नई मशीन एल्गोरिदम नियमित अस्थि स्कैन से हृदय और फ्रैक्चर के जोखिमों की कर सकती है पहचान

Australian :    ऑस्ट्रेलियाई और कनाडाई शोधकर्ताओं ने एक अत्याधुनिक मशीन लर्निंग एल्गोरिदम विकसित किया है जो नियमित अस्थि घनत्व स्कैन का उपयोग करके हृदय रोग और फ्रैक्चर के जोखिमों की तेजी से पहचान करने में सक्षम है।

ऑस्ट्रेलिया के एडिथ कोवान विश्वविद्यालय (ईसीयू) के शोधकर्ताओं द्वारा कनाडा के मैनिटोबा विश्वविद्यालय के साथ मिलकर विकसित किया गया यह नवाचार नियमित ऑस्टियोपोरोसिस जांच के दौरान अधिक व्यापक और पहले निदान का मार्ग प्रशस्त कर सकता है, जिससे लाखों वृद्धों के लिए परिणामों में सुधार हो सकता है, सिन्हुआ समाचार एजेंसी ने बताया।

स्वचालित प्रणाली वर्टेब्रल फ्रैक्चर असेसमेंट (वीएफए) छवियों का विश्लेषण करके एब्डोमिनल एओर्टिक कैल्सीफिकेशन (एएसी) का पता लगाती है - जो दिल के दौरे, स्ट्रोक और गिरने से जुड़ा एक प्रमुख मार्कर है।पारंपरिक रूप से, एएसी का आकलन करने के लिए प्रशिक्षित विशेषज्ञ द्वारा प्रति छवि लगभग पाँच से छह मिनट की आवश्यकता होती है। नया एल्गोरिदम हज़ारों छवियों के लिए उस समय को एक मिनट से भी कम कर देता है, जिससे बड़े पैमाने पर स्क्रीनिंग कहीं ज़्यादा कुशल हो जाती है, ऐसा कहा गया है।

नियमित अस्थि स्कैन से गुज़रने वाली लगभग 58 प्रतिशत वृद्ध महिलाओं में AAC का मध्यम से उच्च स्तर दिखा, उनमें से कई को उच्च हृदय जोखिम के बारे में पता नहीं था, ECU की शोध साथी कैसंड्रा स्मिथ ने कहा।स्मिथ ने कहा, "महिलाओं को हृदय रोग के लिए कम स्क्रीनिंग और कम उपचार के रूप में पहचाना जाता है।"स्मिथ ने कहा, "जिन लोगों में AAC होता है, उनमें कोई लक्षण नहीं दिखते, और AAC के लिए विशिष्ट स्क्रीनिंग किए बिना, यह निदान अक्सर अनदेखा हो जाता है। अस्थि घनत्व स्कैन के दौरान इस एल्गोरिदम को लागू करने से, महिलाओं के निदान की संभावना बहुत बेहतर होती है।"

ECU के मार्क सिम द्वारा किए गए आगे के शोध से पता चला कि AAC न केवल हृदय जोखिम का संकेतक है, बल्कि गिरने और फ्रैक्चर का एक मजबूत भविष्यवक्ता भी है। वास्तव में, AAC ने अस्थि खनिज घनत्व और पिछले गिरने के इतिहास जैसे पारंपरिक गिरने के जोखिम कारकों से बेहतर प्रदर्शन किया।

"आपकी धमनियों में कैल्सीफिकेशन जितना अधिक होगा, गिरने और फ्रैक्चर का जोखिम उतना ही अधिक होगा," सिम ने कहा, उन्होंने कहा कि चिकित्सक आमतौर पर गिरने के आकलन में संवहनी स्वास्थ्य को नजरअंदाज कर देते हैं, और यह एल्गोरिदम इसे बदल देता है।

"हमारे विश्लेषण से पता चला कि AAC गिरने के जोखिमों में बहुत मजबूत योगदानकर्ता था और वास्तव में अन्य कारकों की तुलना में अधिक महत्वपूर्ण था जिन्हें चिकित्सकीय रूप से गिरने के जोखिम कारकों के रूप में पहचाना जाता है।"

सिम ने कहा कि नई मशीन एल्गोरिदम, जब अस्थि घनत्व स्कैन पर लागू होती है, तो चिकित्सकों को रोगियों के संवहनी स्वास्थ्य के बारे में अधिक जानकारी दे सकती है, जो गिरने और फ्रैक्चर के लिए एक कम पहचाना जाने वाला जोखिम कारक है।