PhysioRisk: an interpretable survival- modeling framework for separating demographic and physiological mortality risk

प्रत्येक मानव जीवन एक अनुमानित सांख्यिकीय वक्र का अनुसरण करता है: जैसे-जैसे हम बड़े होते हैं, हमारे मरने की संभावना बढ़ती जाती है। यह मृत्यु दर की मौलिक लय है, जो समय के सरल बीतने से प्रेरित है। चूंकि आयु एक शक्तिशाली भविष्यवक्ता है, इसलिए डॉक्टर और वैज्ञानिक अक्सर कंप्यूटर मॉडल बनाते हैं जो एक व्यक्ति की आयु को उसके रक्त परीक्षण परिणामों के साथ मिलाते हैं ताकि यह अनुमान लगाया जा सके कि वह कब तक जीवित रह सकता है। ये मॉडल लोगों को उच्च और निम्न जोखिम वाले समूहों में वर्गीकृत करने में अच्छे हैं, लेकिन उनमें एक अंध बिंदु (blind spot) होता है। जब एक मॉडल आयु और जीव विज्ञान को एक एकल संख्या में मिला देता है, तो यह बताना असंभव हो जाता है कि उच्च जोखिम स्कोर केवल इसलिए आया क्योंकि व्यक्ति वृद्ध है, या इसलिए कि उसका शरीर अपनी आयु के अनुसार अपेक्षित दर से अधिक तेजी से बूढ़ा हो रहा है। यह भ्रम महत्वपूर्ण है क्योंकि शोधकर्ता जैविक उम्र बढ़ने—यानी हमारे तंत्रों पर होने वाली टूट-फूट—को कालानुक्रमिक समय के अनिवार्य प्रवाह से अलग समझना चाहते हैं। यदि एक स्कोर आयु के साथ बहुत अधिक उलझा हुआ है, तो यह नहीं बता सकता कि कोई उपचार वास्तव में व्यक्ति की शरीर क्रिया विज्ञान (physiology) में मदद कर रहा है या केवल इस तथ्य को दर्शा रहा है कि वह बूढ़ा हो रहा है।

ग्रेगरी एलन नामक एक शोधकर्ता ने इन दो धागों को सुलझाने का प्रयास किया। उन्होंने मृत्यु जोखिम को देखने का एक नया तरीका विकसित किया जो उम्र बढ़ने के अपेक्षित खतरे को शारीरिक शिथिलता (physiological dysfunction) के अप्रत्याशित खतरे से अलग करता है। लगभग दो दशकों में एकत्र किए गए हजारों अमेरिकियों के स्वास्थ्य डेटा के एक विशाल संग्रह का उपयोग करके, उन्होंने एक ऐसी प्रणाली बनाई जो पहले यह गणना करती है कि व्यक्ति को केवल उसकी आयु और लिंग के कारण कितना जोखिम है। फिर उन्होंने शेष जोखिम को देखा, जो इस बात से आता है कि व्यक्ति के रक्त मार्कर—जैसे कि गुर्दे की कार्यक्षमता या सूजन को मापने वाले मार्कर—उसकी समान आयु और लिंग के व्यक्ति के लिए विशिष्ट होने से कितने भिन्न हैं। इन जोखिमों के दो स्रोतों को अलग रखकर, उन्होंने एक ऐसा ढांचा तैयार किया जो न केवल एक व्यक्ति के मृत्यु जोखिम की पूरी तस्वीर दिखा सकता है, बल्कि उसकी जैविक स्थिति के विशिष्ट योगदान को भी दिखा सकता है, बिना एक को दूसरे को ओझल किए।

