Development and External Validation of a Machine Learning Model for Postoperative Infection After Cardiopulmonary Bypass Surgery
इस अध्ययन ने कार्डियोपल्मोनरी बाईपास सर्जरी कराने वाले रोगियों में 30-दिवसीय संक्रमण जोखिमों की प्रभावी ढंग से भविष्यवाणी करने के लिए आठ प्रारंभिक पोस्टऑपरेटिव चरों का उपयोग करते हुए एक व्याख्या योग्य ग्रेडिएंट बूस्टिंग मशीन (GBM) मॉडल विकसित और बाह्य रूप से मान्य किया।
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
एक बड़ी तस्वीर: हृदय शल्य चिकित्सा के लिए एक क्रिस्टल बॉल (भवि phép दृष्टि)
कल्पना कीजिए कि हृदय शल्य चिकित्सा (हार्ट सर्जरी) जिसमें एक "हृदय-फेफड़ा मशीन" (कार्डियोपल्मोनरी बाईपास) का उपयोग होता है, एक उच्च-दांव वाली दौड़ की तरह है। जबकि यह मशीन ऑपरेशन के दौरान मरीज को जीवित रखती है, शरीर अक्सर इस प्रक्रिया से काफी विचलित हो जाता है, जैसे कोई कार जो अभी-अभी एक ऊबड़-खाबड़ ऑफ-रोड ट्रैक से गुजरी हो। कभी-कभी, दौड़ के बाद, कार में एक छिपी हुई इंजन की समस्या विकसित हो जाती है जिसे पोस्टऑपरेटिव संक्रमण (सर्जरी के बाद का संक्रमण) कहा जाता है।
यह संक्रमण खतरनाक है। यह मरीज को अस्पताल में अधिक समय तक रख सकता है, लागत बढ़ा सकता है, और कभी-कभी गंभीर समस्याओं का कारण बन सकता है। डॉक्टर जानते हैं कि ऐसा होता है, लेकिन वे अक्सर यह अनुमान नहीं लगा पाते कि कौन बीमार होगा जब तक कि बहुत देर न हो जाए।
यह शोध पत्र एक डिजिटल क्रिस्टल बॉल (एक मशीन लर्निंग मॉडल) बनाने के बारे में है जो सर्जरी के तुरंत बाद मरीज के महत्वपूर्ण संकेतों (वाइटल साइन्स) को देखकर यह अनुमान लगाता है कि क्या उन्हें अगले 30 दिनों के भीतर संक्रमण होने की संभावना है।
उन्होंने क्रिस्टल बॉल कैसे बनाया
शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने दो अलग-अलग "लाइब्रेरी" के रोगी डेटा का उपयोग करके कंप्यूटर को प्रशिक्षित किया:
- ट्रेनिंग लाइब्रेरी (MIMIC-IV): उन्होंने बोस्टन के एक अस्पताल के पिछले हृदय शल्य चिकित्सा रोगियों के एक विशाल, सार्वजनिक डेटाबेस का उपयोग किया। उन्होंने इस डेटा का 70% हिस्सा कंप्यूटर को यह सिखाने के लिए दिया कि संक्रमण कैसा दिखता है।
- टेस्ट लाइब्रेरी (किंगदाओ विश्वविद्यालय): यह सुनिश्चित करने के लिए कि कंप्यूटर केवल बोस्टन के डेटा को रट नहीं रहा है, उन्होंने इसे चीन के एक अस्पताल के मरीजों के एक बिल्कुल नए समूह पर परखा। यह एक ऐसे छात्र की तरह है जिसने न्यूयॉर्क में पढ़ाई की है और फिर उसे टोक्यो में परीक्षा देने के लिए भेजा गया है ताकि यह देखा जा सके कि वह विषय को वास्तव में समझता है या नहीं।
"पांच छात्रों" की प्रतियोगिता
सबसे अच्छा "क्रिस्टल बॉल" खोजने के लिए, शोधकर्ताओं ने पांच अलग-अलग प्रकार के कंप्यूटर एल्गोरिदम (सोचिए कि ये पांच अलग-अलग छात्र हैं जो एक पहेली सुलझाने की कोशिश कर रहे हैं) का परीक्षण किया:
- लॉजिस्टिक रिग्रेशन (LR): पारंपरिक, सीधा-साधा छात्र।
- XGBoost और GBM: वे पावर-यूजर जो जटिल पैटर्न को संभाल सकते हैं।
- SVM: वह छात्र जो समूहों को अलग करने के लिए रेखाएं खींचता है।
- न्यूरल नेटवर्क: वह छात्र जो यह नकल करने की कोशिश करता है कि मानव मस्तिष्क कैसे सोचता है।
विजेता: GBM (ग्रेडिएंट बूस्टिंग मशीन) छात्र प्रतियोगिता जीत गया। उन मरीजों के बीच अंतर पहचानने में यह सबसे सटीक था जिन्हें संक्रमण होने वाला था और जिन्हें नहीं।
कंप्यूटर ने क्या देखा?
