शरीराच्या मोजमापांवर आणि AIवर आधारित नवीन घरबसल्या मधुमेह जोखीम चाचणी

एक साधे ऑनलाइन स्क्रीनिंग साधन मधुमेहाचा धोका लवकर पकडण्याचा प्रयत्न करते

डेन्मार्कमधील संशोधकांचे म्हणणे आहे की त्यांनी असे घरबसल्या वापरता येणारे स्क्रीनिंग साधन विकसित केले आहे, जे डॉक्टरांची अपॉइंटमेंट ठरवण्यापूर्वीच टाइप 2 मधुमेह किंवा प्रीडायबेटीस असू शकणाऱ्या लोकांची ओळख पटवण्यासाठी तयार केले आहे. हा प्रकल्प एक परिचित सार्वजनिक-आरोग्य समस्येला उद्देशतो: सुरुवातीच्या मेटाबॉलिक आजार असलेल्या अनेक लोकांना आपण जोखमीमध्ये आहोत याची कल्पनाच नसते, त्यामुळे निदान अनेकदा उशिरा होते, जेव्हा नुकसान आधीच सुरू झालेले असते.

डॅनिश डायबेटीस असोसिएशननुसार, डेन्मार्कमध्ये सुमारे 100,000 लोकांना आपल्याला टाइप 2 मधुमेह आहे याची कल्पना नाही, तर सुमारे पाच लाख लोकांना प्रीडायबेटीस असण्याचा अंदाज आहे. ही दरी महत्त्वाची आहे, कारण टाइप 2 मधुमेह रक्ततपासणीने निश्चित करता येतो, पण लक्षणे लक्षात येईपर्यंत किंवा एखादा डॉक्टर ती शक्यता सूचित करेपर्यंत अनेक लोक ही तपासणी करून घेत नाहीत. नवीन साधन त्या प्रक्रियेच्या आधी काम करण्यासाठी तयार करण्यात आले आहे, जेणेकरून जोखीम जास्त दिसल्यास पुढील तपासणीसाठी लोकांना प्रवृत्त करता येईल.

या स्क्रीनिंग प्रणालीचे नाव MEDWACS आहे. ती DTU Sustain येथील पोस्टडॉक्टोरल संशोधक Daniel Yoo, DTUचे प्राध्यापक Olivier Jolliet आणि मूत्रपिंडाच्या आजारावर काम करणारे इटालियन वैद्य Umberto Maggiore यांनी मिळून विकसित केली; मूत्रपिंडाचा आजार हा मधुमेहाचा एक सामान्य गुंतागुंत प्रकार आहे. त्यांचा अभ्यास Journal of Clinical Epidemiology मध्ये प्रकाशित झाला.

चाचणी कशी कार्य करते

MEDWACS मागील मुख्य कल्पना अशी आहे की मधुमेह-जोखीम तपासणीची सुरुवात प्रयोगशाळेतील चाचण्यांपासून करणे आवश्यक नाही. त्याऐवजी, ही ऑनलाइन चाचणी लोक घरी स्वतः देऊ शकतील अशा माहितीचा वापर करते. स्रोत अहवालात विशेषतः शरीराची मोजमापे, वय, लिंग, आणि मांड्याच्या वरच्या भागाची लांबी यांसारखे सहज उपलब्ध इनपुट मॉडेलच्या जोखीम मूल्यांकनाचा भाग म्हणून नमूद केले आहेत.

यामुळे हे साधन पारंपरिक क्लिनिकल स्क्रीनिंग मार्गांपेक्षा वेगळे ठरते, जे सहसा डॉक्टरांच्या दवाखान्यात किंवा औपचारिक आरोग्य तपासण्यांमधून सुरू होतात. संशोधकांचा दावा असा नाही की ऑनलाइन प्रश्नावली निदानाची जागा घेऊ शकते. ती घेऊ शकत नाही. त्याऐवजी, ते तिला एक triage स्तर मानतात: कमी अडथळ्याचे, सहज उपलब्ध असे प्रोत्साहन, जे उच्च जोखीम प्रोफाइल असलेल्या लोकांना पुष्टीसाठी आवश्यक रक्ततपासणीकडे वळवू शकते.

