A Web-Based Clinical Decision Support System for Cardio-Kidney Risk Stratification in Critically Ill Patients with Diabetic Kidney Disease: Development, SHAP Interpretability, and Multi-Center External Validation

मानव शरीर की कल्पना एक हलचल भरे, हाई-टेक शहर के रूप में करें। इस शहर में, किडनी जल उपचार संयंत्र (water treatment plants) हैं, जो कचरे को छानती हैं और रासायनिक संतुलन को बिल्कुल सही रखती हैं। हृदय एक केंद्रीय पावर स्टेशन है, जो हर मोहल्ले में ऊर्जा पंप करता है। आमतौर पर, ये दोनों विभाग सामंजस्य में काम करते हैं। लेकिन डायबिटिक किडनी डिजीज (DKD) नामक स्थिति वाले लोगों के लिए, जल उपचार संयंत्र विफल होने लगते हैं, और पूरा शहर मुसीबत में पड़ जाता है। जब ये मरीज इतने बीमार हो जाते हैं कि उन्हें आईसीयू (ICU)—शहर के आपातकालीन कमांड सेंटर—में भर्ती होना पड़ता है, तो स्थिति एक अराजक तूफान बन जाती है। उनकी किडनी संघर्ष कर रही होती है, उनके हृदय पर अत्यधिक दबाव होता है, और उनका शरीर सूजन (inflammation) और रासायनिक असंतुलन की एक जटिल लड़ाई लड़ रहा होता है। आईसीयू में डॉक्टर आपातकालीन डिस्पैचर की तरह होते हैं जो यह तय करने की कोशिश करते हैं कि किसे सबसे अधिक तत्काल मदद की आवश्यकता है, लेकिन अक्सर उनके पास किडनी और हृदय संबंधी इन दोहरी समस्याओं वाले मरीजों के लिए एक विशिष्ट मानचित्र (map) की कमी होती है। उन्हें यह अनुमान लगाने के लिए एक तरीके की आवश्यकता है कि तूफान बहुत अधिक उग्र होने से पहले कौन सबसे अधिक खतरे में है।

यहीं पर एक नया अध्ययन काम आता है, जो डॉक्टरों के लिए "क्रिस्टल बॉल" बनाने वाली डेटा जासूसों की एक टीम की तरह कार्य करता है। शोधकर्ताओं ने एक कंप्यूटर प्रोग्राम को प्रशिक्षित करने के लिए अस्पताल के रिकॉर्डों के दो विशाल डिजिटल अभिलेखागारों (एक बोस्टन से और एक पूरे अमेरिका से) से भारी मात्रा में जानकारी ली। उन्होंने केवल किडनी को नहीं देखा; उन्होंने एक ऐसा मॉडल बनाया जो हृदय और किडनी के बीच के गहरे संबंध को समझता है। हजारों मरीज रिकॉर्ड्स को कंप्यूटर में फीड करके, उन्होंने इसे सिखाया कि वे किन सूक्ष्म चेतावनी संकेतों को पहचान सकते हैं जो यह भविष्यवाणी करते हैं कि कौन अपने अस्पताल में रहने के दौरान जीवित नहीं बचेगा। इसका परिणाम एक वेब-आधारित टूल है जो मरीज के स्वास्थ्य के लिए वास्तविक समय के मौसम पूर्वानुमान (weather forecast) की तरह कार्य करता है, जो डॉक्टरों को जोखिम की स्थिति का एक स्पष्ट, आसानी से पढ़ा जाने वाला स्कोर देता है।

जासूसी कार्य: क्रिस्टल बॉल का निर्माण

शोधकर्ताओं ने MIMIC-IV डेटाबेस से डायबिटिक किडनी डिजीज वाले 4,478 गंभीर रूप से बीमार मरीजों का डेटा एकत्र करके शुरुआत की। इसे मरीजों के 4,478 अलग-अलग "कहानी की किताबों" के संग्रह के रूप में समझें जो आईसीयू में रहे थे। वे यह पता लगाना चाहते थे कि इन कहानियों में कौन से विशिष्ट सुराग खराब परिणाम की ओर इशारा करते हैं। उन्होंने LASKO रिग्रेशन नामक एक स्मार्ट कंप्यूटर तकनीक का उपयोग किया, जो एक अत्यंत कुशल संपादक की तरह है जो कहानी के अव्यवst ड्राफ्ट में से केवल सबसे महत्वपूर्ण वाक्यों को रखकर बाकी सब हटा देता है।

