কেনিয়ায় প্রাথমিক হার্ট ফেইলিউর ঝুঁকি শনাক্তে AI-সক্ষম ECG স্ক্রিনিং আশাব্যঞ্জক ফল দেখিয়েছে

কম খরচের পরীক্ষা প্রাথমিক কার্ডিয়াক স্ক্রিনিং-এর সুযোগ বাড়াতে পারে

UT Southwestern Medical Center-এর গবেষকদের নেতৃত্বে করা একটি সমীক্ষা ইঙ্গিত দেয় যে কৃত্রিম বুদ্ধিমত্তা চিকিৎসার সবচেয়ে সহজ হার্ট পরীক্ষাগুলোর একটিকে এমন জায়গায় অনেক বেশি কার্যকর করতে পারে, যেখানে উন্নত ইমেজিং সহজে পাওয়া যায় না। JAMA Cardiology-তে প্রকাশিত এই কাজে দলটি দেখতে পেয়েছে যে নিয়মিত ইলেক্ট্রোকার্ডিওগ্রাম, বা ECG,-এ প্রয়োগ করা একটি AI সিস্টেম কেনিয়ার রোগীদের left ventricular systolic dysfunction-এর জন্য সঠিকভাবে স্ক্রিন করেছে, যা হার্ট ফেইলিউরের একটি প্রধান পূর্বসূচক।

এই ফলাফল গুরুত্বপূর্ণ, কারণ ECG তুলনামূলকভাবে সস্তা এবং ব্যাপকভাবে উপলব্ধ, যেখানে এই ধরনের অন্তর্নিহিত হার্টের দুর্বলতা শনাক্তের gold standard হিসেবে ধরা হয় ইকোকার্ডিওগ্রাম। অনেক কম-সম্পদস্বল্প স্বাস্থ্য ব্যবস্থায় যন্ত্রপাতির খরচ, অবকাঠামো এবং বিশেষজ্ঞের অভাবের কারণে ইকোকার্ডিওগ্রাফি প্রাপ্যতা সীমিত। ফলে বহু রোগীর রোগনির্ণয় দেরিতে হয়, যখন হার্ট ফেইলিউর আরও অগ্রসর এবং চিকিৎসা করা কঠিন হয়ে পড়ে।

নতুন ফলাফল একটি বাস্তবসম্মত বিকল্পের দিকে ইঙ্গিত করে: ব্যাপকভাবে উপলব্ধ একটি পরীক্ষা ব্যবহার করুন, তারপর AI বিশ্লেষণ যোগ করে নির্ধারণ করুন কোন রোগীদের ফলো-আপ সেবার সবচেয়ে বেশি প্রয়োজন হতে পারে। এটি যদি যাচাই করা যায় এবং ব্যাপকভাবে প্রয়োগ করা যায়, তবে সেই পদ্ধতি রোগনির্ণয়কে আরও আগের পর্যায়ে সরিয়ে নিতে সাহায্য করতে পারে, যখন হস্তক্ষেপ বেশি কার্যকর হতে পারে।

উপ-সাহারা আফ্রিকায় এই গবেষণা কেন গুরুত্বপূর্ণ

হার্ট ফেইলিউর বিশ্বব্যাপী বাড়ছে, কিন্তু উপ-সাহারা আফ্রিকায় এর বোঝা বিশেষভাবে গুরুতর। গবেষকদের মতে, এই অঞ্চলের রোগীরা প্রায়ই কম বয়সে হার্ট ফেইলিউর বিকাশ করেন এবং ধনী দেশের রোগীদের তুলনায় জটিলতা কম থাকলেও ফলাফল আরও খারাপ হয়। এই সমন্বয় প্রাথমিক শনাক্তকরণকে বিশেষভাবে গুরুত্বপূর্ণ করে তোলে।

পূর্ণ হার্ট ফেইলিউর হওয়ার আগে, অনেক রোগীর প্রথমে left ventricular systolic dysfunction-এর মতো পূর্ববর্তী অবস্থা দেখা দেয়। এই অবস্থায়, হৃদয়ের বাম ভেন্ট্রিকল কার্যকরভাবে রক্ত পাম্প করতে পারে না। এটি আগে শনাক্ত করতে পারলে চিকিৎসকেরা দ্রুত হস্তক্ষেপ করতে পারেন, কিন্তু সাধারণত এর জন্য আল্ট্রাসাউন্ড-ভিত্তিক হার্ট ইমেজিং দরকার হয়।

