A Dynamic Bayesian Network Model for Predicting Cardiovascular Disease Incidence in the Tehran Lipid and Glucose Study

हृदय रोग दुनिया भर में मृत्यु का प्रमुख कारण बना हुआ है, जो हर साल लाखों लोगों की जान ले लेता है। दुनिया के कई हिस्सों में, हार्ट अटैक या स्ट्रोक एक लंबी जैविक परिवर्तनों की श्रृंखला की अंतिम घटना होती है, जो अक्सर दशकों पहले शुरू होती है। डॉक्टरों और सार्वजनिक स्वास्थ्य अधिकारियों के लिए, इस त्रासदी के खिलाफ सबसे शक्तिशाली उपकरण केवल बीमारों का इलाज करना नहीं है, बल्कि यह भविष्यवाणी करना है कि किसे बीमार होने की संभावना है। इसके लिए किसी व्यक्ति के इतिहास को देखना आवश्यक है—उनकी आयु, उनका पारिवारिक इतिहास, उनका रक्तचाप और उनकी जीवनशैली—और इन अलग-अलग तथ्यों को जोखिम की एक एकल तस्वीर में बुनना आवश्यक है। इसे करने के लिए पारंपरिक तरीके अक्सर प्रत्येक जानकारी को इस तरह से देखते हैं जैसे वह स्वतंत्र रूप से खड़ी हो, यह मानते हुए कि आज किसी व्यक्ति का ब्लड शुगर स्तर पांच साल पहले के उनके रक्तचाप से कोई संबंध नहीं रखता है। हालाँकि, मानव स्वास्थ्य एक बहती हुई नदी है, न कि अलग-अलग स्नैपशॉट की एक श्रृंखला। 'डायनेमिक बेयसियन नेटवर्क' (Dynamic Bayesian Network) नामक कंप्यूटर मॉडल के एक प्रकार का उपयोग करने वाला एक नया दृष्टिकोण इस प्रवाह को पकड़ने का प्रयास करता है, जो यह ट्रैक करता है कि स्वास्थ्य कारक समय के साथ कैसे बदलते हैं और वे भविष्य में हृदय रोग की शुरुआत की भविष्यवाणी करने के लिए एक-दूसरे को कैसे प्रभावित करते हैं।

ईरान के शोधकर्ताओं की एक टीम ने इस उन्नत मॉडलिंग तकनीक को तेहरान में रहने वाले लोगों के एक विशाल, दीर्घकालिक अध्ययन पर लागू किया। वे यह देखना चाहते थे कि क्या समय के प्रवाह को समझने वाला एक मॉडल मानक तरीकों की तुलना में उच्च-जोखिम वाले व्यक्तियों की पहचान अधिक प्रभावी ढंग से कर सकता है। यह अध्ययन 'तेहरान लिपिड एंड ग्लूकोज स्टडी' से लिया गया था, जो एक स्थापित परियोजना है जो गैर-संचारी रोगों के कारणों को समझने के लिए 1999 से हजारों निवासियों का अनुसरण कर रही है। शोधकर्ताओं ने 7,839 वयस्कों का चयन किया जो अध्ययन की शुरुआत में हृदय रोग से मुक्त थे। उन्होंने इन प्रतिभागियों के बारे में सूचनाओं का एक बड़ा भंडार एकत्र किया, जिसमें उनकी आयु, शिक्षा, नौकरी की स्थिति, हृदय संबंधी समस्याओं का पारिवारिक इतिहास, धूम्रपान की आदतें, शारीरिक गतिविधि के स्तर और कोलेस्ट्रॉल, ब्लड शुगर और किडनी के कार्य जैसे विभिन्न चिकित्सा माप शामिल थे। महत्वपूर्ण रूप से, उन्होंने इन कारकों को केवल एक बार नहीं देखा; उन्होंने दस साल की अवधि में कई बिंदुओं पर डेटा एकत्र किया, जिससे यह देखा जा सके कि एक व्यक्ति का स्वास्थ्य प्रोफाइल कैसे विकसित होता है।

शोधकर्ताओं ने पुरुषों के लिए एक विशिष्ट कंप्यूटर मॉडल और महिलाओं के लिए एक अलग मॉडल बनाया, यह पहचानते हुए कि हृदय रोग के लिए जोखिम कारक अक्सर लिंगों के बीच भिन्न होते हैं। यह मॉडल, जिसे डायनेमिक बेयसियन नेटवर्क के रूप में जाना जाता है, समय के साथ विभिन्न स्वास्थ्य चरों के बीच संबंधों को मैप करके काम करता है। पुराने सांख्यिकीय उपकरणों के विपरीत, जो तब संघर्ष कर सकते हैं जब कोई प्रतिभागी अध्ययन से बाहर हो जाता है या जब डेटा गायब होता है, यह मॉडल ऐसे अंतराल को सहजता से संभालने के लिए डिज़ाइन किया गया है। यह अध्ययन अवधि को समय के चरणों की एक श्रृंखला के रूप में मानता है, जो उन लोगों के पैटर्न से सीखता है जिन्होंने हृदय रोग विकसित किया और उनकी तुलना उन लोगों से करता है जो स्वस्थ रहे। टीम ने अपने मॉडल का परीक्षण डेटा को विभाजित करके किया, जिसमें अधिकांश डेटा का उपयोग कंप्यूटर को पैटर्न सिखाने के लिए किया गया और एक हिस्सा इस बात को देखने के लिए रोक दिया गया कि क्या मॉडल उन परिणामों की सही भविष्यवाणी कर सकता है जो उसने पहले कभी नहीं देखे थे।

