Clinical evaluation of artificial intelligence for diagnostics of antibiotic-resistant bacteria
इस अध्ययन ने नैदानिक *ई. कोलाई (E. coli)* मूत्र आइसोलेट्स में एंटीबायोटिक संवेदनशीलता की भविष्यवाणी करने के लिए यूरोपीय निगरानी डेटा पर प्रशिक्षित एक एआई (AI) मॉडल का संभावित रूप से मूल्यांकन किया, जिसमें यह पाया गया कि हालांकि मॉडल ने उत्साहजनक प्रदर्शन दिखाया, लेकिन इसकी नैदानिक उपयोगिता वर्तमान में महत्वपूर्ण त्रुटि दरों और मानक संवेदनशीलता एवं जनसांख्यिकीय परिणामों के अलावा अतिरिक्त नैदानिक डेटा की आवश्यकता के कारण सीमित 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
हर बार जब कोई डॉक्टर बैक्टीरिया के संक्रमण का इलाज करता है, तो उन्हें समय के विरुद्ध एक दौड़ और जीव विज्ञान की एक पहेली का सामना करना पड़ता है। बीमारी पैदा करने वाले बैक्टीरिया एक सामान्य एंटीबायोटिक के प्रति संवेदनशील हो सकते हैं, या उन्होंने ऐसी रक्षात्मक क्षमता विकसित कर ली हो सकती है जो उन दवाओं को बेकार बना देती है। इसे हल करने के लिए, प्रयोगशालाएं एक परीक्षण करती हैं जहाँ वे बैक्टीरिया को विभिन्न दवाओं के संपर्क में लाती हैं ताकि यह देखा जा सके कि कौन सी दवाएं उनकी वृद्धि को रोक सकती हैं। यह प्रक्रिया, जिसे एंटीबायोटिक संवेदनशीलता परीक्षण (antibiotic susceptibility testing) कहा जाता है, सही उपचार चुनने के लिए स्वर्ण मानक है। हालाँकि, बैक्टीरिया को उगाने और इन परीक्षणों को चलाने में समय लगता है, और संक्रमण के पहले महत्वपूर्ण घंटों में, डॉक्टरों को अक्सर यह अनुमान लगाना पड़ता है कि कौन सी दवा काम करेगी। यदि उनका अनुमान गलत होता है, तो रोगी को कष्ट हो सकता है, और बैक्टीरिया और अधिक फैल सकता है। कई दवाओं के प्रति प्रतिरोधी बैक्टीरिया के उदय ने इस अनुमान लगाने के खेल को और भी खतरनाक बना दिया है, जिससे ऐसे उपकरणों की तत्काल आवश्यकता पैदा हो गई है जो बैक्टीरिया के बढ़ने से पहले ही इन परीक्षणों के परिणाम की भविष्यवाणी कर सकें।
इस संदर्भ में, स्वीडन के शोधकर्ताओं ने एक नए प्रकार के डिजिटल सहायक का परीक्षण करने का निर्णय लिया। उन्होंने एक सरल लेकिन कठिन प्रश्न पूछा: यदि एक कंप्यूटर पहले से ही जानता है कि एक विशिष्ट बैक्टीरिया कुछ एंटीबायोटिक्स के प्रति कैसे प्रतिक्रिया करता है, तो क्या वह उसी बैक्टीरिया की उन अन्य एंटीबायोटिक्स के प्रति प्रतिक्रिया की भविष्यवाणी कर सकता है जिन्हें उसने पहले कभी नहीं देखा है? यह विचार इस तथ्य पर आधारित है कि बैक्टीरिया अक्सर रक्षा तंत्र के समूहों को लेकर चलते हैं जो उन्हें एक साथ कई दवाओं से बचाते हैं। लाखों पिछले परीक्षण परिणामों में पैटर्न का अध्ययन करके, एक आर्टिफिशियल इंटेलिजेंस (AI) सिस्टम को इन छिपे हुए संबंधों को पहचानने के लिए प्रशिक्षित किया गया था। शोधकर्ता यह देखना चाहते थे कि क्या यह प्रणाली केवल कंप्यूटर में एकत्र किए गए पुराने डेटा के बजाय, रोगियों के ताज़ा नमूनों का उपयोग करके, एक वास्तविक अस्पताल सेटिंग में काम कर सकती है।
टीम ने गोटेबोर्ग के एक अस्पताल में मरीजों से ई. कोली (E. coli), जो मूत्र संक्रमण में पाया जाने वाला एक सामान्य प्रकार का बैक्टीरिया है, के लगभग सौ नमूने एकत्र किए। उन्होंने यह सुनिश्चित किया कि इस समूह में विभिन्न आयु और लिंग के लोगों के साथ-साथ अलग-अलग स्तर के प्रतिरोध वाले बैक्टीरिया भी शामिल हों। लैब में, उन्होंने सभी बैक्टीरिया के लिए मानक, धीमे परीक्षण किए ताकि यह निर्धारित किया जा सके कि कौन से एंटीबायोटिक्स उन्हें मार देंगे। ये वास्तविक दुनिया के परिणाम 'सत्य' के रूप में काम करते थे, जिनके विरुद्ध कंप्यूटर के अनुमानों को मापा जाना था। इसके बाद आर्टिफिशियल इंटेलिजेंस को प्रत्येक रोगी के बारे में थोड़ी जानकारी दी गई, जैसे कि उनकी आयु और लिंग, साथ ही केवल चार से आठ एंटीबायोटिक परीक्षणों के परिणाम। फिर कंप्यूटर से शेष एंटीबायोटिक्स के परिणामों की भविष्यवाणी करने के लिए कहा गया जिनका परीक्षण अभी तक नहीं किया गया था।
