Development and external validation of a metabolic-clinical XGBoost model for mortality prediction in acute pancreatitis: a dual-cohort study with DM-stratified confounding control A TRIPOD+AI-compliant prediction model study
इस अध्ययन ने एक व्याख्या योग्य (explainable), 14-फीचर वाले XGBoost मॉडल को विकसित और बाह्य रूप से मान्य किया है जो तीव्र अग्नाशयशोथ (एक्यूट पैन्क्रियाटाइटिस) में BISAP और SOFA जैसे मानक स्कोर की तुलना में बेहतर, सुव्यवस्थित 28-दिवसीय मृत्यु दर भविष्यवाणी प्राप्त करने के लिए डायनेमिक मेटाबॉलिक और क्लिनिकल डेटा को मधुमेह स्तरीकरण (diabetes stratification) के साथ एकीकृत 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
जब कोई व्यक्ति अग्नाशय (पैनक्रियास) की अचानक, गंभीर सूजन के साथ अस्पताल पहुँचता है, तो डॉक्टर समय के विरुद्ध एक कठिन दौड़ का सामना करते हैं। यह स्थिति, जिसे एक्यूट पैन्क्रियाटाइटिस (acute pancreatitis) के रूप में जाना जाता है, एक प्रबंधनीय बीमारी से लेकर एक जीवन-घातक आपात स्थिति तक हो सकती है जहाँ अंग विफल होने लगते हैं। यह तय करने के लिए कि किसे सबसे गहन देखभाल की आवश्यकता है, चिकित्सा दल संकट के संकेतों, जैसे कि किडनी की कार्यक्षमता या मानसिक स्थिति, को गिनने वाले स्कोरिंग सिस्टम पर भरोसा करते हैं। हालाँकि, ये पारंपरिक उपकरण अक्सर पहेली के एक महत्वपूर्ण हिस्से को छोड़ देते हैं: शरीर की चयापचय (metabolic) अवस्था। वे इस अंतर को बताने में संघर्ष करते हैं कि एक मरीज जिसका ब्लड शुगर उच्च है, वह जीवन भर की स्थिति है या एक ऐसा मरीज जिसका ब्लड शुगर बीमारी के तत्काल सदमे के कारण खतरनाक रूप से बढ़ गया है। यह अंतर महत्वपूर्ण है क्योंकि तीव्र तनाव के प्रति शरीर की प्रतिक्रिया अपने आप में ऐसे चेतावनी संकेत देती है जिन्हें मानक स्कोर अक्सर अनदेखा कर देते हैं।
शंघाई के अस्पतालों के शोधकर्ताओं की एक टीम ने एक नया तरीका विकसित किया है जिससे यह भविष्यवाणी की जा सके कि किसे इस स्थिति से मृत्यु का सबसे अधिक खतरा है। एक परिष्कृत कंप्यूटर लर्निंग पद्धति का उपयोग करके, उन्होंने एक ऐसा मॉडल बनाया जो सामान्य अंग विफलता स्कोर से परे जाकर, आईसीयू (ICU) में रोगी के आगमन के पहले दिन एकत्र किए गए विशिष्ट चयापचय और प्रयोगशाला डेटा का विश्लेषण करता है। उनका काम, जिसमें दो अलग-अलग अस्पताल नेटवर्क के 2,000 से अधिक रोगियों के डेटा का विश्लेषण शामिल था, यह सुझाव देता है कि नियमित रक्त परीक्षणों और महत्वपूर्ण संकेतों (vital signs) का एक संयोजन वर्तमान तरीकों की तुलना में जीवित रहने की संभावनाओं की अधिक स्पष्ट तस्वीर पेश कर सकता है। शोधकर्ताओं ने पाया कि मृत्यु के सबसे शक्तिशाली भविष्यवक्ता पारंपरिक स्कोर नहीं थे, बल्कि ऊर्जा को संसाधित करने और अपशिष्ट को साफ करने के लिए शरीर के संघर्ष के विशिष्ट मार्कर थे, जैसे कि बिलीरुबिन नामक प्रोटीन का स्तर, लैक्टेट नामक पदार्थ, और रोगी का अन्य बीमारियों का समग्र इतिहास।
