Machine learning–based prediction of in-hospital postoperative ischemic stroke following off-pump coronary artery bypass grafting
इस अध्ययन ने दो बड़े अस्पताल समूहों के डेटा का उपयोग करके, ऑफ-पंप कोरोनरी आर्टरी बाईपास ग्राफ्टिंग कराने वाले रोगियों में इन-हॉस्पिटल पोस्टऑपरेटिव इस्केमिक स्ट्रोक के जोखिम की सटीक भविष्यवाणी करने के लिए एक उपयोगकर्ता के अनुकूल वेब टूल, जिसे POISM कहा जाता है, में एकीकृत एक XGBoost-आधारित मशीन लर्निंग मॉडल विकसित और मान्य किया 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
हृदय की सर्जरी आधुनिक चिकित्सा का एक महानतम चमत्कार है, जो उन लोगों को जीवन का दूसरा अवसर प्रदान करती है जिनकी धमनियां खतरनाक रूप से अवरुद्ध हो गई हैं। दशकों से, सर्जन कोरोनरी आर्टरी बाईपास ग्राफ्टिंग नामक तकनीक का उपयोग करके इन अवरोधों के चारों ओर रक्त के प्रवाह के लिए एक नया मार्ग बनाते रहे हैं, जो अनिवार्य रूप से हृदय की मांसपेशियों तक रक्त प्रवाहित करने के लिए एक नया राजमार्ग बनाने जैसा है। कई मामलों में, यह ऑपरेशन तब किया जाता है जब रोगी एक हार्ट-लंग मशीन से जुड़ा होता है जो रक्त को पंप करने और उसे ऑक्सीजन देने का कार्य संभाल लेती है। हालांकि, एक अलग दृष्टिकोण, जिसे 'ऑफ-पंप सर्जरी' कहा जाता है, हृदय को धड़कते रहने की अनुमति देता है जबकि सर्जन उस पर काम करता है, जिससे उन संभावित जटिलताओं से बचा जा सकता है जो हृदय के रुकने और रक्त के कृत्रिम रूप से संचारित होने पर उत्पन्न हो सकती हैं। हालांकि यह ऑफ-पंप विधि कुछ जोखिमों को कम करती है, लेकिन यह स्ट्रोक के खतरे को समाप्त नहीं करती है, जो मस्तिष्क में रक्त के प्रवाह में अचानक और अक्सर विनाशकारी व्यवधान है। सावधानीपूर्वक योजना के बावजूद, कुछ रोगियों को प्रक्रिया के बाद अस्पताल में रहते हुए स्ट्रोक का सामना करना पड़ता है, एक ऐसी जटिलता जो दीर्घकालिक विकलांगता या मृत्यु का कारण बन सकती है। चूंकि ये घटनाएं अप्रत्याशित और महंगी होती हैं, इसलिए डॉक्टर लंबे समय से एक ऐसा तरीका खोजने की कोशिश कर रहे हैं जिससे यह पहचान की जा सके कि कौन से रोगी ऑपरेटिंग रूम में प्रवेश करने से पहले सबसे अधिक संवेदनशील हैं, ताकि त्रासदी को रोकने के लिए उनकी देखभाल को अनुकूलित किया जा सके।
वर्षों से, डॉक्टर इन जोखिमों का अनुमान लगाने के लिए मानक स्कोरिंग सिस्टम पर भरोसा करते आए हैं, लेकिन ये उपकरण अक्सर प्रत्येक जोखिम कारक को एक अलग घटना के रूप में देखते हैं, जिससे विभिन्न स्वास्थ्य समस्याओं के बीच जटिल अंतःक्रियाओं को समझने में चूक हो जाती है। एक रोगी को उच्च रक्तचाप और मधुमेह हो सकता है, और हालांकि प्रत्येक स्थिति अपने आप में खतरनाक है, लेकिन इनका संयोजन एक अनूठा खतरा पैदा कर सकता है जिसे एक साधारण चेकलिस्ट पकड़ने में विफल रहती है। इस समस्या को हल करने के लिए, बीजिंग के अस्पतालों के शोधकर्ताओं की एक टीम कंप्यूटर विज्ञान की एक शक्तिशाली शाखा, मशीन लर्निंग की ओर मुड़ी। एक कठोर सेट के नियमों का पालन करने के बजाय, ये कंप्यूटर प्रोग्राम डेटा की विशाल मात्रा से सीखते हैं, और उन छिपे हुए पैटर्न और संबंधों को खोजते हैं जिन्हें मानवीय आँखें शायद अनदेखा कर दें। शोधकर्ताओं ने लगभग छब्बीस हजार रोगियों के विस्तृत रिकॉर्ड एकत्र किए जिन्होंने ऑफ-पंप हृदय सर्जरी करवाई थी। उन्होंने इस जानकारी को कई अलग-अलग कंप्यूटर मॉडलों में डाला, और प्रत्येक को उन विशिष्ट संकेतों को खोजने के लिए प्रशिक्षित किया जो स्ट्रोक से पहले आते हैं। लक्ष्य केवल एक बेहतर कैलकुलेटर बनाना नहीं था, बल्कि एक ऐसा उपकरण बनाना था जो यह समझा सके कि कोई रोगी जोखिम में क्यों है, जिससे डॉक्टरों को यह स्पष्ट चित्र मिल सके कि उन्हें किस बात पर नज़र रखनी है।
