Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

समय से पहले जन्मे बच्चों के लिए, दुनिया बहुत जल्दी आ जाती है, और उनके शरीर अभी भी गर्भ के बाहर कार्य करना सीख रहे होते हैं। इन नाजुक शिशुओं द्वारा सामना की जाने वाली कई चुनौतियों में से एक सबसे अधिक खतरा पैदा करने वाली स्थिति है जिसे 'रेटिनोपैथी ऑफ प्रीमैच्योरिटी' (retinopathy of prematurity) कहा जाता है। यह एक ऐसी बीमारी है जिसमें आंख के पिछले हिस्से में रक्त वाहिकाएं, यानी रेटिना, ठीक से विकसित नहीं होती हैं। एक स्वस्थ नेटवर्क बनाने के बजाय, वे बढ़ना बंद कर सकती हैं या एक अराजक, अव्यवस्थित तरीके से बढ़ सकती हैं, जिससे अंततः अंधापन हो सकता है। चूंकि आंख अभी विकसित हो रही है, इसलिए उपचार का समय महत्वपूर्ण है; डॉक्टरों को समस्या को स्थायी नुकसान होने से पहले ही पहचानना होगा ताकि हस्तक्षेप किया जा सके। वर्तमान में, इसके लिए स्क्रीनिंग करने का मानक तरीका कैमरा लेकर सीधे बच्चे की आंख के अंदर देखना है। हालांकि यह प्रभावी है, लेकिन इस प्रक्रिया के लिए महंगे उपकरणों और अत्यधिक प्रशिक्षित विशेषज्ञों की आवश्यकता होती है, और इसका मतलब अक्सर कई स्वस्थ बच्चों की जांच करना होता है ताकि उन कुछ को खोजा जा सके जो वास्तव में जोखिम में हैं।

शोधकर्ताओं को लंबे समय से पता है कि इस नेत्र रोग के सबसे बड़े जोखिम बहुत जल्दी जन्म लेना और बहुत कम जन्म वजन होना है। वे यह भी जानते हैं कि बच्चे को मिलने वाली ऑक्सीजन की मात्रा एक प्रमुख भूमिका निभाती है, क्योंकि बहुत अधिक या बहुत कम ऑक्सीजन विकसित हो रही वाहिकाओं को नुकसान पहुंचा सकती है। हालांकि, एक नया अध्ययन बताता है कि डॉक्टर उस डेटा का उपयोग करके, जिसे वे हर दिन एकत्र करते हैं, बहुत पहले और अधिक सरलता से यह अनुमान लगा सकते हैं कि कौन से बच्चे खतरे में हैं। यह देखने के लिए कि रक्त परीक्षण के परिणाम, जो यह मापते हैं कि बच्चा कितनी अच्छी तरह सांस ले रहा है और उनका रक्त ऑक्सीजन को कितनी अच्छी तरह ले जा रहा है, एक टीम ने एक कंप्यूटर मॉडल बनाया है जो आंखों के अंदर देखे बिना ही उच्च जोखिम वाले शिशुओं को चिह्नित कर सकता है। यह दृष्टिकोण अस्पतालों को, विशेष रूप से कम संसाधनों वाले अस्पतालों को, यह तय करने में मदद कर सकता है कि किन बच्चों को सबसे तत्काल ध्यान देने की आवश्यकता है।

चीन में डॉक्टरों और शोधकर्ताओं की एक टीम द्वारा किए गए इस अध्ययन में 2022 और 2025 के बीच पैदा हुए 500 से अधिक समय से पहले जन्मे शिशुओं पर ध्यान केंद्रित किया गया। इन बच्चों का इलाज तीन अलग-अलग अस्पतालों के नियोनेटल इंटेंसिव केयर यूनिट्स (NICU) में किया गया था। इन इकाइयों में, डॉक्टर नियमित रूप से शिशुओं के रक्त से 'आर्टेरियल ब्लड गैस' (arterial blood gas) स्तर की जांच करने के लिए रक्त की थोड़ी मात्रा निकालते हैं। यह परीक्षण उन्हें बताता है कि रक्त में ऑक्सीजन और कार्बन डाइऑक्साइड कितनी है, रक्त कितना अम्लीय या क्षारीय है, और शरीर ऑक्सीजन का उपयोग कितनी अच्छी तरह कर रहा है। शोधकर्ताओं ने इस डेटा को बच्चों के जन्म के समय के वजन और गर्भ में कितने सप्ताह तक रहने की जानकारी के साथ एकत्र किया। फिर उन्होंने एक प्रकार की 'कंप्यूटर लर्निंग' का उपयोग किया, जहाँ एक प्रोग्राम भविष्यवाणियां करने के लिए डेटा में पैटर्न का अध्ययन करता है, यह देखने के लिए कि क्या ये रक्त परीक्षण परिणाम यह बता सकते हैं कि किस बच्चे को नेत्र रोग होगा।

