Deep Learning from Retinal Fundus Photographs for Detecting Angiographic Obstructive Coronary Artery Disease: A Multicenter Development and External Validation Study
यह बहुकेंद्रित अध्ययन प्रदर्शित करता है कि रेटिनल फंडस फोटोग्राफ का विश्लेषण करने वाला एक डीप लर्निंग मॉडल (RET-IRV2), पारंपरिक नैदानिक मॉडलों की तुलना में बेहतर सटीकता के साथ गैर-आक्रामक रूप से एंजियोग्राफिक ऑब्सट्रक्टिव कोरोनरी आर्टरी डिजीज का पता लगा सकता है और पुष्ट रोगियों में हृदय रोग संबंधी जोखिम को और अधिक वर्गीकृत कर सकता 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
मानव शरीर पाइपों का एक विशाल नेटवर्क है, जो हृदय से शरीर के हर कोने तक जीवन रक्षक रक्त ले जाता है। जब ये पाइप, जिन्हें धमनियां (arteries) कहा जाता है, वसायुक्त जमाव के कारण अवरुद्ध हो जाते हैं, जिसे एथेरोस्क्लेरोसिस (atherosclerosis) नामक स्थिति कहा जाता है, तो प्रवाह बाधित हो जाता है, जिससे संभावित रूप से दिल का दौरा पड़ सकता है। डॉक्टरों के लिए यह देखने का सबसे सीधा तरीका कि क्या हृदय की अपनी धमनियां अवरुद्ध हैं, एक पतली नली को रक्त वाहिकाओं के माध्यम से डालना और डाई इंजेक्ट करना है, जिसे इनवेसिव कोरोनरी एंजियोग्राफी (invasive coronary angiography) कहा जाता है। हालांकि यह विधि निदान के लिए स्वर्ण मानक (gold standard) है, लेकिन यह इनवेसिव है, इसमें जोखिम शामिल है, और अक्सर यह सामने आता है कि रोगी की धमनियां वास्तव में साफ हैं, जिसका अर्थ है कि प्रक्रिया अनावश्यक थी। वर्षों से, डॉक्टर किसी ब्लॉकेज की संभावना का अनुमान लगाने के लिए रोगी की आयु, लिंग और लक्षणों के बारे में सरल प्रश्नों पर निर्भर रहे हैं ताकि इस तरह के परीक्षण का आदेश दिया जा सके। हालांकि, ये अनुमान अक्सर गलत होते हैं, जिससे बहुत अधिक अनावश्यक प्रक्रियाएं होती हैं या निदान चूक जाते हैं।
एक अलग दृष्टिकोण एक अप्रत्याशित स्थान से उभरा है: आंख के पीछे से। रेटिना, आंख के पीछे की प्रकाश-संवेदनशील परत, सूक्ष्म रक्त वाहिकाओं से ढकी होती है जो एकमात्र ऐसी वाहिकाएं हैं जिन्हें डॉक्टर बिना सर्जरी के सीधे देख सकते हैं। चूंकि ये रेटिनल वाहिकाएं हृदय की धमनियों के समान जैविक वातावरण साझा करती हैं, इसलिए उनकी उपस्थिति में परिवर्तन शरीर के अन्य हिस्सों में परेशानी का संकेत दे सकते हैं। शोधकर्ताओं ने लंबे समय से संदेह किया है कि रेटिना की एक तस्वीर हृदय रोग के बारे में सुराग प्रकट कर सकती है, लेकिन उन दृश्य संकेतों को एक विश्वसनीय निदान में बदलना कठिन रहा है। अब, एक नया अध्ययन बताता है कि उन्नत कंप्यूटर प्रोग्राम इन सूक्ष्म संकेतों को पारंपरिक अनुमान लगाने के तरीकों से बेहतर ढंग से पढ़ सकते हैं, जिससे यह पहचान करने का एक गैर-आक्रामक (non-invasive) तरीका मिलता है कि किसे वास्तव में हृदय परीक्षण की आवश्यकता है।
