Physiological Signatures Derived from Wrist Accelerometry Improve Detection of Isolated REM Sleep Behavior Disorder
यह अध्ययन प्रदर्शित करता है कि मल्टी-नाइट रिस्ट एक्सेलेरोमेट्री से प्राप्त 876 शारीरिक विशेषताओं का विश्लेषण करने वाला एक मशीन लर्निंग मॉडल 0.955 के AUC के साथ आइसोलेटेड आरईएम स्लीप बिहेवियर डिसऑर्डर (iRBD) का सटीक रूप से पता लगा सकता है, जो प्रोड्रोमल सिन्यूक्लिनोपैथी कोहॉर्ट्स की पहचान करने के लिए पॉलिसॉम्नोग्राफी का एक स्केलेबल विकल्प प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क एक व्यस्त शहर है जो कभी वास्तव में नहीं सोता, तब भी जब आप सो रहे होते हैं। रात के अधिकांश समय में, शहर के सुरक्षा गार्ड (आपकी मांसपेशियां) पूरी तरह से लॉक डाउन रहते हैं, ताकि आपको बिस्तर पर स्थिर रखा जा सके ताकि आप अपने सपनों को असलियत में न निभाने लगें। लेकिन iRBD नामक स्थिति में, वे सुरक्षा गार्ड कॉफी ब्रेक पर चले जाते हैं। अचानक, सपने देखने वाला व्यक्ति सोते समय मुक्का मार सकता है, लात मार सकता है या चिल्ला सकता है। यह केवल एक अजीब सी नींद की आदत नहीं है; यह एक बहुत बड़ा रेड फ्लैग (चेतावनी का संकेत) है। वैज्ञानिकों ने पाया है कि यह विकार अक्सर पहला चेतावनी संकेत होता है कि किसी व्यक्ति को जीवन में बाद में पार्किंसंस जैसी गंभीर मस्तिष्क संबंधी बीमारियां हो सकती हैं। इसे जल्दी पकड़ लेना एक बांध में आई छोटी सी दरार को देखने जैसा है, जिससे डॉक्टर नुकसान होने से पहले ही सुरक्षात्मक उपचार शुरू कर सकें।
समस्या यह है कि इन दरारों को खोजने का वर्तमान तरीका आपको कुछ रातों के लिए एक शानदार होटल के कमरे में सोते हुए देखने के लिए एक निजी जासूस को काम पर रखने जैसा है। इसमें तार, कैमरे और पॉलीसोम्नोग्राफी (PSG) नामक महंगी मशीनें शामिल होती हैं। लाखों लोगों की जांच करने के लिए यह बहुत महंगा और जटिल है। इसलिए, शोधकर्ता एक सरल तरीका खोजने की कोशिश कर रहे थे, जैसे यह देखने के लिए कि क्या आप स्मार्टवॉच का उपयोग करके बहुत अधिक हिल-डुल रहे हैं। लेकिन पेचीदा हिस्सा यह है: केवल आपका हिलना-डुलना काफी नहीं है। एक व्यक्ति जिसे स्लीप एपनिया या रेस्टलेस लेग्स हो सकता है, वह बहुत हिल-डुल सकता है, लेकिन उनमें वह विशिष्ट "सपनों को जीने वाला" विकार नहीं होता है। बड़ा सवाल यह था: क्या एक साधारण रिस्ट सेंसर केवल कदमों को गिनने से कहीं अधिक कर सकता है? क्या यह वास्तव में आपकी कलाई के सूक्ष्म कंपनों को सुनकर एक सामान्य सपने और एक खतरनाक सपने के बीच का अंतर "महसूस" कर सकता है?
