Multimodal AI estimates hemodynamic echocardiographic indicators of structural heart disease from heart sounds and pulse waves
यह अध्ययन प्रदर्शित करता है कि हृदय की ध्वनियों, पल्स तरंगों और जनसांख्यिकी को संयोजित करने वाला एक मल्टीमॉडल एआई मॉडल केवल 15 सेकंड की एक रिकॉर्डिंग से प्रमुख इकोकार्डियोग्राफिक हेमोडायनामिक संकेतकों के ट्राइएज-स्तर के अनुमान उत्पन्न कर सकता है, जो कोहोर्ट माध्य की ओर संकुचित होने और एकल-केंद्र डेटा द्वारा सीमित होने के बावजूद संरचनात्मक हृदय रोग को खारिज करने के लिए उच्च संवेदनशीलता प्राप्त करता 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
दशकों से, स्टेथोस्कोप डॉक्टर की किसी मरीज के हृदय की पहली नज़र का सार्वभौमिक प्रतीक रहा है। यह एक सरल उपकरण है जो जीवन की लय, वाल्वों के बंद होने और रक्त के प्रवाह को सुनता है। जब एक डॉक्टर को 'मर्मर' (murmur) सुनाई देता है—एक ऐसी 'वूशिंग' ध्वनि जो वहां नहीं होनी चाहिए—तो वे जानते हैं कि कुछ गलत है। लेकिन स्टेथोस्कोप हमेशा से एक गुणात्मक (qualitative) उपकरण रहा है; यह एक चिकित्सक को यह तो बता देता है कि कोई समस्या मौजूद है, लेकिन यह उन्हें यह नहीं बता सकता कि वह समस्या वास्तव में कितनी गंभीर है। उन सटीक आंकड़ों को प्राप्त करने के लिए, एक मरीज को इकोकार्डियोग्राम कराने की आवश्यकता होती है, जो हृदय का एक अल्ट्रासाउंड है जिसके लिए महंगी मशीनरी और एक अत्यधिक प्रशिक्षित विशेषज्ञ की आवश्यकता होती है। यह आधुनिक चिकित्सा में एक अंतर पैदा करता है: वह उपकरण जो संपर्क के पहले क्षण में उपलब्ध होता है, वह हृदय के दबाव और प्रवाह को नहीं माप सकता, जबकि जो उपकरण उन्हें माप सकता है, वह अक्सर बहुत बाद में उपलब्ध होता है। परिणामस्वरूप, हृदय के वाल्व संबंधी कई मामले वर्षों तक अनसुने रह जाते हैं, जिससे मरीज जोखिम में पड़ जाते हैं।
दक्षिण कोरिया के शोधकर्ताओं की एक टीम ने कंप्यूटर को एक नए तरीके से हृदय को सुनना सिखाकर इस अंतर को पाटने का प्रयास किया है। उन्होंने कोई नई मशीन का आविष्कार नहीं किया और न ही स्टेथोस्कोप में नए सेंसर जोड़े। इसके बजाय, उन्होंने एक एकल उपकरण का उपयोग किया जो हृदय की ध्वनि और उंगली की नोक से पल्स वेव (नाड़ी तरंग) दोनों को एक साथ रिकॉर्ड करता है। इन डेटा स्ट्रीम्स को एक परिष्कृत आर्टिफिशियल इंटेलिजेंस मॉडल में फीड करके, शोधकर्ताओं ने एक साहसी प्रश्न पूछा: क्या कंप्यूटर ठीक वही सटीक आंकड़े निकाल सकता है जो एक कार्डियोलॉजिस्ट आमतौर पर एक अल्ट्रासाउंड से प्राप्त करता है, और वह भी केवल पंद्रह सेकंड की ध्वनि और एक पल्स रीडिंग का उपयोग करके? उत्तर एक सीमित 'हाँ' है। सिस्टम अब प्रमुख हेमोडायनामिक संकेतकों—जैसे कि वाल्व के माध्यम से बहने वाले रक्त की गति या फेफड़ों की धमनियों में दबाव—का अनुमान लगाने में सक्षम है, जिसकी सटीकता इसे उन मरीजों की छंटनी (triage) करने के लिए एक शक्तिशाली उपकरण बनाती है जिन्हें तत्काल विशेषज्ञ देखभाल की आवश्यकता है, और उन्हें भी जिन्हें इसकी आवश्यकता नहीं है।
