Machine Learning Prediction of Coronary Artery Disease Using Palm Images and Clinical Data
इस अध्ययन ने हथेली के चित्रों और नैदानिक डेटा का उपयोग करके कोरोनरी आर्टरी डिजीज की भविष्यवाणी करने के लिए एक मशीन लर्निंग मॉडल विकसित और मान्य किया, जिसमें यह पाया गया कि हालांकि नैदानिक जानकारी को एकीकृत करने से हथेली-आधारित भविष्यवाणियों में थोड़ा सुधार हुआ, लेकिन केवल नैदानिक डेटा पर निर्भर रहने वाले मॉडल ने उच्चतम समग्र प्रदर्शन प्राप्त किया।
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
हृदय रोग आधुनिक जीवन की सबसे निरंतर और घातक चुनौतियों में से एक बना हुआ है, जो बढ़ती उम्र वाली आबादी और ऐसी जीवनशैली से प्रेरित है जो हृदय प्रणाली पर दबाव डालती है। जबकि डॉक्टर धमनियों के बंद होने के संकेतों को पहचानने के लिए लंबे समय से रक्त परीक्षणों और इमेजिंग पर भरोसा करते आए हैं, इन तरीकों के लिए अक्सर महंगे उपकरणों और आक्रामक प्रक्रियाओं की आवश्यकता होती है। सरल, गैर-आक्रामक तरीकों से जोखिम की जांच करने की खोज में, वैज्ञानिकों ने शरीर की सतह पर छिपे हुए सुरागों को देखना शुरू कर दिया है। त्वचा, विशेष रूप से हथेली, जीवन के उन्हीं शुरुआती चरणों के दौरान विकसित होती है जब हृदय और रक्त वाहिकाएं विकसित होती हैं, जिससे शोधकर्ताओं के मन में यह सवाल उठा कि क्या हमारी हथेलियों के पैटर्न भविष्य की हृदय संबंधी समस्याओं के आनुवंशिक या विकासात्मक संकेत रख सकते हैं। यह प्रश्न पारंपरिक चिकित्सा और आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) के संगम पर स्थित है, एक ऐसा क्षेत्र जहाँ कंप्यूटर को उन सूक्ष्म दृश्य पैटर्न को पहचानने के लिए सिखाया जाता है जिन्हें मानवीय आँखें शायद अनदेखा कर दें।
निंगबो विश्वविद्यालय और उससे जुड़े अस्पतालों के शोधकर्ताओं के एक दल ने एक मरीज की हथेली की तस्वीर और उनके बुनियादी चिकित्सा इतिहास का उपयोग करके कोरोनरी आर्टरी डिजीज (कोरोनरी धमनी रोग) की भविष्यवाणी करने के लिए डिज़ाइन किए गए एक कंप्यूटर मॉडल का निर्माण करके इस विचार का परीक्षण करने का निर्णय लिया। उन्होंने लगभग एक हजार मरीजों से डेटा एकत्र किया जिन्होंने एक मानक हृदय कैथेटर प्रक्रिया (हार्ट कैथेटर प्रोसीजर) से गुजरना हुआ था, जो यह देखने के लिए एक निर्णायक परीक्षण है कि धमनियां अवरुद्ध हैं या नहीं। प्रत्येक व्यक्ति के लिए, टीम ने उनकी हथेली की एक उच्च गुणवत्ता वाली छवि के साथ-साथ आयु, लिंग, रक्तचाप और रक्त परीक्षण के परिणामों जैसे विवरण भी एकत्र किए। लक्ष्य यह देखना था कि क्या एक मशीन यह पहचान सकती है कि अवरुद्ध धमनियों वाले लोगों की हथेलियाँ और स्वस्थ लोगों की हथेलियाँ एक-दूसरे से कैसे भिन्न हैं, और क्या स्वास्थ्य संबंधी बुनियादी तथ्यों को फोटो के साथ जोड़ने से भविष्यवाणी अधिक सटीक हो जाएगी।
