A multi-scale neuralized Markov random field architecture for ECG arrhythmia recognition

मानव हृदय एक अथक इंजन है, जो शरीर में रक्त के प्रवाह को बनाए रखने के लिए दिन में लगभग 100,000 बार धड़कता है। अधिकांश लोगों के लिए, यह लय स्थिर और अनुमानित होती है, लेकिन लाखों लोगों के लिए, यह धड़कन खतरनाक तरीकों से लड़खड़ा जाती है। एट्रियल फाइब्रिलेशन जैसी स्थितियाँ, जहाँ ऊपरी कक्ष पंप करने के बजाय कांपते हैं, या प्रीमैच्योर कॉन्ट्रैक्शंस (समय पूर्व संकुचन), जहाँ हृदय एक धड़कन जल्दी छोड़ देता है, दुनिया भर में मृत्यु के प्रमुख कारण हैं। डॉक्टरों के लिए चुनौती यह है कि ये अनियमितताएं अक्सर बिना किसी चेतावनी लक्षण के होती हैं, जो एक सामान्य दिन की छाया में छिपी रहती हैं। उन्हें पकड़ने के लिए, चिकित्सक इलेक्ट्रोकार्डियोग्राम, या ईसीजी (ECG) पर भरोसा करते हैं, जो हृदय की विद्युत गतिविधि का रिकॉर्ड होता है। हालाँकि, ये संकेत जटिल होते हैं। इनमें सूक्ष्म, क्षणिक आकार होते हैं जो व्यक्तिगत धड़कनों का प्रतिनिधित्व करते हैं, साथ ही लंबे पैटर्न भी होते हैं जो दिखाते हैं कि वे समय के साथ एक-दूसरे से कैसे संबंधित हैं। इन संकेतों का विश्लेषण करने वाली पारंपरिक विधियाँ अक्सर एक साथ छोटे विवरणों और बड़ी तस्वीर, दोनों को देखने में संघर्ष करती हैं, और कभी-कभी ऐसे अनुमान लगाती हैं जो गणितीय रूप से सही तो दिखते हैं लेकिन एक मानव डॉक्टर के लिए अर्थहीन होते हैं।

बेंगबू मेडिकल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने कंप्यूटर को इन हृदय संकेतों को पढ़ना सिखाने का एक नया तरीका विकसित किया है, जिसका लक्ष्य कच्चे डेटा और नैदानिक वास्तविकता के बीच के अंतर को पाटना है। उनका दृष्टिकोण, जिसे हाल ही के एक अध्ययन में वर्णित किया गया है, हृदय की धड़कन को केवल अलग-थलग बिंदुओं की एक श्रृंखला के रूप में नहीं, बल्कि एक निरंतर कहानी के रूप में मानता है जहाँ प्रत्येक धड़कन अगली धड़कन को प्रभावित करती है। नियमों की एक सूची को याद करने के लिए कंप्यूटर को मजबूर करने के बजाय, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जो यह सीखती है कि हृदय ने अभी-क्या किया है, उसके आधार पर वह आगे क्या करेगा, इसकी संभावना क्या है। यह विधि, जिसे वे मल्टी-स्केल न्यूरलाइज्ड मार्कोव रैंडम फील्ड कहते हैं, कंप्यूटर को समय के तीन अलग-अलग स्तरों पर एक साथ हृदय की लय को देखने की अनुमति देती है। यह एक एकल धड़क के आकार को देखने के लिए ज़ूम इन कर सकता है, कुछ धड़कनों के बीच संबंध देखने के लिए एक कदम पीछे हट सकता है, और कई सेकंडों में लय के समग्र पैटर्न को समझने के लिए और पीछे हट सकता है।

शोधकर्ताओं ने इस प्रणाली का परीक्षण हृदय रिकॉर्डिंग के दो बड़े, सार्वजनिक संग्रहों पर किया जो हजारों रोगियों से संबंधित थे। उन्होंने पाया कि उनकी नई विधि मौजूदा कई कंप्यूटर मॉडलों की तुलना में खतरनाक अनियमितताओं की पहचान करने में बेहतर थी। सामान्य हृदय धड़कनों, प्रीमैचर एट्रियल कॉन्ट्रैक्शंस, प्रीमैचर वेंट्रिकुलर कॉन्ट्रैक्शंस और एट्रियल फाइब्रिलेशन से संबंधित परीक्षणों में, नई प्रणाली ने 98 प्रतिशत से अधिक समय तक स्थिति की सही पहचान की। महत्वपूर्ण रूप से, प्रणाली को ऐसी गलतियाँ करने से बचने के लिए डिज़ाइन किया गया था जिन्हें एक मानव तुरंत गलत पहचान ले। हृदय वास्तव में कैसे काम करता है—जैसे कि यह सुनिश्चित करना कि धड़कनों के बीच का समय एक यथार्थवादी सीमा के भीतर रहे और लहर का आकार लय के अनुरूप हो—ऐसे नियम शामिल करके, कंप्यूटर ने ऐसे अनुमान लगाना सीखा जो न केवल सटीक हैं बल्कि चिकित्सकीय रूप से भी तर्कसंगत हैं।