दस साल के फॉलो-अप के दौरान, 63-2 प्रतिभागियों ने, यानी समूह के लगभग 8 प्रतिशत ने, हृदय रोग विकसित किया। मॉडल ने प्रतिभागियों को कम-जोखिम और उच्च-जोखिम समूहों में सफलतापूर्वक वर्गीकृत किया। पुरुषों के लिए, मॉडल ने पाया कि उच्च-जोखिम वाले समूह के पुरुषों में हृदय रोग विकसित होने की संभावना कम-जोखिम वाले पुरुषों की तुलना में तीन गुना से अधिक थी। विशेष रूप से, 21.6 प्रतिशत उच्च-जोखिम वाले पुरुषों में रोग विकसित हुआ, जबकि कम-जोखिम वाले पुरुषों में केवल 7.2 प्रतिशत में। महिलाओं के लिए परिणाम समान रूप से स्पष्ट थे: 20.0 प्रतिशत उच्च-जोखिम वाली महिलाओं में हृदय रोग विकसित हुआ, जबकि कम-जोखिम वाली महिलाओं में केवल 6.6 प्रतिशत में हुआ। दोनों ही मामलों में, उच्च-जोखिम वाले समूह को कम-जोखिम वाले समूह की तुलना में तीन गुना से अधिक खतरा था। मॉडल द्वारा इन समूहों के बीच अंतर करने की क्षमता को 'एरिया अंडर द कर्व' (area under the curve) नामक एक स्कोर द्वारा मापा गया था, जो पुरुषों के लिए 0.612 और महिलाओं के लिए 0.674 आया। हालांकि ये स्कोर संकेत देते हैं कि मॉडल यादृच्छिक अनुमान (random guessing) से बेहतर है, शोधकर्ताओं ने नोट किया कि संख्याएं पूर्ण नहीं थीं, जिसका आंशिक कारण यह था कि उन्होंने मॉडल को चलाने के लिए कई विस्तृत चिकित्सा मापों को व्यापक श्रेणियों में बदल दिया था।

अध्ययन ने उन लोगों के बीच के कई प्रमुख अंतरों पर प्रकाश डाला जो हृदय रोग से ग्रस्त हुए और जो नहीं हुए। जो लोग अंततः हृदय संबंधी घटना का शिकार हुए, वे अधिक उम्र के, हृदय रोग का पारिवारिक इतिहास रखने वाले और कम शिक्षा वाले होते थे। वे मोटापे या पेट की वसा (abdominal obesity) से ग्रस्त होने और उच्च रक्तचाप, मधुमेह और किडनी की खराबी जैसी स्थितियों से पीड़ित होने के लिए भी अधिक प्रवृत्त थे। मॉडल इन सभी बदलते कारकों को समय के साथ एकीकृत करने में सक्षम सिद्ध हुआ ताकि एक जोखिम प्रोफाइल बनाया जा सके जो मानव स्वास्थ्य की जटिल वास्तविकता को दर्शाता हो। शोधकर्ताओं ने इस बात पर जोर दिया कि यह दृष्टिकोण पारंपरिक उत्तरजीविता मॉडलों (survival models) के लिए एक लचीला विकल्प प्रदान करता है, जो अक्सर यह मान लेते हैं कि जोखिम कारक स्वतंत्र रूप से कार्य करते हैं और लापता डेटा या बदलते स्वास्थ्य स्टेटस की अव्यवस्थित वास्तविकता को ध्यान में नहीं रखते हैं।

मॉडल की सफलता के बावजूद, लेखकों ने इसकी सीमाओं को नोट करने में सावधानी बरती। उन्होंने स्वीकार किया कि निरंतर चिकित्सा डेटा को सरल श्रेणियों में बदलने से कुछ विवरणों की हानि हुई होगी, जिसने संभवतः भविष्यवाणी स्कोर को उच्च होने से रोक दिया। उन्होंने यह भी बताया कि मॉडल में अभी तक ईसीजी (electrocardiogram) संकेतों जैसा उच्च-रिज़ॉल्यूशन डेटा शामिल नहीं है, जो संभावित रूप से सटीकता में सुधार कर सकता है। इसके अलावा, चूंकि अध्ययन ईरान की एक एकल शहरी आबादी पर केंद्रित था, इसलिए निष्कर्षों को अन्य विविध समूहों में परीक्षण करने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि वे व्यापक रूप से लागू होते हैं। फिर भी, यह कार्य प्रदर्शित करता है कि समय के प्रवाह और विभिन्न स्वास्थ्य कारकों के बीच के संबंधों को समझने में सक्षम कंप्यूटर मॉडल उन व्यक्तियों की पहचान कर सकते हैं जिनमें हृदय रोग विकसित होने की संभावना तीन गुना अधिक है। यह सुझाव देता है कि समय के प्रवाह और विभिन्न स्वास्थ्य कारकों के बीच के संबंधों को समझने वाली विधियों को अपनाकर, डॉक्टर हृदय घात या स्ट्रोक होने से पहले उच्च-जोखिम वाले व्यक्तियों की पहचान कर सकते हैं।