यह अध्ययन नेशनल हेल्थ एंड न्यूट्रिशन एग्जामिनेशन सर्वे (NHANES) के डेटा पर आधारित था, जो एक लंबे समय से चल रहा प्रोजेक्ट है जो अमेरिकी आबादी के एक प्रतिनिधि नमूने का परीक्षण और साक्षात्कार करता है। एलन ने इस डेटा को दो समूहों में विभाजित किया: एक प्रारंभिक समूह जिसका उपयोग मॉडल बनाने के लिए किया गया, और एक बाद का समूह जिसका उपयोग इसका परीक्षण करने के लिए किया गया, जिससे यह सुनिश्चित हुआ कि निष्कर्ष समय के साथ बने रहें। उन्होंने सबसे पहले एक आधारभूत स्कोर बनाया, जिसे उन्होंने 'डेमोरिस्क' (DemoRisk) कहा, जो पूरी तरह से आयु और लिंग पर आधारित था। इस स्कोर ने यह भविष्यवाणी करने की क्षमता का एक बड़ा हिस्सा पकड़ लिया कि कौन मरेगा, क्योंकि वृद्ध लोग सांख्यिकीय रूप से युवाओं की तुलना में अधिक मरने की संभावना रखते हैं। इसके बाद, उन्होंने रक्त परीक्षण के परिणामों को लिया और उन पैटर्न को हटा दिया जो पहले से ही आयु और लिंग द्वारा स्पष्ट किए जा चुके थे। उदाहरण के लिए, यदि उम्र बढ़ने के साथ गुर्दे की कार्यक्षमता स्वाभाविक रूप से कम होती है, तो मॉडल ने उस अपेक्षित गिरावट को हटा दिया। जो बचा था वे थे विचलन (deviations): वे लोग जिनका रक्त कार्य उनकी विशिष्ट आयु और लिंग के औसत से खराब या बेहतर था।

इन शेष विचलनों को दो मुख्य श्रेणियों में व्यवस्थित किया गया था। एक श्रेणी, जिसे शोधकर्ता ने 'हेमेटोलॉजिक स्ट्रेस' (HematologicStress) नाम दिया, ने रक्त कोशिकाओं और प्रतिरक्षा प्रणाली से संबंधित मार्करों को एक साथ समूहबद्ध किया। दूसरी श्रेणी, जिसे 'रीनल-हेपेटिक टर्नओवर' (RenalHepaticTurnover) कहा गया, किडनी और लिवर के कार्य से संबंधित मार्करों पर केंद्रित थी। इन दोनों श्रेणियों को मिलाकर, उन्होंने एक दूसरा स्कोर बनाया, जिसे 'फिजियोरिस्क' (PhysioRisk) कहा गया। यह स्कोर लगभग पूरी तरह से आयु से स्वतंत्र होने के लिए डिज़ाइन किया गया था; अध्ययन में, इसने दिखाया कि इसका आयु के वर्षों के साथ लगभग कोई सहसंबंध नहीं था। आयु से मुक्त होने के बावजूद, इस शारीरिक स्कोर में महत्वपूर्ण जानकारी मौजूद थी। उच्च फिजियोरिस्क स्कोर वाले लोगों के अध्ययन अवधि के दौरान मरने की संभावना उन लोगों की तुलना में अधिक थी जिनका स्कोर कम था, भले ही शोधकर्ताओं ने समान आयु और लिंग के लोगों की तुलना की हो। इसने सिद्ध किया कि शारीरिक शिथिलता में मृत्यु के लिए अपना स्वयं का संकेत होता है, जो केवल उम्र बढ़ने के संकेत से अलग है।

सबसे महत्वपूर्ण निष्कर्ष तब आया जब शोधकर्ता ने इन दो अलग-अलग स्कोरों को पुन: संयोजित किया। उन्होंने प्रारंभिक डेटा से निर्धारित विशिष्ट भार (weights) का उपयोग करके आयु-आधारित जोखिम और शारीरिक जोखिम को जोड़ा। इसके परिणामस्वरूप प्राप्त संयुक्त स्कोर, जिसे उन्होंने 'कैलिब्रेटेड टोटल रिस्क' (CalibratedTotalRisk) कहा, मृत्यु की भविष्यवाणी करने के लिए मौजूदा सर्वोत्तम मॉडलों के समान ही प्रदर्शन करता था। वास्तव में, यह केवल आयु का उपयोग करने की तुलना में थोड़ा बेहतर था। इसने प्रदर्शित किया कि शारीरिक घटक ने वास्तविक मूल्य जोड़ा, जिससे मृत्यु की भविष्यवाणी करने की क्षमता में सुधार हुआ, बिना आयु-आधारित घटक की शक्ति को खोए। संयुक्त मॉडल की तुलना 'फेनोएज' (PhenoAge) नामक एक प्रसिद्ध मौजूदा माप से भी की गई थी, जो जैविक आयु का अनुमान लगाने का प्रयास करता है। नया संयुक्त स्कोर फेनोएज के समान प्रदर्शन करता है, जिससे पता चलता कि जनसांख्यिकीय और शारीरिक भागों को अलग करने से भविष्यवाणी की समग्र सटीकता को नुकसान नहीं पहुँचा।

