lawal A.O. (2025) rivojlanayotgan mamlakatlarda innovatsion laborator texnologiyalarni joriy etishdagi muammolarni tahlil qilib, mahalliy ishlab chiqilgan arzon apparatlar tibbiy barqarorlikni ta’minlashda muhim rol o‘ynashini ta’kidlagan [8] 42 Vol. 5, No. 11 – Special Issue (EJMNS) ISSN: 2181-287X MTPHMPOI International Scientific and Practical Conference on Medical Tourism, Public Health and Management: Problems, Opportunities, and Innovations Tashkent, November 11, 2025 in-academy.uz/index.php/ejmns Adabiyotlar tahlilidan ko‘rinadiki, sun’iy intellekt asosidagi texnologiyalar leykozning erta aniqlanishida yuqori aniqlik beradi. Bu tizimlar: • diagnostika jarayonini avtomatlashtiradi • inson omilini kamaytiradi • tibbiy resurslarni tejaydi va chekka hududlarda telemeditsina asosida qo‘llash imkonini yaratadi. O‘zbekiston va Markaziy Osiyo bo‘yicha olib borilgan epidemiologik tahlillar leykoz rivojlanishiga radiatsion ta’sir, pestitsidlar, viruslar, genetik mutatsiyalar va ekologik ifloslanish omillarining sababchi bo‘lishini ko‘rsatgan [9]. Shu bois mahalliy profilaktika va diagnostika choralarini kuchaytirish jamoat salomatligi uchun zarur. Mahalliy ishlab chiqilgan portativ laborator apparat quyidagi afzalliklarga ega bo‘ladi: • Qon surtmasi tasvirlarini avtomatik tahlil qiladi; • Internet orqali markaziy klinikalarga natijalarni uzatadi; • Shifokorlar uchun real vaqt rejimida tahlil imkoniyatini yaratadi; • Arzon narxdagi modullar asosida keng joriy etilishi mumkin. Xulosa. Adabiyotlar tahlili shuni ko‘rsatadiki, leykozning erta aniqlanishi bo‘yicha ilg‘or xorijiy yondashuvlar — AI, POC, CRISPR va biomarkerlar asosidagi texnologiyalar — diagnostika aniqligini sezilarli darajada oshirmoqda. O‘zbekiston sharoitida mahalliy laborator apparat ishlab chiqish orqali ushbu tajribani amaliyotga tatbiq etish imkoniyati mavjud. Bunday qurilma nafaqat leykoz, balki boshqa qon va onkologik kasalliklarni ham erta aniqlashga xizmat qiladi. References: 1. Zhou M., Wu K., Yu L., et al. (2021). Development and Evaluation of a Leukemia Diagnosis System Using Deep Learning in Real Clinical Scenarios. Frontiers in Pediatrics. DOI: 10.3389/fped.2021.693676. 2. Ghaderzadeh M., Asadi F. (2021). Machine Learning in Detection and Classification of Leukemia Using Smear Blood Images: A Systematic Review. Computational and Matematical Methods in Medicine. DOI: 10.1155/2021/9933481. 3. Clemente F. et al. (2023). Last Trends in Point-of-Care (POC) Diagnostics for Hematology Tests. Biosensors (MDPI). 4. Al-Ghraibah A. et al. (2024). Automated Detection of Leukemia in Blood Microscopic Images. Taylor & Francis Online. DOI: 10.1080/23311916.2024.2304484. 5. Haney K. et al. (2017). The Role of Affordable, Point-of-Care Technologies for Cancer Detection in Resource-Limited Settings. PMC Open Access. 6. Vedula R.S. et al. (2024). CRISPR-based Rapid Molecular Diagnostic Tests for Fusion-gene Detection. ScienceDirect. 7. Tenchov R. et al. (2024). Biomarkers for Early Cancer Detection: A Landscape View of Promising Technologies. ACS Pharmacology & Translational Science. DOI: 10.1021/acsptsci.3c00346. 8. Lawal A.O. (2025). Innovative Laboratory Techniques Shaping Cancer Diagnosis — Challenges and Opportunities in Low-Resource Settings. Springer. 9. Epidemiology, Incidence and Mortality of Leukemia in Children in South-Central Asia. Open Access Journals, 2024. 10. WHO list of priority medical devices for cancer management: https://iris.who.int/server/api/core/bitstreams/5f20a4b1-4615-46b5-a611-651c8810da6a/content.