2016 और 2024 के बीच उपचारित हजारों रोगियों के डेटा का विश्लेषण करने वाले इस अध्ययन से पता चला कि 'एक्सजीबूस्ट' (XGBoost) नामक एक विशिष्ट प्रकार का मशीन लर्निंग मॉडल, दूसरों की तुलना में यह अनुमान लगाने में कहीं अधिक श्रेष्ठ था कि किसे स्ट्रोक होगा। इस मॉडल ने केवल अनुमान नहीं लगाया; इसने रोगियों के वास्तविक परिणामों से सीखा, और उल्लेखनीय सटीकता के साथ उन लोगों के बीच अंतर किया जो स्वस्थ रहे और उनमें जो स्ट्रोक से ग्रस्त हुए। जब शोधकर्ताओं ने इस मॉडल का परीक्षण एक दूसरे अस्पताल के रोगियों के पूरी तरह से नए समूह पर किया, तो यह अच्छी तरह से सफल रहा, जिससे यह सिद्ध हुआ कि जो पैटर्न इसे मिले थे वे वास्तविक थे और केवल पहले डेटा समूह का कोई संयोग मात्र नहीं थे। मॉडल ने सफलतापूर्वक दस कारकों के एक विशिष्ट सेट की पहचान की जो स्ट्रोक की भविष्यवाणी करने में सबसे महत्वपूर्ण थे। इनमें पिछले स्ट्रोक का इतिहास, गर्दन की धमनियों में गंभीर संकुचन और मधुमेह की उपस्थिति जैसी चीजें शामिल थीं। इसने अधिक सूक्ष्म और गतिशील संकेतों को भी पकड़ा, जैसे कि सर्जरी के दौरान रोगी का रक्तचाप कितनी देर तक बहुत कम रहा और क्या सर्जरी के बाद उसे अनियमित हृदय गति (अरिदमिया) हुई।
जो इस खोज को विशेष रूप से मूल्यवान बनाता है वह यह है कि कंप्यूटर मॉडल ने केवल एक संख्या ही नहीं दी; बल्कि इसने शोधकर्ताओं को यह भी दिखाया कि कौन से कारक भविष्यवाणी को संचालित कर रहे थे। उदाहरण के लिए, मॉडल ने इस बात पर प्रकाश डाला कि ऑपरेशन के दौरान रोगी का रक्तचाप कितनी देर तक कम रहा, यह जोखिम में एक प्रमुख योगदानकर्ता था। इसने यह भी बताया कि महिलाओं को पुरुषों की तुलना में अधिक जोखिम का सामना करना पड़ता है, और रक्त के कुछ मार्कर, जैसे कि थक्के जमने में शामिल विशिष्ट प्रोटीन के स्तर, महत्वपूर्ण चेतावनी संकेत थे। इन विशिष्ट कारकों को समझकर, डॉक्टर अब सक्रिय कदम उठा सकते हैं। यदि मॉडल किसी रोगी को स्ट्रोक के इतिहास और गर्दन की धमनियों के गंभीर संकुचन के कारण उच्च-जोखिम वाला चिह्नित करता है, तो मेडिकल टीम अधिक आक्रामक तरीके से तैयारी कर सकती है, जैसे कि रक्तचाप की अधिक बारीकी से निगरानी करना या रक्त शर्करा के स्तर को स्थिर रखने के लिए दवाओं को समायोजित करना। शोधकर्ताओं ने इस मॉडल पर आधारित एक सरल, मुफ्त वेबसाइट टूल भी बनाया है, जिससे कोई भी डॉक्टर रोगी के विवरण दर्ज कर सकता है और तुरंत उनके जोखिम स्तर को देख सकता है, जिससे जटिल डेटा को ऑपरेटिंग रूम के लिए एक व्यावहारिक मार्गदर्शिका में बदला जा सके।
इन सफलताओं के बावजूद, शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि उनका कार्य कोई अंतिम समाधान नहीं है। यह अध्ययन 'रेट्रोस्पेक्टिव' (retrospective) था, जिसका अर्थ है कि इसने पहले से लिखे जा चुके रिकॉर्डों का विश्लेषण किया, और कुल सर्जरी की तुलना में वास्तव में स्ट्रोक होने वाले रोगियों की संख्या अपेक्षाकृत कम थी। इसका अर्थ यह है कि हालांकि यह मॉडल आशाजनक है, लेकिन इसे भविष्य के अध्ययनों में और अधिक परीक्षण की आवश्यकता है ताकि यह सुनिश्चित किया जा सके कि यह हर जगह, हर किसी के लिए काम करता है। टीम ने यह भी स्वीकार किया कि उनका डेटा चीन के एक विशिष्ट क्षेत्र से आया था, इसलिए परिणामों को विभिन्न आबादी के लिए समायोजित करने की आवश्यकता हो सकती है। फिर भी, यह कार्य एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। यह क्षेत्र को व्यापक, 'एक-आकार-सभी-के-लिए' वाले अनुमानों से हटाकर एक अधिक व्यक्तिगत दृष्टिकोण की ओर ले जाता है, जहाँ रोगी के स्वास्थ्य इतिहास और उनकी सर्जरी के विशिष्ट विवरणों के अनूठे संयोजन का उपयोग स्ट्रोक की भविष्यवाणी और रोकथाम के लिए किया जाता है। डॉक्टरों को शुरू करने से पहले जोखिमों का एक स्पष्ट दृश्य देकर, यह उपकरण हृदय की सर्जरी की महत्वपूर्ण यात्रा का सामना कर रहे रोगियों के लिए सुरक्षित ऑपरेशन और बेहतर परिणामों की आशा प्रदान करता 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।