दर्जनों संभावित सुरागों—जैसे रक्तचाप, आयु और विभिन्न रक्त परीक्षण परिणामों—में से छानबीन करने के बाद, उन्होंने इसे 14 सबसे महत्वपूर्ण भविष्यवक्ताओं (predictors) तक सीमित कर दिया। इनमें शामिल थे:

• एल्बूमिन (Albumin): रक्त में मौजूद एक प्रोटीन जो शरीर के लिए एक संरचनात्मक बीम (structural beam) के रूप में कार्य करता है; कम स्तर का अर्थ है कि इमारत कमजोर है।
• हार्ट फेल्योर (Heart Failure): एक ऐसी स्थिति जहाँ हृदय का पंप ठीक से काम नहीं कर रहा है।
• इलेक्ट्रोलाइट्स (Electrolytes): रसायन जैसे पोटेशियम और मैग्नीशियम जो हृदय के विद्युत संकेतों को सही ढंग से चालू रखते हैं।
• बीयूएन (BUN) और क्रिएटिनिन (Creatinine): अपशिष्ट उत्पाद जो किडनी के ठीक से फिल्टर न करने पर जमा हो जाते हैं।
• आयु और अन्य स्वास्थ्य समस्याएं: जैसे गंभीर लिवर रोग या कैंसर।

कंप्यूटर ने सीखा कि यदि किसी मरीज का एल्बूमिन कम था, वह वृद्ध था, या उसे हार्ट फेल्योर था, तो अस्पताल में मृत्यु का जोखिम काफी बढ़ गया। वास्तव में, अध्ययन में पाया गया कि हार्ट फेल्योर जोखिम में शीर्ष तीन सबसे बड़े योगदानकर्ताओं में से एक था, जिसका "SHAP मान" 0.25 था। (SHAP को एक ऐसे तरीके के रूप में समझें जिससे यह मापा जा सके कि प्रत्येक सुराग कंप्यूटर को खतरे के करीब होने के बारे में कितना ज़ोर से "चिल्लाता" है)। इसने पुष्टि की कि इन मरीजों के लिए, हृदय उतना ही महत्वपूर्ण है जितना कि किडनी पर नज़र रखना।

टेस्ट ड्राइव: क्या यह नए रास्तों पर काम करता है?

एक मॉडल बनाना एक बात है; यह सुनिश्चित करना कि यह वास्तविक दुनिया में काम करे, दूसरी बात है। अपने "क्रिस्टल बॉल" का परीक्षण करने के लिए, शोधकर्ताओं ने अपने टूल को पूरी तरह से अलग समूह के मरीजों पर आजमाया: 2,286 गंभीर रूप से बीमार वयस्क, जो eICU-CRD डेटाबेस से थे, जो पूरे संयुक्त राज्य अमेरिका के अस्पतालों को कवर करता है। यह एक ऐसी कार को डिजाइन किए गए शहर से दूसरे शहर के राजमार्गों पर चलाने जैसा है ताकि यह देखा जा सके कि क्या यह अभी भी मोड़ संभाल सकती है।

चूंकि दूसरे डेटाबेस में दीर्घकालिक फॉलो-अप डेटा नहीं था (वे केवल यह जानते थे कि मरीज की अस्पताल में मृत्यु हुई या नहीं, न कि एक साल बाद), शोधकर्ताओं ने अपने मॉडल को "अस्पताल में मृत्यु" (in-hospital death) की भविष्यवाणी करने के लिए समायोजित किया, न कि "एक वर्ष के भीतर मृत्यु" के लिए। तुलना को निष्पक्ष बनाने के लिए यह एक महत्वपूर्ण कदम था।

परिणाम उत्साहजनक थे। टूल ने उच्च-जोखिम वाले मरीजों को कम-जोखिम वाले मरीजों से सफलतापूर्वक अलग किया।

• मूल समूह में, टूल बहुत सटीक था, जिसका स्कोर (AUC) 0.816 और 0.844 के बीच था।
• नए, बाहरी समूह में, यह अभी भी अच्छा प्रदर्शन करता रहा, जिसने 0.784 का AUC प्राप्त किया।

इसे समझने के लिए, 0.5 का AUC सिक्के उछालकर अनुमान लगाने जैसा है, जबकि 1.0 पूर्ण (perfect) है। 0.784 का स्कोर बताता है कि टूल यह बताने में काफी अच्छा है कि कौन खतरे में है, हालांकि यह पूर्ण नहीं है। टूल ने यह भी दिखाया कि यह अच्छी तरह से "कैलिब्रेटेड" (calibrated) था, जिसका अर्थ है कि इसने जो जोखिम प्रतिशत दिए (जैसे "मरने की 40% संभावना"), वे वास्तव में मरने वाले लोगों की संख्या के करीब थे।

