आर्टिफिशियल इंटेलिजेंस सीने में दर्द वाले मरीजों को बेहतर देखभाल प्रदान करने में मदद कर सकता है: शोधकर्ताओं ने किया खुलासा

इलिनोइस (एएनआई): एक अध्ययन के अनुसार, कृत्रिम बुद्धिमत्ता (एआई) उन रोगियों की बेहतर देखभाल करने में मदद कर सकती है जो सीने में गंभीर तकलीफ के साथ अस्पताल में आते हैं।

अध्ययन के निष्कर्ष रेडियोलॉजी में प्रकाशित हुए थे, जो उत्तरी अमेरिका के रेडियोलॉजिकल सोसायटी (आरएसएनए) की एक पत्रिका है।

अध्ययन के प्रमुख लेखक, मार्टन कोलोस्वरी, एमडी, पीएचडी ने कहा, "हमारी जानकारी के अनुसार, हमारा डीप लर्निंग एआई मॉडल छाती के एक्स-रे का उपयोग करने वाला पहला है, जो तीव्र सीने में दर्द वाले रोगियों में व्यक्तियों की पहचान करता है, जिन्हें तत्काल चिकित्सा की आवश्यकता होती है।" D., बोस्टन में मैसाचुसेट्स जनरल हॉस्पिटल (MGH) में रेडियोलॉजी रिसर्च फेलो।

एक्यूट चेस्ट पेन सिंड्रोम में सीने में जकड़न, जलन या अन्य परेशानी या ऐसा तेज दर्द शामिल हो सकता है जो आपकी पीठ, गर्दन, कंधे, हाथ या जबड़े तक फैल जाए। यह सांस की तकलीफ के साथ हो सकता है।

तीव्र सीने में दर्द सिंड्रोम संयुक्त राज्य अमेरिका में सालाना 7 मिलियन से अधिक आपातकालीन विभाग का दौरा करता है, जो इसे सबसे आम शिकायतों में से एक बनाता है।

इनमें से 8% से कम रोगियों में तीव्र छाती दर्द सिंड्रोम के तीन प्रमुख हृदय संबंधी कारणों का निदान किया जाता है, जो तीव्र कोरोनरी सिंड्रोम, पल्मोनरी एम्बोलिज्म या महाधमनी विच्छेदन हैं। हालांकि, इन स्थितियों की जीवन-धमकाने वाली प्रकृति और नैदानिक ​​परीक्षणों की कम विशिष्टता, जैसे इलेक्ट्रोकार्डियोग्राम और रक्त परीक्षण, हृदय और फुफ्फुसीय नैदानिक ​​इमेजिंग का पर्याप्त उपयोग करते हैं, जो अक्सर नकारात्मक परिणाम देते हैं। जैसा कि आपातकालीन विभाग उच्च रोगी संख्या और अस्पताल के बिस्तरों की कमी से जूझते हैं, इन गंभीर स्थितियों के बहुत कम जोखिम वाले रोगियों का प्रभावी ढंग से उपचार करना महत्वपूर्ण है।

डीप लर्निंग एक उन्नत प्रकार की कृत्रिम बुद्धिमत्ता (एआई) है जिसे बीमारी से जुड़े पैटर्न खोजने के लिए एक्स-रे छवियों को खोजने के लिए प्रशिक्षित किया जा सकता है।

अध्ययन के लिए, डॉ. कोलोसवरी और उनके सहयोगियों ने तीव्र छाती दर्द सिंड्रोम वाले रोगियों की पहचान करने के लिए एक ओपन-सोर्स डीप लर्निंग मॉडल विकसित किया, जो 30-दिन के तीव्र कोरोनरी सिंड्रोम, पल्मोनरी एम्बोलिज्म, महाधमनी विच्छेदन या सर्व-कारण मृत्यु दर के जोखिम पर आधारित थे। एक छाती का एक्स-रे।

अध्ययन में जनवरी 2005 और दिसंबर 2015 के बीच बोस्टन में एमजीएच या ब्रिघम और महिला अस्पताल में छाती के एक्स-रे और अतिरिक्त कार्डियोवैस्कुलर या पल्मोनरी इमेजिंग और/या तनाव परीक्षण वाले तीव्र छाती दर्द सिंड्रोम वाले मरीजों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का उपयोग किया गया था। अध्ययन, 5,750 रोगियों (औसत आयु 59, 3,329 पुरुषों सहित) का मूल्यांकन किया गया।

डीप-लर्निंग मॉडल को MGH से 23,005 रोगियों पर प्रशिक्षित किया गया था ताकि छाती के एक्स-रे छवियों के आधार पर तीव्र कोरोनरी सिंड्रोम, पल्मोनरी एम्बोलिज्म या महाधमनी विच्छेदन और सर्व-कारण मृत्यु दर के 30-दिवसीय समग्र समापन बिंदु की भविष्यवाणी की जा सके।

डीप-लर्निंग टूल ने उम्र, लिंग और पारंपरिक क्लिनिकल मार्कर जैसे डी-डिमर रक्त परीक्षण से परे इन प्रतिकूल परिणामों की भविष्यवाणी में काफी सुधार किया है। मॉडल ने उम्र, लिंग, जातीयता और नस्ल में अपनी नैदानिक ​​सटीकता बनाए रखी। 99% संवेदनशीलता सीमा का उपयोग करते हुए, मॉडल केवल आयु, लिंग और बायोमार्कर डेटा को शामिल करने वाले मॉडल का उपयोग करते समय 2% की तुलना में 14% रोगियों में अतिरिक्त परीक्षण को स्थगित करने में सक्षम था।

"हमारे स्वचालित डीप लर्निंग मॉडल का उपयोग करके इन रोगियों के प्रारंभिक छाती के एक्स-रे का विश्लेषण करते हुए, हम उम्र, लिंग, ट्रोपोनिन या डी-डिमर जानकारी का उपयोग करने वाले मॉडल की तुलना में रोगी परिणामों के बारे में अधिक सटीक भविष्यवाणी प्रदान करने में सक्षम थे," डॉ। कोलोसवरी ने कहा। "हमारे परिणाम बताते हैं कि छाती के एक्स-रे का उपयोग आपातकालीन विभाग में सीने में दर्द के रोगियों की मदद के लिए किया जा सकता है।" (एएनआई)