Non-invasive detection of peritonitis-related alterations in peritoneal dialysis effluent using high-resolution ultrasound and artificial intelligence
यह अध्ययन प्रदर्शित करता है कि पेरिटोनियल डायलिसिस एफ्लुएंट (peritoneal dialysis effluent) के उच्च-रिज़ॉल्यूशन अल्ट्रासाउंड चित्रों का विश्लेषण करने वाला एक गैर-आक्रामक कृत्रिम बुद्धिमत्ता प्रणाली श्वेत रक्त कोशिका गणना में नैदानिक रूप से महत्वपूर्ण वृद्धि का सटीक रूप से पता लगा सकती है, जो पेरिटोनिटिस की प्रारंभिक, होम-आधारित निगरानी के लिए एक आशाजनक उपकरण प्रदान करती 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
दुनिया भर के लाखों लोगों के लिए, गुर्दे (किडनी) काम करना बंद कर चुके हैं, जिसे क्रोनिक किडनी डिजीज (क्रोनिक रीनल डिजीज) के रूप में जाना जाता है। जब गुर्दे विफल हो जाते हैं, तो शरीर रक्त से अपशिष्ट और अतिरिक्त तरल पदार्थ को छान नहीं पाता है, जिससे एक जीवन के लिए खतरा पैदा करने वाला संचय हो जाता है। जीवित रहने के लिए, रोगियों को रीनल रिप्लेसमेंट थेरेपी से गुजरना पड़ता है, जो एक ऐसी प्रक्रिया है जो कृत्रिम रूप से गुर्दों का कार्य करती है। एक सामान्य विधि पेरिटोनियल डायलिसिस है, जहाँ एक रोगी अपने पेट की गुहा (एब्डोमिनल कैविटी) को एक विशेष सफाई तरल पदार्थ से भरता है। यह तरल पदार्थ शरीर के अंदर कुछ समय के लिए रहता है, अपशिष्ट को सोखता है, और फिर इसे बाहर निकाल दिया जाता है। यह एक ऐसा उपचार है जो बहुत स्वतंत्रता प्रदान करता है, जिससे रोगी घंटों तक क्लिनिक जाने के बजाय घर पर ही अपनी देखभाल कर सकते हैं। हालाँकि, इस स्वतंत्रता के साथ एक महत्वपूर्ण जोखिम भी आता है: पेट की गुहा की परत संक्रमित हो सकती है, जिसे पेरिटोनिटिस कहा जाता है। यह एक गंभीर जटिलता है जो अस्पताल में भर्ती होने, डायलिसिस कैथेटर के नुकसान और उपचार के दूसरे, अधिक प्रतिबंधात्मक रूप में बदलने की आवश्यकता का कारण बन सकती है। इस संक्रमण का जल्दी पता लगाना महत्वपूर्ण है, लेकिन वर्तमान में, यह जानने का एकमात्र विश्वसनीय तरीका कि संक्रमण मौजूद है या नहीं, निकाले गए तरल के नमूने को प्रयोगशाला में भेजना है। वहाँ, तकनीशियन सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे श्वेत रक्त कोशिकाओं (व्हाइट ब्लड सेल्स) की गिनती करते हैं। यदि इनकी संख्या बहुत अधिक है, तो यह संक्रमण का संकेत देता है। इस प्रक्रिया में समय लगता है, जिससे अक्सर रोगी अनिश्चितता के बीच प्रतीक्षा करते हैं जबकि संक्रमण संभावित रूप से बिगड़ता रहता है।