हालाँकि, अध्ययन ने यह भी खुलासा किया कि समय के साथ ये जोखिम कैसे व्यवहार करते हैं, इसमें एक सूक्ष्म जटिलता है। जबकि आयु-आधारित भाग का मॉडल सुसंगत व्यवहार करता था, संयुक्त स्कोर ने दिखाया कि जोखिम कारकों और मृत्यु के बीच का संबंध लंबे समय तक पीछा करने पर और मजबूत होता गया। इसका अर्थ यह है कि उच्च-स्कोर वाले और निम्न-स्कोर वाले व्यक्ति के बीच जोखिम का अंतर समय बीतने के साथ बढ़ता गया, न कि स्थिर रहा। यह निष्कर्ष बताता है कि शरीर की शारीरिक स्थिति का मृत्यु पर एक विलंबित प्रभाव हो सकता है जो कई वर्षों के बाद अधिक स्पष्ट हो जाता है। शोधकर्ताओं ने नोट किया कि यह व्यवहार एक मानक सांख्यिकीय धारणा के अनुरूप नहीं था कि जोखिम अनुपात समय के साथ समान रहता है, जो यह दर्शाता है कि जीव विज्ञान और मृत्यु के बीच का संबंध सरल मॉडलों की तुलना में अधिक गतिशील है।

यह कार्य यह दावा नहीं करता है कि इसने जैविक आयु का कोई सटीक माप या जीवन बढ़ाने का कोई जादुई सूत्र खोज लिया है। शारीरिक स्कोर किसी व्यक्ति के शरीर की जैविक अर्थ में कितनी "पुरानी" अवस्था है, इसका सीधा माप नहीं है, न ही यह सिद्ध करता है कि विशिष्ट रक्त मार्कर मृत्यु का कारण बनते हैं। इसके बजाय, यह डेटा को देखने का एक स्पष्ट तरीका प्रदान करता है। इन दोनों जोखिमों को अलग करके, मॉडल शोधकर्ताओं को अलग प्रश्न पूछने की अनुमति देता है। अब वे देख सकते हैं कि क्या किसी व्यक्ति की शरीर क्रिया विज्ञान (physiology) सामान्य उम्र बढ़ने के रुझान से स्वतंत्र होकर, उसकी कालानुक्रमिक आयु की तुलना में अधिक तेजी से बिगड़ रही है। यह अलगाव मूल्यवान है क्योंकि यह उम्र बढ़ने के भारी संकेत को जैविक स्वास्थ्य के सूक्ष्म संकेतों को दबाने से रोकता है।

अध्ययन एक ही देश के डेटा का उपयोग करता है और एक विशिष्ट सेट के रक्त परीक्षणों पर निर्भर है, इसलिए व्यापक रूप से लागू करने से पहले इसके परिणामों का अन्य आबादी में परीक्षण किया जाना चाहिए। शोधकर्ताओं ने यह भी नोट किया कि उनका मॉडल उन लोगों पर बनाया गया था जिनके पास पूर्ण रक्त परीक्षण डेटा था, जिससे वे सबसे बीमार या सबसे असुरक्षित व्यक्ति बाहर हो सकते हैं जो अक्सर चिकित्सा नियुक्तियों में शामिल नहीं हो पाते। इन सीमाओं के बावजूद, यह दृष्टिकोण मृत्यु दर को समझने के लिए एक नया उपकरण प्रदान करता है। यह दिखाता है कि ऐसा मॉडल बनाना संभव है जो आयु की शक्ति का सम्मान करता है और साथ ही शारीरिक स्वास्थ्य के अद्वितीय योगदान को अलग करता है। दोनों जोखिमों को दृश्यमान और अलग रखकर, यह ढांचा मानव उम्र बढ़ने का एक अधिक सूक्ष्म दृष्टिकोण प्रदान करता है, जो यह स्वीकार करता है कि हालांकि हम सभी बूढ़े होते हैं, लेकिन हमारे शरीर आवश्यक रूप से एक ही दर या एक ही तरीके से बूढ़े नहीं होते हैं।