AI ECG முறை ஒரு தசாப்தத்துக்கு முன்பே stroke risk-ஐ முன்னறிவிக்க வல்லதாகத் தெரிகிறது

ஒரு routine heart test, அறிகுறிகள் தோன்றுவதற்கு பல ஆண்டுகளுக்கு முன்பே stroke risk-ஐ சுட்டிக்காட்டலாம்

Mass General Brigham மற்றும் Broad Institute-இல் உள்ள investigators இணைந்து வழிநடத்திய ஒரு research team, standard electrocardiogram அல்லது ECG-ஐ பயன்படுத்தி ஒரு நோயாளியின் stroke risk-ஐ 10 ஆண்டுகள் வரை முன்கூட்டியே மதிப்பிடக்கூடிய artificial intelligence model-ஐ உருவாக்கியுள்ளது. ECG2Stroke எனப் பெயரிடப்பட்ட இந்த system, 2,00,000-க்கும் மேற்பட்ட நோயாளிகளின் தரவின் மீது பயிற்சி அளிக்கப்பட்டு சரிபார்க்கப்பட்டது; இது ஒரு 10-second ECG மற்றும் நோயாளியின் age, sex ஆகியவற்றுடன் செயல்படுமாறு வடிவமைக்கப்பட்டுள்ளது.

இந்த வேலை, பாரம்பரிய screening tools-இல் தவறவிடப்படக்கூடிய மக்களை அடையாளம் காணும் அளவிறந்த வழியை முன்வைக்கிறது. Stroke prevention பெரும்பாலும் உயர்ந்த risk-ஐ early-ஆகக் கண்டறிந்து நடவடிக்கை எடுக்க முடியும் அளவுக்குச் செல்லும் நேரத்தில் அடையாளம் காண்பதையே சார்ந்துள்ளது, ஆனால் clinical risk scoring சிரமமானதாக இருக்கலாம் மற்றும் routine care-இல் தொடர்ந்து பயன்படுத்தப்படுவதில்லை. Cardiology-இல் ஏற்கனவே பொதுவாக இருக்கும், non-invasive, எளிதாகக் கிடைக்கும் test-ஐ நம்புவதன் மூலம், இந்த இடைவெளியை AI நிரப்ப உதவ முடியும் என ஆராய்ச்சியாளர்கள் வாதிடுகின்றனர்.

மாதிரி ECG-யில் இருந்து என்ன கற்றது

Clinical variables-ன் நீண்ட பட்டியலை நம்புவதற்குப் பதிலாக, ECG2Stroke இதயத்தின் electrical activity-இல் உள்ள நுண்ணிய waveform patterns-ஐக் கவனிக்கிறது. பல hospitals மற்றும் patient subgroups-களில், மிகக் குறைந்த inputs பயன்படுத்தியபோதும், ஒரு validated clinical risk score-க்கு இணையான செயல்திறனை model காட்டியதாக ஆராய்ச்சியாளர்கள் தெரிவித்தனர். இது முக்கியம், ஏனெனில் ECG-கள் மலிவானவை, வேகமானவை, மேலும் ஏற்கனவே everyday clinical workflows-இல் உள்ளன.

இந்த மாதிரி Massachusetts General Hospital-இன் patient data-ஐப் பயன்படுத்தி உருவாக்கப்பட்டது, பின்னர் Brigham and Women’s Hospital மற்றும் Beth Israel Deaconess Medical Center-இல் உள்ள நோயாளிகளில் சோதிக்கப்பட்டது. இந்த multi-hospital validation, findings-க்கு ஒரு single-site proof of concept-ஐ விட அதிக முக்கியத்துவம் வழங்குகிறது; இருப்பினும், இது இன்னும் real-world deployment-க்கு முன்னதாகவே உள்ளது.

மிக வலுவான signal: cardioembolic stroke

முக்கியமான கண்டுபிடிப்புகளில் ஒன்றாக, cardioembolic stroke-ஐ முன்னறிவிப்பதில் model-ன் துல்லியம் இருந்தது. இது இதயத்தில் blood clots உருவாகி பின்னர் மூளைக்குப் பயணிக்கும் subtype ஆகும். Atria, அதாவது இதயத்தின் upper chambers, தொடர்பான dysfunction-ஐக் குறிக்கும் ECG features, prediction-களில் குறிப்பிடத்தக்க அளவில் பெரிய தாக்கம் செலுத்தின என்று ஆராய்ச்சியாளர்கள் தெரிவித்தனர். இது மருத்துவ ரீதியாக முக்கியமானது, ஏனெனில் high-risk நோயாளிகளை நேரத்துக்குள் அடையாளம் கண்டால் cardioembolic strokes பலமுறை blood thinners மூலம் தடுக்கப்படலாம்.