हजारों रोगियों वाले एक बड़े, बहु-केंद्रित अध्ययन में, शोधकर्ताओं ने एक परिष्कृत कंप्यूटर प्रणाली विकसित की है जिसे रेटिनल फंडस फोटोग्राफ्स (retinal fundus photographs) को देखने और अवरोधक कोरोनरी आर्टरी डिजीज (obstructive coronary artery disease) की उपस्थिति की भविष्यवाणी करने के लिए डिज़ाइन किया गया है। टीम ने, जिसका नेतृत्व बीजिंग अंझेन अस्पताल और बीजिंग एयरडॉक टेक्नोलॉजी कंपनी लिमिटेड के विशेषज्ञों द्वारा किया गया था, इस कृत्रिम बुद्धिमत्ता (AI) मॉडल को लगभग 4,800 रोगियों की छवियों का उपयोग करके प्रशिक्षित किया जो पहले से ही इनवेसिव हृदय परीक्षण कराने के लिए निर्धारित थे। कंप्यूटर को हृदय परीक्षण के पुष्ट परिणामों के साथ रेटिना की छवियां दिखाई गईं, जिससे यह अवरुद्ध धमनियों से जुड़े विशिष्ट दृश्य पैटर्न को सीख सका। मॉडल, जिसका नाम RET-IRV2 है, को केवल ब्लॉकेज पहचानने के लिए ही नहीं सिखाया गया था; इसे रोगी के बुनियादी विवरण जैसे आयु और लिंग का अनुमान लगाने के लिए भी प्रशिक्षित किया गया था, जो एक ऐसी तकनीक है जो कंप्यूटर को छवि की सबसे प्रासंगिक विशेषताओं पर ध्यान केंद्रित करने में मदद करती है।
इस नए उपकरण की असली परीक्षा तब हुई जब शोधकर्ताओं ने इसे चार अलग-अलग चिकित्सा केंद्रों से प्राप्त 3,300 से अधिक रोगियों के एक पूरी तरह से अलग समूह पर लागू किया। इस बाहरी सत्यापन (external validation) में, कंप्यूटर मॉडल उल्लेखनीय रूप से प्रभावी साबित हुआ। इसने उच्च सटीकता के साथ अवरोधक कोरोनरी आर्टरी डिजीज की पहचान की, जो वर्तमान में डॉक्टरों द्वारा उपयोग किए जाने वाले मानक तरीकों से काफी बेहतर है। ये पारंपरिक तरीके, जो आयु, लिंग और लक्षणों के आधार पर जोखिम की गणना करने पर निर्भर करते हैं, अक्सर ब्लॉकेज वाले रोगियों और बिना ब्लॉकेज वाले रोगियों के बीच अंतर करने में संघर्ष करते हैं। अध्ययन में, कंप्यूटर मॉडल की इन समूहों को अलग करने की क्षमता अपडेटेड डायमंड-फोरस्टर मॉडल (Diamond-Forrester model), ड्यूक क्लिनिकल स्कोर (Duke Clinical Score) और यहां तक कि रक्तचाप और कोलेस्ट्रॉल स्तरों को शामिल करने वाली एक मानक सांख्यिकीय गणना से कहीं अधिक श्रेष्ठ थी।
जो इस खोज को विशेष रूप से सम्मोहक बनाता है वह यह है कि कंप्यूटर ने यह सफलता केवल आंख की छवियों का उपयोग करके प्राप्त की, जिसमें रोगी के चिकित्सा इतिहास या रक्त परीक्षण के परिणामों की आवश्यकता नहीं थी। यह समझने के लिए कि कंप्यूटर अपने निर्णय कैसे ले रहा था, शोधकर्ताओं ने प्रयोगों की एक श्रृंखला आयोजित की जहां उन्होंने रेटिना की छवियों के कुछ हिस्सों को डिजिटल रूप से ढक दिया। जब उन्होंने रक्त वाहिकाओं को मास्क किया, तो कंप्यूटर का प्रदर्शन काफी गिर गया, जिससे पुष्टि हुई कि यह वास्तव में ब्लॉकेज का निदान करने के लिए छोटी वाहिकाओं की संरचना और उपस्थिति पर निर्भर था। यह सुझाव देता है कि मॉडल केवल यादृच्छिक पैटर्न के आधार पर अनुमान नहीं लगा रहा है, बल्कि यह वास्तव में उन प्रणालीगत संवहनी परिवर्तनों (systemic vascular changes) का पता लगा रहा है जो हृदय रोग के साथ आते हैं।
