Generalizing Major Adverse Cardiovascular Events (MACE) Prediction Across Study Designs Using Ensemble Transfer Learning in 4.2 million US Veterans

हृदय रोग संयुक्त राज्य अमेरिका में मृत्यु का प्रमुख कारण बना हुआ है, जो लगभग चार में से एक व्यक्ति की जान ले लेता है। दशकों से, डॉक्टर इस बात की भविष्यवाणी करने के लिए स्थापित जोखिम कारकों पर भरोसा करते रहे हैं कि किसे प्रमुख कार्डियक घटना, जैसे कि दिल का दौरा, स्ट्रोक, या हृदय संबंधी कारणों से मृत्यु हो सकती है। इन कारकों में आयु, लिंग, उच्च रक्तचाप, मधुमेह और कोलेस्ट्रॉल स्तर शामिल हैं। हालांकि इन दिशा-निर्देशों ने जीवन बचाया है, लेकिन जब इन्हें विभिन्न समूहों के लोगों पर लागू किया जाता है या जब डेटा उस प्रकार के चिकित्सा अध्ययनों से आता है जिनसे वे बने हैं, तो वे अक्सर तालमेल बिठाने में संघर्ष करते हैं। एक समूह के रोगियों पर प्रशिक्षित मॉडल दूसरे समूह पर उपयोग किए जाने पर विफल हो सकता है, केवल इसलिए क्योंकि डेटा एकत्र करने के तरीके ने छिपे हुए पूर्वाग्रह पैदा कर दिए थे। आधुनिक चिकित्सा के लिए चुनौती ऐसे भविष्यवाणी उपकरण बनाने की है जो न केवल सटीक हों बल्कि विविध आबादी और बदलते स्वास्थ्य देखभाल प्रणालियों में काम करने के लिए पर्याप्त मजबूत भी हों।

इसे संबोधित करने के लिए, लॉस एलोमोस नेशनल लेबोरेटरी और विभिन्न वेटरन्स अफेयर्स मेडिकल सेंटरों के शोधकर्ताओं की एक टीम ने 4.2 मिलियन अमेरिकी दिग्गजों (वेटरन्स) के इलेक्ट्रॉनिक मेडिकल रिकॉर्ड वाले एक विशाल डेटासेट की ओर रुख किया। उनका लक्ष्य प्रमुख प्रतिकूल हृदय संबंधी घटनाओं (MACE) की भविष्यवाणी करने का एक नया तरीका बनाना था, जो विभिन्न अध्ययन डिजाइनों से सीख सके और अपने निष्कर्षों को वास्तविक दुनिया के रोगियों पर सामान्यीकृत कर सके। उन्होंने पाया कि दो बहुत ही अलग तरीकों से रोगी के डेटा को देखने के संयोजन से—एक जो बीमारी के जैविक कारणों को खोजने पर केंद्रित है और दूसरा जो एक व्यापक आबादी की स्क्रीनिंग पर केंद्रित है—वे एक बहुत अधिक मजबूत भविष्यवाणी उपकरण बना सकते हैं जो अकेले किसी भी एक विधि द्वारा प्राप्त किए जाने वाले परिणाम से बेहतर है।

शोधकर्ताओं ने एक ऐसे डेटासेट के साथ काम किया जो लाखों रोगियों के साढ़े सात वर्षों के चिकित्सा इतिहास तक फैला हुआ था। उन्हें यह भविष्यवाणी करने की आवश्यकता थी कि भविष्य में किसे दिल का दौरा, स्ट्रोक या हृदय संबंधी मृत्यु का अनुभव होगा। इसे करने के लिए, उन्होंने लैब परिणामों, महत्वपूर्ण संकेतों जैसे रक्तचाप, निदान, दवाओं और रोगी कितनी बार डॉक्टर के पास जाते हैं, सहित जानकारी की एक विस्तृत श्रृंखला को देखा। उन्होंने इस जानकारी को भविष्यवाणी की तारीख से पहले के समय के ब्लॉकों में व्यवस्थित किया, जिससे प्रत्येक रोगी के स्वास्थ्य का एक विस्तृत टाइमलाइन तैयार हुआ।