நடைமுறையில், standard ECG reading-இல் தெளிவாக தெரியாத cardiac vulnerability தடயங்களை model பிடித்துக் கொள்வதுபோல் தோன்றுகிறது. அந்த signal-கள் prospective studies-இல் நிலைத்தால், மேலும் தீவிரமான monitoring அல்லது preventive treatment-க்கு யாரை முன்னிலைப்படுத்த வேண்டும் என்பதை clinicians தீர்மானிக்க இந்த tool உதவலாம்.

நடைமுறையில் இது ஏன் முக்கியம்

ECG2Stroke-ன் ஈர்ப்பு அதன் performance மட்டுமல்ல, அதன் workflow fit-உம் ஆகும். Existing stroke risk tools துல்லியமானவையாக இருக்கலாம், ஆனால் அவற்றை பெரிய அளவில் நடைமுறைப்படுத்துவது எப்போதும் எளிதல்ல. Clinical care-இல் ஏற்கனவே சேகரிக்கப்பட்ட ECG-யில் தானாக இயங்கக்கூடிய ஒரு system, குறிப்பாக preventable risk-ஐ அடையாளம் காண low-friction வழிகளைத் தேடும் health systems-க்கு, பரவலாகப் பயன்படுத்தப்படலாம்.

இதன் பொருள் model தனக்குத்தானே care-ஐ மாற்றத் தயாராக உள்ளது என்பதல்ல. Prospective, real-world confirmation இன்னும் தேவை என்பதை authors தெளிவாகக் கூறினர். Retrospective datasets-இல் கிடைக்கும் predictive performance ஒரு முக்கிய milestone, ஆனால் clinicians இந்த tool-ஐ live care settings-இல் திறம்பட, பாதுகாப்பாக, மற்றும் சமநிலையுடன் பயன்படுத்த முடியும் என்பதை நிரூபிப்பதற்கு அது சமமல்ல.

அத்தகைய model எவ்வாறு பயன்படுத்தப்படும் என்பதிலும் ஒரு பெரிய கேள்வி உள்ளது. High risk என அடையாளம் காணப்படும் சில நோயாளிகளுக்கு follow-up rhythm monitoring, imaging, அல்லது பிற cardiovascular risk factors-ஐ மேலும் தீவிரமாக நிர்வகிக்க வேண்டியிருக்கலாம். மற்றவர்களுக்கு உடனடி intervention-க்கு பதிலாக கவனமான கண்காணிப்பு போதுமானதாக இருக்கலாம். இந்த tool-ன் மதிப்பு prediction accuracy-யைப் போலவே, அது decision-making pathways-இல் எவ்வளவு நன்றாக பொருந்துகிறது என்பதையும் பொறுத்தது.

அதிகமாக passive prevention-ஐ நோக்கிய ஒரு படி

இந்த caveats இருந்தாலும், ஏற்கனவே health system-இல் உள்ள tests-இலிருந்து clinically meaningful signals-ஐ AI எடுக்க முடியும் என்பதை காட்டும் வளர்ந்துவரும் வேலைகளின் தொகுப்பில் இந்த study சேர்கிறது. ECG நீண்ட காலமாக acute அல்லது அறியப்பட்ட heart problems-ஐ diagnose செய்வதற்குப் பயன்படுத்தப்படுகிறது. இந்த research, அது எதிர்கால neurological risk-க்கு ஒரு அமைதியான forecasting tool-ஆகவும் செயல்படலாம் என்பதை முன்வைக்கிறது.

Stroke medicine-க்கு இது ஒரு ஈர்க்கும் யோசனை. Strokes பெரும்பாலும் கடுமையான பாதிப்பை ஏற்படுத்துகின்றன, மேலும் prevention என்பது பின்பு சிகிச்சை அளிப்பதை விட மிகவும் பயனுள்ளது. ஒரு 10-second ECG, பல ஆண்டுகளுக்கு முன்பே அதிக கவனம் தேவைப்படும் நோயாளிகளை அடையாளம் காண உதவுமானால், stroke prevention-ஐ reactive care-இல் இருந்து earlier, more routine screening-க்கு மாற்ற முடியும். அடுத்த கேள்வி, இந்த வாக்குறுதி everyday medicine-இன் தொடர்பில் நிலைத்திருக்கிறதா என்பதே.

இந்தக் கட்டுரை Medical Xpress-இன் அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.