अध्ययन की शुरुआत दो बड़े, वि-पहचान योग्य (de-identified) गहन देखभाल डेटाबेस से जानकारी एकत्र करके हुई: एक संयुक्त राज्य अमेरिका का उपयोग मॉडल बनाने के लिए किया गया, और दूसरा विभिन्न अस्पतालों का परीक्षण के लिए। टीम ने एक्यूट पैन्क्रियाटाइटिस के साथ भर्ती वयस्कों पर ध्यान केंद्रित किया। उन्होंने उम्र, रक्तचाप, श्वेत रक्त कोशिका गणना और रक्त में विभिन्न रासायनिक स्तरों सहित संभावित सुरागों की एक लंबी सूची से शुरुआत की। उन्होंने इस सूची को चौदह सबसे महत्वपूर्ण कारकों तक सीमित करने के लिए एक चरण-दर-चरण फ़िल्टरिंग प्रक्रिया का उपयोग किया। यह प्रक्रिया 'ओवरफिटिंग' (overfitting) से बचने के लिए डिज़ाइन की गई थी, जो एक सामान्य समस्या है जहाँ एक मॉडल प्रशिक्षण डेटा को बहुत अधिक सटीकता से याद कर लेता है और नए रोगियों के सामने विफल हो जाता है। अंतिम मॉडल को उन रोगियों के बीच अंतर करने के लिए प्रशिक्षित किया गया था जो अट्ठाइस दिनों तक जीवित रहेंगे और जो नहीं रहेंगे, जबकि क्रोनिक मधुमेह के प्रभावों को बीमारी के तीव्र तनाव से सावधानीपूर्वक अलग किया गया।
परिणामों ने दिखाया कि यह नया दृष्टिकोण उन मानक उपकरणों से काफी बेहतर प्रदर्शन करता है जिनका उपयोग डॉक्टर वर्तमान में करते हैं। जब व्यापक रूप से उपयोग किए जाने वाले BIS-AP स्कोर के साथ तुलना की गई, तो नए मॉडल ने बड़ी संख्या में रोगियों को पुनर्वर्गीकृत किया, जिससे उच्च जोखिम वाले अधिक लोगों की पहचान हुई और सुरक्षित लोगों की भी सही पहचान हुई। सबसे आश्चर्यजनक खोज यह थी कि एक मेटाबॉलिक पैनल (चयापचय पैनल)—जो लिवर फंक्शन और ऑक्सीजन स्तर जैसी चीजों को मापने वाले नियमित रक्त परीक्षणों का एक समूह है—को जोड़ने से मुख्य सुधार हुआ। शोधकर्ताओं ने पाया कि इन मेटाबॉलिक मार्करों ने जटिल नैदानिक स्कोर या जनसांख्यिकीय विवरण जोड़ने की तुलना में कहीं अधिक भविष्य कहनेवाला शक्ति प्रदान की। वास्तव में, मॉडल इतना अच्छा प्रदर्शन कर गया कि इसने लगभग चौरासी प्रतिशत मामलों में परिणाम को सही ढंग से पहचानने की सटीकता प्राप्त की और बाहरी सत्यापन समूह में छिासी प्रतिशत।
यह सुनिश्चित करने के लिए कि मॉडल केवल एक सांख्यिकीय संयोग नहीं था, शोधकर्ताओं ने इसका कड़ाई से परीक्षण किया। उन्होंने जांचा कि क्या यह पुरुषों और महिलाओं, विभिन्न आयु समूहों और मधुमेह वाले या बिना मधुमेह वाले रोगियों के लिए समान रूप से काम करता है। मॉडल इन सभी समूहों में विश्वसनीय बना रहा, जिसमें किसी भी विशिष्ट प्रकार के रोगी के प्रति कोई महत्वपूर्ण पूर्वाग्रह नहीं दिखा। उन्होंने उन कारकों की भी जांच की जो भविष्यवाणियों को संचालित कर रहे थे। कंप्यूटर विश्लेषण से पता चला कि सबसे प्रभावशाली कारक रोगी का अन्य चिकित्सा स्थितियों का इतिहास, उनके रक्त में बिलीरुबिन का स्तर और लैक्टेट की मात्रा थी, जो एक रसायन है जो ऊतकों के ऑक्सीजन से वंचित होने पर बनता है। दिलचस्प बात यह है कि इंसुलिन प्रतिरोध का एक माप, जिसे TyG इंडेक्स कहा जाता है, जो अक्सर मेटाबॉलिक अनुसंधान में उपयोग किया जाता है, ने एक मामूली भूमिका निभाई। इसने सुझाव दिया कि शरीर का तत्काल तनाव और अंग कार्य के साथ संघर्ष, दीर्घकालिक चयापचय रुझानों की तुलना में अधिक तत्काल संकेत था।
