குறைந்த செலவிலான பரிசோதனை ஆரம்ப இதய筛றிப்பிற்கான அணுகலை விரிவுபடுத்தலாம்
UT Southwestern Medical Center-ஐச் சேர்ந்த ஆராய்ச்சியாளர்கள் தலைமையிலான ஒரு ஆய்வு, மருத்துவத்தின் மிக எளிய இதயப் பரிசோதனைகளில் ஒன்றை, மேம்பட்ட படமெடுப்புகள் அணுக முடியாத இடங்களில், மிகவும் பயனுள்ளதாக மாற்றக்கூடியது என்று காட்டுகிறது. JAMA Cardiology-யில் வெளியான இந்த ஆய்வில், வழக்கமான எலக்ட்ரோகார்டியோகிராம்கள், அல்லது ECGகள் மீது பயன்படுத்தப்பட்ட ஒரு AI அமைப்பு, கென்யாவில் உள்ள நோயாளிகளில் left ventricular systolic dysfunction-ஐ துல்லியமாக筛றித்தது; இது இதய செயலிழப்பின் முக்கிய முன்னோடி ஆகும்.
இந்த கண்டறிதல் முக்கியமானது, ஏனெனில் இதே வகையான அடிப்படை இதய செயலிழப்பைக் கண்டறிய gold standard என கருதப்படும் எக்கோகார்டியோகிராம்களுடன் ஒப்பிடும்போது ECGகள் ஒப்பீட்டளவில் குறைந்த செலவுடையவை மற்றும் பரவலாக கிடைக்கக்கூடியவை. பல குறைந்த வளமுள்ள சுகாதார அமைப்புகளில், உபகரண செலவுகள், உட்கட்டமைப்பு மற்றும் நிபுணர்கள் கிடைப்பது போன்ற காரணங்களால் எக்கோகார்டியோகிராபி அணுகல் வரம்புப்படுத்தப்பட்டுள்ளது. இதனால் பல நோயாளிகள் இதய செயலிழப்பு அதிகமாக முன்னேறி, சிகிச்சை சிரமமான நிலைக்குச் செல்லும் வரை கண்டறியப்படாமல் போகிறார்கள்.
புதிய முடிவுகள் ஒரு நடைமுறை மாற்றுவழியை முன்வைக்கின்றன: பரவலாக கிடைக்கக்கூடிய ஒரு பரிசோதனையைப் பயன்படுத்தி, அதன் பிறகு AI பகுப்பாய்வை சேர்த்து எந்த நோயாளிகளுக்கு பின்தொடர்பு சிகிச்சை அதிகமாக தேவைப்படலாம் என்பதைக் கண்டறிதல். இது பெரிய அளவில் உறுதிப்படுத்தப்பட்டு செயல்படுத்தப்பட்டால், தலையீடு மேலும் பயனுள்ளதாக இருக்கும் ஆரம்ப கட்டத்துக்கு நோயறிதலை நகர்த்த உதவலாம்.
துணை-சஹாரா ஆபிரிக்காவில் இந்த ஆய்வு ஏன் முக்கியம்
இதய செயலிழப்பு உலகளவில் அதிகரித்து வருகிறது, ஆனால் துணை-சஹாரா ஆபிரிக்காவில் அதன் சுமை குறிப்பாக கடுமையாக உள்ளது. ஆராய்ச்சியாளர்களின் படி, இப்பகுதியில் உள்ள நோயாளிகள் பெரும்பாலும் இளம் வயதில் இதய செயலிழப்பை உருவாக்குகின்றனர், மேலும் செல்வந்த நாடுகளின் நோயாளிகளை விட குறைவான கூடுதல் சிக்கல்கள் இருந்தாலும் கூட மோசமான முடிவுகளை அனுபவிக்கின்றனர். இந்த சேர்க்கை ஆரம்பக் கண்டறிதலை மேலும் முக்கியமாக்குகிறது.
முழுமையான இதய செயலிழப்பு உருவாகும் முன், பல நோயாளிகள் முதலில் left ventricular systolic dysfunction போன்ற முன்னோடி நிலைகளை அனுபவிக்கின்றனர். இந்த நிலையில், இதயத்தின் இடது வென்ட்ரிக்கிள் இரத்தத்தை திறம்பட தள்ள முடியாது. இதை முன்கூட்டியே கண்டறிதல் மருத்துவர்கள் விரைவில் தலையீடு செய்ய உதவும், ஆனால் பொதுவாக அதற்கு அல்ட்ராசவுண்ட்-அடிப்படையிலான இதய படமெடுப்பு தேவைப்படுகிறது.
