एआई मॉडल कुछ उच्च रक्तचाप मामलों के पीछे छिपे हार्मोन विकार का पता लगाता है

एआई स्क्रीनिंग टूल का लक्ष्य एक आम लेकिन अक्सर छूट जाने वाला निदान है

ENDO 2026 में प्रस्तुत शोधकर्ताओं का कहना है कि एक नया आर्टिफिशियल इंटेलिजेंस मॉडल चिकित्सकों को प्राथमिक एल्डोस्टेरोनिज़्म वाले मरीजों की पहचान करने में मदद कर सकता है, जो उच्च रक्तचाप का एक अक्सर कम पहचाना जाने वाला कारण है और अतिरिक्त हृदय-वाहिकीय जोखिम से जुड़ा होता है। अध्ययन ने 30 वर्षों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा का उपयोग करके एक ऐसी स्क्रीनिंग पद्धति बनाई जो औपचारिक निदान से पहले उच्च जोखिम वाले मरीजों को चिह्नित कर सकती है।

प्राथमिक एल्डोस्टेरोनिज़्म तब होता है जब अधिवृक्क ग्रंथियां बहुत अधिक एल्डोस्टेरोन बनाती हैं, जो सोडियम और पोटैशियम के संतुलन से जुड़ा हार्मोन है। अधिक एल्डोस्टेरोन रक्तचाप बढ़ा सकता है और स्ट्रोक, कोरोनरी आर्टरी डिज़ीज़, एट्रियल फ़िब्रिलेशन, हृदय विफलता और गुर्दे की बीमारी के अधिक जोखिम से जुड़ा है। अध्ययन में कहा गया है कि प्रभावी उपचार उपलब्ध हैं, इसलिए जल्द पहचान चिकित्सकीय रूप से महत्वपूर्ण है।

शोधकर्ताओं के अनुसार, यह स्थिति हाइपरटेंशन वाले 20% तक मरीजों को प्रभावित कर सकती है, फिर भी यह व्यापक रूप से अनपहचानी रहती है। यही अंतर एंडोक्राइन सोसायटी के 2025 क्लिनिकल प्रैक्टिस गाइडलाइन को व्यापक स्क्रीनिंग की सिफारिश करने के पीछे का कारण है। व्यवहार में, हालांकि, उस स्क्रीनिंग का विस्तार करना कठिन है क्योंकि बड़े स्वास्थ्य तंत्रों को समान लक्षणों, दवा-इतिहासों और लैब पैटर्न वाले कई मरीजों में से छंटनी करनी पड़ती है।

मॉडल कैसे बनाया गया

मायो क्लिनिक के फ्रैंक ली के नेतृत्व वाली टीम ने Mayo Clinic Platform के माध्यम से 1986 से 2025 के बीच जुटाए गए 22,000 से अधिक मरीजों के de-identified डेटा का उपयोग किया। मॉडल ने आयु, लिंग, हाइपरटेंशन और हाइपोकैलेमिया से संबंधित निदान, सिस्टोलिक रक्तचाप मापन, पोटैशियम स्तर, और एंटीहाइपरटेंसिव दवाओं या पोटैशियम सप्लीमेंट्स के पर्चों जैसे चर का विश्लेषण किया।

इसके बाद शोधकर्ताओं ने हाइपरटेंशन वाले 225,887 वयस्कों पर मॉडल का परीक्षण किया। सबसे अच्छा प्रदर्शन करने वाले दृष्टिकोण में XGBoost का उपयोग हुआ, जो संरचित क्लिनिकल डेटा पर अक्सर लागू होने वाला मशीन लर्निंग ढांचा है। रिपोर्ट किए गए परिणाम में, मॉडल ने प्राथमिक एल्डोस्टेरोनिज़्म के जोखिम वाले मरीजों की पहचान निदान से 12 महीने पहले की।

यह समय-लाभ महत्वपूर्ण है। एक साल पहले पहचान मिलने से चिकित्सकों को पुष्टि परीक्षण आदेशित करने, उपचार समायोजित करने, और बचाई जा सकने वाली हृदय-वाहिकीय जटिलताओं के जोखिम को कम करने का समय मिल सकता है। यह भी संकेत देता है कि एआई का उपयोग निदान की जगह लेने के लिए नहीं, बल्कि एक बड़े समूह को छोटे ऐसे समूह में बदलने के लिए किया जा सकता है जिन्हें और करीब से जांचा जाना चाहिए।

यह एक विकार से आगे क्यों मायने रखता है

यह अध्ययन स्वास्थ्य एआई के लिए एक व्यावहारिक उपयोग-केस को उजागर करता है: ऐसे मरीजों को सामने लाना जो नियमित देखभाल डेटा में छिपे हैं, बजाय पूरी तरह नए नैदानिक साक्ष्य उत्पन्न करने के। उच्च रक्तचाप आम है, लेकिन उसके कारण समान नहीं होते। यदि सिस्टम उन मरीजों को अलग कर सकें जिनकी हाइपरटेंशन का कारण कोई एंडोक्राइन विकार है और उन मरीजों से जिनमें सामान्य प्राथमिक हाइपरटेंशन है, तो देखभाल अधिक लक्षित और कम प्रतिक्रियात्मक हो सकती है।

यह निष्कर्ष चिकित्सा में लंबे समय तक फैले रिकॉर्ड सेट का उपयोग करके उपचार योग्य बीमारी को पहले पहचानने की व्यापक प्रवृत्ति को भी दर्शाते हैं। क्योंकि मॉडल ने सामान्य देखभाल में पहले से दर्ज किए गए चर पर भरोसा किया, अपनाने में बाधा उन टूलों की तुलना में कम हो सकती है जिन्हें नए इमेजिंग, वेयरेबल डेटा, या विशेष परीक्षणों की आवश्यकता होती है। फिर भी, एक स्क्रीनिंग मॉडल केवल पहला चरण है। इसे अभी भी वर्कफ़्लो में एकीकृत करना, स्वास्थ्य प्रणालियों में मान्य करना, और ऐसे तरीके से उपयोग करना होगा जो वास्तविक दुनिया के परिणाम सुधारें।

फिलहाल, यह काम व्यापक और अधिक स्मार्ट स्क्रीनिंग के पक्ष में तर्क को मजबूत करता है। प्राथमिक एल्डोस्टेरोनिज़्म प्रभावशाली भी है और उपचार योग्य भी। एक ऐसा मॉडल जो मरीजों को औपचारिक रूप से पहचाने जाने से पहले निदान पथ पर ले जा सके, वह हाइपरटेंशन देखभाल की सबसे स्थायी अंधी जगहों में से एक को भरने में मदद कर सकता है।

यह लेख Medical Xpress की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.