Stable and Interpretable Cognitive Status Screening Using Longitudinal Wearable Data
यह अध्ययन एक व्याख्यात्मक पदानुक्रमित ढांचे (hierarchical framework) को प्रस्तुत करता है जो संज्ञानात्मक रूप से सामान्य, हल्के संज्ञानात्मक दोष और डिमेंशिया अवस्थाओं के बीच अंतर करने के लिए अनुदैर्ध्य वियरेबल डेटा (longitudinal wearable data) का उपयोग करता है, जो आशाजनक सटीकता के साथ कार्य करता है, और साथ ही जोखिम स्क्रीनिंग और परिकल्पना निर्माण में सहायता के लिए प्रत्येक स्थिति से जुड़े विशिष्ट शारीरिक पैटर्न की पहचान 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
मानव मस्तिष्क समय के साथ धीरे-धीरे बदलता है, अक्सर उन तरीकों से जो डॉक्टर के क्लिनिक की एक संक्षिप्त यात्रा के दौरान पकड़ में आने के लिए बहुत सूक्ष्म होते हैं। दशकों से, संज्ञानात्मक गिरावट (cognitive decline) की जांच करने का मानक तरीका किसी व्यक्ति से उसकी याददाश्त और अभिविन्यास (orientation) के बारे में कुछ प्रश्न पूछना रहा है, जो कि एक व्यक्ति के जीवन के एक क्षण को दर्शाता है। हालाँकि, परीक्षण समाप्त होने पर मस्तिष्क काम करना बंद नहीं कर देता; यह इस बात को आकार देना जारी रखता है कि एक व्यक्ति हर दिन कैसे चलता है, सोता है और अपने परिवेश के प्रति प्रतिक्रिया करता है। हालिया विज्ञान ने यह पता लगाने के लिए अन्वेषण करना शुरू कर दिया है कि क्या पहनने योग्य उपकरणों (wearable devices)—जैसे स्मार्टवॉच जो कदमों, हृदय गति और नींद के पैटर्न को ट्रैक करती हैं—द्वारा एकत्र किया गया शांत, निरंतर डेटा, औपचारिक निदान संभव होने से बहुत पहले इन क्रमिक परिवर्तनों को प्रकट कर सकता है। चुनौती दैनिक जीवन के शोर, जैसे तनाव के कारण एक खराब रात की नींद या अस्थायी बीमारी से, वास्तविक स्वास्थ्य परिवर्तनों को अलग करने में है, और वह भी उन संज्ञानात्मक परीक्षणों पर निर्भर किए बिना जिनके लिए यह प्रणाली स्क्रीनिंग करने के लिए बनाई गई है।
दक्षिण कोरिया के गचोन यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने संज्ञानात्मक स्वास्थ्य के तीन अलग-अलग चरणों की स्क्रीनिंग के लिए इस रोजमर्रा के डेटा का उपयोग करने का एक नया तरीका विकसित किया है: सामान्य कार्यप्रमता, एक हल्का मध्यवर्ती चरण जिसे 'माइल्ड कॉग्निटिव इम्पेयरमेंट' (हल्की संज्ञानात्मक अक्षमता) कहा जाता है, और डिमेंशिया (स्मृतिभ्रम)। किसी व्यक्ति की स्थिति का केवल एक स्नैपशॉट देखकर अनुमान लगाने के बजाय, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जो डेटा के सात-दिवसीय अंतराल (windows) को देखती है, जो समय के साथ एक व्यक्ति के जीवन की लय, विविधता और स्थिरता को पकड़ती है। उन्होंने 55 वर्ष और उससे अधिक आयु के 174 वयस्स्कों के डेटा का विश्लेषण किया, जिसमें केवल पहनने योग्य सेंसरों के कच्चे संकेतों (raw signals) का उपयोग किया गया, जैसे कि गतिविधि गणना, नींद के चरण और हृदय गति, जबकि उन्होंने मानक स्मृति परीक्षणों के किसी भी स्कोर को जानबूझकर बाहर रखा। लक्ष्य यह देखना था कि क्या दैनिक जीवन के पैटर्न अकेले लोगों को इन तीन समूहों में विश्वसनीय रूप से वर्गीकृत कर सकते हैं।
