Development and Validation of a Machine Learning-Based Prediction Model for Atrial Fibrillation in Hospitalized Patients with Coronary Heart Disease and Diabetes Mellitus: A Retrospective Study

मानव शरीर में, हृदय एक निरंतर पंप की तरह कार्य करता है, लेकिन किसी भी जटिल मशीन की तरह, यह टूट-फूट के प्रति भी संवेदनशील है, विशेष रूप से तब जब अन्य प्रणालियाँ तनाव में हों। दो सबसे सामान्य स्थितियाँ जो इस प्रणाली पर दबाव डालती हैं, वे हैं कोरोनरी हार्ट डिजीज (हृदय रोग), जहाँ हृदय की मांसपेशियों को रक्त पहुँचाने वाली धमनियां संकरी हो जाती हैं, और मधुमेह (डायबिटीज), जो एक चयापचय विकार है जो शरीर द्वारा चीनी को संसाधित करने के तरीके को बाधित करता है। जब ये दोनों स्थितियाँ एक साथ होती हैं, तो वे एक खतरनाक तालमेल बनाती हैं जो एक तीसरे, अक्सर शांत खतरे के जोखिम को काफी बढ़ा देती है: एट्रियल फाइब्रिलेशन (atrial fibrillation)। यह एक अराजक लय है जहाँ हृदय के ऊपरी कक्ष स्थिर रूप से धड़कने के बजाय कांपने लगते हैं, एक ऐसी स्थिति जो स्ट्रोक या हार्ट फेलियर का कारण बन सकती है। डॉक्टरों के लिए, चुनौती लंबे समय से यह पहचानना रही है कि हृदय रोग और मधुमेह वाले किन रोगियों में यह अनियमित लय विकसित होने की सबसे अधिक संभावना है, ताकि संकट आने से पहले ही हस्तक्षेप किया जा सके, न कि केवल आपातकालीन प्रतिक्रिया दी जाए।

चोंगकिंग इमरजेंसी मेडिकल सेंटर के शोधकर्ताओं की एक टीम ने दो हजार से अधिक रोगियों के मेडिकल रिकॉर्ड्स को पीछे मुड़कर देखकर इस पहेली को सुलझाने का प्रयास किया। उन्होंने उन व्यक्तियों का डेटा एकत्र किया जो कोरोनरी हार्ट डिजीज और मधुमेह दोनों के साथ अस्पताल में भर्ती हुए थे। शोधकर्ताओं ने इन रोगियों को दो समूहों में विभाजित किया: वे जिनमें अस्पताल में रहने के दौरान एट्रियल फाइब्रिलेशन विकसित हुआ और वे जिनमें यह नहीं हुआ। दोनों समूहों की तुलना करके, उन्होंने रक्त परीक्षण, हृदय के माप और रोगी के इतिहास में सूक्ष्म अंतरों की खोज की जो चेतावनी के संकेतों के रूप में काम कर सकें। एक एकल परीक्षण पर भरोसा करने के बजाय, उन्होंने मशीन लर्निंग नामक एक परिष्कृत कंप्यूटर पद्धति का उपयोग किया। यह दृष्टिकोण कंप्यूटर को बड़ी मात्रा में जानकारी को छानने की अनुमति देता है ताकि जटिल पैटर्न खोजे जा सकें जिन्हें मानवीय आँखें शायद मिस कर दें, ठीक वैसे ही जैसे एक अनुभवी मैकेनिक इंजन में एक विशिष्ट खड़खड़ाहट सुन सकता है जो कार के खराब होने से बहुत पहले समस्या का संकेत देती है।

अध्ययन ने हृदय के कक्षों के आकार से लेकर रक्त में विशिष्ट प्रोटीन और खनिजों के स्तर तक, डेटा के एक विस्तृत दायरे का विश्लेषण किया। कई अलग-अलग कंप्यूटर एल्गोरिदम का परीक्षण करने के बाद, शोधकर्ताओं ने पाया कि एक विधि, जिसे रैंडम फॉरेस्ट मॉडल (random forest model) कहा जाता है, अनियमित लय विकसित होने की भविष्यवाणी करने में कहीं अधिक श्रेष्ठ थी। इस मॉडल ने उच्च स्तर की सटीकता प्राप्त की, जिसने अधिकांश मामलों में जोखिम की सही पहचान की। कंप्यूटर ने सीखा कि सबसे महत्वपूर्ण चेतावनी संकेत केवल हृदय रोग या मधुमेह की उपस्थिति ही नहीं थे, बल्कि कारकों का एक विशिष्ट संयोजन था। इसमें रोगी की आयु, हृदय के ऊपरी कक्षों के भौतिक आयाम, और सूजन, पोषण और इलेक्ट्रोलाइट संतुलन से संबंधित रक्त मार्करों का मिश्रण शामिल था।