शोधकर्ता इस पहचान को तेज़ बनाने और इसे सीधे रोगी के बिस्तर के पास, या घर पर भी संभव बनाने के तरीके की तलाश कर रहे हैं। स्पेन के कई अस्पतालों में काम करने वाले वैज्ञानिकों की एक टीम ने, एक प्रौद्योगिकी कंपनी के साथ मिलकर, एक नया दृष्टिकोण विकसित किया है जो उच्च-रिज़ॉल्यूशन अल्ट्रासाउंड को आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) के साथ जोड़ता है। तरल के नमूने को लैब में ले जाने के बजाय, उनका सिस्टम ध्वनि तरंगों का उपयोग करके ड्रेनेज बैग के अंदर मौजूद तरल को सीधे देखता है। उपकरण एक प्रोब का उपयोग करता है जो बैग के ऊपर बैठता है, जो उच्च-आवृत्ति वाली ध्वनि तरंगें भेजता है जो तरल में निलंबित सूक्ष्म कणों से टकराकर वापस आती हैं। एक स्वस्थ व्यक्ति में, तरल ज्यादातर साफ होता है, लेकिन जब संक्रमण मौजूद होता है, तो यह श्वेत रक्त कोशिकाओं से भर जाता है। ये कोशिकाएं इतनी छोटी होती हैं कि उन्हें नग्न आंखों से नहीं देखा जा सकता, लेकिन उच्च-रिज़ॉल्यूशन अल्ट्रासाउंड उन्हें चलते हुए देख सकता है। सिस्टम इन चलती हुई कणों की छवियां कैप्चर करता है और फिर एक कंप्यूटर प्रोग्राम का उपयोग करता है, जिसे पैटर्न पहचानने के लिए प्रशिक्षित किया गया है, ताकि उन्हें गिन सके और उनका आकार निर्धारित कर सके। लक्ष्य यह देखना था कि क्या यह गैर-आक्रामक (नॉन-इनवेसिव) विधि बिना बैग खोले या तरल को छुए, सुरक्षित तरल और संक्रमित तरल के बीच सटीक रूप से अंतर कर सकती है।
टीम ने इस प्रणाली का परीक्षण उन वास्तविक रोगियों पर किया जिन्हें पेरिटोनिटिस का निदान किया गया था। उन्होंने पांच अलग-अलग अस्पतालों से व्यक्तियों को चुना और उनके उपचार के दौरान विभिन्न समयों पर उनके ड्रेनेज बैग से तरल के नमूने एकत्र किए। प्रत्येक नमूने के लिए, उन्होंने दो जाँच की: नया अल्ट्रासाउंड स्कैन और मानक प्रयोगशाला परीक्षण जो सूक्ष्मदर्शी के नीचे कोशिकाओं की गिनती करता है। प्रयोगशाला परीक्षण उस 'सत्य' के रूप में कार्य करता था जिसके विरुद्ध नई मशीन को मापा गया था। अल्ट्रासाउंड सिस्टम को दो चीजें करने के लिए डिज़ाइन किया गया था: पहला, तरल में कितनी श्वेत रक्त कोशिकाएं हैं इसका अनुमान लगाना, और दूसरा, यह निर्धारित करना कि क्या उनमें से अधिकांश कोशिकाएं वे बड़ी, आक्रामक प्रकार की कोशिकाएं हैं जो आमतौर पर सक्रिय संक्रमण का संकेत देती हैं। शोधकर्ताओं ने हजारों छवियों का उपयोग करके अपने आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित किया जो प्रयोगशाला में कणों के नियंत्रित मिश्रणों के साथ बनाई गई थीं, और फिर वास्तविक रोगी डेटा के साथ सिस्टम को परिष्कृत किया जो उन्होंने एकत्र किया था।
परिणामों ने दिखाया कि सिस्टम उच्च स्तर की सटीकता के साथ काम करता है। जब शोधकर्ताओं ने मशीन के निर्णय की तुलना प्रयोगशाला के निर्णय से की, तो सिस्टम ने लगभग नब्बे प्रतिशत बार संक्रमण की उपस्थिति को सही ढंग से पहचाना। यह विशेष रूप से उन मामलों को पकड़ने में अच्छा था जहाँ संक्रमण गंभीर था, जिसमें कोशिकाओं की संख्या बहुत अधिक थी। सिस्टम ने सामान्य विविधताओं के कारण थोड़े धुंधले तरल और वास्तव में संक्रमित तरल के बीच अंतर करने में भी सफलता प्राप्त की, हालांकि इसे उन मामलों