Infrared Thermal Imaging Combined with Machine Learning for Detecting Disease Activity in Rheumatoid Arthritis: A Proof-of-Concept Study

रुमेटॉइड अर्थराइटिस एक ऐसी स्थिति है जहाँ शरीर की प्रतिरक्षा प्रणाली गलती से जोड़ों पर हमला करती है, जिससे दर्द, सूजन और अकड़न होती है। डॉक्टरों के लिए, यह जानना अत्यंत महत्वपूर्ण है कि किसी दिए समय में यह बीमारी कितनी सक्रिय है, क्योंकि इससे यह निर्धारित होता है कि क्या रोगी को अधिक शक्तिशाली दवा की आवश्यकता है या उनका वर्तमान उपचार काम कर रहा है। इस गतिविधि को मापने का मानक तरीका रक्त परीक्षणों और एक शारीरिक परीक्षण का संयोजन है, जिसमें डॉक्टर यह गिनते हैं कि कितने जोड़ संवेदनशील या सूजे हुए हैं। हालाँकि, इस प्रक्रिया में कुछ खामियां हैं। रक्त परीक्षण उस सामान्य सूजन को मापते हैं जो गठिया के अलावा कई अन्य चीजों के कारण भी हो सकती है, और शारीरिक परीक्षण काफी हद तक इस बात पर निर्भर करता है कि रोगी अपने दर्द का वर्णन कैसे करता है, जो व्यक्ति दर व्यक्ति भिन्न हो सकता है। इन अनिश्चितताओं के कारण, शोधकर्ता लंबे समय से एक ऐसा तरीका खोजने की कोशिश कर रहे हैं जिससे सुइयों या व्यक्तिपरक प्रश्नों के बिना सीधे सूजन को देखा जा सके। एक आशाजनक विचार यह है कि जोड़ों द्वारा स्वाभाविक रूप से उत्पन्न होने वाली गर्मी का उपयोग किया जाए। जब किसी जोड़ में सूजन होती है, तो वह गर्म हो जाता है, ठीक वैसे ही जैसे आग आसपास की हवा की तुलना में अधिक गर्म होती है। इन्फ्रारेड कैमरे इस गर्मी को देख सकते हैं, जिससे इसे एक दृश्य छवि में बदल दिया जाता है जो दिखाती है कि गर्मी वास्तव में कहाँ स्थित है।

एक हालिया अध्ययन ने यह परीक्षण करने के लिए एक प्रयोग किया कि क्या इस गर्मी का उपयोग रुमेटॉइड अर्थराइटिस के उभार (फ्लेयर-अप) को पहचानने के लिए एक विश्वसनीय उपकरण के रूप में किया जा सकता है। शोधकर्ताओं ने इस बीमारी वाले ग्यारह रोगियों और बिना बीमारी वाले नौ लोगों के एक छोटे समूह के साथ काम किया। उन्होंने विभिन्न समयों पर रोगियों के हाथों के थर्मल चित्र लिए, ऐसे चित्र जब रोगी फ्लेयर-अप का अनुभव कर रहे थे और फिर से तब जब उन्होंने उपचार प्राप्त किया और बेहतर महसूस किया। टीम ने हाथ के विशिष्ट क्षेत्रों के तापमान का विश्लेषण करने के लिए एक कंप्यूटर सिस्टम का उपयोग किया, और उन पैटर्नों की तलाश की जो एक बीमार हाथ और एक स्वस्थ हाथ के बीच अंतर कर सकें। उन्होंने एक अधिक उन्नत दृष्टिकोण का भी परीक्षण किया, जिसमें मशीन लर्निंग का उपयोग किया गया, जो एक प्रकार का कंप्यूटर प्रोग्राम है जो उदाहरणों का अध्ययन करके पैटर्न पहचानना सीखता है। लक्ष्य यह देखना था कि क्या कंप्यूटर हाथ के हीट मैप को देखकर डॉक्टर को बता सकता है कि अर्थराइटिस हल्का, मध्यम या गंभीर है, या क्या यह बीमारी उपचार के योग्य सक्रिय है।