UT Southwestern-নেতৃত্বাধীন দলটির যুক্তি হলো, AI-ECG ঠিক এই ফাঁকটিই পূরণ করতে পারে। ইকোকার্ডিওগ্রাফির বিকল্প না হয়ে, এই সিস্টেমটি এমন ক্লিনিক ও হাসপাতালের জন্য একটি front-end screening layer হিসেবে কাজ করতে পারে, যেখানে প্রতিটি রোগীর ইমেজিং করা সম্ভব নয়। এতে সীমিত নির্ণয়-সম্পদ সবচেয়ে উচ্চঝুঁকির রোগীদের দিকে কেন্দ্রীভূত করা যাবে।

গবেষকেরা কী পেলেন

সূত্র রিপোর্টে AI-সংযোজিত ECG বিশ্লেষণকে কেনিয়ায় হৃদ্‌ক্রিয়ার অন্তর্নিহিত দুর্বলতা সঠিকভাবে স্ক্রিন করার পদ্ধতি হিসেবে বর্ণনা করা হয়েছে। লেখকেরা এই পারফরম্যান্সকে প্রমাণ হিসেবে তুলে ধরেছেন যে AI-ECG কম-সম্পদস্বল্প পরিবেশে হার্ট ফেইলিউরের ঝুঁকিতে থাকা ব্যক্তিদের শনাক্তের একটি স্কেলযোগ্য ও সাশ্রয়ী উপায় হতে পারে।

UT Southwestern-এর Ambarish Pandey বলেছেন, ইকোকার্ডিওগ্রাফি প্রাপ্যতা সীমিত এমন জায়গায় AI-ECG একটি বাস্তবসম্মত স্ক্রিনিং টুল হিসেবে কাজ করতে পারে, এই ফলাফল তা সমর্থন করে। এটি একটি গুরুত্বপূর্ণ পার্থক্য। গবেষণাটি ECG-কে একা আরও উন্নত ইমেজিংয়ের চূড়ান্ত বিকল্প হিসেবে উপস্থাপন করছে না। বরং, এটি ইঙ্গিত দেয় যে মানক ECG-কে AI ব্যাখ্যার সঙ্গে যুক্ত করলে এমন পরিবেশে case finding উন্নত করা যেতে পারে, যেখানে প্রচলিত নির্ণয়পথ স্কেল করা কঠিন।

গবেষণাটি কেনিয়ার M.P. Shah Hospital-এর Bernard Samia এবং Kenya Cardiac Society-সহ অংশীদারদের সঙ্গে যৌথভাবে পরিচালিত হয়েছে। এই সহযোগিতা গুরুত্বপূর্ণ, কারণ চিকিৎসায় AI সিস্টেমের মূল্য অনেকটাই নির্ভর করে সেগুলো সেই স্বাস্থ্যব্যবস্থায় কেমন কাজ করে যেখানে সেগুলো ব্যবহার করার কথা। কেনিয়ায় বাস্তব ব্যবহারের প্রমাণ কেবল তাত্ত্বিক বা ল্যাব-ভিত্তিক যাচাইয়ের তুলনায় এই ফলাফলকে বেশি প্রাসঙ্গিক করে তোলে।

ECG + AI কেন একটি আকর্ষণীয় মডেল

ECG ইতিমধ্যেই ক্লিনিক্যাল সেবায় সাধারণ, কারণ এগুলো দ্রুত, তুলনামূলকভাবে সস্তা এবং সহজে করা যায়। এর দুর্বলতা হলো, এগুলো সরাসরি সেই শারীরবৃত্তীয় বিশদ দেয় না যা চিকিৎসকেরা ইকোকার্ডিওগ্রাম থেকে পান। AI সূক্ষ্ম বৈদ্যুতিক ধরন শনাক্ত করে সেই ফাঁকের কিছুটা পূরণ করতে সাহায্য করতে পারে, যা গঠনগত বা কার্যগত হৃদ্‌সমস্যার সঙ্গে সম্পর্কিত এবং সাধারণ ব্যাখ্যায় চোখ এড়িয়ে যেতে পারে।

