Multimodal mean and variability gait features for machine- learning discrimination between healthy middle-aged and older adults and participants with knee osteoarthritis, with exploratory Kellgren-Lawrence grading: a retrospective internal evaluation
यह पूर्वव्यापी अध्ययन प्रदर्शित करता है कि स्थानिक-कालिक (spatiotemporal), प्लांटर-प्रेशर और जॉइंट रेंज-ऑफ-मोशन डोमेन से औसत और परिवर्तनशीलता चाल संबंधी विशेषताओं को संयोजित करने वाला एक मल्टीमॉडल मशीन-लर्निंग फ्यूजन मॉडल, स्वस्थ वयस्कों को घुटने के ऑस्टियोआर्थराइटिस वाले व्यक्तियों से अलग करने में उच्च सटीकता प्राप्त करता है, हालांकि अन्वेषणात्मक केलग्रेन-लॉरेंस गंभीरता ग्रेडिंग के लिए इसका प्रदर्शन सत्यापन और आंतरिक परीक्षण सेटों के बीच असंगत रहा।
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
चलना एक ऐसी लय है जिसके बारे में हम तब तक शायद ही कभी सोचते हैं जब तक कि वह लड़खड़ाने न लगे। घुटने के ऑस्टियोआर्थराइटिस (osteoarthritis) से पीड़ित लोगों के लिए, एक ऐसी स्थिति जहाँ जोड़ के बीच का कुशन (cushioning) घिस जाता है, वह लय बदल जाती है। वे धीरे चल सकते हैं, छोटे कदम उठा सकते हैं, या दर्द से बचने के लिए अपने वजन को अलग तरह से स्थानांतरित कर सकते हैं। वैज्ञानिक लंबे समय से जानते हैं कि एक व्यक्ति के चलने का तरीका उनके स्वास्थ्य के बारे में सुराग देता है, लेकिन वे इस बात पर सहमत होने में संघर्ष करते रहे हैं कि वास्तव में कौन से सुराग सबसे अधिक महत्वपूर्ण हैं। क्या यह एक व्यक्ति के चलने का औसत तरीका है, या उनके कदम में होने वाले सूक्ष्म, क्षण-दर-क्षण के डगमगाते बदलाव (wobbles)? क्या उनके पैर के नीचे का दबाव उनके घुटने के कोण की तुलना में एक अलग कहानी बताता है? इन विवरणों को समझना महत्वपूर्ण है क्योंकि यह डॉक्टरों को एक्स-रे पर पूरी तरह निर्भर हुए बिना बीमारी का जल्दी पता लगाने या इसकी प्रगति को ट्रैक करने में मदद कर सकता है, जो केवल हड्डी की संरचना दिखाते हैं लेकिन यह नहीं कि एक व्यक्ति वास्तव में कैसे चलता है।
चीन की एक शोध टीम ने लगभग 340 लोगों के कदमों को ध्यान से सुनकर इन सवालों को सुलझाने का प्रयास किया। उन्होंने मध्यम आयु से लेकर बुजुर्गों तक के स्वस्थ वयस्कों का एक समूह और पुष्टि किए गए घुटने के ऑस्टियोआर्थराइटिस वाले लोगों का दूसरा समूह एकत्र किया। उन्होंने एक विशेष वॉकवे (walkway) का उपयोग किया जो पैर के नीचे के दबाव को मापता है और एक कैमरा सिस्टम का उपयोग किया जो जोड़ों की गति को ट्रैक करता है, जिससे उन्होंने रिकॉर्ड किया कि प्रत्येक व्यक्ति कैसे चला। शोधकर्ताओं ने केवल औसत गति या घुटने के औसत कोण को ही नहीं देखा; उन्होंने यह भी मापा कि एक कदम से दूसरे कदम तक उन नंबरों में कितना अंतर आया। उन्होंने इस दो प्रकार की जानकारी को—स्थिर औसत और उतार-चढ़ाव वाली परिवर्तनशीलता (variability)—को अलग-अलग डेटा स्ट्रीम के रूप में माना, इस उम्मीद में कि उन्हें मिलाने से यह स्पष्ट चित्र बन सकेगा कि किसके पास बीमारी है और किसके पास नहीं।