कंप्यूटर को क्रिस्टल बॉल की आवश्यकता नहीं थी; उसे केवल सर्जरी के पहले 48 घंटों के भीतर एकत्र किए गए आठ विशिष्ट सुरागों को देखने की आवश्यकता थी। इन्हें डैशबोर्ड पर "अर्ली वार्निंग लाइट्स" (शुरुआती चेतावनी संकेतों) के रूप में सोचें:
- एडमिशन टाइप (प्रवेश का प्रकार): क्या सर्जरी नियोजित (इलेक्टिव) थी या आपातकालीन (इमरजेंसी)? (आपातकालीन स्थितियां एक रेड फ्लैग थीं)।
- न्यूट्रोफिल काउंट: कीटाणुओं से लड़ने वाले श्वेत रक्त कोशिकाओं का एक प्रकार।
- क्रिएटिनिन: किडनी कितनी अच्छी तरह काम कर रही है इसका एक माप।
- रेस्पिरेटरी रेट (श्वसन दर): मरीज कितनी तेजी से सांस ले रहा है।
- हार्ट रेट (हृदय गति): हृदय कितनी तेजी से धड़क रहा है।
- बॉडी टेम्परेचर (शरीर का तापमान): क्या मरीज को बुखार है?
- ऑक्सीजन सैचुरेशन: रक्त में ऑक्सीजन की मात्रा कितनी है?
- एल्ब्यूमिन: एक प्रोटीन जो पोषण और सूजन (इन्फ्लेमेशन) से लड़ने में मदद करता है।
कंप्यूटर कैसे "सोचता" है (SHAP का जादू)
शोधकर्ताओं ने कंप्यूटर के मस्तिष्क के अंदर झांकने और यह देखने के लिए कि उसने अपने अनुमान क्यों दिए, एक विशेष उपकरण SHAP का उपयोग किया। यह एक शिक्षक द्वारा यह समझाने जैसा है कि एक छात्र को एक विशिष्ट उत्तर क्यों मिला।
कंप्यूटर ने पाया कि:
- उच्च तापमान, उच्च हृदय गति और उच्च श्वसन दर धुएं के संकेतों की तरह थे, जो दृढ़ता से संकेत दे रहे थे कि संक्रमण पनप रहा है।
- उच्च क्रिएटिनिन (खराब किडनी फंक्शन) दूसरा बड़ा चेतावनी संकेत था।
- कम ऑक्सीजन और कम एल्ब्यूमिन (खराब पोषण/सूजन नियंत्रण) ने भी जोखिम बढ़ा दिया।
- न्यूट्रोफिल्स पेचीदा थे: यदि वे बहुत कम या बहुत अधिक थे, तो यह बुरा था। कंप्यूटर ने सीखा कि "स्वीट स्पॉट" (सही स्तर) बीच में था।
परिणाम: क्या यह काम कर गया?
- ट्रेनिंग चरण में: कंप्यूटर बहुत तेज था, संक्रमणों की पहचान लगभग 86% बार सही ढंग से कर रहा था।
- आंतरिक परीक्षण में: यह मजबूत बना रहा, लगभग 79% सटीकता प्राप्त की।
- वास्तविक दुनिया के परीक्षण में (चीन): जब उन्होंने मरीजों के नए समूह पर इसका परीक्षण किया, तो यह अभी भी अच्छा प्रदर्शन कर रहा था, लगभग 74% सटीकता प्राप्त की।
यह महत्वपूर्ण है क्योंकि कई कंप्यूटर मॉडल लैब में बहुत अच्छा काम करते हैं लेकिन वास्तविक, अलग समूहों के लोगों पर परीक्षण किए जाने पर विफल हो जाते हैं। इसने अपनी पकड़ बनाए रखी।
निचोड़ (द बॉटम लाइन)
शोधकर्ताओं ने एक ऐसा टूल बनाया है जो एक स्मार्ट अर्ली-वार्निंग सिस्टम की तरह काम करता है। हृदय शल्य चिकित्सा के बाद मरीज के पहले दो दिनों के केवल आठ सरल नंबरों को देखकर, यह मॉडल डॉक्टरों को बता सकता है, "हे, इस मरीज को संक्रमण का उच्च जोखिम है।"
पेपर का दावा है कि यह टूल एक साधारण ऐप के रूप में उपयोग के लिए तैयार है जहाँ एक डॉक्टर उन आठ नंबरों को टाइप करता है, और ऐप जोखिम प्रतिशत बताता है। हालांकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक अनुमान लगाने वाला टूल है जो डॉक्टरों को उच्च जोखिम वाले मरीजों पर अधिक ध्यान देने में मदद करता है, न कि कोई जादुई छड़ी जो अपने आप संक्रमण को रोक देती है। उन्होंने यह भी नोट किया कि चूंकि परीक्षण समूह ट्रेनिंग समूह की तुलना में छोटा था, इसलिए इससे पहले कि यह हर अस्पताल के नियमित कामकाज का हिस्सा बने, और अधिक परीक्षण की आवश्यकता 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।