এটি উদীয়মান স্বাস্থ্যব্যবস্থার জন্য একটি সম্ভাব্য শক্তিশালী মডেল তৈরি করে। ব্যয়বহুল ইমেজিং সক্ষমতার ব্যাপক সম্প্রসারণের অপেক্ষা না করে, বিদ্যমান পরীক্ষায় প্রয়োগ করা বুদ্ধিমত্তা উন্নত করে প্রদানকারীরা স্ক্রিনিং বাড়াতে পারেন। বাস্তবে এর মানে হলো, সেবাপ্রাপ্তি বাড়াতে নতুন hardware-এর মতোই software, workflows, এবং validation গুরুত্বপূর্ণ হয়ে উঠতে পারে।

এটি চিকিৎসাবিজ্ঞানের AI-এর একটি বৃহত্তর প্রবণতার সঙ্গেও সামঞ্জস্যপূর্ণ: অ্যালগরিদম শুধু শীর্ষস্থানীয় একাডেমিক হাসপাতালেই নয়, বরং এমন পরিবেশেও ব্যবহার করা, যেখানে প্রধান সুবিধা হলো triage, screening, এবং সীমিত বিশেষজ্ঞতার আরও দক্ষ ব্যবহার। যদি একটি নিয়মিত ECG সবচেয়ে বেশি ইকোকার্ডিওগ্রাফি দরকার এমন রোগীদের চিহ্নিত করতে সাহায্য করে, তাহলে বিশেষজ্ঞ সেবা সেখানে কেন্দ্রীভূত করা যাবে যেখানে তার সবচেয়ে বেশি প্রভাব পড়বে।

এর পর কী

এই গবেষণা সেই ধারণাকে গতি দেয় যে AI প্রতিষ্ঠিত চিকিৎসা সরঞ্জামকে কম-সম্পদস্বল্প পরিবেশে আরও কার্যকর করতে পারে। তবে সেবায় প্রয়োগ নির্ভর করবে কয়েকটি পরবর্তী ধাপের ওপর, যার মধ্যে রয়েছে বিভিন্ন রোগী গোষ্ঠীতে যাচাই, ক্লিনিক workflow-এ একীভূতকরণ, এবং স্ক্রিনিং যে উন্নত চিকিৎসা-সিদ্ধান্ত ও ফলাফলে নিয়ে যায় তার প্রমাণ।

তবু মূল ফলাফলটি উল্লেখযোগ্য। হার্ট ফেইলিউর প্রায়ই খুব দেরিতে নির্ণয় হয়, এবং নির্ণয়ের bottleneck অনেক সময় প্রয়োজনের অভাব নয়, বরং খরচ ও সক্ষমতার সীমাবদ্ধতা। AI-উন্নত ECG ব্যাখ্যা কেনিয়ায় একটি গুরুত্বপূর্ণ পূর্ববর্তী অবস্থা শনাক্ত করতে পারে দেখিয়ে, এই গবেষণা ডিজিটাল টুল কীভাবে সেই ফাঁক কমাতে পারে তার একটি বাস্তব উদাহরণ দেয়।

কার্ডিওভাসকুলার রোগের বাড়তে থাকা বোঝার মুখোমুখি স্বাস্থ্যব্যবস্থার জন্য আকর্ষণটি সোজা: যা ইতিমধ্যেই আছে তা ব্যবহার করুন, সেটি যা দেখাতে পারে তা উন্নত করুন, এবং উচ্চঝুঁকির রোগীদের আগে শনাক্ত করুন। এটি বৈশ্বিক কার্ডিয়াক কেয়ারের সব অবকাঠামোগত সমস্যা সমাধান করে না, কিন্তু এটি বাস্তবসম্মত এবং স্কেলযোগ্য একটি পদক্ষেপ হতে পারে।

এই নিবন্ধটি Medical Xpress-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধটি পড়ুন.