टीम ने यह देखने के लिए कि कौन सा मॉडल जोखिम को पहचानने में सबसे अच्छा काम करता है, दस अलग-अलग कंप्यूटर एल्गोरिदम का परीक्षण किया। उन्होंने पाया कि सबसे सफल मॉडल एक विशिष्ट, प्रबंधनीय दस सूचनाओं की सूची पर आधारित था। इसमें बच्चे की गर्भकालीन आयु (gestational age) और जन्म का वजन, साथ ही जीवन के पहले छह हफ्तों के दौरान लिए गए रक्त गैस परीक्षणों से नौ विशिष्ट संख्याएं शामिल थीं। इन संख्याओं में रक्त में कार्बन डाइऑक्साइड का दबाव, विभिन्न प्रकार के हीमोग्लोबिन (रक्त में मौजूद प्रोटीन जो ऑक्सीजन ले जाता है) के स्तर, और शरीर ऊर्जा और तनाव को कितनी अच्छी तरह संभाल रहा है, इसके मार्कर शामिल थे। जब कंप्यूटर को इस विशिष्ट दस तथ्यों के सेट पर प्रशिक्षित किया गया, तो यह परिणाम बताने में उल्लेखनीय रूप से सक्षम हो गया। प्रारंभिक समूह के बच्चों में, मॉडल ने 0.95 का AUC प्राप्त किया। इसने स्वस्थ बच्चों को कम जोखिम वाला बताने के लिए 0.91 का AUC भी प्राप्त किया, जिसका अर्थ है कि इसने ध्यान देने की आवश्यकता वाले किसी भी मामले को शायद ही कभी छोड़ा।

यह सुनिश्चित करने के लिए कि यह परिणाम केवल एक मरीज के समूह के साथ हुआ कोई भाग्यशाली अनुमान नहीं है, शोधकर्ताओं ने अपने मॉडल का दो अन्य समूहों पर परीक्षण किया जो अलग-अलग अस्पतालों के बच्चे थे। मॉडल इन नए परिवेशों में भी अच्छी तरह से काम कर गया। एक समूह में, इसने 0.83 का AUC प्राप्त किया, और दूसरे में, इसने 0.91 का AUC प्राप्त किया। अध्ययन ने दिखाया कि कंप्यूटर मॉडल में अधिक से अधिक चर (variables) जोड़ने से वह बेहतर नहीं हुआ; वास्तव में, केवल दस सबसे महत्वपूर्ण तथ्यों वाले सरल मॉडल ने सबसे अच्छा प्रदर्शन किया। यह सुझाव देता है कि अस्पतालों में पहले से ही किए जा रहे नियमित रक्त परीक्षणों में बच्चे की आंखों के स्वास्थ्य के बारे में एक छिपा हुआ संकेत है जिसे अनदेखा किया गया है। शोधकर्ताओं ने नोट किया कि मॉडल उन बच्चों को बाहर करने में विशेष रूप से अच्छा था जो सुरक्षित थे, जो कि एक स्क्रीनिंग टूल के लिए एक महत्वपूर्ण विशेषता है। यदि किसी बच्चे को इस मॉडल द्वारा कम जोखिम वाला चिह्नित किया जाता है, तो डॉक्टर आश्वस्त हो सकते हैं कि उस बच्चे को गंभीर बीमारी होने की संभावना कम है।