यह समझने के लिए कि यह कैसे काम करता है, कल्पना कीजिए कि यह प्रणाली एक छात्र की तरह है जो एक गाना पहचानना सीख रहा है। एक बुनियादी छात्र एक एकल नोट की ध्वनि को याद कर सकता है। एक थोड़ा बेहतर छात्र एक छोटा वाक्यांश याद कर सकता है। लेकिन एक कुशल संगीतकार समझता है कि एक एकल नोट एक वाक्यांश में कैसे फिट होता है, और कैसे वह वाक्यांश समय के साथ एक धुन बनाता है। शोधकर्ताओं की प्रणाली हृदय के लिए ऐसा ही कुछ करती है। यह एक विशेष प्रकार के कृत्रिम बुद्धिमत्ता का उपयोग करती है जो एक कुशल संगीतकार की तरह कार्य करती है, हृदय के विद्युत संकेतों को सुनती है और धड़कनों के बीच के संबंधों को समझती है। यह लहर के तत्काल आकार, धड़कनों के बीच के समय और दीर्घकालिक लय पर एक साथ ध्यान देती है। यह इसे परेशानी के सूक्ष्म संकेतों को पकड़ने की अनुमति देता है जिसे अन्य प्रणालियाँ मिस कर सकती हैं, जैसे कि एट्रियल फाइब्रिलेशन में धड़कनों की अनियमित रिक्ति या एक प्रीमैचर बीट का विकृत आकार।

अध्ययन ने यह भी दिखाया कि यह प्रणाली स्थिर और विश्वसनीय है। जब शोधकर्ताओं ने कंप्यूटर को हजारों प्रशिक्षण उदाहरणों के माध्यम से चलाया, तो सीखने की क्षमता तेजी से बढ़ी और फिर एक स्थिर अवस्था में आ गई, बिना प्रदर्शन के बड़े उतार-चढ़ाव के। शोधकर्ताओं ने यह दृश्य रूप में प्रदर्शित किया कि कंप्यूटर निदान करते समय कहाँ "देख" रहा था। इन दृश्या्वलीकरणों ने पुष्टि की कि प्रणाली सही संकेतों पर ध्यान केंद्रित कर रही थी, जैसे कि एक छूटी हुई धड़कन को दर्शाने वाले विशिष्ट तरंग पैटर्न या फाइब्रिलेशन की अराजक लय। यह पारदर्शिता अत्यंत महत्वपूर्ण है, क्योंकि यह सिद्ध करता है कि कंप्यूटर केवल अनुमान नहीं लगा रहा है बल्कि वास्तव में उन विशेषताओं को सीख रहा है जिनका उपयोग डॉक्टर निदान करने के लिए करते हैं।

हालांकि परिणाम आशाजनक हैं, शोधकर्ता स्वीकार करते हैं कि उनका कार्य एक कदम आगे है, अंतिम मंजिल नहीं। इस प्रणाली का परीक्षण दो विशिष्ट डेटाबेस के डेटा पर किया गया था, और वास्तविक दुनिया के अस्पताल वातावरण बहुत अधिक शोर वाले और विविध हो सकते हैं। कंप्यूटर को सरल मॉडलों की तुलना में अधिक प्रोसेसिंग पावर की आवश्यकता होती है, जो इसे छोटे, पोर्टेबल उपकरणों पर स्थापित करना कठिन बना सकता है। इन बाधाओं के बावजूद, यह अध्ययन अधिक बुद्धिमान हृदय निगरानी की ओर एक स्पष्ट मार्ग प्रदर्शित करता है। कई समय पैमानों को देखने की क्षमता और चिकित्सा तर्क सुनिश्चित करने वाले नियमों को जोड़कर, यह नया आर्किटेक्चर जीवन के लिए खतरा पैदा करने वाली हृदय स्थितियों का पता लगाने का एक अधिक मजबूत तरीका प्रदान करता है, जो संभावित रूप से डॉक्टरों को शांत हत्यारों (silent killers) के हमला करने से पहले उन्हें पकड़ने के लिए एक तेज़ उपकरण दे सकता है।