UC बर्कले के शोधकर्ताओं ने Nature में प्रकाशित अध्ययन में AI के ज़रिए रूटीन EKG में एक नया विद्युत संकेत खोजा है, जो अचानक हृदयाघात के जोखिम को पहचानता है [7]। डीप लर्निंग मॉडल को 4.4 लाख से अधिक EKG (स्वीडन, सैन डिएगो और ताइपे के डेटा) पर प्रशिक्षित और मान्य किया गया [7]। AI द्वारा पहचाने गए उच्च जोखिम समूह में अचा...

Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What previously unrecognized signal did UC Berkeley researchers discover in routine electrocardio. Article summary: ## Key Findings from the UC Berkeley AI Sudden Cardiac Death Study. Topic tags: general, government, education, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
UC बर्कले के शोधकर्ताओं ने, एसोसिएट प्रोफेसर ज़ियाद ओबरमेयर के नेतृत्व में, 24 जून 2026 को Nature जर्नल में एक अध्ययन प्रकाशित किया। इस अध्ययन से पता चला है कि 4.4 लाख से अधिक इलेक्ट्रोकार्डियोग्राम (EKG) पर प्रशिक्षित एक डीप लर्निंग मॉडल ने रूटीन हृदय जाँच में एक ऐसा पहले से अनजान विद्युत संकेत खोजा है जो मौजूदा क्लिनिकल मानकों की तुलना में अचानक हृदयाघात के जोखिम की कहीं बेहतर भविष्यवाणी करता है ।
AI मॉडल ने EKG में सूक्ष्म तरंग पैटर्न की पहचान की—हृदय द्वारा उत्पन्न विद्युत धाराओं और स्पाइक्स—जिन्हें मानव नेत्र और मानक नैदानिक परीक्षण नहीं पकड़ सकते । ये पैटर्न अचानक हृदयाघात से पहले हृदय की विद्युत प्रणाली के खराब होने से जुड़े हैं। सटीक शारीरिक तंत्र अभी समझा नहीं गया है, लेकिन AI ने हृदय के अचानक और घातक रूप से फेल होने से संबंधित एक विशेषता पर ध्यान केंद्रित किया है
।
टीम ने स्वीडन के 4.4 लाख से अधिक EKG का उपयोग करके एक डीप लर्निंग मॉडल को प्रशिक्षित किया, जो मृत्यु प्रमाणपत्रों से जुड़े थे। मॉडल को स्वस्थ लोगों, जोखिम वाले रोगियों और उन लोगों के स्कैन दिए गए जिनकी बाद में अचानक हृदयाघात से मृत्यु हुई, ताकि वह परिणाम की भविष्यवाणी करने वाले तरंग पैटर्न को पहचानना सीख सके । इसके बाद उन्होंने मॉडल को संयुक्त राज्य अमेरिका (सैन डिएगो क्षेत्र) और ताइवान (ताइपे) के हज़ारों अतिरिक्त रोगी फ़ाइलों पर मान्य किया
। Nature के एक साथ प्रकाशित समाचार लेख के अनुसार, इस मॉडल को व्यापक ECG डेटा और मृत्यु रिकॉर्ड का उपयोग करके विकसित किया गया था
।
AI प्रणाली एक उच्च-जोखिम वाले समूह की पहचान करती है जिसमें अचानक हृदयाघात की वार्षिक दर 7% है, जबकि मानक क्लिनिकल परीक्षण (जो मापते हैं कि हृदय प्रति धड़कन कितना रक्त बाहर निकालता है) उच्च-जोखिम समूह की पहचान केवल 4.6% वार्षिक दर से करते हैं । मॉडल ने एक बड़े उच्च-जोखिम समूह को चिन्हित किया और बेहतर भविष्यवाणी की कि किसे अचानक हृदयाघात होगा—ये अंतर सालाना हज़ारों रोगियों के लिए मायने रखते हैं जो वर्तमान में पारंपरिक उपायों से कम जोखिम वाले दिखते हैं
।
अचानक हृदयाघात से अमेरिका में हर साल 300,000 से अधिक लोगों की मृत्यु होती है और यह तब होता है जब हृदय की विद्युत प्रणाली बिना किसी चेतावनी के अचानक काम करना बंद कर देती है । ओबरमेयर बताते हैं कि एक प्रभावी इलाज मौजूद है—इम्प्लांटेबल डिफिब्रिलेटर जो हृदय को फिर से लय में लाने के लिए झटका देते हैं—लेकिन डॉक्टर यह पता नहीं लगा पाते कि किसे इसकी ज़रूरत है, जब तक कि बहुत देर न हो जाए
। मुख्य समस्या यह है कि लोग इतनी अचानक मरते हैं कि यह जानना लगभग असंभव है कि मृत्यु से ठीक पहले हृदय के अंदर क्या हो रहा था; शव परीक्षण से संरचनात्मक विवरण तो मिलते हैं लेकिन मृत्यु से ठीक पहले के विद्युत कार्य के बारे में नहीं
।
शोधकर्ता इस एल्गोरिदम को स्वास्थ्य प्रणालियों में लागू करने की योजना बना रहे हैं ताकि डॉक्टरों को यह पहचानने में बेहतर मदद मिल सके कि किसे आंतरिक डिफिब्रिलेटर की आवश्यकता है । यह अध्ययन हृदय विद्युत खराबी के पीछे के शारीरिक तंत्र पर नए शोध का द्वार भी खोलता है। ओबरमेयर ने कहा कि लक्ष्य है "सिर्फ बेहतर निर्णय लेना ही नहीं, बल्कि यह समझना भी शुरू करना कि इन रोगियों के दिल के रुकने से पहले वास्तव में क्या हो रहा है"
। चूंकि EKG नियमित, कम लागत वाली और दुनिया भर के चिकित्सा केंद्रों पर उपलब्ध है, यह उपकरण जीवन बचाने के लिए व्यापक पैमाने पर इस्तेमाल किया जा सकता है
।
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
UC बर्कले के शोधकर्ताओं ने Nature में प्रकाशित अध्ययन में AI के ज़रिए रूटीन EKG में एक नया विद्युत संकेत खोजा है, जो अचानक हृदयाघात के जोखिम को पहचानता है [7]।
UC बर्कले के शोधकर्ताओं ने Nature में प्रकाशित अध्ययन में AI के ज़रिए रूटीन EKG में एक नया विद्युत संकेत खोजा है, जो अचानक हृदयाघात के जोखिम को पहचानता है [7]। डीप लर्निंग मॉडल को 4.4 लाख से अधिक EKG (स्वीडन, सैन डिएगो और ताइपे के डेटा) पर प्रशिक्षित और मान्य किया गया [7]।
AI द्वारा पहचाने गए उच्च जोखिम समूह में अचानक हृदयाघात की वार्षिक दर 7% है, जबकि मौजूदा क्लिनिकल टेस्ट में यह 4.6% है [7]।
Loading comments...
Comments
0 comments