Automated Detection of Seizures in Rodents: Use of Artificial Intelligence (AI) to Improve Racine Score Scoring

मिर्गी एक ऐसी स्थिति है जहाँ मस्तिष्क के विद्युत संकेत गलत तरीके से काम करते हैं, जिससे अचानक, अनियंत्रित हलचल या जागरूकता में परिवर्तन होता है। मनुष्यों में इसका उपचार कैसे किया जाए, यह समझने के लिए वैज्ञानिक अक्सर चूहों जैसे छोटे जानवरों का अध्ययन करते हैं, जो पर्याप्त आनुवंशिक समानता साझा करते हैं ताकि वे विश्वसनीय मॉडल के रूप में काम कर सकें। इन प्रयोगों में, शोधकर्ता जानवरों की दौरों की गंभीरता को ग्रेड (श्रेणीबद्ध) करने के लिए उन पर बारीकी से नज़र रखते हैं। वे 'रेसीन स्केल' (Racine scale) नामक एक मानक प्रणाली का उपयोग करते हैं, जो नाक के फड़कने से लेकर पूरे शरीर के झटके आने तक, विभिन्न प्रकार के व्यवहारों को एक नंबर प्रदान करती है। दशकों से, यह ग्रेडिंग वीडियो रिकॉर्डिंग देखते हुए मानव पर्यवेक्षकों द्वारा की जाती रही है। हालांकि यह आवश्यक है, लेकिन यह मैनुअल प्रक्रिया धीमी, थकाऊ और मानवीय त्रुटि के प्रति संवेदनशील है, क्योंकि अलग-अलग लोग एक ही हलचल की अलग तरह से व्याख्या कर सकते हैं। यह विसंगति यह जानना कठिन बना सकती है कि क्या कोई नई दवा वास्तव में काम कर रही है या व्यवहार में आया बदलाव केवल इस बात का परिणाम था कि उसे कौन देख रहा था।

पंजाब विश्वविद्यालय और मिन्हाज विश्वविद्यालय, पाकिस्तान के शोधकर्ताओं की एक टीम ने यह काम कैसे किया जाता है, इसे बदलने की शुरुआत की है—कंप्यूटर को वीडियो देखने के लिए प्रशिक्षित करके। उन्होंने एक ऐसी प्रणाली विकसित की है जो कृत्रिम बुद्धिमत्ता (AI) का उपयोग करती है ताकि वीडियो में चूहों को स्वचालित रूप से पहचान सके, उनकी गतिविधियों का पीछा कर सके और बिना मानवीय सहायता के उनके दौरों की गंभीरता को वर्गीकृत कर सके। शोधकर्ताओं ने उन वीडियो फुटेज से शुरुआत की जो मूल रूप से मिर्गी के लिए एक नए पादप-आधारित (plant-based) उपचार का परीक्षण करने के लिए रिकॉर्ड किए गए थे। उन्होंने इन वीडियो को एक कंप्यूटर प्रोग्राम में डाला जिसे वस्तुओं को पहचानने के लिए डिज़ाइन किया गया था, विशेष रूप से इसे चूहों को खोजने के लिए प्रशिक्षित किया गया था। एक बार जब कंप्यूटर ने जानवरों को सफलतापूर्वक ढूंढ लिया, तो उन्होंने एक दूसरा सॉफ्टवेयर स्तर जोड़ा ताकि प्रत्येक व्यक्तिगत चूहे की गतिविधियों पर नज़र रखी जा सके, यह सुनिश्चित करते हुए कि सिस्टम को पता रहे कि कौन सा चूहा क्या कर रहा है, भले ही वे आपस में टकरा जाएं।

कंप्यूटर प्रणाली अपने कार्य में काफी सक्षम सिद्ध हुई। इसने उच्च स्तर के विश्वास के साथ वीडियो फ्रेम में चूहे की उपस्थिति को सफलतापूर्वक पहचाना। इससे भी महत्वपूर्ण बात यह है कि इसने एक सामान्य व्यवहार करने वाले चूहे और दौरे से गुजर रहे चूहे के बीच अंतर करना सीख लिया। सिस्टम विशेष रूप रूप से दो विशिष्ट चीजों को पहचानने में अच्छा था: एक सामान्य, शांत अवस्था और एक गंभीर दौरे का चरण जहाँ चूहा अपने पिछले पैरों पर खड़ा हो जाता है और उन्हें अकड़कर फैला देता है। इसने उस चरण को पहचानने में भी अच्छा प्रदर्शन किया जहाँ चूहे के पिछले पैर पूरी तरह से फैले हुए होते हैं। हालांकि सिस्टम दौरे के बहुत शुरुआती, सूक्ष्म चरणों के बारे में कम निश्चित था, लेकिन इसने स्पष्ट और नाटकीय हलचलों को अत्यधिक सटीकता के साथ पहचाना। शोधकर्ताओं ने पाया कि कंप्यूटर औसतन लगभग 77 प्रतिशत बार इन विशिष्ट व्यवहारों को सही ढंग से पहचान सकता था, जो जटिल जैविक हलचल के साथ काम करने वाले मशीन लर्निंग मॉडल के लिए एक आशाजनक परिणाम है।

अध्ययन ने इस नए दृष्टिकोण की व्यावहारिक सीमाओं पर भी प्रकाश डाला। कंप्यूटर को दौरे के शुरुआती संकेतों के साथ थोड़ा संघर्ष करना पड़ा क्योंकि वे हलचलें बहुत छोटी और देखने में कठिन होती हैं, और उसने उपलब्ध फुटेज में सबसे चरम दौरे के चरणों को शायद ही कभी देखा। शोधकर्ताओं ने उल्लेख किया कि सिस्टम को वीडियो संसाधित करने में काफी समय लगा, जिसमें मानक उपकरणों पर एक सिंगल फ्रेम का विश्लेषण करने में तीन सेकंड से अधिक का समय लगा। इसका अर्थ यह है कि एक घंटे के प्रयोग को देखने में प्रयोग की अवधि से कहीं अधिक समय लगेगा। हालांकि, टीम का मानना है कि तेज़ कंप्यूटर और बेहतर वीडियो रिकॉर्डिंग सेटअप के साथ, इन बाधाओं को दूर किया जा सकता है। स्कोरिंग को स्वचालित करके, शोधकर्ता इस प्रक्रिया से अनुमान और थकान को हटाना चाहते हैं, जिससे यह मापने का एक सुसंगत और वस्तुनिष्ठ तरीका मिल सके कि मिर्गी के उपचार कितने प्रभावी हैं। मानव आंखों से डिजिटल विश्लेषण की ओर यह बदलाव दवा विकास में अधिक विश्वसनीय परिणाम ला सकता है, जिससे वैज्ञानिकों को जानवरों और मनुष्यों दोनों के लिए दौरों को प्रबंधित करने के बेहतर तरीके खोजने में मदद मिलेगी।