में अधिक चुनौतियों का सामना करना पड़ा जहाँ कोशिका गणना खतरनाक मानी जाने वाली सीमा के बिल्कुल करीब थी। उन किनारे वाले मामलों (एज केसेस) में, जहाँ कोशिकाओं की संख्या निदान के लिए निर्धारित सीमा के ठीक ऊपर या ठीक नीचे थी, सिस्टम ने कभी-कभी गलतियाँ कीं, ठीक वैसे ही जैसे एक इंसान एक धुंधली छवि पर निर्णय लेने में संघर्ष कर सकता है। हालाँकि, अधिकांश नमूनों के लिए, मशीन ने स्पष्ट उत्तर प्रदान किया। इसने सफलतापूर्वक पहचान लिया कि तरल में बहुत अधिक कोशिकाएं थीं और प्रमुख कोशिका प्रकार वह बड़ा, सूजन संबंधी (इंफ्लेमेटरी) प्रकार था, जो पेरिटोनिटिस की पहचान है।
अध्ययन ने ऐसे उपकरण के उपयोग की व्यावहारिक वास्तविकताओं पर भी प्रकाश डाला। शोधकर्ताओं ने पाया कि छवि की गुणवत्ता इस बात पर बहुत अधिक निर्भर करती है कि प्रोब को बैग पर कैसे रखा गया है। यदि बैग को सही स्थिति में नहीं रखा गया था, या यदि पास के अन्य इलेक्ट्रॉनिक उपकरणों से हस्तक्षेप हो रहा था, तो छवियां विकृत हो सकती थीं, जिससे गलत परिणाम मिल सकते थे। अध्ययन में, तकनीकी समस्याओं के कारण कई माप खारिज करने पड़े थे, और समान कारणों से कुछ रोगियों को अंतिम विश्लेषण से बाहर रखा गया था। यह सुझाव देता है कि घर के वातावरण में इस तकनीक को विश्वसनीय रूप से काम करने के लिए, डिवाइस को उपयोगकर्ता को इसे सही ढंग से रखने के लिए मार्गदर्शन करने और शायद यह स्वचालित रूप से जांच करने का तरीका शामिल करने के लिए डिज़ाइन किया जाना चाहिए कि क्या छवि भरोसेमंद है। शोधकर्ताओं ने नोट किया कि जब कोशिका गणना बहुत अधिक थी, तो सिस्टम कोशिकाओं की संख्या को थोड़ा कम आंकता था, लेकिन इसने उन नमलों को संक्रमण के लिए सकारात्मक के रूप में चिह्नित करने में बाधा नहीं डाली।
अंततः, यह शोध प्रदर्शित करता है कि ध्वनि तरंगों और कंप्यूटर विश्लेषण का उपयोग करके, प्रयोगशाला की आवश्यकता के बिना, पेट के गंभीर संक्रमण के संकेतों का पता लगाना संभव है। सिस्टम ड्रेनेज बैग के भीतर अदृश्य श्वेत रक्त कोशिकाओं की दुनिया को देखने और उस दृश्य को एक स्पष्ट निदान में अनुवादित करने में सक्षम सिद्ध हुआ। हालांकि तकनीक अभी भी पूर्ण नहीं है और घर के उपयोग की जटिल वास्तविकता को संभालने के लिए इसमें और सुधार की आवश्यकता है, यह भविष्य में रोगियों को तुरंत अपने स्वास्थ्य की निगरानी करने की दिशा में एक आशाजनक मार्ग प्रदान करती है। संक्रमण को जल्दी पकड़कर, ऐसा उपकरण जटिलताओं को रोक सकता है, अस्पताल के दौरों की आवश्यकता को कम कर सकता है, और डायलिसिस पर मौजूद लोगों को अधिक सुरक्षा के साथ अपनी स्वतंत्रता बनाए रखने में मदद कर सकता है। यह कार्य एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, जो पेरिटोनिटिस के निदान को प्रयोगशाला की धीमी गति से हटाकर बेडसाइड (रोगी के पास) की गति तक ले जाता 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।