शोधकर्ताओं ने सबसे पहले एक सरल विचार की जांच की: क्या वे केवल पूरे हाथ के एकल सबसे गर्म बिंदु को देखकर यह बता सकते हैं कि रोगी को फ्लेयर-अप हो रहा है? उन्होंने फ्लेयर के दौरान रोगियों के हाथों के अधिकतम तापमान की तुलना स्वस्थ लोगों के हाथों से की। परिणाम स्पष्ट और अप्रत्याशित था: एक बीमार हाथ का सबसे गर्म स्थान एक स्वस्थ हाथ के सबसे गर्म स्थान से काफी अधिक गर्म नहीं था। तापमान लगभग समान था, जो दोनों समूहों के लिए 98 डिग्री फारेनहाइट के आसपास था। इस निष्कर्ष ने इस संभावना को खारिज कर दिया कि हाथ का एक एकल, समग्र तापमान रीडिंग फ्लेयर-अप के लिए एक त्वरित परीक्षण के रूप में काम कर सकता है। इसने सुझाव दिया कि अर्थराइटिस से होने वाली गर्मी व्यक्तिगत जोड़ों के लिए बहुत विशिष्ट होती है, जिसे पूरे हाथ को देखने मात्र से नहीं देखा जा सकता।

निराश न होते हुए, शोधकर्ताओं ने अधिक विस्तृत विश्लेषण की ओर रुख किया। हाथ को एक बड़ी वस्तु के रूप में देखने के बजाय, उन्होंने छवि को बारह विशिष्ट क्षेत्रों में विभाजित किया, जिनमें से प्रत्येक एक जोड़ या संदर्भ बिंदु के अनुरूप था। उन्होंने तापमान डेटा को कंप्यूटर मॉडल में डाला जिन्हें बीमारी की सक्रियता को वर्गीकृत करने के लिए डिज़ाइन किया गया था। इस विश्लेषण के एक पिछले प्रयास में, टीम ने कंप्यूटर को प्रशिक्षित करने में एक सामान्य गलती की थी। उन्होंने कंप्यूटर को प्रशिक्षण चरण और परीक्षण चरण दोनों में एक ही रोगी की तस्वीरें देखने की अनुमति दी थी। यह एक छात्र को दिए गए टेस्ट की तरह है जिसमें वही प्रश्न शामिल हैं जो उसने पहले ही अपने होमवर्क में देखे हैं; छात्र उच्च स्कोर प्राप्त कर सकता है, लेकिन इसका मतलब यह नहीं है कि उसने वास्तव में सामग्री सीखी है। एक बार जब शोधकर्ताओं ने इस त्रुटि को सुधारा और यह सुनिश्चित किया कि कंप्यूटर का परीक्षण उन रोगियों पर किया जाए जिन्हें उसने पहले कभी नहीं देखा था, तो परिणाम नाटकीय रूप रूप से बदल गए।

जब विश्लेषण सही ढंग से किया गया, तो कंप्यूटर मॉडल अब रोगियों को तीन गंभीरता श्रेणियों: हल्का, मध्यम या गंभीर में विश्वसनीय रूप से वर्गीकृत नहीं कर सके। मॉडल केवल सबसे सामान्य श्रेणी का अनुमान लगाने से बेहतर प्रदर्शन नहीं कर पा रहे थे। इसका अर्थ यह था कि अध्ययन में रोगियों की कम संख्या के कारण, हीट पैटर्न इतने स्पष्ट नहीं थे कि बीमारी की सूक्ष्म गंभीरता का निदान किया जा सके। हालाँकि, जब शोधकर्ताओं ने प्रश्न को सरल बनाया, तो एक अलग तस्वीर सामने आई। तीन स्तरों की गंभीरता पूछने के बजाय, उन्होंने कंप्यूटर से एक बाइनरी विकल्प (दो विकल्पों वाला चुनाव) पूछा: क्या बीमारी सक्रिय है और उपचार की आवश्यकता है, या क्या यह नियंत्रण में मानी जाने वाली निम्न स्थिति में है? एक विशिष्ट नैदानिक सीमा (क्लिनिकल थ्रेशोल्ड) का उपयोग करते हुए, जिसका उपयोग डॉक्टर उपचार का निर्णय लेने के लिए करते हैं, कंप्यूटर मॉडल ने एक आशाजनक रुझान दिखाया। इसने लगभग 73 प्रतिशत मामलों में बीमारी की स्थिति को सही ढंग से पहचाना, जो कि केवल सबसे सामान्य परिणाम का अनुमान लगाने से मिलने वाली 58 प्रतिशत सटीकता से बेहतर था।

