टेक्नोलॉजी

MIT का नया AI मॉडल पार्किंसंस रोग का सफलतापूर्वक पता लगा सकता है

MIT के शोधकर्ताओं ने एक प्रारंभिक-अनुसंधान कृत्रिम बुद्धिमत्ता मॉडल विकसित किया है जिसने सांस लेने के पैटर्न से पार्किंसंस रोग का पता लगाने में सफलता का प्रदर्शन किया है। मॉडल एक उपकरण द्वारा एकत्र किए गए डेटा पर निर्भर करता है जो रेडियो तरंगों का उपयोग करके संपर्क रहित तरीके से सांस लेने के पैटर्न का पता लगाता है।

तंत्रिका संबंधी विकार विश्व स्तर पर विकलांगता के कुछ प्रमुख स्रोत हैं और पार्किंसंस रोग दुनिया में सबसे तेजी से बढ़ने वाली न्यूरोलॉजिकल बीमारी है. पार्किंसंस का निदान करना मुश्किल है क्योंकि निदान मुख्य रूप से कंपकंपी और धीमेपन जैसे लक्षणों की उपस्थिति पर निर्भर करता है लेकिन ये लक्षण आमतौर पर बीमारी की शुरुआत के कई साल बाद दिखाई देते हैं।

मॉडल ने मूवमेंट डिसऑर्डर सोसाइटी यूनिफाइड पार्किंसन डिजीज रेटिंग स्केल (एमडीएस-यूपीडीआरएस) के अनुसार पार्किंसंस की गंभीरता और प्रगति का भी अनुमान लगाया, जो चिकित्सकीय रूप से इस्तेमाल किया जाने वाला मानक रेटिंग पैमाना है। शोध के निष्कर्ष जर्नल में प्रकाशित किए गए हैं प्रकृति चिकित्सा.

शोधकर्ताओं ने अमेरिका के विभिन्न अस्पतालों और कुछ सार्वजनिक डेटासेट से रात में सांस लेने के डेटा (विषयों के सोते समय एकत्र किए गए डेटा) का उपयोग करके मॉडल को प्रशिक्षित किया। मॉडल को प्रशिक्षित करने के बाद, उन्होंने एक ऐसे डेटासेट पर इसका परीक्षण किया, जिसका उपयोग प्रशिक्षण में नहीं किया गया था, और जब यह एक मरीज के एक रात की नींद के डेटा का विश्लेषण करता है, तो उसे लगभग 90 प्रतिशत की सटीकता के साथ पार्किंसंस रोग का पता चला। उन्होंने पाया कि जब यह 12 रातों की नींद के आंकड़ों का विश्लेषण करता है तो मॉडल की सटीकता 95 प्रतिशत तक सुधर जाती है।

पार्किंसंस और श्वास के बीच के संबंध को 1817 से जाना जाता है, जैसे जेम्स पार्किंसन ने अपने शोध में पाया. पार्किंसंस के रोगी कैसे विकसित होते हैं, इस पर पिछले शोध भी हुए हैं नींद श्वास विकारमें कमजोरी श्वसन की मांसपेशियों का कार्यतथा ब्रेनस्टेम क्षेत्रों में अध: पतन जो श्वास को नियंत्रित करते हैं।

प्रारंभिक चरण

जबकि एमआईटी का मॉडल आशाजनक है, यह अभी भी विकास के प्रारंभिक चरण में है। “हालांकि डेटासेट सभी संयुक्त राज्य अमेरिका से हैं, हम ध्यान दें कि डेटासेट में अलग-अलग नस्लें और जातीयताएं हैं। हालांकि, हम मानते हैं कि अन्य देशों के अधिक विविध डेटासेट पर मॉडल को और अधिक मान्य करना वांछनीय है। हम उन समुदायों तक अनुसंधान का विस्तार करने के लिए भारत और अन्य देशों में चिकित्सा संस्थानों के साथ सहयोग करना पसंद करेंगे, ”पेपर के सह-लेखक दीना काताबी ने ईमेल पर indianexpress.com को बताया।

वर्तमान में, एआई मॉडल का परीक्षण या तो पॉलीसोम्नोग्राफी (स्लीप स्टडी) के दौरान उपयोग किए जाने वाले पहनने योग्य श्वास बेल्ट से डेटा का उपयोग करके किया जाता है या काताबी और अन्य शोधकर्ताओं द्वारा विकसित एक विशेष उपकरण जिसे “एमराल्ड रेडियो डिवाइस” कहा जाता है। आप नीचे इस बात का लाइव प्रदर्शन देख सकते हैं कि कैसे डिवाइस सांस लेने के पैटर्न को कैप्चर कर सकता है।

लेकिन अन्य उपकरणों से डेटा का उपयोग करने की संभावना है जो श्वास डेटा को सटीक रूप से पर्याप्त रूप से कैप्चर करते हैं। “कोई भी उपकरण जो सांस लेने के संकेतों को सटीक रूप से प्राप्त कर सकता है, हमारे एआई मॉडल के उपयोग के लिए उपयुक्त होगा। स्मार्टफोन आज पर्याप्त रूप से सटीक श्वास संकेत प्राप्त नहीं करते हैं, लेकिन यह माना जा सकता है कि वे ऐसा कर सकते हैं। किसी भी तरह से, हमारे रेडियो डिवाइस या ब्रीदिंग बेल्ट के साथ सटीक श्वास संकेत प्राप्त करना आसान है, ”कताबी ने कहा।

वर्तमान में पार्किंसंस रोग का कोई इलाज नहीं है, लेकिन काताबी का मानना ​​है कि निदान के लिए इस तकनीक का उपयोग संभावित उपचारों के लिए नैदानिक ​​परीक्षणों को काफी कम कर सकता है, जिससे उनके विकास में तेजी आ सकती है।

इसके अलावा, इस मॉडल का उपयोग संभावित रूप से अयोग्य समुदायों में मूल्यांकन के लिए किया जा सकता है, विशेष रूप से महत्वपूर्ण चिकित्सा पहुंच के बिना क्षेत्रों में रहने वाले लोगों के लिए, और उन रोगियों के लिए जिन्हें बीमारी की प्रगति के कारण अपने घरों को छोड़ने में कठिनाई होती है। शोधकर्ताओं का यह भी मानना ​​​​है कि अल्जाइमर रोग जैसे अन्य न्यूरोलॉजिकल रोगों का पता लगाने के लिए कार्य और प्रौद्योगिकी को संभावित रूप से बढ़ाया जा सकता है। “लेकिन क्या यह संभव है, इस पर एक निश्चित निष्कर्ष पर पहुंचने से पहले और अधिक शोध और प्रयोग किए जाने की आवश्यकता है,” काताबी ने टिप्पणी की।




Source link

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button
en_USEnglish