UT Southwestern-இன் தலைமையிலான குழு, AI-ECG துல்லியமாக கையாளக்கூடிய இடைவெளி இதுவே என்று வாதிடுகிறது. எக்கோகார்டியோகிராபியை மாற்றுவதற்குப் பதிலாக, ஒவ்வொரு நோயாளியிலும் படமெடுப்பு செய்ய முடியாத கிளினிக்குகள் மற்றும் மருத்துவமனைகளில் முன்-நிலை screening layer ஆக இந்த அமைப்பு செயல்படலாம். இதனால் அரிதான கண்டறிதல் வளங்களை மிக உயர்ந்த அபாயத்தில் உள்ளவர்களிடம் திருப்பி விட முடியும்.
ஆராய்ச்சியாளர்கள் என்ன கண்டறிந்தனர்
மூல அறிக்கை, AI-உதவியுடன் செய்யப்பட்ட ECG பகுப்பாய்வு, கென்யாவில் இதய செயல்பாட்டின் அடிப்படை குறைபாடுகளை நோயாளிகளில் துல்லியமாக screening செய்ததாக விவரிக்கிறது. குறைந்த வளமுள்ள சூழல்களில் இதய செயலிழப்பு அபாயத்தில் உள்ளவர்களை அடையாளம் காண AI-ECG ஒரு அளவிடக்கூடிய, மலிவான வழியாக மாறக்கூடும் என்பதற்கான சான்றாக ஆசிரியர்கள் இந்த செயல்திறனை முன்வைக்கின்றனர்.
UT Southwestern-ஐச் சேர்ந்த Ambarish Pandey, எக்கோகார்டியோகிராபி அணுகல் கட்டுப்படுத்தப்பட்டுள்ள இடங்களில் AI-ECG ஒரு நடைமுறை screening கருவி என்பதை முடிவுகள் ஆதரிக்கின்றன என்றார். இது ஒரு முக்கிய வேறுபாடு. ஆய்வு ECG-யை மட்டும் மேம்பட்ட படமெடுப்புக்கு நேரடி மாற்றாகக் காட்டவில்லை. அதற்கு பதிலாக, வழக்கமான ECGகளை AI விளக்கத்துடன் இணைப்பது, பாரம்பரிய நோயறிதல் பாதையை அளவிடுவது கடினமான சூழல்களில் case finding-ஐ மேம்படுத்த முடியும் என்று அது சுட்டிக்காட்டுகிறது.
இந்த ஆய்வு கென்யாவில் உள்ள M.P. Shah Hospital-இன் Bernard Samia மற்றும் Kenya Cardiac Society உள்ளிட்ட கூட்டாளிகளுடன் இணைந்து நடத்தப்பட்டது. மருத்துவத்தில் AI அமைப்புகளின் மதிப்பு, அவை பயன்படுத்தப்பட வேண்டிய சுகாதார அமைப்புகளில் அவை எவ்வாறு செயல்படுகின்றன என்பதில்தான் பெரிதும் சார்ந்துள்ளது என்பதால் இந்த ஒத்துழைப்பு முக்கியமானது. கென்யாவில் நடந்த உண்மை உலகப் பயன்பாட்டிலிருந்து கிடைத்த ஆதாரம், வெறும் கோட்பாட்டு அல்லது ஆய்வுக்கூட அடிப்படையிலான சரிபார்ப்பை விட இந்த கண்டறிதல்களுக்கு அதிக தொடர்பை அளிக்கிறது.
ECG மற்றும் AI இணைப்பு ஏன் கவர்ச்சிகரமான மாதிரி
ECGகள் ஏற்கனவே மருத்துவ பராமரிப்பில் பொதுவாக உள்ளன, ஏனெனில் அவை வேகமானவை, ஒப்பீட்டளவில் மலிவானவை, மேலும் பயன்படுத்த எளிதானவை. ஆனால் அவற்றின் குறைபாடு என்னவென்றால், எக்கோகார்டியோகிராமில் மருத்துவர்கள் பெறும் உடலியல் விவரங்களை நேரடியாக வழங்குவதில்லை. கட்டமைப்பு அல்லது செயல்பாட்டு இதயப் பிரச்சினைகளுடன் தொடர்புடைய நுண்ணிய மின் வடிவங்களை கண்டறிவதன் மூலம் AI அந்த இடைவெளியின் ஒரு பகுதியை நிரப்ப உதவலாம்; அவை சாதாரண விளக்கத்தில் கவனிக்கப்படாமல் போகக்கூடும்.