यह शोध पत्र उन शोधकर्ताओं की टीम की कहानी है जिन्होंने यह निर्णय लिया कि वे अपने रिस्ट सेंसरों को 'सुपर-स्लीथ' (बेहतरीन जासूस) में बदल देंगे। उन्होंने केवल यह नहीं गिना कि व्यक्ति कितनी बार हिला-डुला; उन्होंने रात की लय को सुनने के लिए एक परिष्कृत कंप्यूटर मस्तिष्क (एक मशीन लर्निंग मॉडल) बनाया। उन्होंने चार अलग-अलग क्लीनिकों से 366 लोगों से डेटा एकत्र किया, जिसमें नींद की 5,800 से अधिक रातें दर्ज की गईं। उन्होंने अपने कंप्यूटर को 876 अलग-अलग सुरागों को खोजने के लिए प्रशिक्षित किया, जो इस बात से लेकर कि आप गहरी नींद में कितनी देर तक रहते हैं, जब तक कि आपके दिल की धड़कन और सांस लेने में होने वाले सूक्ष्म, लगभग अदृश्य बदलाव शामिल हैं, जो सपने देखते समय होते हैं।
परिणाम एक गुप्त कोड खोजने जैसा था। शोधकर्ताओं ने पाया कि उनके "सुपर-स्लीथ" सेंसर अविश्वसनीय सटीकता के साथ इस विकार को पहचान सकते थे। जब उन्होंने इसे उन लोगों पर परखा जिन्हें इसने पहले कभी नहीं देखा था, तो इसने 95.5% बार सही पहचान की। यह पुराने तरीकों की तुलना में एक बड़ी छलांग है जो केवल हलचल को देखते थे, जो केवल 84% बार सही थे। असली सफलता केवल हलचल नहीं थी; बल्कि कंप्यूटर की यह क्षमता थी कि वह यह समझ सके कि व्यक्ति किस विशिष्ट प्रकार की नींद (REM) में था और उन क्षणों के दौरान उसका शरीर कैसे प्रतिक्रिया दे रहा था। भले ही सेंसर गहरी नींद और हल्की नींद के बीच अंतर करने में पूरी तरह सक्षम नहीं था (यह थोड़ा धुंधला था, जैसे कोई धुंधली तस्वीर), लेकिन यह यह नोटिस करने में आश्चर्यजनक रूप से अच्छा था कि रोगियों के लिए रात का "सपनों वाला" हिस्सा अराजक और झटकों से भरा था, जबकि स्वस्थ लोगों के लिए यह शांत था।
टीम ने सेंसर डेटा को एक सरल प्रश्नावली (नींद की आदतों के बारे में प्रश्नों की एक सूची) के साथ मिलाने का भी प्रयास किया। जब उन्होंने इन दोनों को मिलाया, तो परिणाम उल्लेखनीय रूप से सटीक थे: उन्होंने इस विकार वाले 72% लोगों को खोज निकाला, और अपने सबसे कठोर परीक्षण में—जहाँ उन्होंने मॉडल को कुछ क्लीनिकों पर प्रशिक्षित किया और पूरी तरह से अलग क्लीनिकों पर इसका परीक्षण किया—उन्होंने स्वस्थ लोगों को विकार वाले लोगों से अलग करने में शून्य गलतियाँ कीं। इसका मतलब है कि भविष्य में, एक डॉक्टर बस कुछ प्रश्न पूछ सकता है और मरीज को एक सप्ताह के लिए घड़ी पहनने के लिए कह सकता है, बजाय इसके कि वह एक सप्ताह के लिए स्लीप लैब में रुकने का प्रबंध करे।
हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह अभी तक कोई जादुई समाधान नहीं है। सेंसर तब सबसे अच्छा काम करता है जब उसके पास कई रातों का डेटा होता है, क्योंकि एक रात की बेचैनी सिस्टम को धोखा दे सकती है। इसके अलावा, अध्ययन में उन लोगों को देखा गया जिनमें पहले से ही फैंसी अस्पताल की मशीनों द्वारा विकार की पुष्टि की जा चुकी थी; इसका परीक्षण अभी आम जनता पर नहीं किया गया है जहाँ यह विकार बहुत दुर्लभ और पहचानना कठिन है। सेंसर द्वारा एकत्र किए गए हृदय गति और श्वसन के डेटा वास्तविक और मापने योग्य थे, लेकिन आश्चर्यजनक रूप से, उन्होंने इस विशिष्ट समूह के लोगों में विकार को खोजने में बहुत अधिक मदद नहीं की। असली नायक नींद के चरणों और हलचल का पैटर्न था।
संक्षेप में, यह शोध पत्र सुझाव देता है कि एक साधारण रिस्टबैंड, एक स्मार्ट कंप्यूटर के साथ मिलकर, मस्तिष्क रोग के इस शुरुआती चेतावनी संकेत की जांच के लिए एक शक्तिशाली उपकरण बन सकता है। यह एक ऐसे भविष्य की ओर एक आशाजनक कदम है जहाँ हम इन समस्याओं को जल्दी, सस्ते में और तारों एवं कैमरों के झंझट के बिना पकड़ सकते हैं, जिससे संभावित रूप से न्यूरोडीजेनेरेटिव रोगों के सबसे बुरे प्रभावों के शुरू होने से पहले ही लोगों को बचाया जा सकता है। लेकिन किसी भी अच्छे जासूसी नाटक की तरह, अंतिम अध्याय—यह साबित करना कि यह वास्तविक दुनिया में सभी पर काम करता है—अभी भी लिखा जा रहा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।