Yoo म्हणाले की तर्क सोपा आहे. लोकांना आपणास मधुमेह असू शकतो अशी शंका नसेल, तर तपासणीसाठी डॉक्टरांकडे जाण्याची शक्यता कमी असते. याउलट, विश्वासार्ह ऑनलाइन स्क्रीन पहिल्या कृतीसाठीची अडचण कमी करू शकते. हे प्रीडायबेटीसच्या राखाडी पट्ट्यातील लोकांसाठी विशेषतः उपयुक्त ठरू शकते, जिथे उपचार आणि जीवनशैलीतील बदलांद्वारे आजाराची प्रगती अजूनही मंदावता किंवा थांबवता येऊ शकते.

दीर्घकालीन आरोग्यडेटा आणि AI पद्धतींवर आधारित

संशोधन टीमचे म्हणणे आहे की MEDWACS कृत्रिम बुद्धिमत्ता आणि National Health and Nutrition Examination Survey मधील मोठ्या प्रमाणातील U.S. आरोग्य डेटाचा वापर करून विकसित करण्यात आले. हा डेटासेट 30 वर्षांचा कालावधी व्यापतो आणि त्यात 18 वर्षे आणि त्याहून अधिक वयाचे दोन्ही लिंगांचे प्रौढ समाविष्ट आहेत. त्या दीर्घ कालावधीमुळे मॉडेलला शारीरिक आणि लोकसंख्यात्मक विविधतेचा व्यापक आधार मिळाला, ज्यावरून मधुमेह आणि प्रीडायबेटीस जोखमीशी संबंधित नमुने शिकता आले.

व्यावहारिक अर्थाने, येथे AI चा वापर भविष्यातील स्वयंचलनापेक्षा अनेक चलांमधील नमुना ओळखण्यासारखा दिसतो. काही पारंपरिक निर्देशकांवर आधारित स्क्रीनिंग नियम सूक्ष्म पण तरीही वाढलेली जोखीम दाखवणाऱ्या संयोजनांना चुकवू शकतात. मोठ्या ऐतिहासिक डेटासेटवर प्रशिक्षण देऊन संशोधकांनी असे साधन तयार करण्याचा प्रयत्न केला, जे त्या संयोजनांना शोधू शकेल, तरीही इनपुट म्हणून सामान्य वापरकर्ते स्वतः देऊ शकतील अशा माहितीवर अवलंबून राहील.

स्रोत मजकूरात कार्यक्षमतेची आकडेवारी दिलेली नाही, पण तो सांगतो की टीमने दोन बाह्य प्रमाणीकरण अभ्यास केले आणि स्थिती असलेल्या लोकांना शोधण्यात हे साधन अत्यंत प्रभावी असल्याचे आढळले. हे महत्त्वाचे आहे, कारण बाह्य प्रमाणीकरण हे मॉडेल मूळ प्रशिक्षित डेटाच्या पलीकडे सामान्यीकरण करू शकते का हे तपासण्याच्या सर्वात महत्त्वाच्या टप्प्यांपैकी एक आहे.

बाह्य प्रमाणीकरण का महत्त्वाचे आहे

वैद्यकीय भाकीत साधने विकासादरम्यान आशादायक दिसू शकतात आणि नंतर इतर लोकसमूहांवर तपासले असता कमकुवत ठरू शकतात. MEDWACS चे संयुक्त राज्य आणि दक्षिण कोरिया येथील दोन वेगळ्या लोकसमूहांवर प्रमाणीकरण करून, जिथे स्थिती असलेले आणि नसलेले लोक आधीच ज्ञात होते, संशोधकांनी ती समस्या हाताळण्याचा प्रयत्न केला.

विविध लोकसमूहांमध्ये चाचणी करणे डिजिटल आरोग्यात गांभीर्याचे एक महत्त्वाचे लक्षण आहे. यामुळे मॉडेल सर्वत्र सारखेच काम करेल याची हमी मिळत नाही, पण एक मूलभूत प्रश्न विचारायला मदत होते: प्रणाली स्थिर जोखीम नमुने ओळखते आहे का, की फक्त एका डेटासेटमधील वेगळेपणांना जुळवून घेत आहे? केवळ अंतर्गत चाचणीवर अवलंबून न राहता दोन बाह्य लोकसमूह निवडणे म्हणजे संकल्पना-प्रमाणापलीकडे जाण्याचा प्रयत्न असल्याचे सूचित होते.

