वाशिंगटन (एएनआई): यूसीएल शोधकर्ताओं के नेतृत्व में एक नए अध्ययन के अनुसार, पांच प्रकार की दिल की विफलता का उपयोग कृत्रिम बुद्धिमत्ता (एआई) उपकरणों का उपयोग करके व्यक्तिगत रोगियों के लिए भविष्य के जोखिम की भविष्यवाणी करने के लिए किया जा सकता है।
प्रमुख लेखक प्रोफेसर अमिताव बनर्जी (यूसीएल इंस्टीट्यूट ऑफ हेल्थ इंफॉर्मेटिक्स) ने कहा, "बीमारी के संभावित पाठ्यक्रम को बेहतर ढंग से समझने और रोगियों को इसके बारे में बताने के उद्देश्य से हमने दिल की विफलता को वर्गीकृत करने के तरीके में सुधार करने की मांग की। वर्तमान में, रोग कैसे बढ़ता है यह कठिन है। व्यक्तिगत रोगियों के लिए भविष्यवाणी करने के लिए। कुछ लोग कई वर्षों तक स्थिर रहेंगे, जबकि अन्य जल्दी खराब हो जाएंगे।"
जब हृदय शरीर के चारों ओर रक्त को प्रभावी ढंग से पंप करने में असमर्थ होता है, तो इसे हृदय की विफलता कहा जाता है। दिल की विफलता के लिए वर्तमान वर्गीकरण प्रणालियां मज़बूती से अनुमान नहीं लगाती हैं कि स्थिति कैसे आगे बढ़ेगी।
"हृदय की विफलता के प्रकारों के बीच बेहतर अंतर से अधिक लक्षित उपचार भी हो सकते हैं और संभावित उपचारों के बारे में अलग तरीके से सोचने में हमारी मदद कर सकते हैं।
"इस नए अध्ययन में, हमने कई मशीन सीखने के तरीकों और कई डेटासेट का उपयोग करके पांच मजबूत उपप्रकारों की पहचान की," बनर्जी ने कहा।
शोधकर्ताओं ने 30 या उससे अधिक आयु के 300,000 से अधिक वयस्कों से विस्तृत अज्ञात रोगी डेटा की जांच की, जिन्हें अध्ययन के लिए 20 साल की अवधि के दौरान यूके में दिल की विफलता का निदान किया गया था, जो लांसेट डिजिटल हेल्थ में प्रकाशित हुआ था।
"अगला कदम यह देखना है कि क्या दिल की विफलता को वर्गीकृत करने का यह तरीका रोगियों के लिए व्यावहारिक अंतर ला सकता है - क्या यह जोखिम की भविष्यवाणी में सुधार करता है और चिकित्सकों द्वारा प्रदान की जाने वाली सूचना की गुणवत्ता, और क्या यह रोगियों के उपचार को बदलता है। हमें यह भी जानना होगा कि क्या यह लागत प्रभावी होगा। हमने जो ऐप डिजाइन किया है, उसका नैदानिक परीक्षण या आगे के शोध में मूल्यांकन करने की आवश्यकता है, लेकिन नियमित देखभाल में मदद कर सकता है, "बनर्जी ने कहा।
शोधकर्ताओं ने कई मशीन सीखने के तरीकों का उपयोग करके पांच उपप्रकारों की पहचान की: प्रारंभिक शुरुआत, देर से शुरुआत, एट्रियल फाइब्रिलेशन संबंधित (एट्रियल फाइब्रिलेशन के कारण अनियमित हृदय ताल), चयापचय (मोटापे से जुड़ा हुआ लेकिन हृदय रोग की कम दर के साथ), और कार्डियोमेटाबोलिक (जुड़ा हुआ) मोटापा और हृदय रोग के लिए)।
उन्होंने निदान के बाद वर्ष में रोगियों के मरने के जोखिम में उपप्रकारों के बीच अंतर पाया।
एक वर्ष में सर्व-कारण मृत्यु दर जोखिम थे: प्रारंभिक शुरुआत (20 प्रतिशत), देर से शुरुआत (46 प्रतिशत), आलिंद फिब्रिलेशन संबंधी (61 प्रतिशत), चयापचय (11 प्रतिशत), और कार्डियोमेटाबोलिक (37 प्रतिशत) ).
शोध दल ने एक ऐप भी विकसित किया है जिसका उपयोग चिकित्सक संभावित रूप से यह निर्धारित करने के लिए कर सकते हैं कि दिल की विफलता वाले व्यक्ति का कौन सा उपप्रकार है, जो संभावित रूप से भविष्य के जोखिम की भविष्यवाणियों में सुधार कर सकता है और रोगियों के साथ चर्चा को सूचित कर सकता है।
एकल मशीन लर्निंग पद्धति से पूर्वाग्रह से बचने के लिए, शोधकर्ताओं ने दिल की विफलता के समूह मामलों के लिए चार अलग-अलग तरीकों का इस्तेमाल किया। उन्होंने इन विधियों को यूके के दो बड़े प्राथमिक देखभाल डेटासेट से डेटा पर लागू किया, जो समग्र रूप से यूके की आबादी के प्रतिनिधि थे और अस्पताल में प्रवेश और मृत्यु रिकॉर्ड से भी जुड़े थे।
डेटासेट क्लिनिकल प्रैक्टिस रिसर्च डेटालिंक (CPRD) और द हेल्थ इम्प्रूवमेंट नेटवर्क (THIN) थे, जो 1998 से 2018 तक के वर्षों को कवर करते हैं।)
शोध दल ने डेटा के सेगमेंट पर मशीन लर्निंग टूल्स को प्रशिक्षित किया और एक बार जब उन्होंने सबसे मजबूत उपप्रकारों का चयन कर लिया, तो उन्होंने एक अलग डेटासेट का उपयोग करके इन समूहों को मान्य किया।
उपप्रकार 87 (संभावित 635 में से) कारकों के आधार पर स्थापित किए गए थे जिनमें आयु, लक्षण, अन्य स्थितियों की उपस्थिति, रोगी जो दवाएं ले रहा था, और परीक्षणों के परिणाम (जैसे, रक्तचाप के) और आकलन (जैसे। , गुर्दे की कार्यप्रणाली)।
टीम ने यूके बायोबैंक अध्ययन से दिल की विफलता वाले 9,573 व्यक्तियों के आनुवंशिक डेटा को भी देखा। उन्हें उच्च रक्तचाप और आलिंद फिब्रिलेशन जैसी स्थितियों के लिए दिल की विफलता के विशेष उपप्रकार और उच्च पॉलीजेनिक जोखिम स्कोर (पूरे जीन के कारण समग्र जोखिम के स्कोर) के बीच एक लिंक मिला। (एएनआई)