अध्ययन ने यह भी स्पष्ट किया कि यह उपकरण क्या है और क्या नहीं है। शोधकर्ता इस बात पर जोर देते हैं कि यह एक जोखिम भविष्यवाणी प्रणाली है, वास्तविक नेत्र परीक्षण का विकल्प नहीं। मॉडल द्वारा उच्च जोखिम वाला चिह्नित किया गया बच्चा स्वचालित रूप से उपचार प्राप्त नहीं करेगा; इसके बजाय, परिणाम डॉक्टरों को उस बच्चे की आंखों की जांच जल्द और अधिक बार करने के लिए संकेत देंगे। यह उन अस्पतालों के लिए एक महत्वपूर्ण अंतर हो सकता है जहाँ विशेषज्ञ नेत्र रोग विशेषज्ञ (ophthalmologist) हर दिन उपलब्ध नहीं होते हैं। पहले से मौजूद रक्त गैस डेटा का उपयोग करके, ये अस्पताल अपने सीमित स्क्रीनिंग संसाधनों को उन शिशुओं के लिए प्राथमिकता दे सकते हैं जिन्हें उनकी सबसे अधिक आवश्यकता है। मॉडल उन बच्चों के लिए भी काम कर गया जो अन्य मौजूदा उपकरणों की तुलना में थोड़े बाद के चरण में पैदा हुए थे, जो अक्सर केवल अत्यंत छोटे और अधिक समय से पहले जन्मे शिशुओं पर लागू होते हैं। इसका मतलब है कि यह दृष्टिकोण बच्चों की एक विस्तृत श्रेणी की मदद कर सकता है, जिनमें वे भी शामिल हैं जो थोड़े अधिक परिपक्व पैदा हुए हैं लेकिन फिर भी जोखिम में हैं।

निष्कर्ष बताते हैं कि एक बच्चे का शरीर ऑक्सीजन को कैसे संभालता है और उनकी आंखों के विकास के बीच एक गहरा संबंध है। रक्त परीक्षणों ने खुलासा किया कि नेत्र रोग विकसित होने वाले बच्चों में रक्त द्वारा ऑक्सीजन ले जाने के तरीके और तनाव के प्रति उनकी प्रतिक्रिया में सूक्ष्म अंतर थे। उदाहरण के लिए, हीमोग्लोबिन के कुछ प्रकारों के स्तर और रक्त में एसिड का संतुलन उन जोखिम वाले समूह में अलग था। ये अंतर बताते हैं कि जीवन के पहले कुछ हफ्तों में ऑक्सीजन और ऊर्जा को प्रबंधित करने के लिए शरीर का संघर्ष, उन समस्याओं से जुड़ा है जो बाद में रेटिना में दिखाई देती हैं। इन पैटर्न को पकड़कर, कंप्यूटर मॉडल जटिल जैविक संकेतों को एक सरल जोखिम स्कोर में बदल देता है।

हालांकि परिणाम उत्साहजनक हैं, शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह एक 'रिट्रोस्पेक्टिव स्टडी' (retrospective study) है, जिसका अर्थ है कि उन्होंने पहले से एकत्र किए गए डेटा को देखा है। अगला कदम, जिसकी वे पहले से ही योजना बना रहे हैं, इस मॉडल का वास्तविक समय (real-time) में परीक्षण करना है जब बच्चों का इलाज किया जा रहा हो। वे इस उपकरण को अन्य डॉक्टरों और शोधकर्ताओं के लिए उपलब्ध कराने का इरादा रखते हैं ताकि इसे दुनिया के विभिन्न हिस्सों में मान्य किया जा सके। यदि भविष्य के परीक्षण इन परिणामों की पुष्टि करते हैं, तो यह कम लागत वाली विधि समय से पहले जन्मे बच्चों की देखभाल का एक मानक हिस्सा बन सकती है, जिससे सही समय पर सही बच्चों को नेत्र परीक्षण सुनिश्चित करके अंधापन रोकने में मदद मिल सकती है। यह कार्य प्रदर्शित करता है कि कभी-कभी, दृष्टि बचाने के लिए सबसे शक्तिशाली उपकरण नई मशीनें नहीं, बल्कि हमारे पास पहले से मौजूद डेटा को देखने का एक स्मार्ट तरीका होता है।