विज्ञान

AI -संचालित मॉडल नेत्र संक्रमण के निदान में नेत्र रोग विशेषज्ञों से मेल खाते हैं- Study

Harrison
23 Oct 2024 6:48 PM GMT
AI -संचालित मॉडल नेत्र संक्रमण के निदान में नेत्र रोग विशेषज्ञों से मेल खाते हैं- Study
x
NEW DELHI नई दिल्ली: मंगलवार को एक अध्ययन में पाया गया कि आर्टिफिशियल इंटेलिजेंस (एआई) संचालित मॉडल संक्रामक केराटाइटिस (आईके) के निदान में नेत्र देखभाल विशेषज्ञों के बराबर हैं - जो दुनिया भर में कॉर्नियल अंधेपन का एक प्रमुख कारण है।अध्ययन ने स्वास्थ्य सेवा को बढ़ावा देने में एआई और डीप लर्निंग मॉडल की क्षमता को और स्थापित किया।संक्रामक केराटाइटिस, जिसे आमतौर पर कॉर्नियल संक्रमण के रूप में जाना जाता है, के कारण दुनिया भर में अंधेपन के लगभग 5 मिलियन मामले सामने आए और हर साल मोनोकुलर अंधेपन के लगभग 2 मिलियन मामले सामने आए। इसने विशेष रूप से निम्न और मध्यम आय वाले देशों के लोगों को प्रभावित किया है।
ब्रिटेन में बर्मिंघम विश्वविद्यालय के शोधकर्ताओं ने 35 अध्ययनों का मेटा-विश्लेषण किया, जिसमें संक्रामक केराटाइटिस के निदान के लिए डीप लर्निंग (डीएल) मॉडल का उपयोग किया गया। ईक्लिनिकलमेडिसिन में प्रकाशित उनके निष्कर्षों से पता चला कि एआई मॉडल नेत्र रोग विशेषज्ञों की नैदानिक ​​सटीकता से मेल खाते हैं। नेत्र रोग विशेषज्ञों की 82.2 प्रतिशत संवेदनशीलता और 89.6 प्रतिशत विशिष्टता की तुलना में, AI मॉडल ने 89.2 प्रतिशत संवेदनशीलता और 93.2 प्रतिशत विशिष्टता प्रदर्शित की। बर्मिंघम विश्वविद्यालय में नेत्र रोग विशेषज्ञ सलाहकार डॉ. डैरेन टिंग ने कहा, "हमारा अध्ययन दर्शाता है कि AI में तेज़, विश्वसनीय निदान प्रदान करने की क्षमता है, जो वैश्विक स्तर पर कॉर्नियल संक्रमणों के प्रबंधन के तरीके में क्रांतिकारी बदलाव ला सकता है।"
टिंग ने उल्लेख किया कि AI-संचालित मॉडल उन क्षेत्रों में महत्वपूर्ण लाभ प्रदान कर सकते हैं "जहाँ विशेषज्ञ नेत्र देखभाल तक पहुँच सीमित है और दुनिया भर में रोके जा सकने वाले अंधेपन के बोझ को कम करने में मदद कर सकते हैं"। AI मॉडल स्वस्थ आँखों, संक्रमित कॉर्निया और IK के विभिन्न अंतर्निहित कारणों, जैसे कि जीवाणु या फंगल संक्रमण के बीच अंतर करने में भी प्रभावी साबित हुए। हालांकि, शोधकर्ताओं ने छवि-आधारित विश्लेषण के कारण परिणामों की सावधानी से व्याख्या करने का आह्वान किया, जो व्यक्तियों के भीतर संभावित सहसंबंध को ध्यान में नहीं रखता था। उन्होंने नैदानिक ​​उपयोग के लिए इन मॉडलों की विश्वसनीयता बढ़ाने के लिए अधिक विविध डेटा और आगे बाहरी सत्यापन की आवश्यकता पर जोर दिया।
Next Story