शोधकर्ताओं का कहना है कि शुरुआती चेतावनी वाले मॉडल निवारक देखभाल को लक्षित करने में मदद कर सकते हैं
जो बच्चे बहुत कम उम्र में ही एक्ज़िमा विकसित करते हैं, वे अक्सर अन्य एलर्जिक स्थितियों का भी सामना करते हैं, लेकिन चिकित्सकों के पास यह अनुमान लगाने के लिए सीमित उपकरण रहे हैं कि किन मरीजों में अधिक गंभीर श्वसन रोग विकसित होने की सबसे अधिक संभावना है। एक नया अध्ययन सुझाव देता है कि मशीन लर्निंग अब इस जोखिम को छांटने का और अधिक सटीक तरीका दे सकती है।
17 अप्रैल को Journal of Allergy and Clinical Immunology में ऑनलाइन प्रकाशित शोध में, Kaiser Permanente Southern California के अन्वेषकों ने 3 वर्ष की आयु से पहले एटोपिक डर्मेटाइटिस से निदान किए गए बच्चों के लिए पूर्वानुमान मॉडल विकसित और मान्य किए। 10,688 बच्चों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा का उपयोग करते हुए, टीम ने 5 से 11 वर्ष की आयु के बीच मध्यम से गंभीर लगातार अस्थमा और एलर्जिक राइनाइटिस विकसित होने के व्यक्तिगत जोखिम का अनुमान लगाने के लिए मॉडल बनाए।
परिणाम एक संभावित रूप से उपयोगी नैदानिक उपकरण की ओर संकेत करते हैं, खासकर उन स्वास्थ्य प्रणालियों के लिए जो उच्च जोखिम वाले बच्चों की पहले पहचान करना और लक्षणों के बढ़ने से पहले हस्तक्षेप करना चाहती हैं। शोधकर्ताओं ने अस्थमा पूर्वानुमान के लिए मजबूत प्रदर्शन और एलर्जिक राइनाइटिस के लिए अधिक मध्यम, लेकिन फिर भी अर्थपूर्ण, प्रदर्शन की रिपोर्ट दी।
बड़े वास्तविक-विश्व डेटा सेट में अस्थमा की मजबूत भविष्यवाणी
अस्थमा मॉडलों ने व्यापक संस्करण के लिए 0.893 और सरलीकृत संस्करण के लिए 0.892 का एरिया-अंडर-द-कर् व (AUC) स्कोर दर्ज किया, जो बाद में बीमारी विकसित करने वाले बच्चों और न करने वालों के बीच मजबूत भेद क्षमता को दर्शाता है। 95% विशिष्टता सीमा पर, व्यापक मॉडल ने 40.4% संवेदनशीलता और 39.3% पॉजिटिव प्रेडिक्टिव वैल्यू हासिल की, जबकि सरलीकृत मॉडल 36.2% संवेदनशीलता और 33.8% पॉजिटिव प्रेडिक्टिव वैल्यू तक पहुंचा।
ये आंकड़े महत्वपूर्ण हैं क्योंकि वे संकेत देते हैं कि मॉडल गलत-सकारात्मक परिणामों को सीमित करने में विशेष रूप से अच्छे थे, जबकि अभी भी उन बच्चों का एक अर्थपूर्ण हिस्सा पकड़ रहे थे जिनमें आगे चलकर लगातार अस्थमा विकसित होने वाला था। व्यवहार में, ऐसा संतुलन बाल रोग देखभाल में महत्वपूर्ण हो सकता है, जहां अनावश्यक बढ़ोतरी की लागत होती है, लेकिन जोखिम छूट जाने से उपचार में देरी और टाली जा सकने वाली जटिलताएं हो सकती हैं।
राइनाइटिस मॉडलों की सटीकता अस्थमा मॉडलों से कम थी, लेकिन उन्होंने फिर भी मध्यम पूर्वानुमान प्रदर्शन दिया। व्यापक राइनाइटिस मॉडल ने 0.793 का AUC हासिल किया, जबकि सरलीकृत मॉडल का स्कोर 0.773 रहा। 90% विशिष्टता पर, व्यापक मॉडल ने 35.5% संवेदनशीलता और 72.7% पॉजिटिव प्रेडिक्टिव वैल्यू हासिल की, जबकि सरलीकृत मॉडल ने 34.0% संवेदनशीलता और 69.2% पॉजिटिव प्रेडिक्टिव वैल्यू दी।
लेखकों ने स्वीकार्य कैलिब्रेशन भी बताया, जिसमें विशेष रूप से उच्च-जोखिम समूहों में मजबूत सामंजस्य था। यह महत्वपूर्ण है क्योंकि मजबूत भेद क्षमता वाला मॉडल भी कम उपयोगी हो सकता है यदि उसके जोखिम अनुमान क्लिनिक में वास्तव में होने वाली घटनाओं से ठीक मेल नहीं खाते।
