एआई परीक्षण से पता चला कि रेटिना इमेजिंग सिस्टम वंशानुगत रोगों के निदान में सुधार करता है

रेटिनल रोग निदान के लिए एआई सहायक के मजबूत परीक्षण परिणाम

Nature Medicine में प्रकाशित एक बहु-केंद्र यादृच्छिक परीक्षण में रिपोर्ट किया गया है कि कृत्रिम बुद्धिमत्ता-आधारित चिकित्सक निर्णय समर्थन प्रणाली ने संदिग्ध वंशानुगत रेटिनल रोगों के निदान प्रदर्शन में उल्लेखनीय सुधार किया, ये ऐसी स्थितियां हैं जिन्हें नियमित देखभाल में जल्दी और सटीक रूप से वर्गीकृत करना कठिन होता है.

Retina4IRD नामक इस प्रणाली को विशेषज्ञों को रेटिना इमेजिंग से संभावित जीनोटाइप श्रेणियों का अनुमान लगाने में मदद करने के लिए डिज़ाइन किया गया था. परीक्षण में, इस उपकरण का उपयोग करने वाले विशेषज्ञों ने बिना उपकरण वाले विशेषज्ञों की तुलना में शीर्ष-5 आनुवंशिक पूर्वानुमान सटीकता में काफ़ी बेहतर प्रदर्शन किया. यह परिणाम नेत्र-विज्ञान में लंबे समय से मौजूद एक बाधा को संबोधित करता है, जहां वंशानुगत रेटिनल रोगों के लिए अक्सर पुख़्ता निदान से पहले विस्तृत फेनोटाइपिंग, बहु-विषयक व्याख्या और आनुवंशिक परीक्षण की आवश्यकता होती है.

वंशानुगत रेटिनल रोग, या IRDs, एकल विकार नहीं हैं, बल्कि रेटिना को प्रभावित करने वाली आनुवंशिक स्थितियों का एक समूह हैं. इनके नैदानिक लक्षण एक-दूसरे से मिलते-जुलते हो सकते हैं, जिसका अर्थ है कि चिकित्सकों को संभावित कारण संकुचित करने से पहले अक्सर कई तरह के साक्ष्य जोड़ने पड़ते हैं. यह प्रक्रिया धीमी, संसाधन-गहन और देखभाल के अलग-अलग स्तरों पर असमान हो सकती है, खासकर जहां गहरी उपविशेषज्ञता सीमित हो.

Retina4IRD कैसे बनाया गया

अध्ययन के अनुसार, Retina4IRD रेटिना इमेज से 17 जीनोटाइप श्रेणियों का पूर्वानुमान लगाता है. शोध दल ने मॉडल को RETFound के साथ प्रीट्रेंड Vision Transformer आर्किटेक्चर का उपयोग करके विकसित किया, फिर इसे चीन, दक्षिण कोरिया और पोलैंड के आनुवंशिक रूप से पुष्टि किए गए रोगियों से प्राप्त बहु-माध्यमी इमेजिंग डेटा के साथ प्रशिक्षित और मान्य किया.

डेटासेट में रंगीन फंडस फ़ोटोग्राफ़ और ऑप्टिकल कोहेरेंस टोमोग्राफी स्कैन शामिल थे, जो 1,843 आनुवंशिक रूप से पुष्टि किए गए रोगियों से आए थे और 3,376 आंखों का प्रतिनिधित्व करते थे. यह अंतरराष्ट्रीय प्रशिक्षण और सत्यापन सेट महत्वपूर्ण है क्योंकि IRD निदान रोग की विविधता और विभिन्न स्थलों पर इमेजिंग प्रथाओं में अंतर दोनों से प्रभावित हो सकता है. इसलिए बाह्य सत्यापन प्रदर्शन यह जांचने की एक अहम कसौटी है कि क्या कोई प्रणाली उस संस्थान से बाहर भी काम कर सकती है जहां उसे बनाया गया था.

आंतरिक सत्यापन में, मॉडल ने 0.904 की शीर्ष-5 पूर्वानुमान सटीकता हासिल की, जिसका 95% विश्वास अंतराल 0.896 से 0.912 था. बाह्य सत्यापन में, शीर्ष-5 सटीकता 0.856 रही, जिसका 95% विश्वास अंतराल 0.850 से 0.863 था. ये आंकड़े संकेत देते हैं कि विकास परिवेश के बाहर मूल्यांकन किए जाने पर भी मॉडल ने मजबूत प्रदर्शन बनाए रखा, हालांकि आंतरिक परीक्षण से अपेक्षित गिरावट के साथ.

अध्ययन इस उपकरण को नैदानिक निर्णय या आनुवंशिक अनुक्रमण के विकल्प के रूप में नहीं, बल्कि एक निर्णय समर्थन प्रणाली के रूप में प्रस्तुत करता है, जो चिकित्सकों को निदान मार्ग के पहले चरण में सबसे संभावित आनुवंशिक व्याख्याओं को प्राथमिकता देने में मदद कर सकती है.