तरीही काही स्पष्ट मर्यादा आहेत. ऐतिहासिक आरोग्य डेटासेटवरून विकसित केलेले कोणतेही साधन त्या डेटामध्ये प्रतिनिधित्व असलेल्या लोकसमूहांचे प्रतिबिंब दाखवेल, आणि व्यापक सार्वजनिक वापरासाठी इतर देश, वांशिक गट आणि काळजी-सेटिंग्जमध्ये काळजीपूर्वक देखरेख आवश्यक असेल. स्रोत सामग्रीमध्ये हेही सांगितलेले नाही की हे साधन अद्याप नियमित काळजी मार्गांमध्ये, परतफेड योजनांमध्ये किंवा राष्ट्रीय स्क्रीनिंग प्रणालींमध्ये समाविष्ट झाले आहे की नाही.

प्रतिबंधात्मक काळजीसाठी व्यापक महत्त्व

मोठी गोष्ट फक्त एका स्क्रीनिंग वेबसाइटबद्दल नाही. ही प्रतिबंधात्मक वैद्यकाचा विस्तार करण्यासाठी हलक्या AI साधनांच्या वाढत्या वापराबद्दल आहे. टाइप 2 मधुमेह सामान्य, महाग आणि त्याच्या सुरुवातीच्या टप्प्यांत अनेकदा शांत असतो. डॅनिश डायबेटीस असोसिएशननुसार, हा आजार डेन्मार्क समाजाला दरवर्षी किमान DKK 13.3 billion इतका खर्च करतो, तसेच हृदयरोग, मूत्रपिंड निकामी होणे आणि दृष्टी गमावणे यांसारख्या गंभीर गुंतागुंतींचा धोका वाढवतो.

यामुळे लवकर ओळख अत्यंत मौल्यवान ठरते. काही आजारांमध्ये लवकर जागरूकता फारसा फरक घडवत नाही; पण मधुमेहामध्ये, ओळख झाल्यानंतर तुलनेने परिचित हस्तक्षेपांनी जोखीम अनेकदा नियंत्रित करता येते. आरोग्य यंत्रणांसाठी, यामुळे कमी खर्चिक फ्रंट-एंड स्क्रीनिंग साधनांसोबत प्रयोग करण्याचे प्रोत्साहन मिळते, जे लोकांना लवकर औपचारिक काळजीकडे ढकलू शकतात.

असोसिएशनने टाइप 2 मधुमेह आणि प्रीडायबेटीस लवकर शोधण्याच्या प्रयत्नांचे स्वागत केले, आणि लवकर ओळख गंभीर गुंतागुंती टाळण्याची शक्यता वाढवते यावर भर दिला. त्या अर्थाने, MEDWACS व्यापक health-tech प्रवाहात बसते: डॉक्टरांची जागा घेण्यासाठी नव्हे, तर आजार अधिक कठीण आणि महाग होण्यापूर्वी क्लिनिकल काळजीमध्ये प्रवेश करणाऱ्या लोकांची संख्या वाढवण्यासाठी डिजिटल साधने वापरणे.

हे विशिष्ट साधन व्यापक प्रमाणावर स्वीकारले जाईल की नाही, हे ते प्रत्यक्ष वापरात कसे कार्य करते, जोखीम किती स्पष्टपणे संप्रेषित करते, आणि उच्च गुण मिळवणारे वापरकर्ते खरोखर वैद्यकीय तपासणी करून घेतात का यावर अवलंबून असेल. पण हा प्रकल्प दाखवतो की आरोग्यातील व्यावहारिक AI चे सर्वात मजबूत जवळच्या काळातील मूल्य कुठे असू शकते: नाट्यमय निदान दाव्यांमध्ये नाही, तर साध्या, मोठ्या प्रमाणावर वापरता येणाऱ्या साधनांमध्ये, जी अधिक लोकांना तपासणी करून घ्यावी असे जाणवायला मदत करतात.

हा लेख Medical Xpress च्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.