शोधकर्ताओं ने पाया कि एक एकल, सरल मॉडल तीनों समूहों के बीच अंतर करने में संघर्ष करता है, और अक्सर बीच वाले समूह को पूरी तरह से छोड़ देता है। इसे हल करने के लिए, उन्होंने एक दो-चरणीय प्रक्रिया डिजाइन की जो एक सावधानीपूर्वक 'ट्राइएज' (triage) प्रणाली की नकल करती है। सबसे पहले, प्रणाली डेटा को स्कैन करती है कि क्या कोई व्यक्ति डिमेंशिया के लक्षण दिखाता है। यदि साक्ष्य मजबूत है, तो व्यक्ति को आगे के ध्यान के लिए चिह्नित किया जाता है। यदि नहीं, तो प्रणाली दूसरे चरण पर जाती है ताकि यह तय किया जा सके कि व्यक्ति संज्ञानात्मक रूप से सामान्य है या उस कठिन मध्य चरण (हल्की अक्षमता) में है। यह दृष्टिकोण बहुत अधिक प्रभावी साबित हुआ। एक अलग समूह के 3 de 38 प्रतिभागियों पर परीक्षण करते समय, जिन्हें प्रशिक्षण चरण के दौरान नहीं देखा गया था, प्रणाली ने डिमेंशिया वाले 83 प्रतिशत लोगों और माइल्ड इम्पेयरमेंट वाले 70 प्रतिशत लोगों की सही पहचान की। इसने 71 प्रतिशत की सटीकता के साथ समग्र समूह को सही ढंग से वर्गीकृत किया, जो एक ही चरण में सब कुछ करने की तुलना में एक महत्वपूर्ण सुधार है।
इस कार्य को जो बात विशेष रूप से उल्लेखनीय बनाती है वह केवल आंकड़े नहीं हैं, बल्कि वह है जो प्रणाली ने निर्णय लेने के लिए वास्तव में "देखा"। शोधकर्ताओं ने कंप्यूटर मॉडल की परतों को हटाने और यह समझने के लिए एक विधि का उपयोग किया कि कौन से विशिष्ट व्यवहार सबसे अधिक महत्वपूर्ण थे। डिमेंशिया समूह के लिए, प्रणाली ने चार स्पष्ट पैटर्न बताए: दैनिक गतिविधियों में जटिलता की कमी, गति का एक अधिक कठोर संगठन, आराम करने में बिताया गया अधिक समय, और हल्की नींद की संरचना में एक विशिष्ट परिवर्तन। माइल्ड इम्पेयरमेंट वाले समूह के लिए, संकेत अस्थिरता के बारे में अधिक थे। प्रणाली ने देखा कि इन व्यक्तियों को लंबे समय तक गतिविधि बनाए रखने में कठिनाई होती थी, उनके नींद-जागने के समय में अनियमित बदलाव आते थे, और उनकी रात की हृदय गति और शरीर के तापमान में उतार-चढ़ाव वाले पैटर्न दिखाई देते थे।
अध्ययन इन निष्कर्षों को एक निश्चित नैदानिक परीक्षण के बजाय स्क्रीनिंग और परिकल्पना निर्माण (hypothesis generation) के उपकरण के रूप में फ्रेम करने में सावधानी बरतता है। शोधकर्ता इस बात पर जोर देते हैं कि यह प्रणाली उन लोगों को चिह्नित करने के लिए डिज़ाइन की गई है जिन्हें चिकित्सा पेशेवर द्वारा गहराई से देखे जाने की आवश्यकता हो सकती है, न कि डॉक्टर की जगह लेने के लिए। पहचाने गए पैटर्न, जैसे कि नींद की संरचना में विशिष्ट परिवर्तन या गतिविधि का विखंडन, को प्रारंभिक सुराग के रूप में वर्णित किया गया है जो इस बात के अनुरूप हैं कि मस्तिष्क और शरीर कैसे परस्पर क्रिया करते हैं, लेकिन वे अभी तक स्वतंत्र चिकित्सा मार्कर के रूप में पुष्ट नहीं हुए हैं। टीम स्वीकार करती है कि उनका डेटासेट छोटा था, विशेष रूप से डिमेंशिया समूह के लिए, और पहनने योग्य उपकरण नींद के चरणों जैसी चीजों को कितनी सटीकता से मापते हैं, इसमें भिन्नता होती है।
अंततः, यह कार्य यह प्रदर्शित करता है कि संज्ञानात्मक स्वास्थ्य की कहानी दैनिक जीवन के लंबे, निरंतर वृत्तांत में लिखी जाती है, न कि केवल नैदानिक परीक्षा के छोटे अध्यायों में। मिनटों के बजाय हफ्तों तक गति और विश्राम की सूक्ष्म लय को सुनकर, उन शुरुआती संकेतों को पहचाना जा सकता है जिन्हें एक एकल यात्रा मिस कर सकती है। शोधकर्ता सुझाव देते हैं कि इस प्रकार की अनुदैर्ध्य निगरानी (longitudinal monitoring) सामुदायिक स्वास्थ्य का एक मूल्यवान हिस्सा बन सकती है, जिससे उन लोगों की पहचान करने में मदद मिल सकती है जिन्हें संकट आने से पहले सहायता की आवश्यकता है। हालांकि, वे निष्कर्ष निकालते हैं कि अस्पतालों या क्लीनिकों में ऐसे सिस्टम के उपयोग से पहले, इसे विभिन्न स्थानों पर और विभिन्न प्रकार के उपकरणों के साथ बहुत बड़े समूहों पर परखा जाना चाहिए ताकि यह सुनिश्चित हो सके कि पैटर्न सभी के लिए समान रूप से लागू होते 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।