इस अध्ययन में 1,300 से अधिक मरीज शामिल थे जो हृदय के मानक अल्ट्रासाउंड के लिए एक अस्पताल आए थे। अल्ट्रासाउंड शुरू होने से पहले, प्रत्येक मरीज को अपने सीने पर पंद्रह सेकंड के लिए एक विशेष इलेक्ट्रॉनिक स्टेथोस्कोप पहनाया गया था, जबकि उनकी उंगली पर लगे एक सेंसर ने उनकी पल्स को रिकॉर्ड किया। इसके बाद शोधकर्ताओं ने इन रिकॉर्डिंग का उपयोग एक आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित करने के लिए किया ताकि वे विशिष्ट मापन की भविष्यवाणी की जा सके जो अल्ट्रासाउंड रिपोर्ट में दिखाई देते हैं। मॉडल को ध्वनि और पल्स में उन पैटर्न को खोजने के लिए डिज़ाइन किया गया था जो हृदय के यांत्रिक कार्य के अनुरूप होते हैं। इसने एओर्टिक वाल्व के माध्यम से बहने वाले रक्त के शिखर वेग (peak velocity), पल्मोनरी आर्टरी के दबाव, और हृदय प्रत्येक धड़कन के साथ रक्त की कितनी मात्रा पंप करता है, जैसे मूल्यों का अनुमान लगाना सीखा।
परिणामों से पता चला कि कंप्यूटर वास्तव में ये अनुमान लगा सकता है। हृदय रोगों की एक विस्तृत श्रृंखला में, मॉडल की भविष्यवाणियां वास्तविक अल्ट्रासाउंड मापन के साथ काफी अच्छी तरह मेल खाती हैं। कुछ संकेतकों के लिए, जैसे कि एओर्टिक वाल्व के माध्यम से रक्त के प्रवाह की गति और पल्मोनरी आर्टरी में दबाव, सहमति काफी मजबूत थी। सिस्टम 'रिगर्जिटेशन' (regurgitation) का पता लगाने में विशेष रूप से अच्छा था, जो एक ऐसी स्थिति है जहां रक्त वाल्व के माध्यम से पीछे की ओर लीक होता है, क्योंकि उस लीकेज की ध्वनि विशिष्ट जानकारी देती है जो आयु और लिंग जैसे जनसांख्यिकीय विवरण नहीं दे सकते। हालांकि, सिस्टम हृदय के कक्षों (chambers) के आकार या हृदय की दीवारों की मोटाई का अनुमान लगाने में कम सटीक था। यह शारीरिक रूप से तर्कसंगत है: हृदय की ध्वनि रक्त की गति से उत्पन्न होती है, इसलिए कंप्यूटर प्रवाह और दबाव से संबंधित चीजों को मापने में उत्कृष्ट है, लेकिन वह हृदय की मांसपेशियों की स्थिर संरचना को नहीं "सुन" सकता।
महत्वपूर्ण रूप से, शोधकर्ताओं ने पाया कि कंप्यूटर के अनुमान अल्ट्रासाउंड के स्थान पर लेने वाले सटीक मापन नहीं हैं। भविष्यवाणियां समूह के औसत की ओर संकुचित होती हैं, जिसका अर्थ है कि सिस्टम अत्यधिक उच्च या निम्न मानों का अनुमान लगाने की कम संभावना रखता है। इस कारण से, इसका आउटपुट अंतिम निदान के बजाय एक स्क्रीनिंग टूल के रूप में उपयोग करने के लिए सबसे अच्छा है। टीम ने प्रदर्शित किया कि इन अनुमानों पर आधारित एक सरल नियम का उपयोग करके, वे लगभग उन सभी मरीजों की पहचान कर सके जिन्हें वाल्व रोग या फेफड़ों में उच्च रक्तचाप का