Predicting In-Hospital Mortality in ICU Patients with Intracerebral Hemorrhage: A Machine Learning Study Using Dynamic Time-Series Features with Dual-Database Validation

शरीर के गुप्त कोड की कहानी

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन संदिग्ध कोई व्यक्ति नहीं है—बल्कि एक मरीज का शरीर है। चिकित्सा की दुनिया में, विशेष रूप से उन लोगों के लिए जो मस्तिष्क में अचानक रक्तस्राव (जिसे इंट्रासेरेब्रल हेमरेज कहा जाता है) से पीड़ित हुए हैं, दांव बहुत ऊंचे हैं। ये मरीज अक्सर गहन चिकित्सा इकाई (ICU) में जाते हैं, जहाँ मशीनें बीप करती हैं और मॉनिटर चमकते हैं, जो हर धड़कन और सांस को ट्रैक करते हैं।

लंबे समय से, डॉक्टर यह अनुमान लगाने के लिए "स्थिर" (static) सुरागों का उपयोग करते हैं कि मरीज कैसा करेगा। इसे एक दौड़ की शुरुआत में एक धावक की एक स्थिर, जमी हुई तस्वीर लेने जैसा समझें। आप उनके जूते, उनकी शुरुआती स्थिति और शायद उनके चेहरे के भाव देख सकते हैं, लेकिन आपको यह पता नहीं होगा कि वे दौड़ लगाएंगे, लड़खड़ाएंगे या सो जाएंगे। पारंपरिक मेडिकल स्कोर इसी तरह काम करते हैं: वे अस्पताल पहुँचने के क्षण में मरीज की स्थिति देखते हैं। लेकिन मानव शरीर शायद ही कभी स्थिर होता है; यह एक फोटो के बजाय एक फिल्म की तरह अधिक है। यह बदलता है, उतार-चढ़ाव करता है और हर सेकंड प्रतिक्रिया देता है। आधुनिक विज्ञान का बड़ा सवाल यह है: क्या हम केवल "स्नैपशॉट" देखना बंद करके मरीज के महत्वपूर्ण संकेतों (vital signs) की पूरी "फिल्म" को पढ़ना शुरू कर सकते हैं? यदि हम ऐसा कर पाते हैं, तो हम बहुत पहले पहचान सकते हैं कि कौन वास्तव में खतरे में है, जिससे डॉक्टरों को अधिक जीवन बचाने का मौका मिल सकता है।

---

फिल्म बनाम स्नैपशॉट: भविष्य की भविष्यवाणी करने का एक नया तरीका

इस अध्ययन में, शोधकर्ताओं की एक टीम ने यह सुलझाने के लिए एक सुपर-स्मार्ट कंप्यूटर जासूस बनाने का निर्णय लिया कि आईसीयू में रहने के बाद कौन जीवित नहीं बच पाएगा। उन्होंने केवल एक क्षण को नहीं देखा; उन्होंने मरीज के जीवन के पहले 24 घंटों को एक हाई-स्पीड फिल्म की तरह देखा, जिसे चार 6-घंटे के अध्यायों में विभाजित किया गया था।

सेटअप: कहानियों के दो विशाल पुस्तकालय
अपने जासूस को प्रशिक्षित करने के लिए, शोधकर्ताओं ने केवल एक अस्पताल के रिकॉर्ड का उपयोग नहीं किया। वे मरीजों के डेटा के दो विशाल, सार्वजनिक डिजिटल पुस्तकालयों के पास गए: एक जिसे MIMIC-IV (बोस्टन के एक अस्पताल से) कहा जाता है और दूसरा eICU (पूरे अमेरिका के 208 अस्पतालों से)। उन्होंने 6,000 से अधिक उन मरीजों की कहानियाँ निकालीं जिन्हें ब्रेन ब्लीड हुआ था और जो कम से कम एक दिन के लिए आईसीयू में रहे थे।

सुराग: स्थिर बनाम गतिशील (Static vs. Dynamic)
शोधकर्ताओं ने सुरागों को दो प्रकारों में विभाजित किया:

1. स्थिर सुराग (Static Clues): ये "स्नैपशॉट" तथ्य हैं, जैसे मरीज की उम्र, उनके प्रवेश के समय उनके रक्त परीक्षण के परिणाम, और उनका ग्लासको कोमा स्केल (GCS) स्कोर (एक संख्या जो यह मापती है कि वे कितने जागरूक या भ्रमित हैं)।
2. गतिशील सुराग (Dynamic Clues): ये "फिल्म" वाले तथ्य हैं। कंप्यूटर ने देखा कि मरीज की हृदय गति, रक्तचाप, श्वसन और तापमान समय के साथ कैसे बदले। क्या उनका रक्तचाप पागलों की तरह ऊपर-नीचे हो रहा था? क्या उनकी सांस धीमी होती जा रही थी? क्या उन्हें बुखार आया था?

