ग्लूकोमा के जोखिम की प्रगति की भविष्यवाणी कर सकता है AI

सियोल: रेटिना की छवियों में लाल झंडे को पहचानने के लिए कृत्रिम बुद्धिमत्ता (एआई) को प्रशिक्षित करने से यह अनुमान लगाने में मदद मिल सकती है कि लोगों को ग्लूकोमा विकसित हो सकता है या नहीं, जो दुनिया में अपरिवर्तनीय अंधेपन का प्रमुख कारण है।

डॉक्टरों के लिए ग्लूकोमा का पता लगाना विशेष रूप से कठिन होता है, अगर किसी व्यक्ति में प्रारंभिक ऑप्टिक तंत्रिका क्षति के संदिग्ध लक्षण हों। दक्षिण में सियोल नेशनल यूनिवर्सिटी हॉस्पिटल के शोधकर्ताओं ने कहा, आंख के भीतर असामान्य रूप से उच्च आंतरिक दबाव – इंट्राओकुलर दबाव या संक्षेप में आईओपी – के कार्डिनल डायग्नोस्टिक फीचर के बिना यह अनुमान लगाना मुश्किल है कि किसे ग्लूकोमा हो जाएगा और उनकी दृष्टि खोने का खतरा होगा।

एआई में हालिया प्रगति ने ग्लूकोमा की प्रगति का बेहतर पता लगाने के लिए एल्गोरिदम के डिजाइन को प्रेरित किया है। उन्होंने बताया कि लेकिन अभी तक किसी ने भी उच्च जोखिम वाले लोगों में बीमारी की प्रगति की भविष्यवाणी करने के लिए नैदानिक ​​विशेषताओं पर काम नहीं किया है।

विश्वविद्यालय के नेत्र विज्ञान विभाग के संबंधित लेखक प्रोफेसर की हो पार्क ने कहा, “हमारे परिणाम बताते हैं कि [गहन शिक्षण] मॉडल जिन्हें नेत्र संबंधी छवियों और नैदानिक ​​डेटा दोनों पर प्रशिक्षित किया गया है, उनमें [ग्लूकोमा संदिग्ध] रोगियों में रोग की प्रगति की भविष्यवाणी करने की क्षमता है।” .

“हमारा मानना है कि बड़े डेटासेट पर अतिरिक्त प्रशिक्षण और परीक्षण के साथ, हमारे [गहन शिक्षण] मॉडल को और भी बेहतर बनाया जा सकता है, और ऐसे मॉडल के साथ, चिकित्सक व्यक्तिगत [ग्लूकोमा संदिग्ध] रोगियों के संबंधित रोग पाठ्यक्रम की भविष्यवाणी करने के लिए बेहतर ढंग से सुसज्जित होंगे, पार्क जोड़ा गया।

इस अंतर को पाटने के लिए एआई का उपयोग करने की दृष्टि से, टीम ने ग्लूकोमा के संदिग्ध प्रारंभिक लक्षणों वाली 12,458 आँखों की नैदानिक जानकारी की समीक्षा की। इनमें से, उन्होंने 210 आँखों पर ध्यान केंद्रित किया जो ग्लूकोमा में बदल गई थीं और 105 जो ग्लूकोमा में बदल गई थीं, उन सभी की निगरानी कम से कम सात वर्षों तक हर 6-12 महीने में की गई थी।

फिर उन्होंने “भविष्यवाणी” संयोजनों का एक सेट तैयार करने के लिए निगरानी अवधि के दौरान ली गई रेटिना छवियों में लाल झंडे के संकेतों और 15 प्रमुख नैदानिक ​​विशेषताओं का उपयोग किया, जिन्हें फिर तीन मशीन लर्निंग क्लासिफायर में फीड किया गया – एक एल्गोरिदम जो स्वचालित रूप से डेटा को ऑर्डर या वर्गीकृत करता है।

नैदानिक ​​विशेषताओं में उम्र, लिंग, आईओपी, कॉर्निया की मोटाई, रेटिना तंत्रिका परत की मोटाई, रक्तचाप और वजन (बीएमआई) शामिल हैं। सभी तीन एल्गोरिदम ने अच्छा प्रदर्शन किया और उच्च स्तर की सटीकता के साथ ग्लूकोमा की प्रगति की लगातार भविष्यवाणी करने में सक्षम थे: 91-99 प्रतिशत।

“व्यक्तिगत-रोगी के आधार पर बीमारी के पाठ्यक्रम की भविष्यवाणी से चिकित्सकों को फॉलो-अप अवधि, आईओपी-कम करने वाले उपचार की शुरुआत (या नहीं), और आईओपी स्तरों के लक्ष्यीकरण जैसे मुद्दों के संबंध में मरीजों को अनुरूप प्रबंधन विकल्प पेश करने में मदद मिलेगी।” टीम ने ब्रिटिश जर्नल ऑफ ऑप्थैल्मोलॉजी में ऑनलाइन प्रकाशित शोध में कहा।

टीम ने अपने निष्कर्षों की विभिन्न सीमाओं को भी स्वीकार किया। उदाहरण के लिए, एआई प्रशिक्षण के परिणाम अपेक्षाकृत कम जानकारी पर आधारित थे, और केवल सामान्य आईओपी वाले वे लोग जिन्हें निगरानी के दौरान ग्लूकोमा का कोई इलाज नहीं दिया गया था, उन्हें अध्ययन में शामिल किया गया था।