"ग्लास बॉक्स" और डैशबोर्ड

इस अध्ययन का सबसे शानदार हिस्सा यह है कि शोधकर्ताओं ने अपने मॉडल को एक "ब्लैक बॉक्स" में नहीं छिपाया जहाँ कोई नहीं जानता कि यह कैसे काम करता है। उन्होंने SHAP विश्लेषण नामक एक विधि का उपयोग किया ताकि उस बॉक्स को खोला जा सके और यह दिखाया जा सके कि कंप्यूटर ने अपने निर्णय कैसे लिए। उन्होंने पाया कि एल्बूमिन सबसे महत्वपूर्ण सुराग था (जिसका योगदान 0.42 था), इसके ठीक बाद आयु (0.41) और हार्ट फेल्योर (0.25) आए।

यह पारदर्शिता अत्यंत महत्वपूर्ण है। यह कार के डैशबोर्ड की तरह है जो केवल यह नहीं कहता कि "इंजन में समस्या है," बल्कि आपको ठीक-ठीक बताता है कि कौन सा हिस्सा विफल हो रहा है और क्यों। शोधकर्ताओं ने इस जटिल गणित को एक वेब-आधारित "डायनामिक नोमोग्राम" (एक इंटरैक्टिव कैलकुलेटर के लिए एक फैंसी शब्द) में बदल दिया। डॉक्टर एक वेबसाइट पर जा सकते हैं, मरीज की उम्र, रक्त परीक्षण के परिणाम और चिकित्सा इतिहास दर्ज कर सकते हैं, और तुरंत एक जोखिम स्कोर प्राप्त कर सकते हैं।

यह टूल हमें क्या बताता है (और क्या नहीं बताता)

अध्ययन सुझाव देता है कि यह टूल डॉक्टरों को बेडसाइड पर बेहतर निर्णय लेने में मदद कर सकता है। हृदय-किडनी जोखिम वाले मरीजों की पहचान करके, डॉक्टर जल्दी हस्तक्षेप कर सकते हैं, शायद हार्ट फेल्योर को अधिक आक्रामक रूप से प्रबंधित करके या इलेक्ट्रोलाइट स्तरों पर अधिक बारीकी से नज़र रखकर। टूल ने एक "नेट क्लिनिकल बेनिफिट" दिखाया, जिसका अर्थ है कि इसका उपयोग करने से अधिक मरीजों को लाभ होगा बजाय नुकसान के, भले ही कार्रवाई के लिए जोखिम सीमा (threshold) बहुत कम (0.02 और 0.50 के बीच) रखी गई हो।

हालाँकि, लेखक यह दावा करने में सावधान हैं कि यह कोई जादुई इलाज है। वे कुछ महत्वपूर्ण बातें नोट करते हैं:

• इसे ट्यून-अप की आवश्यकता है: क्योंकि इस टूल को अस्पतालों के एक सेट पर प्रशिक्षित किया गया था और दूसरे पर परीक्षण किया गया था, इसलिए किसी विशिष्ट अस्पताल द्वारा इसका उपयोग शुरू करने से पहले नंबरों को थोड़े समायोजन (recalibration) की आवश्यकता हो सकती है।
• यह एक स्नैपशॉट है: टूल मरीज की स्थिति को तब देखता है जब वे आते हैं या भर्ती होते हैं, न कि यह कि वे घंटे-दर-हमले कैसे बदलते हैं।
• यह कोई गारंटी नहीं है: टूल पैटर्न के आधार पर जोखिम की भविष्यवाणी करता है, लेकिन यह 100% निश्चितता के साथ भविष्य की भविष्यवाणी नहीं कर सकता।

अंत में, यह पेपर गंभीर रूप से बीमार मरीजों में हृदय और किडनी के बीच के जटिल संबंध को देखने का एक नया, पारदर्शी और परीक्षित तरीका प्रदान करता है। यह सुझाव देता है कि सही 14 सुरागों—विशेष रूप से हृदय के स्वास्थ्य और प्रमुख प्रोटीन और रसायनों के स्तरों—पर ध्यान देकर, डॉक्टर यह स्पष्ट चित्र प्राप्त कर सकते हैं कि किसे सबसे अधिक तत्काल देखभाल की आवश्यकता है। हालांकि यह एक पूर्ण क्रिस्टल बॉल नहीं है, लेकिन यह आईसीयू के तूफानी पानी में नेविगेट करने के लिए एक शक्तिशाली नया दिशा-सूचक (compass) है।