इसे सफल बनाने के लिए, शोधकर्ताओं को पहले कंप्यूटर को यह सिखाना था कि चित्र में हाथ को कैसे पहचाना जाए। उन्होंने हाथ के स्थान को खोजने और फोटो के बाकी हिस्से को हटाने के लिए एक परिष्कृत इमेज-डिटेक्शन टूल का उपयोग किया, ताकि कंप्यूटर केवल प्रासंगिक त्वचा और रेखाओं पर ध्यान केंद्रित कर सके। इसके बाद उन्होंने हजारों इन क्रॉप की गई छवियों को एक 'डीप लर्निंग सिस्टम' में डाला, जो एक प्रकार की आर्टिफिशियल इंटेलिजेंस है जो लाखों उदाहरणों के परीक्षण से सीखती है। इस सिस्टम को हथेली के उन अद्वितीय टेक्सचर और रेखा पैटर्न को पहचानने के लिए प्रशिक्षित किया गया था जो हृदय रोग से संबंधित हो सकते हैं। शोधकर्ताओं ने एक अलग मॉडल भी बनाया जो केवल मरीजों के क्लिनिकल डेटा, जैसे कि कोलेस्ट्रॉल स्तर और धूम्रपान के इतिहास का उपयोग करता था, ताकि यह देखा जा सके कि पारंपरिक आंकड़े अपने आप में बीमारी की भविष्यवाणी करने में कितने प्रभावी हैं। अंत में, उन्होंने हथेली की फोटो के साथ कुछ बुनियादी स्वास्थ्य तथ्यों, जैसे कि मरीज को उच्च रक्तचाप था या वह धूम्रपान करता था, को मिलाकर एक तीसरा मॉडल बनाया, ताकि यह देखा जा सके कि क्या सूचना के ये दो स्रोत मिलकर बेहतर काम करते हैं।
जब टीम ने इन मॉडलों का परीक्षण उन मरीजों के समूह के विरुद्ध किया जिन्हें कंप्यूटर ने पहले कभी नहीं देखा था, तो परिणामों ने एक स्पष्ट, हालांकि सूक्ष्म, तस्वीर पेश की। केवल हथेली की छवियों पर आधारित मॉडल ने मध्यम रूप से अच्छा प्रदर्शन किया, जिसने लगभग दो-तिहाई बार बीमारी की स्थिति को सही ढंग से पहचाना। यह सुझाव देता है कि हथेली में वास्तव में हृदय स्वास्थ्य से संबंधित कुछ दृश्य जानकारी होती है, जो संभवतः त्वचा और हृदय प्रणाली के साझा आनुवंशिक विकास को दर्शाती है। जब शोधकर्ताओं ने हथेली की तस्वीरों के साथ बुनियादी क्लिनिकल जानकारी जोड़ी, तो मॉडल की सटीकता में मामूली सुधार हुआ, जो दर्शाता है कि स्वास्थ्य संबंधी तथ्यों ने दृश्य डेटा को उपयोगी संदर्भ प्रदान किया। हालांकि, सबसे शक्तिशाली उपकरण वह निकला जिसने हाथ को पूरी तरह से अनदेखा कर दिया। वह मॉडल जो केवल क्लिनिकल डेटा (जैसे आयु, रक्तचाप और विशिष्ट रक्त मार्कर) पर निर्मित था, उसने हथेली वाले मॉडल और संयुक्त मॉडल दोनों को पीछे छोड़ दिया। इसने उच्चतम सटीकता प्राप्त की और उन मरीजों की सही पहचान करने में सबसे बेहतर रहा जिन्हें वास्तव में बीमारी थी।
अध्ययन यह निष्कर्ष निकालता है कि हालांकि हथेली की छवियां हृदय रोग के लिए एक मापने योग्य, वास्तविक संकेत रखती हैं, लेकिन वे अभी तक मानक चिकित्सा मूल्यांकन का स्थान नहीं ले सकतीं। कंप्यूटर ने सीखा कि रक्त परीक्षणों और मरीज के इतिहास में मिलने वाले प्रत्यक्ष प्रमाण, त्वचा के पैटर्न की तुलना में अवरुद्ध धमनियों की भविष्यवाणी करने के लिए कहीं अधिक विश्वसनीय हैं। शोधकर्ता सुझाव देते हैं कि पाम फोटोग्राफी (हथेली की फोटोग्राफी) भविष्य में सामुदायिक क्लीनिकों या स्वास्थ्य मेलों जैसी जगहों पर एक सुविधाजनक, कम लागत वाला स्क्रीनिंग टूल बन सकती है, जो शायद उन व्यक्तियों की पहचान कर सके जिन्हें अधिक गहन परीक्षण की आवश्यकता है। हालांकि, जब तक इस तकनीक को बहुत बड़े समूहों पर परिष्कृत और परीक्षित नहीं किया जाता, तब तक यह एक स्वतंत्र निदान के बजाय एक पूरक सहायता के रूप में बनी हुई है। यह कार्य प्रदर्शित करता है कि भले ही शरीर की सतह हमारे आंतरिक स्वास्थ्य के बारे में फुसफुसा सकती है, लेकिन हमारे शरीर क्रिया विज्ञान (फिजियोलॉजी) के प्रत्यक्ष माप अभी भी सबसे अधिक प्रभावशाली होते हैं।
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।