कम लागत वाला test early cardiac screening तक पहुंच बढ़ा सकता है
UT Southwestern Medical Center के researchers के नेतृत्व में एक अध्ययन बताता है कि artificial intelligence medicine के सबसे सरल heart tests में से एक को उन जगहों पर कहीं अधिक उपयोगी बना सकती है जहां advanced imaging तक पहुंच कठिन है। JAMA Cardiology में प्रकाशित काम में, टीम ने पाया कि routine electrocardiograms, या ECGs, पर लागू AI system ने Kenya के patients में left ventricular systolic dysfunction को सटीक रूप से screen किया, जो heart failure का एक प्रमुख precursor है।
यह खोज इसलिए महत्वपूर्ण है क्योंकि ECGs, echocardiograms की तुलना में अपेक्षाकृत सस्ते और व्यापक रूप से उपलब्ध होते हैं, जबकि echocardiograms को इस तरह की underlying heart dysfunction की पहचान के लिए gold standard माना जाता है। कई lower-resource health systems में echocardiography तक पहुंच equipment costs, infrastructure और specialist availability से सीमित होती है। नतीजतन, कई patients का पता तब तक नहीं चलता जब तक heart failure अधिक advanced और इलाज में कठिन न हो जाए।
नए नतीजे एक व्यावहारिक विकल्प की ओर इशारा करते हैं: एक व्यापक रूप से उपलब्ध test का उपयोग करें, फिर AI analysis जोड़कर यह पहचानें कि किन patients को follow-up care की सबसे अधिक आवश्यकता है। यदि इसे validate कर बड़े पैमाने पर लागू किया जाए, तो यह तरीका diagnosis को earlier stage में ले जा सकता है, जब intervention अधिक प्रभावी हो सकती है।
Sub-Saharan Africa में यह अध्ययन क्यों महत्वपूर्ण है
Heart failure वैश्विक स्तर पर बढ़ रहा है, लेकिन उसका बोझ sub-Saharan Africa में विशेष रूप से गंभीर है। शोधकर्ताओं के अनुसार, इस region में patients अक्सर कम उम्र में heart failure विकसित करते हैं और wealthier देशों के patients की तुलना में खराब outcomes का सामना करते हैं, भले ही उनमें complicating conditions कम हों। यह संयोजन early detection को और भी महत्वपूर्ण बना देता है।
Full heart failure विकसित होने से पहले, कई patients पहले left ventricular systolic dysfunction जैसी precursor conditions का अनुभव करते हैं। इस condition में heart का left ventricle blood को प्रभावी ढंग से pump नहीं करता। इसे जल्दी पहचानना clinicians को जल्दी intervention करने में मदद कर सकता है, लेकिन आमतौर पर इसके लिए ultrasound-based heart imaging की आवश्यकता होती है।
UT Southwestern-नेतृत्व वाली टीम का तर्क है कि यही वह gap है जिसे AI-ECG भर सकता है। Echocardiography को replace करने के बजाय, यह system उन clinics और hospitals में front-end screening layer की तरह काम कर सकता है जो हर patient की imaging नहीं कर सकते। इससे scarce diagnostic resources को उच्चतम risk वाले लोगों पर केंद्रित किया जा सकेगा।
