Based on machine learning, which part of the perioperative period predicts postoperative delirium better? A retrospective case-control study

अपने मस्तिष्क की कल्पना एक उच्च-प्रदर्शन वाले कंप्यूटर के रूप में करें जो आपके पूरे शरीर का संचालन करता है। आमतौर पर, यह एक सुचारू संचालक होता है, लेकिन कभी-कभी, विशेष रूप से एक बड़ी सर्जरी के बाद, यह थोड़ा गड़बड़ (glitchy) हो सकता है। इस गड़बड़ी को पोस्टऑपरेटिव डेलिरियम (POD) कहा जाता है। यह कंप्यूटर की स्क्रीन के झिलमिलाने, माउस के अटक जाने, या सिस्टम द्वारा अचानक बुनियादी प्रोग्राम खोलने का तरीका भूल जाने जैसा है। मरीज़ भ्रमित हो सकते हैं, वे भूल सकते हैं कि वे कहाँ हैं, या उन्हें ऐसा लग सकता है जैसे वे किसी ऐसे सपने में हैं जो खत्म नहीं हो रहा है। यह केवल एक अस्थायी धुंध नहीं है; यह रिकवरी को धीमा कर सकता है, अन्य समस्याओं के जोखिम को बढ़ा सकता है, और यहाँ तक कि व्यक्ति की उम्र भी कम कर सकता है।

लंबे समय से, डॉक्टर यह पता लगाने की कोशिश कर रहे हैं कि वास्तव में यह क्यों होता है। क्या यह मरीज़ की उम्र है? सर्जरी का प्रकार है? इस्तेमाल की गई दवाएं हैं? यह एक विशाल, उलझी हुई ऊन की गेंद में एक ढीले तार को खोजने की कोशिश करने जैसा है। डेटा को देखने के पारंपरिक तरीके थोड़े कुंद कैंची से उस ऊन को सुलझाने की कोशिश करने जैसे हैं—वे अक्सर सूक्ष्म, महत्वपूर्ण गांठों को मिस कर देते हैं। लेकिन अब, वैज्ञानिक मशीन लर्निंग (Machine Learning) का उपयोग कर रहे हैं। इसे एक सुपर-स्मार्ट रोबोट जासूस के रूप में सोचें जो एक साथ हजारों सूक्ष्म सुरागों—ब्लड टेस्ट, हृदय गति, दवाओं की खुराक, और यहाँ तक कि सर्जरी के बाद मरीज़ कितनी देर तक सोता रहता है—को देख सकता है ताकि उन पैटर्न को खोज सके जिन्हें मानवीय आँखें मिस कर सकती हैं। बड़ा सवाल यह है कि अस्पताल की यात्रा का कौन सा हिस्सा (सर्जरी से पहले, दौरान, या बाद में) डेलिरियम (मस्तिष्क की इस गड़बड़ी) की भविष्यवाणी करने के लिए सबसे अधिक सुराग रखता है?

यह शोध पत्र उन शोधकर्ताओं की टीम की कहानी है जिन्होंने तय किया कि वे इस 'रोबोट जासूस' को कमान संभालने देंगे। उन्होंने 2016 और 2025 के बीच कूल्हे या घुटने के प्रत्यारोपण (hip or knee replacement) सर्जरी वाले 812 रोगियों के रिकॉर्ड्स का विश्लेषण किया। उनमें से लगभग 143 मरीज़ों (लगभग 6 में से 1) में डेलिरियम विकसित हुआ। टीम ने रोबोट को डेटा का एक विशाल ढेर दिया: 131 अलग-अलग विशेषताएं (features), जिनमें मरीज़ की उम्र और वजन से लेकर एनेस्थीसिया की सटीक मात्रा, उनके ब्लड शुगर लेवल और यहाँ तक कि ऑपरेशन के दौरान उनका ब्लड प्रेशर कितना ऊपर-नीचे हुआ, सब कुछ शामिल था।

रोबोट ने इस डेटा को छाँटने के विभिन्न तरीकों का परीक्षण करते हुए काम शुरू किया। उसने केवल अनुमान नहीं लगाया; उसने खुद को प्रशिक्षित किया, 70% रोगियों से सीखा और फिर शेष 30% पर अपने कौशल का परीक्षण किया। परिणाम? रोबोट ने एक ऐसा प्रेडिक्शन मॉडल बनाया जो अविश्वसनीय रूप से सटीक था। इसने 97.1% बार सही उत्तर दिया और उन रोगियों को पहचानने में 93% सफलता दर के साथ सक्षम था जो डेलिरियम से ग्रस्त होने वाले थे। यह इतना अच्छा था कि इसका "स्कोर" (दो समूहों को अलग करने का एक पैमाना) 0.99 के करीब था, जो लगभग पूर्ण है।