இதனால் உருவாகும் மாதிரி வளர்ந்து வரும் சுகாதார அமைப்புகளுக்கு வலுவானதாக இருக்கலாம். செலவான படமெடுப்பு திறன் விரிவடையும்வரை காத்திருக்காமல், உள்ள பரிசோதனைகளில் பயன்படுத்தப்படும் நுண்ணறிவை மேம்படுத்துவதன் மூலம் வழங்குநர்கள் screening-ஐ உயர்த்தலாம். நடைமுறையில், care access-ஐ விரிவாக்குவதில் புதிய hardware போலவே software, workflows, மற்றும் validation-க்கும் முக்கியத்துவம் கிடைக்கலாம் என்பதையே இது குறிக்கிறது.
இது மருத்துவ AI-இல் உள்ள ஒரு பரந்த போக்குடன் இணைகிறது: top-tier academic hospitals-இல் மட்டும் அல்லாமல், முதன்மை நன்மை triage, screening, மற்றும் அரிதான நிபுணத்துவத்தின் திறமையான பயன்பாடு இருக்கும் சூழல்களிலும் algorithms-ஐ பயன்படுத்துவது. ஒரு வழக்கமான ECG, எக்கோகார்டியோகிராபி அதிகமாக தேவைப்படும் நோயாளிகளை அடையாளம் காண உதவுமானால், சிறப்பு பராமரிப்பு அதிக தாக்கம் ஏற்படும் இடத்தில் கவனம் செலுத்தலாம்.
அடுத்து என்ன
இந்த ஆய்வு, AI நிறுவப்பட்ட மருத்துவ கருவிகளை குறைந்த வளமுள்ள சூழல்களில் மேலும் பயனுள்ளதாக மாற்ற முடியும் என்ற கருத்துக்கு ஊக்கத்தை சேர்க்கிறது. ஆனால் பராமரிப்பு வழங்கலாக மாற்றப்படுவது பல அடுத்த படிகளின் மீது சார்ந்திருக்கும்; அவற்றில் பல்வேறு நோயாளர் குழுக்களில் validation, கிளினிக் workflows-இல் ஒருங்கிணைப்பு, மற்றும் screening சிறந்த சிகிச்சை முடிவுகள் மற்றும் விளைவுகளுக்கு வழிவகுக்கிறது என்பதற்கான ஆதாரம் அடங்கும்.
எப்படியாயினும், மைய முடிவு குறிப்பிடத்தக்கது. இதய செயலிழப்பு பெரும்பாலும் தாமதமாகவே கண்டறியப்படுகிறது, மேலும் நோயறிதல் தடையடைவது பெரும்பாலும் தேவையின்மை காரணமாக அல்ல, செலவு மற்றும் திறன் காரணமாகும். AI-மேம்படுத்தப்பட்ட ECG விளக்கம் கென்யாவில் ஒரு முக்கிய முன்னோடி நிலையை கண்டறிய முடியும் என்பதை காட்டுவதன் மூலம், டிஜிட்டல் கருவிகள் அந்த இடைவெளியை குறைக்க எப்படி உதவலாம் என்பதற்கான ஒரு தெளிவான எடுத்துக்காட்டை இந்த ஆய்வு வழங்குகிறது.
அதிகரிக்கும் இதயநோய் சுமைகளை எதிர்கொள்ளும் சுகாதார அமைப்புகளுக்கு, இதன் கவர்ச்சி நேரடியாக உள்ளது: ஏற்கனவே கிடைப்பதைப் பயன்படுத்துங்கள், அது காட்டக்கூடியதைக் மேம்படுத்துங்கள், மற்றும் உயர் அபாய நோயாளிகளை முன்கூட்டியே கண்டறியுங்கள். இது உலகளாவிய இதய பராமரிப்பில் உள்ள எல்லா உட்கட்டமைப்பு பிரச்சினைகளையும் தீர்க்காது, ஆனால் முன்னேறுவதற்கான யதார்த்தமான மற்றும் அளவிடக்கூடிய ஒரு படியை வழங்கலாம்.
இந்த கட்டுரை Medical Xpress-இன் செய்திப்பதிவை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.
Originally published on medicalxpress.com