प्रशिक्षण और मान्यता

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 ।

जोखिम पहचान प्रदर्शन

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 ।

पहचान इतनी कठिन क्यों रही?

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 ।

अगले कदम

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 ।

प्रशिक्षण और मान्यता

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 ।

जोखिम पहचान प्रदर्शन

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 ।

पहचान इतनी कठिन क्यों रही?

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 ।

अगले कदम

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 ।