शोधकर्ताओं ने अपने निष्कर्षों का एक सरलीकृत संस्करण भी बनाया जिसका उपयोग कंप्यूटर के बिना बेडसाइड (बिस्तर के पास) पर किया जा सके। यह टूल, जिसे उन्होंने AP-METRIC नाम दिया, नौ प्रमुख चरों के आधार पर अंक आवंटित करता है ताकि रोगियों को पांच जोखिम श्रेणियों में वर्गीकृत किया जा सके। यह एक डॉक्टर को प्रवेश के कुछ घंटों के भीतर रोगी के जोखिम का त्वरित अनुमान लगाने की अनुमति देता है। उदाहरण के लिए, बहुत कम अनुमानित जोखिम वाले रोगी को निगरानी के लिए सामान्य वार्ड में स्थानांतरित किया जा सकता है, जबकि उच्च जोखिम वाले रोगी को गहन निगरानी और आक्रामक उपचार के लिए चिह्नित किया जाएगा। मॉडल समय के साथ स्थिर भी साबित हुआ; जैसे-जैसे अस्पताल में भर्ती होने के पहले सप्ताह के दौरान रोगी की स्थिति विकसित हुई, भविष्यवाणियां सुसंगत बनी रहीं, जिससे बीतते दिनों के साथ डॉक्टरों को मूल्यांकन के प्रति विश्वास मिला।
इस कार्य का सबसे महत्वपूर्ण योगदान यह है कि यह उच्च रक्त शर्करा (ब्लड शुगर) के मुद्दे को कैसे संभालता है। अतीत में, यह बताना कठिन था कि उच्च ग्लूकोज रीडिंग गंभीर तनाव का संकेत है या केवल मधुमेह का संकेत है। नया मॉडल इन दोनों कारणों को अलग करने के लिए एक विशिष्ट विधि का उपयोग करता है, यह सुनिश्चित करता है कि बीमारी के तनाव को पूर्व-मौजूदा स्थिति के साथ भ्रमित न किया जाए। यह अंतर महत्वपूर्ण है क्योंकि 'स्ट्रेस हाइपरग्लेशिया' (तनाव के कारण बढ़ी हुई शर्करा) यह एक मजबूत संकेतक है कि शरीर बीमारी के प्रति कितनी तीव्रता से प्रतिक्रिया कर रहा है। इस संकेत को अलग करके, मॉडल जैविक वास्तविकता की एक परत को पकड़ता है जिसे पिछले स्कोर 놓 देते थे। शोधकर्ताओं ने नोट किया कि हालांकि मॉडल ने असाधारण प्रदर्शन किया, बाहरी सत्यापन समूह में मौतों की संख्या कम थी, जिसका अर्थ है कि परिणामों को एक अंतिम, अपरिवर्तनीय प्रमाण के बजाय मॉडल की क्षमता के एक मजबूत संकेत के रूप में देखा जाना चाहिए।
अध्ययन निष्कर्ष निकालता है कि नैदानिक अभ्यास में इन चयापचय अंतर्दृनों को एकीकृत करना आपातकालीन कक्षों और गहन देखभाल इकाइयों में रोगियों के वर्गीकरण (ट्राइएज) को बदल सकता है। रक्त परीक्षण और महत्वपूर्ण संकेतों जैसे डेटा पर भरोसा करके, अस्पतालों को अपनी भविष्यवाणियों को सुधारने के लिए महंगे नए उपकरणों या नवीन बायोमार्कर की आवश्यकता नहीं है। मॉडल एक स्पष्ट, व्याख्या योग्य मार्ग प्रदान करता है, जो दिखाता है कि तीव्र सूजन के प्रति शरीर की चयापचय प्रतिक्रिया जीवित रहने की समझ के लिए कुंजी है। जैसा कि लेखक बताते हैं, अगला कदम इस दृष्टिकोण को विविध चिकित्सा सेटिंग्स में प्रमाणित करने के लिए कई केंद्रों में वास्तविक दुनिया के, संभावित (प्रोस्पेक्टिव) अध्ययनों में परीक्षण करना है। तब तक, यह कार्य एक सम्मोहक प्रदर्शन के रूप में खड़ा है कि शरीर के चयापचय संकेतों को करीब से देखना सही रोगियों को सही समय पर सही स्तर की देखभाल सुनिश्चित करके जीवन बचा सकता 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।