यह सुधार कोई गारंटीकृत सफलता नहीं थी, क्योंकि परिणाम उस सख्त सांख्यिकीय मानक तक नहीं पहुंचे जो किसी खोज को घोषित करने के लिए आवश्यक होता है। शोधकर्ताओं ने नोट किया कि उनके रोगियों का समूह काफी छोटा था, जिससे यह सुनिश्चित करना कठिन हो जाता है कि जो पैटर्न उन्होंने देखा वह सभी के लिए सत्य होगा। जिस कंप्यूटर मॉडल ने सबसे अच्छा प्रदर्शन किया वह 'रैंडम फॉरेस्ट' नामक एल्गोरिदम का एक प्रकार था, जो डेटा में जटिल, गैर-रेखीय संबंधों को खोजने में अच्छा होता है। तथ्य यह है कि इस मॉडल ने डेटा के विभिन्न तरीकों से परीक्षण करने पर एक स्थिर रुझान दिखाया, यह सुझाव देता है कि हीट सिग्नेचर में कुछ वास्तविक है, लेकिन यह एक धुंधला संकेत है। ऐसा प्रतीत होता है कि यह एक हाथ जो स्पष्ट रूप से सक्रिय है और एक जो शांत है, के बीच अंतर करने में सक्षम है, लेकिन यह अभी सूक्ष्म अंतरों के बीच भेद नहीं कर सकता कि सूजन हल्की है या मध्यम।

अध्ययन ने निष्कर्ष निकाला कि हालांकि पूरे हाथ का एकल तापमान रीडिंग फ्लेयर का पता लगाने के लिए उपयोगी नहीं है, लेकिन जोड़ों का विस्तृत हीट मैप क्षमता रखता है। शोधकर्ताओं ने पाया कि हीट सिग्नल संभवतः छोटे नमूने के साथ बीमारी की सटीक गंभीरता को ग्रेड करने के लिए बहुत सूक्ष्म है, लेकिन यह डॉक्टरों को यह तय करने में मदद करने के लिए पर्याप्त मजबूत हो सकता है कि क्या रोगी को उपचार की आवश्यकता है। यह कार्य एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है, जो दिखाता है कि इन्फ्रारेड इमेजिंग को सावधानीपूर्वक कंप्यूटर विश्लेषण के साथ मिलाने से जोड़ों की सूजन का एक वस्तुनिष्ठ दृश्य मिल सकता है। हालांकि, लेखकों ने इस बात पर जोर दिया कि यह अभी तक एक पूर्ण उपकरण नहीं है। इस पद्धति को एक आशाजनक रुझान से एक विश्वसनीय चिकित्सा परीक्षण बनने के लिए, इसे रोगियों के बहुत बड़े समूह में मान्य करने की आवश्यकता है। तब तक, यह तकनीक एक मानक देखभाल के बजाय एक उम्मीद भरी संभावना बनी हुई है, जो भविष्य की एक झलक देती है जहाँ डॉक्टर रोगी से गर्मी का वर्णन करने के लिए पूछे बिना अर्थराइटिस की आग को देख सकेंगे।