अध्ययन ने दो विशिष्ट लक्ष्यों पर ध्यान केंद्रित किया। पहला, वे देखना चाहते थे कि क्या एक कंप्यूटर प्रोग्राम स्वस्थ चलने वालों और घुटने के दर्द वाले लोगों के बीच अंतर कर सकता है। दूसरा, उन्होंने यह देखने की कोशिश की कि क्या वही चलने का डेटा रोगियों को गंभीरता के विभिन्न स्तरों में वर्गीकृत कर सकता है, जो एक्स-रे पर देखे गए नुकसान के आधार पर डॉक्टरों द्वारा उपयोग किए जाने वाले एक मानक पैमाने पर आधारित हो। ऐसा करने के लिए, उन्होंने कंप्यूटर को तीन मुख्य क्षेत्रों से डेटा दिया: पैर जमीन को कैसे छूते हैं, जोड़ कैसे चलते हैं, और कदमों का समय (timing)। उन्होंने सबसे अच्छा काम करने वाले तरीके को खोजने के लिए कई अलग-अलग गणितीय दृष्टिकोणों का परीक्षण किया, और अपने डेटा को सावधानीपूर्वक इस तरह विभाजित किया कि कंप्यूटर ने लोगों के एक सेट पर सीखा और फिर उसका परीक्षण एक पूरी तरह से अलग सेट पर किया जिसे उसने पहले कभी नहीं देखा था।
पहले लक्ष्य के परिणाम चौंकाने वाले थे। जब कंप्यूटर से किसी स्वस्थ व्यक्ति और घुटने के ऑस्टियोआर्थराइटिस वाले व्यक्ति के बीच अंतर करने के लिए कहा गया, तो वह उल्लेखनीय रूप से सटीक हो गया। औसत चलने के पैटर्न और उन पैटर्न के बदलावों को जोड़कर, मॉडल ने लगभग हर मामले में समूहों की सही पहचान की। सबसे महत्वपूर्ण सुराग स्रोतों का एक मिश्रण थे: पैर ने वजन को कितनी निरंतरता से स्थानांतरित किया, घुटने में कितना बदलाव हुआ, और टखना (ankle) कितना स्थिर था। यह सुझाव देता है कि बीमारी न केवल व्यक्ति के चलने की समग्र रणनीति को बदलती है, बल्कि उस रणनीति की स्थिरता को भी बदल देती है। कंप्यूटर को केवल एक प्रकार के माप पर निर्भर रहने की आवश्यकता नहीं थी; शक्ति उसके चलने की पूरी कहानी को सुनने में निहित थी।
हालाँकि, दूसरा लक्ष्य बहुत अधिक कठिन साबित हुआ। जब शोधकर्ताओं ने कंप्यूटर से बीमारी की गंभीरता को ग्रेड करने के लिए कहा—एक्स-रे पर देखे गए नुकसान के आधार पर हल्के, मध्यम और गंभीर मामलों के बीच अंतर करने के लिए—तो परिणाम असंगत रहे। वह मॉडल जो बीमारी का पता लगाने में अच्छा काम करता था, वह रोगियों को उनकी स्थिति की गंभीरता के आधार पर वर्गीकृत करने में विफल रहा। परीक्षण चरण में, कंप्यूटर अक्सर गंभीरता के विभिन्न स्तरों के बीच भ्रमित हो गया, और कुछ मामलों में यह केवल अनुमान लगाने (random guessing) से बेहतर प्रदर्शन नहीं कर सका। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह सुझाव देता है कि जबकि चलने के पैटर्न स्पष्ट रूप से दिखाते हैं कि कुछ गलत है, वे आवश्यक रूप से एक्स-रे में देखे गए नुकसान के विशिष्ट स्तर के साथ सीधे मेल नहीं खाते हैं। दो लोग जिनमें जोड़ों के नुकसान का एक ही स्तर हो सकता है, बहुत अलग तरह से चल सकते हैं, शायद इसलिए क्योंकि एक ने दर्द को प्रबंधित करने के लिए अपनी गति को अनुकूलित किया है जबकि दूसरे ने नहीं।
शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि चलने का विश्लेषण घुटने के ऑस्टियोआर्थराइटिस की उपस्थिति का पता लगाने के लिए एक शक्तिशाली उपकरण है, लेकिन यह इसकी गंभीरता को मापने के लिए अभी तक एक विश्वसनीय उपकरण नहीं है। अध्ययन इस बात पर प्रकाश डालता है कि हमारे चलने का तरीका आदतों, दर्द की प्रतिक्रियाओं और शारीरिक सीमाओं का एक जटिल मिश्रण है जो हमेशा जोड़ के संरचनात्मक नुकसान के साथ पूरी तरह से संरेखित नहीं होते हैं। फिलहाल, इस तकनीक का सबसे अच्छा उपयोग यह पहचानने में है कि किसे आगे चिकित्सा सहायता की आवश्यकता है, न कि एक्स-रे को स्टेप-काउंटिंग मशीन से बदलने के लिए। यह कार्य भविष्य के अध्ययनों के लिए द्वार खोलता है कि क्या ये चलने के संकेत (walking signatures) समय के साथ किसी व्यक्ति की स्थिति में होने वाले परिवर्तनों को ट्रैक कर सकते हैं, लेकिन यह हमें यह याद दिलाने का भी काम करता है कि मानव शरीर बहुत जटिल है जिसे एक एकल, सरल स्कोर में बदला नहीं जा सकता।
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।