विशेष रूप से, मॉडल ने आठ प्रमुख संकेतकों की पहचान की, जो एक साथ देखे जाने पर जोखिम की स्पष्ट तस्वीर पेश करते थे। अधिक आयु और हृदय के बाएं और दाएं ऊपरी कक्षों के बड़े आयाम मजबूत भविष्यवक्ता थे, जो इन स्थितियों द्वारा अंग की संरचना पर डाले जाने वाले शारीरिक दबाव को दर्शाते हैं। प्री एल्ब्यूमिन (prealbumin), एक प्रोटीन जो पोषण संबंधी स्थिति का संकेत देता है, का रक्त स्तर भी महत्वपूर्ण था; कम स्तर शरीर के तनाव में होने का संकेत देता था। इसी प्रकार, सफेद रक्त कोशिकाओं और एल्ब्यूमिन का संतुलन, जो शरीर के भंडार के सापेक्ष सूजन की मात्रा का माप है, एक शक्तिशाली संकेत साबित हुआ। अन्य कारकों में रक्त में कैल्शियम और सोडियम का स्तर शामिल था, जो हृदय के विद्युत संकेतों के लिए आवश्यक हैं, और HBDH नामक एक विशिष्ट एंजाइम, जो हृदय की मांसपेशियों पर तनाव का संकेत दे सकता है।

यह सुनिश्चित करने के लिए कि यह कंप्यूटर मॉडल केवल अनुमान लगाने वाला एक 'ब्लैक बॉक्स' नहीं है, शोधकर्ताओं ने यह समझाने के लिए एक तकनीक का उपयोग किया कि इसने अपने निष्कर्षों तक कैसे पहुँचा। उन्होंने पाया कि मॉडल इन आठ कारकों को प्रत्येक रोगी के लिए अलग-अलग महत्व देता है, जिससे एक व्यक्तिगत जोखिम प्रोफाइल तैयार होता है। एक व्यक्ति के लिए, उनके हृदय के कक्षों का आकार जोखिम का प्राथमिक चालक हो सकता है, जबकि दूसरे के लिए, यह कम पोषण और उच्च सूजन का संयोजन हो सकता है। भविष्यवाणी को समझने योग्य भागों में तोड़ने की यह क्षमता डॉक्टरों को यह देखने की अनुमति देती है कि कौन से कारक एक विशिष्ट रोगी को खतरे की ओर धकेल रहे हैं। अध्ययन बताता है कि इस उपकरण का उपयोग करके, चिकित्सक उच्च जोखिम वाले रोगियों की अधिक प्रभावी ढंग से जांच कर सकते हैं, उनकी बारीकी से निगरानी कर सकते हैं, और संभावित रूप से एट्रियल फाइब्रिलेशन की शुरुआत को रोकने के लिए उपचार जल्दी शुरू कर सकते हैं।

शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि उनके निष्कर्ष एक ही अस्पताल से आए हैं और मॉडल की विश्वसनीयता की पुष्टि करने के लिए इसे अन्य स्थानों के रोगियों पर परीक्षण करने की आवश्यकता है। हालाँकि, परिणाम एक आम और खतरनाक चिकित्सा समस्या को देखने का एक आशाजनक नया तरीका प्रदान करते हैं। नियमित रक्त परीक्षण और मानक हृदय स्कैन को उन्नत कंप्यूटर विश्लेषण के साथ जोड़कर, यह अध्ययन प्रदर्शित करता है कि हृदय रोग और मधुमेह वाले रोगियों में एट्रियल फाइब्रिलेशन के चेतावनी संकेतों को स्थिति जीवन के लिए खतरा बनने से बहुत पहले पहचानना संभव है। यह दृष्टिकोण चिकित्सा को 'एक ही नियम सबके लिए' (one-size-fits-all) वाले दृष्टिकोण से हटाकर हृदय की लय बनाए रखने के लिए एक अधिक सटीक और व्यक्तिगत रणनीति की ओर ले जाता है।