टीम ने LightGBM (एक प्रकार का आर्टिफिशियल इंटेलिजेंस जो अव्यवस्थित डेटा में पैटर्न खोजने में बहुत अच्छा है) नामक एक विशेष मशीन लर्निंग टूल का उपयोग यह पता लगाने के लिए किया कि कौन से सुराग सबसे अधिक महत्वपूर्ण थे। उन्होंने कंप्यूटर को पहले 24 घंटों को देखने और यह भविष्यवाणी करने के लिए सिखाया कि क्या मरीज अस्पताल छोड़ने से पहले दम तोड़ देगा।

बड़ी खोज
परिणाम रोमांचक थे। अनुमान लगाने का पुराना तरीका (केवल आगमन पर मरीज के GCS स्कोर के "स्नैपशॉट" का उपयोग करके) लगभग 77.8% बार सही था। लेकिन नया "फिल्म" वाला जासूस? जब इसे दूसरे पुस्तकालय के पूरी तरह से नए समूह पर परखा गया, तो इसने 81.3% बार सही अनुमान लगाया।

सबसे दिलचस्प बात यह है: कंप्यूटर द्वारा खोजे गए 29 सबसे महत्वपूर्ण सुरागों में से 22 गतिशील, समय-आधारित परिवर्तन थे। इसका मतलब है कि कंप्यूटर ने सीखा कि पहले दिन मरीज का शरीर कैसे चलता है और बदलता है, वह केवल इस बात से अधिक महत्वपूर्ण है कि वे कहाँ से शुरू हुए थे। उदाहरण के लिए, कंप्यूटर ने देखा कि जो मरीज जीवित नहीं बचे, उनमें पहले 6 घंटों में ही रक्तचाप और श्वसन के पैटर्न में बहुत अधिक अस्थिरता थी, भले ही उनके शुरुआती नंबर ठीक दिख रहे हों।

कंप्यूटर ने क्या देखना सीखा
शोधकर्ताओं ने कंप्यूटर से पूछने के लिए एक विशेष उपकरण 'SHAP' का उपयोग किया, "आपने वह अनुमान क्यों लगाया?" कंप्यूटर ने कुछ प्रमुख चीजों की ओर इशारा किया:

• GCS स्कोर: मरीज कितना जागरूक था, यह सबसे महत्वपूर्ण सुराग बना रहा।
• BUN (ब्लड यूरिया नाइट्रोजन): एक रक्त परीक्षण जो दिखाता है कि किडनी कितनी अच्छी तरह काम कर रही है और क्या वहां सूजन (inflammation) है।
• "फिल्म" वाले सुराग: कंप्यूटर महत्वपूर्ण संकेतों की परिवर्तनशीलता (variability) के प्रति जुनूनी था। उसे इस बात से गहरा लगाव था कि रक्तचाप कितना ऊपर-नीचे (variability) होता है और बाद के घंटों (प्रवेश के 18-24 घंटे बाद) में श्वसन दर कैसे बदलती है। वास्तव में, एक मरीज जिसकी सांस दिन के दूसरे भाग में काफी धीमी हो जाती है, एक बड़ा चेतावनी संकेत है।

यह क्यों मायने रखता है
अध्ययन बताता है कि बेहतर भविष्यवाणी प्राप्त करने के लिए हमें महंगे ब्रेन स्कैन या नए परीक्षणों की आवश्यकता नहीं है। हमें बस आईसीयू में मशीनों द्वारा पहले से ही रिकॉर्ड किए जा रहे महत्वपूर्ण संकेतों की "फिल्म" को सुनने की आवश्यकता है। नया मॉडल एक सुपर-अर्ली वार्निंग सिस्टम की तरह है। यह डॉक्टरों को बता सकता है, "हे, यह मरीज अभी ठीक लग रहा है, लेकिन इसके महत्वपूर्ण संकेत अजीब व्यवहार कर रहे हैं, इसलिए यह वास्तव में उच्च जोखिम में है।"

शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह सब कुछ हल करने वाली कोई जादुई छड़ी नहीं है। उन्होंने अमेरिका के डेटा पर इसका परीक्षण किया है, इसलिए दुनिया के अन्य हिस्सों के लोगों पर भी इसका और अधिक परीक्षण करने की आवश्यकता हो सकती है। साथ भी, उन्होंने इस संस्करण में ब्रेन स्कैन छवियों को शामिल नहीं किया है, इसलिए यह एक "नो-कैमरा" टूल है। लेकिन मुख्य निष्कर्ष स्पष्ट है: मरीज समय के साथ कैसे बदलता है, इसकी कहानी उसके जीवित रहने का रहस्य रखती है, और मशीनें उस कहानी को पढ़ने में बहुत अच्छी होती जा रही हैं।

इन डायनेमिक टाइम-सीरीज फीचर्स का उपयोग करके, डॉक्टर जल्द ही उन मरीजों की पहचान कर सकेंगे जिन्हें अतिरिक्त देखभाल की आवश्यकता है, जिससे संभावित रूप से उन जीवन को बचाया जा सकेगा जो केवल एक एकल स्नैपशॉट देखने से छूट जाते। यह अध्ययन साबित करता है कि स्वास्थ्य की भविष्यवाणी करने का भविष्य केवल इस बारे में नहीं है कि आप कहाँ से शुरू करते हैं, बल्कि इस बारे में है कि आप कौन सा रास्ता अपनाते हैं।