लेकिन असली जादू केवल स्कोर नहीं था; बल्कि उन सुरागों की सूची थी जिन्हें रोबोट ने सबसे महत्वपूर्ण पाया। अध्ययन बताता है कि हालांकि सर्जरी से पहले एक मरीज़ का सामान्य स्वास्थ्य बहुत मायने रखता है (जैसे कि अधिक उम्र होना या उच्च ASA क्लासिफिकेशन होना, जो डॉक्टर मरीज़ की गंभीरता को मापने के लिए एक स्कोर का उपयोग करते हैं), लेकिन इंट्राऑपरेटिव अवधि (intraoperative period)—यानी सर्जरी के दौरान का समय—वास्तव में सबसे बड़ा प्रभाव डालता है कि डेलिरियम होगा या नहीं।

यहाँ वे शीर्ष दस "संदिग्ध" हैं जिन्हें रोबोट ने मुख्य कारणों के रूप में पहचाना:

1. आयु (Age): अधिक उम्र के मरीज़ अधिक जोखिम में थे।
2. ASA क्लासिफिकेशन (ASA Classification): जिन मरीज़ों को अधिक अंतर्निहित स्वास्थ्य समस्याएं थीं, उनमें गड़बड़ी होने की संभावना अधिक थी।
3. एक्सट्यूबेशन टाइम (Extubation Time): सर्जरी के बाद ब्रीदिंग ट्यूब निकालने में कितना समय लगा। जितना अधिक समय लगा, जोखिम उतना ही अधिक था।
4. ब्लड ग्लूकोज (Blood Glucose): रिकवरी रूम से बाहर निकलते समय रक्त में चीनी का स्तर।
5. लिम्फोसाइट प्रतिशत (Lymphocyte Percentage): सर्जरी से पहले एक विशिष्ट प्रकार की श्वेत रक्त कोशिका (white blood cell) की संख्या।
6. वेक्यूरोनियम ब्रोमाइड (Vecuronium Bromide): सर्जरी के दौरान उपयोग की जाने वाली एक मसल रिलैक्सेंट दवा।
7. एटोमिडेट (Etomidate): एक एनेस्थेटिक दवा, विशेष रूप से शरीर के वजन के प्रति किलोग्राम की खुराक।
8. CV (Coefficient of Variation): एक माप कि सर्जरी के दौरान रक्तचाप में कितना उतार-चढ़ाव आया।
9. इओसिनोफिल्स का उतार-चढ़ाव (Fluctuation of Eosinophils): श्वेत रक्त कोशिका के एक अन्य प्रकार में परिवर्तन।
10. प्रीऑपरेटिव व्हाइट ब्लड सेल काउंट (Preoperative White Blood Cell Count): सर्जरी शुरू होने से पहले श्वेत रक्त कोशिकाओं की कुल संख्या।

शोधकर्ता सुझाव देते हैं कि "सर्जरी के दौरान" के कारक, जैसे कि रक्तचाप का उतार-चढ़ाव (CV) और उपयोग की जाने वाली विशिष्ट दवाएं, डेलिरियम को रोकने के लिए सबसे महत्वपूर्ण लीवर हो सकते हैं। उदाहरण के लिए, उन्होंने पाया कि यदि ऑपरेशन के दौरान मरीज़ का रक्तचाप बहुत अस्थिर था, या सर्जरी के बाद जागते समय उनका ब्लड शुगर अधिक था, तो जोखिम बढ़ गया। दिलचस्प बात यह है कि उन्होंने देखा कि एक विशिष्ट मसल रिलैक्सेंट, जिसे वेक्यूरोनियम (vecuronium) कहा जाता है, का उपयोग करने से कम जोखिम जुड़ा हुआ था, शायद इसलिए क्योंकि इसने शरीर की सूजन (inflammation) को नियंत्रित रखने में मदद की।

हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह अभी तक सब कुछ हल करने वाली कोई जादुई छड़ी नहीं है। वे स्वीकार करते हैं कि उनका डेटा केवल एक अस्पताल से आया है, इसलिए रोबोट को कई अलग-अलग स्थानों के रोगियों पर परीक्षण करने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि यह हर जगह काम करे। वे यह भी नोट करते हैं कि यह एक 'लुक-बैक' अध्ययन था, जिसका अर्थ है कि उन्होंने एक नया प्रयोग चलाने के बजाय पिछले रिकॉर्ड्स का विश्लेषण किया। लेकिन, अध्ययन सुझाव देता है कि इन विशिष्ट सुरागों पर बारीकी से ध्यान देकर—विशेष रूप से जो सर्जरी के दौरान होता है—डॉक्टर डेलिरियम के उच्च जोखिम वाले रोगियों की जल्दी पहचान कर सकते हैं और उनके मस्तिष्क को सुचारू रूप से चलाने के लिए उनकी देखभाल में बदलाव कर सकते हैं। यह कंप्यूटर के क्रैश होने से पहले उसे एक सॉफ्टवेयर पैच देने जैसा है, जिससे यह सुनिश्चित हो सके कि रिकवरी यथासंभव सुचारू हो।