कमी खर्चाची चाचणी लवकर हृदयविषयक स्क्रीनिंगचा आवाका वाढवू शकते
UT Southwestern Medical Center मधील संशोधकांच्या नेतृत्वाखाली केलेल्या एका अभ्यासातून असे सूचित होते की कृत्रिम बुद्धिमत्ता वैद्यकातील सर्वात सोप्या हृदय चाचण्यांपैकी एकाला, प्रगत इमेजिंग मिळणे कठीण असलेल्या ठिकाणी, अधिक उपयुक्त बनवू शकते. JAMA Cardiology मध्ये प्रकाशित झालेल्या या कामात, नियमित इलेक्ट्रोकार्डिओग्राम्स, म्हणजेच ECGs, वर लागू केलेल्या AI प्रणालीने केनियातील रुग्णांमध्ये left ventricular systolic dysfunction अचूकपणे स्क्रीन केले, जे हृदय अपयशाचे एक प्रमुख पूर्वसूचक आहे.
हे निष्कर्ष महत्त्वाचे आहेत कारण ECG हे इकोकार्डिओग्रामच्या तुलनेत तुलनेने स्वस्त आणि व्यापकपणे उपलब्ध असतात, तर इकोकार्डिओग्रामला अशा प्रकारच्या अंतर्निहित हृदय दुर्बलतेची ओळख पटवण्यासाठी gold standard मानले जाते. अनेक कमी-संसाधन असलेल्या आरोग्य व्यवस्थांमध्ये उपकरणांचा खर्च, पायाभूत सुविधा आणि तज्ज्ञांची उपलब्धता यामुळे इकोकार्डिओग्राफीपर्यंत पोहोच मर्यादित राहते. त्यामुळे अनेक रुग्णांचे निदान हृदय अपयश अधिक प्रगत आणि उपचारास कठीण होईपर्यंत होत नाही.
नवीन निष्कर्ष एक व्यावहारिक पर्याय सूचित करतात: सर्वत्र उपलब्ध असलेली चाचणी वापरा, आणि मग AI विश्लेषण जोडून कोणत्या रुग्णांना पुढील काळजीची सर्वाधिक गरज असेल हे ओळखा. जर हे मोठ्या प्रमाणावर पडताळले आणि तैनात केले गेले, तर तो दृष्टिकोन निदान लवकर टप्प्यावर आणण्यास मदत करू शकतो, जेव्हा हस्तक्षेप अधिक प्रभावी असू शकतो.
उप-सहारा आफ्रिकेत हा अभ्यास महत्त्वाचा का आहे
हृदय अपयश जागतिक स्तरावर वाढत आहे, पण उप-सहारा आफ्रिकेत त्याचा भार विशेषतः गंभीर आहे. संशोधकांच्या मते, या प्रदेशातील रुग्ण अनेकदा कमी वयात हृदय अपयश विकसित करतात आणि श्रीमंत देशांतील रुग्णांपेक्षा कमी गुंतागुंत असूनही त्यांचे परिणाम अधिक वाईट असतात. ही जोडणी लवकर ओळख अधिक महत्त्वाची बनवते.
पूर्ण हृदय अपयश होण्यापूर्वी, अनेक रुग्णांना left ventricular systolic dysfunction सारख्या पूर्वसूचक स्थिती प्रथम जाणवतात. या अवस्थेत, हृदयाचा डावा व्हेंट्रिकल रक्त प्रभावीपणे पंप करत नाही. ते लवकर ओळखल्यास डॉक्टरांना वेळेत हस्तक्षेप करता येतो, पण त्यासाठी सहसा अल्ट्रासाऊंड-आधारित हृदय इमेजिंगची गरज असते.
UT Southwestern-नेतृत्वाखालील पथकाचे म्हणणे आहे की AI-ECG नेमका हाच फरक भरून काढू शकतो. इकोकार्डिओग्राफीची जागा घेण्याऐवजी, ही प्रणाली अशा क्लिनिक आणि रुग्णालयांमध्ये front-end screening layer म्हणून काम करू शकते, जिथे प्रत्येक रुग्णाचे इमेजिंग करणे शक्य नाही. यामुळे दुर्मिळ निदान संसाधने सर्वाधिक धोक्यात असलेल्या रुग्णांकडे वळवता येतील.