टीम को एक मौलिक समस्या का सामना करना पड़ा: विभिन्न प्रकार के चिकित्सा अध्ययन स्वास्थ्य के विभिन्न पहलुओं को कैप्चर करते हैं। एक प्रकार का अध्ययन, जिसे 'रेट्रोस्पेक्टिव केस-कंट्रोल स्टडी' कहा जाता है, बीमारी के जैविक चालकों की पहचान करने के लिए उत्कृष्ट है। इस डिजाइन में, शोधकर्ता उन रोगियों को मिलाते हैं जिन्हें हृदय संबंधी घटना हुई है, समान रोगियों के साथ जिन्होंने ऐसी घटना का अनुभव नहीं किया है, और आयु तथा डॉक्टर के पास जाने की आवृत्ति जैसे कारकों को सावधानीपूर्वक नियंत्रित करते हैं। यह मिलान स्वास्थ्य उपयोग के पैटर्न के शोर (noise) को हटा देता है, जिससे जैविक संकेत स्पष्ट रूप से उभर कर आते हैं। हालांकि, ये मेल खाते हुए समूह हमेशा सामान्य आबादी जैसा नहीं दिखते जैसा कि डॉक्टर के क्लिनिक में देखा जाता है।

दूसरा प्रकार का अध्ययन, 'प्रोस्पेक्टिव स्क्रीनिंग कोहोर्ट', एक व्यापक समूह को देखता है जो नियमित देखभाल के रूप में देखे जाते हैं। यह डिजाइन वास्तविक दुनिया को दर्शाता है, जिसमें यह तथ्य भी शामिल है कि कुछ लोग बार-बार डॉक्टर के पास जाते हैं जबकि अन्य शायद ही कभी जाते हैं। हालांकि यह जनसंख्या का एक यथार्थवादी चित्र प्रदान करता है, लेकिन यह डेटा अक्सर "शोर भरा" होता है क्योंकि डॉक्टर के पास जाने की आवृत्ति इस बात से जुड़ी होती है कि व्यक्ति कितना बीमार है, जिससे बीमारी को स्वयं से या देखभाल खोजने के व्यवहार से अलग करना कठिन हो जाता है।

शोधकर्ताओं ने महसूस किया कि केवल इनमें से किसी एक दृष्टिकोण का उपयोग करना सीमित था। इसके बजाय, उन्होंने 'एन्सेम्बल ट्रांसफर लर्निंग' नामक एक ढांचा विकसित किया। उन्होंने पहले जैविक चालकों को सीखने के लिए 'रेट्रोस्पेक्टिव केस-कंट्रोल डेटा' पर कई अलग-अलग मशीन लर्निंग मॉडल को प्रशिक्षित किया। फिर, उन्होंने इन मॉडलों को 'प्रोस्पेक्टिव स्क्रीनिंग डेटा' का उपयोग करके "फाइन-ट्यून" किया। इस प्रक्रिया ने मॉडलों को उन वास्तविक दुनिया के स्वास्थ्य उपयोग पैटर्न के प्रति समायोजित होने की अनुमति दी जो उन्होंने सीखे थे, जबकि उनके मूल जैविक अंतर्दृष्टि को बरकरार रखा। यह बिल्कुल वैसा ही है जैसे कोई संगीतकार नोट्स में महारत हासिल करने के लिए एक शांत स्टूडियो में एक रचना का अभ्यास करता है, और फिर एक शोर भरे कॉन्सर्ट हॉल में प्रदर्शन करता है, संगीत को खोए बिना कमरे के अनुसार अपने वॉल्यूम और टाइमिंग को समायोजित करता है।

परिणाम महत्वपूर्ण थे। जब शोधकर्ताओं ने अपने नए संयुक्त मॉडलों का परीक्षण 2017 के दिग्गजों के एक प्रोस्पेक्टिव कोहोर्ट पर किया, तो मॉडलों ने उच्च स्तर की सटीकता प्राप्त की, और पिछले मानक तरीकों की तुलना में उन लोगों के बीच बेहतर अंतर किया जो हृदय संबंधी घटना का अनुभव करेंगे और जो नहीं करेंगे। मॉडल विशेष रूप रूप से उच्च-जोखिम वाले रोगियों की पहचान करने में अच्छे थे, एक ऐसा समूह जिसे पुराने उपकरणों ने अक्सर मिस कर दिया था। इसके अलावा, मॉडल पुरुषों और महिलाओं, और विभिन्न नस्लों और जातीयताओं के लोगों सहित विभिन्न जनसांख्यिकीय समूहों में सटीक रहे।