खतरा था। एक परीक्षण परिदृश्य में, इस दृष्टिकोण ने उन मरीजों में से लगभग 95% को पकड़ लिया था जिन्हें वास्तव में अल्ट्रासाउंड की आवश्यकता थी, जबकि लगभग एक चौथाई मरीजों को अनावश्यक रूप से इस परीक्षण से बचा लिया गया। यह सुझाव देता है कि यह तकनीक क्लीनिकों या सामुदायिक सेटिंग्स में एक अत्यधिक प्रभावी फिल्टर के रूप में कार्य कर सकती है, यह सुनिश्चित करते हुए कि गंभीर स्थितियों वाले लोगों को विशेषज्ञों द्वारा जल्दी देखा जाए।
अध्ययन ने डिवाइस द्वारा एकत्र किए गए दो संकेतों की विशिष्ट भूमिकाओं को भी उजागर किया। जब शोधकर्ताओं ने हृदय की ध्वनि डेटा को हटाकर मॉडल का परीक्षण किया, तो इसने वाल्व लीकेज और दबाव ग्रेडिएंट जैसी प्रवाह-संबंधी समस्याओं की भविष्यवाणी करने की अपनी क्षमता खो दी। जब उन्होंने पल्स वेव डेटा को हटाया, तो मॉडल हृदय के कक्षों के आकार और पंप किए जा रहे रक्त के आयतन का अनुमान लगाने में संघर्ष करने लगा। इसने पुष्टि की कि दोनों संकेत एक-दूसरे के पूरक हैं; ध्वनि प्रवाह की कहानी बताती है, जबकि पल्स आयतन और वाहिका के प्रतिरोध की कहानी बताती है। शोधकर्ताओं ने जोर देकर कहा कि उनका काम हृदय रोग के निदान को हल करने का दावा नहीं करता है। सिस्टम का परीक्षण एक एकल अस्पताल में रोगियों के एक विशिष्ट समूह पर किया गया था, और विभिन्न वातावरणों या विभिन्न आबादी के साथ इसकी कार्यक्षमता अभी तक सिद्ध नहीं हुई है। इसके अलावा, भविष्यवाणियों में त्रुटि की एक विस्तृत सीमा है, जिसका अर्थ है कि इनका उपयोग अपने आप में सूक्ष्म नैदानिक निर्णय लेने के लिए नहीं किया जा सकता है।
यह शोध जो हासिल करता है, वह एक पुराने उपकरण को एक नए काम के लिए पुन: उपयोग करने की दिशा में एक महत्वपूर्ण कदम है। यह सिद्ध करता है कि एक साधारण हृदय की ध्वनि और उंगली की पल्स में निहित भौतिक जानकारी पहले की तुलना में कहीं अधिक समृद्ध है। इन संकेतों को डिकोड करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करके, शोधकर्ताओं ने एक ऐसी विधि बनाई है जो सेकंडों में मरीज के हृदय स्वास्थ्य का मात्रात्मक चित्रण प्रदान कर सकती है। हालांकि यह अल्ट्रासाउंड द्वारा प्रदान किए गए विस्तृत दृश्य का विकल्प नहीं है, लेकिन यह संपर्क के पहले क्षण में उस स्तर की अंतर्दृष्टि लाने का एक तरीका प्रदान करता है। एक ऐसी दुनिया में जहाँ हृदय रोग अक्सर बहुत देर होने तक शांत रहता है, एक ऐसा उपकरण जो सबसे अधिक जोखिम वाले मरीजों को तत्काल देखभाल के लिए चिह्नित कर सके, हृदय स्वास्थ्य के प्रति हमारे दृष्टिकोण में एक सार्थक बदलाव का प्रतिनिधित्व करता है। यह तकनीक जादू नहीं है, न ही यह एक पूर्ण समाधान है, बल्कि यह एक ठोस प्रदर्शन है कि स्टेथोस्कोप, आधुनिक कंप्यूटिंग के साथ मिलकर, केवल सुनने से कहीं अधिक कर सकता 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।