यादृच्छिक परीक्षण ने विशेषज्ञ प्रदर्शन में लाभ दिखाया

पत्र में सबसे मजबूत साक्ष्य 300 प्रतिभागियों वाले एक यादृच्छिक नियंत्रित परीक्षण से आता है, जिन्हें संदिग्ध IRD था. प्रतिभागियों को 1:1 अनुपात में या तो Retina4IRD-सहायता प्राप्त विशेषज्ञ समूह या केवल विशेषज्ञ समूह में बांटा गया. नामांकित लोगों में से 295 प्रतिभागियों के पास उपलब्ध नेक्स्ट-जेनरेशन सीक्वेंसिंग रिपोर्ट थीं और उन्हें अंतिम विश्लेषण में शामिल किया गया.

विश्लेषित प्रतिभागियों की माध्य आयु 33 वर्ष थी, और 114 प्रतिभागी, यानी 38.6%, महिलाएं थीं. अध्ययन का प्राथमिक एंडपॉइंट प्राप्त हुआ. एआई समर्थन उपकरण का उपयोग करने वाले विशेषज्ञों ने 88.5% शीर्ष-5 आनुवंशिक सटीकता हासिल की, जबकि केवल विशेषज्ञ समूह में यह 67.3% थी, और पत्र के अनुसार यह अंतर सांख्यिकीय रूप से महत्वपूर्ण था, P 0.001 से कम.

पत्र यह भी बताता है कि शीर्ष-1 से शीर्ष-4 तक के द्वितीयक एंडपॉइंट भी Retina4IRD-सहायता प्राप्त समूह के पक्ष में थे. कुल मिलाकर, ये परिणाम संकेत देते हैं कि सिस्टम ने केवल संभावनाओं की लंबी सूची में अतिरिक्त विकल्प जोड़ने से अधिक काम किया. इसने पूरे पूर्वानुमान ढांचे में रैंकिंग की गुणवत्ता सुधारी, जिससे सबसे संभावित आनुवंशिक श्रेणियां शीर्ष के पास आने की संभावना बढ़ी.

व्यवहार में यह अंतर महत्वपूर्ण है. यदि कोई विशेषज्ञ इमेजिंग से संभावित जीनोटाइप श्रेणियों के एक छोटे, बेहतर-गुणवत्ता वाले सेट की पहचान कर सकता है, तो आगे की जांच और व्याख्या अधिक केंद्रित हो सकती है. जहां आनुवंशिक परीक्षण क्षमता सीमित है, वहां बेहतर प्रारंभिक ट्रायज संकेत विशेषज्ञ ध्यान को अधिक कुशलता से आवंटित करने में मदद कर सकता है.

इन निष्कर्षों से क्या बदल सकता है

पत्र का महत्व उस प्रकार के साक्ष्य में है जो यह प्रस्तुत करता है. कई मेडिकल एआई अध्ययन पूर्वव्यापी सत्यापन पर रुक जाते हैं, जहां एल्गोरिद्म का ऐतिहासिक डेटा पर परीक्षण किया जाता है, लेकिन उन्हें लाइव या लगभग लाइव नैदानिक कार्यप्रवाह में नहीं परखा जाता. यहां शोधकर्ताओं ने एआई-सहायता प्राप्त और असहाय विशेषज्ञों के बीच एक यादृच्छिक तुलना चलाकर इससे आगे कदम बढ़ाया.

हालांकि इससे हर परिनियोजन प्रश्न हल नहीं हो जाता. दिए गए अध्ययन पाठ में यह दावा नहीं किया गया है कि Retina4IRD स्वतंत्र रूप से अंतिम निदान स्थापित करता है, और न ही यह सुझाव दिया गया है कि आनुवंशिक परीक्षण छोड़ा जा सकता है. इसके बजाय, परिणाम दुर्लभ-रोग चिकित्सा में एआई की अधिक व्यावहारिक निकट-कालिक भूमिका की ओर इशारा करते हैं: उन जगहों पर निर्णय समर्थन में सुधार, जहां निदान अभी दुर्लभ विशेषज्ञता और समय लेने वाली समीक्षा पर निर्भर करता है.

सीमापार विकसित डेटासेट भी एक व्यापक महत्वाकांक्षा का संकेत देता है. IRDs इतने दुर्लभ हैं कि मजबूत प्रशिक्षण डेटा एकत्र करना कठिन है, और चिकित्सकीय रूप से महत्वपूर्ण विविधता को पकड़ने के लिए अक्सर अंतरराष्ट्रीय सहयोग आवश्यक होता है. यदि आगे के अध्ययन व्यापक आबादियों और देखभाल प्रणालियों में इन परिणामों की पुष्टि करते हैं, तो रेटिना इमेजिंग मॉडल छवि अधिग्रहण और आणविक पुष्टि के बीच एक बढ़ती हुई महत्वपूर्ण परत बन सकते हैं.

अभी के लिए शीर्षक निष्कर्ष सीधा है. एक यादृच्छिक, बहु-केंद्रित सेटिंग में, एआई-आधारित समर्थन प्रणाली ने संदिग्ध वंशानुगत रेटिनल रोग के पीछे की आनुवंशिक श्रेणी का अनुमान लगाने में विशेषज्ञों की क्षमता को ठोस रूप से बेहतर किया. एक ऐसे क्षेत्र में जहां निदान में देरी उपचार निर्णयों, परामर्श और भविष्य के जीन-लक्षित हस्तक्षेपों की पात्रता को प्रभावित कर सकती है, यह एक महत्वपूर्ण कदम है.

यह लेख Nature Medicine की रिपोर्टिंग पर आधारित है. मूल लेख पढ़ें.