अध्ययन का एक प्रमुख निष्कर्ष यह था कि सावधानीपूर्वक मेल खाने वाले रेट्रोस्पेक्टिव समूहों द्वारा पहचाने गए हृदय रोग के जैविक चालक व्यापक प्रोस्पेक्टिव समूहों में पाए गए चालकों के अनुरूप थे। यह सुझाव देता है कि बीमारी के मूल तंत्र स्थिर हैं और उन्हें एक प्रकार के अध्ययन से सीखा जा सकता है और दूसरे प्रकार के अध्ययन पर सफलतापूर्वक लागू किया जा सकता है। अध्ययन ने यह भी रेखांकित किया कि गैर-रेखीय (non-linear) मॉडल, जो चरों के बीच जटिल अंतःक्रियाओं को कैप्चर कर सकते हैं, पारंपरिक रेखीय मॉडलों की तुलना में बेहतर प्रदर्शन करते हैं। ये उन्नत मॉडल यह समझने में सक्षम थे कि उच्च रक्तचाप और सीने में दर्द के इतिहास जैसे कारकों का संयोजन एक ऐसा जोखिम पैदा करता है जो व्यक्तिगत भागों के योग से कहीं अधिक होता है।

शोधकर्ताओं ने यह भी जांचा कि मॉडल लापता डेटा (missing data) को कैसे संभालते हैं। इलेक्ट्रॉनिक मेडिकल रिकॉर्ड में, कुछ परीक्षणों का गायब होना आम है। अध्ययन में पाया गया कि परीक्षण परिणाम की अनुपस्थिति अक्सर सूचनात्मक होती थी; उदाहरण के लिए, यदि किसी रोगी ने लंबे समय से रक्तचाप की जांच नहीं कराई है, तो यह स्वास्थ्य देखभाल प्रणाली के साथ जुड़ाव की कमी का संकेत दे सकता है, जो स्वयं एक जोखिम कारक है। नए मॉडल इन लापतापन के पैटर्न का उपयोग अपने भविष्यवाणियों को बेहतर बनाने के लिए करने में सक्षम थे, जबकि पुराने मॉडल अक्सर लापता डेटा को एक साधारण त्रुटि मानकर उसे अनदेखा कर देते थे।

यह कार्य यह प्रदर्शित करता है कि ऐसे नैदानिक भविष्यवाणी उपकरण बनाना संभव है जो जैविक रूप से आधारित और व्यावहारिक रूप से उपयोगी दोनों हों। विभिन्न अध्ययन डिजाइनों की अलग-अलग शक्तियों को स्वीकार करके, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो मेल खाने वाले अध्येशनों की सटीकता और व्यापक स्क्रीनिंग की वास्तविकता का लाभ उठाती है। परिणामी मॉडल न केवल अधिक सटीक हैं, बल्कि वे अधिक अनुकूलन योग्य भी हैं। जैसे-जैसे स्वास्थ्य प्रणालियाँ बदलती हैं, नए उपचार पेश किए जाते हैं, और रोगी आबादी विकसित होती है, इन मॉडलों को अपेक्षाकृत कम प्रयास के साथ अपडेट किया जा सकता है, जिससे यह सुनिश्चित होता है कि वे प्रासंगिक बने रहें।

यह अध्ययन अमेरिकी विभाग (U.S. Department of Veterans Affairs) के डेटा का उपयोग करके किया गया था, जिसने लाखों रोगियों का एक समृद्ध, अनुदैर्ध्य (longitudinal) रिकॉर्ड प्रदान किया। हालांकि यहाँ का विशिष्ट जनसंख्या समूह मुख्य रूप से पुरुष और वृद्ध है, यहाँ विकसित पद्धति किसी भी बड़े स्वास्थ्य देखभाल तंत्र में जोखिम भविष्यवाणी में सुधार के लिए एक सामान्य रणनीति प्रदान करती है। शोधकर्ता सुझाव देते हैं कि इस दृष्टिकोण को अन्य पुरानी बीमारियों और जटिल चिकित्सा समस्याओं पर भी लागू किया जा सकता है, जो अधिक विश्वसनीय और व्यक्तिगत चिकित्सा की ओर एक मार्ग प्रदान करता है। विभिन्न अध्ययन डिजाइनों के सर्वश्रेष्ठ को मिलाकर, टीम ने दिखाया है कि मशीन लर्निंग सरल पैटर्न मिलान से आगे बढ़कर ऐसे उपकरण बना सकती है जो वास्तव में मानव स्वास्थ्य की जटिलता को समझते हैं।