अध्ययन ने तत्काल निदान से परे जाकर यह भी देखा कि क्या कंप्यूटर की भविष्यवाणियों का उन रोगियों के भविष्य के स्वास्थ्य पर कोई प्रभाव पड़ता है जिनके ब्लॉकेज की पुष्टि हुई है। उन रोगियों में, जिनमें बीमारी थी और जिन्हें दो वर्षों तक फॉलो किया गया, कंप्यूटर मॉडल के उच्च स्कोर वाले रोगियों में प्रमुख प्रतिकूल हृदय संबंधी घटनाओं (major adverse cardiovascular events), जैसे कि दिल का दौरा, स्ट्रोक या मृत्यु होने की संभावना अधिक थी। यह इंगित करता है कि रेटिना में कैद दृश्य जानकारी न केवल बीमारी की पहचान करने में मदद कर सकती है, बल्कि यह भी बता सकती है कि अंतर्निहित स्थिति कितनी गंभीर है और रोगी को भविष्य में क्या जोखिम है।
इन आशाजनक परिणामों के बावजूद, शोधकर्ता अपने काम की सीमाओं को नोट करने में सावधानी बरतते हैं। यह अध्ययन एक विशिष्ट सेटिंग में किया गया था जहां रोगी पहले से ही इनवेसिव परीक्षण के लिए भेजे गए थे, जिसका अर्थ है कि उनमें वास्तविक बीमारी की दर बहुत अधिक थी, जो सामान्य आबादी से भिन्न है जहां हृदय ब्लॉकेज कम आम है। इस मॉडल का अभी तक कम जोखिम वाले समूहों या पूर्वी एशिया के बाहर की आबादी में परीक्षण नहीं किया गया है, जहां आंखों के पिगमेंटेशन और वाहिका संरचना में अंतर परिणामों को प्रभावित कर सकता है। इसके अलावा, हालांकि कंप्यूटर की भविष्य के हृदय संबंधी घटनाओं की भविष्यवाणी करने की क्षमता एक दिलचस्प खोज है, इसे व्यक्तिगत परिणामों की भविष्यवाणी करने वाले एक सिद्ध उपकरण के बजाय आगे के अध्ययन के लिए एक परिकल्पना के रूप में प्रस्तुत किया गया है।
हृदय रोग की स्क्रीनिंग के भविष्य के लिए इस शोध के निहितार्थ महत्वपूर्ण हैं। यदि ये निष्कर्ष व्यापक और विविध आबादी में भी कायम रहते हैं, तो रेटिनल फोटोग्राफी एक शक्तिशाली, गैर-आक्रामक स्क्रीनिंग टूल बन सकती है। यह डॉक्टरों को यह तय करने में मदद कर सकती है कि किन रोगियों को वास्तव में इनवेसिव हृदय परीक्षण की आवश्यकता है और किन्हें कम जोखिम वाले तरीकों के साथ सुरक्षित रूप से निगरानी में रखा जा सकता है। एक साधारण, दर्द रहित फोटोग्राफ के माध्यम से रोगी के संवहनी स्वास्थ्य (vascular health) की स्पष्ट तस्वीर प्रदान करके, यह तकनीक नैदानिक मार्गों को परिष्कृत करने, अनावश्यक प्रक्रियाओं को कम करने और अंततः संदिग्ध हृदय रोग वाले लाखों लोगों की देखभाल में सुधार करने की क्षमता रखती है। यह अध्ययन प्रदर्शित करता है कि आंखें, जिन्हें अक्सर आत्मा की खिड़की कहा जाता है, हृदय के स्वास्थ्य के लिए भी एक स्पष्ट खिड़की के रूप में कार्य कर सकती हैं।
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।