A machine learning-based predictive model for portal hypertension combined with gastrointestinal bleeding in children
इस अध्ययन ने पोर्टल हाइपरटेंशन वाले बच्चों में जठरांत्र संबंधी रक्तस्राव (गैस्ट्रोइंटेस्टाइनल ब्लीडिंग) के जोखिम की सटीक भविष्यवाणी करने के लिए छह प्रमुख नैदानिक संकेतकों का उपयोग करके एक रैंडम फॉरेस्ट-आधारित मशीन लर्निंग मॉडल विकसित और मान्य किया है, जो अन्य एल्गोरिदम की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव शरीर की कल्पना एक हलचल भरे, उच्च-तकनीकी शहर के रूप में करें। इस शहर में, पोर्टल वेन (portal vein) नामक एक विशाल नदी निरंतर आपूर्ति (रक्त) की एक धारा को लिवर तक ले जाती है, जो एक केंद्रीय प्रसंस्करण संयंत्र (central processing plant) के रूप में कार्य करता है, जो विषाक्त पदार्थों को फ़िल्टर करता है और ऊर्जा को संग्रहीत करता है। हालाँकि, कभी-कभी, यह नदी अवरुद्ध हो जाती है या प्रसंस्करण संयंत्र जाम हो जाता है। जब ऐसा होता है, तो पानी का दबाव खतरनाक रूप से बढ़ जाता है, ठीक वैसे ही जैसे एक बांध फटने ही वाला हो। चिकित्सा जगत में, इस खतरनाक दबाव को पोर्टल हाइपरटेंशन (portal hypertension) कहा जाता है।
जब दबाव बहुत अधिक हो जाता है, तो नदी अवरोध के चारों ओर बहने के लिए नए, छोटे रास्ते खोजने की कोशिश करती है। ये नए रास्ते ओवरफ़िल्ड (overfilled) साइड सड़कों की तरह हैं जो आसानी से फट सकते हैं, जिससे बाढ़ आ सकती है। शरीर में, ये "साइड सड़कें" पेट और ग्रासनली (esophagus) की सूजी हुई नसें होती हैं। यदि वे फट जाती हैं, तो यह गैस्ट्रोइंटेस्टाइनल (GI) रक्तस्राव नामक एक गंभीर घटना का कारण बनता है। हालांकि डॉक्टरों के पास इस दबाव को मापने के तरीके हैं, लेकिन सबसे सटीक विधि में एक जटिल, आक्रामक प्रक्रिया शामिल है जिसे करना हमेशा आसान नहीं होता, विशेष रूप से बच्चों के लिए। इसलिए, बड़ा सवाल वैज्ञानिकों के सामने यह रहा है: क्या हम एक "मौसम पूर्वानुमान" बना सकते हैं जो सरल, गैर-आक्रामक संकेतों का उपयोग करके यह भविष्यवाणी कर सके कि कब बाढ़ आने वाली है, ताकि हम इसे होने से पहले ही रोक सकें?
यह बिल्कुल चोंगकिंग मेडिकल यूनिवर्सिटी के चिल्ड्रन्स हॉस्पिटल के एक नए अध्ययन का मिशन है। शोधकर्ताओं ने पोर्टल हाइपरटेंशन वाले 308 बच्चों के मेडिकल रिकॉर्ड को एक विशाल खजाने के नक्शे की तरह माना, जिसमें उन विशिष्ट सुरागों की खोज की गई जो रक्तस्राव के उच्च जोखिम का संकेत देते हैं। अनुमान लगाने के बजाय, उन्होंने शक्तिशाली कंप्यूटर प्रोग्रामों का उपयोग किया—जिन्हें मशीन लर्निंग (machine learning) में प्रशिक्षित सुपर-स्मार्ट जासूसों के रूप में सोचें—जो डेटा को छानने के लिए बनाए गए हैं। इन जासूसों ने 28 अलग-अलग संभावित सुरागों को देखा, जिनमें रक्त परीक्षण के नंबरों से लेकर बच्चे को होने वाली लिवर की बीमारी के प्रकार तक शामिल थे।
कंप्यूटर जासूसों ने यह पता लगाने के लिए एक विशेष रैंकिंग प्रणाली का उपयोग किया कि कौन से सुराग सबसे महत्वपूर्ण थे। आंकड़ों की गणना करने के बाद, उन्होंने पाया कि छह विशिष्ट संकेतक रक्तस्राव की भविष्यवाणी करने के लिए "सुनहरी चाबियाँ" थे: हीमोग्लोबिन (जो ऑक्सीजन ले जाता है) का स्तर, AST (एक लिवर एंजाइम), बिलीरुबिन (एक अपशिष्ट उत्पाद), प्लेटलेट्स (रक्त कोशिकाएं जो थक्का जमाने में मदद करती हैं), एल्ब्यूमिन (लिवर द्वारा बनाया गया एक प्रोटीन), और लिवर की समस्या का कारण (विशेष रूप से, क्या रुकावट लिवर से पहले थी, जिसे "प्रीहेपेटिक" कहा जाता है)।
इन छह सुरागों के साथ, टीम ने यह देखने के लिए चार अलग-अलग प्रेडिक्शन मॉडल बनाए कि कौन सा सबसे अच्छा जासूस है। उन्होंने परीक्षण के लिए बच्चों के एक ऐसे समूह का उपयोग किया जिन्हें मॉडलों ने पहले नहीं देखा था। परिणामों ने दिखाया कि सभी मॉडल काफी अच्छे थे, लेकिन एक सबसे अलग रहा: रैंडम फॉरेस्ट (Random Forest) मॉडल। इस मॉडल ने लगभग 88.8% बार सही उत्तर दिया और इसका एक स्कोर (जिसे AUC कहा जाता है) 0.927 था, जो एक बहुत ही मजबूत प्रदर्शन है। सरल शब्दों में, इसका अर्थ है कि कंप्यूटर मॉडल, केवल उन छह सरल रक्त परीक्षणों और कारण के निदान का उपयोग करके, डॉक्टरों को उच्च विश्वास के साथ बता सकता है कि किन बच्चों में खतरनाक रक्तसצאव की संभावना अधिक है।
यह अध्ययन सुझाव देता है कि यह उपकरण डॉक्टरों के लिए गेम-चेंजर साबित हो सकता है। केवल आक्रामक प्रक्रियाओं पर निर्भर रहने या बच्चे के बीमार होने का इंतजार करने के बजाय, चिकित्सक इस "डिजिटल मौसम पूर्वानुमान" का उपयोग उच्च जोखिम वाले रोगियों की पहचान करने के लिए कर सकते हैं। इससे उन्हें निवारक देखभाल के साथ कदम उठाने या यह तय करने में मदद मिलेगी कि किसे वास्तव में एंडोस्कोप के साथ करीब से देखने की आवश्यकता है। हालांकि यह अध्ययन बच्चों के एक विशिष्ट समूह पर केंद्रित एक सिंगल-सेंटर अध्ययन है और यह सुनिश्चित करने के लिए कि यह हर जगह काम करता है, अधिक परीक्षण की आवश्यकता है, फिर भी यह शहर की नदियों को उनके किनारों से फूटने से बचाने का एक आशाजनक, गैर-आक्रामक तरीका प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।