परिणामों से पता चला कि कंप्यूटर आश्चर्यजनक रूप से सटीक अनुमान लगा सकता है। जब सिस्टम को छह एंटीबायोटिक्स के परिणाम दिए गए, तो इसने अन्य आठ एंटीबायोटिक्स के परिणाम लगभग 84 प्रतिशत मामलों में सही ढंग से अनुमानित किया। इसका अर्थ यह है कि अधिकांश रोगियों के लिए, AI डॉक्टर को बता सकता था कि कौन सी दवा काम करेगी और कौन सी विफल होगी, यहाँ तक कि पूर्ण लैब परीक्षण पूरा होने से पहले ही। हालाँकि, यह प्रणाली पूर्ण नहीं थी। लगभग पांच में से एक मामले में, इसने एक महत्वपूर्ण त्रुटि की, यह अनुमान लगाते हुए कि एक दवा काम करेगी जबकि वास्तव में वह नहीं करेगी, या इसके विपरीत। ये गलतियाँ यादृच्छिक (random) नहीं थीं; वे विशिष्ट प्रकार के बैक्टीरिया के साथ होती थीं जिनमें जटिल या असामान्य प्रतिरोध पैटर्न थे, विशेष रूप से वे जो कुछ निश्चित आनुवंशिक रक्षा तंत्र रखते हैं जिन्हें समझना कठिन होता है।
इस उपकरण को वास्तविक दुनिया में उपयोग के लिए सुरक्षित बनाने के लिए, शोधकर्ताओं ने एक विशेषता जोड़ी जिससे कंप्यूटर यह कह सकता है कि "मुझे नहीं पता" जब वह अनुमान लगाने के लिए पर्याप्त आश्वस्त न हो। जब उन्होंने कंप्यूटर को बोलने से पहले बहुत अधिक सुनिश्चित होने के लिए सेट किया, तो गलतियों की संख्या काफी कम हो गई, लेकिन कंप्यूटर ने लगभग 22 प्रतिशत मामलों में उत्तर देने से इनकार कर दिया। यह ट्रेड-ऑफ एक महत्वपूर्ण वास्तविकता को उजागर करता है: यह प्रणाली एक शक्तिशाली सहायक है, लेकिन यह पूरी तरह से लैब परीक्षण की जगह नहीं ले सकती। यह तब सबसे अच्छा काम करती है जब बैक्टीरिया उस तरह से व्यवहार करते हैं जैसा कंप्यूटर ने पहले देखा हो, लेकिन जब बैक्टीरिया के पास दुर्लभ या जटिल रक्षा तंत्र होते हैं, तो यह संघर्ष करती है। अध्ययन में यह भी पाया गया कि सटीकता इस बात पर बहुत अधिक निर्भर करती थी कि शुरुआती भविष्यवाणी के लिए किन विशिष्ट एंटीबायोटिक्स का उपयोग किया गया था; शुरुआती परीक्षणों का सही मिश्रण चुनकर कंप्यूटर के प्रदर्शन में सुधार किया जा सकता था।
अंततः, यह शोध प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस बैक्टीरिया के प्रतिरोध की छिपी हुई भाषा को सीख सकता है और एक क्लिनिकल सेटिंग में उपयोगी भविष्यवाणियां करने के लिए इसका उपयोग कर सकता है। यह पद्धति उपचार निर्णयों को तेज करने के तरीके के रूप में आशाजनक है, जो संभावित रूप से डॉक्टरों को जल्दी सही एंटीबायोटिक चुनने में मदद कर सकती है। हालाँकि, अध्ययन यह भी स्पष्ट करता है कि यह तकनीक अभी स्वयं पूरी कमान संभालने के लिए तैयार नहीं है। इसकी गलतियाँ, हालांकि आधे समय से भी कम थीं, इतनी महत्वपूर्ण थीं कि उनके लिए मानवीय निगरानी की आवश्यकता थी। आगे का रास्ता इस प्रणाली को परिष्कृत करने में निहित है, शायद इसे लैब परीक्षणों से केवल सरल पास-या-फेल परिणामों के बजाय अधिक विस्तृत डेटा देकर, और इसे बैक्टीरिया के विकसित होने के विविध तरीकों के बारे में सिखाना जारी रखकर। फिलहाल, AI एक परिष्कृत सहायक के रूप में खड़ा है, जो एक दूसरी राय देने के लिए तैयार है, लेकिन अंतिम निर्णय अभी भी डॉक्टर और प्रयोगशाला पर ही निर्भर 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।