माउंट सिनाई के नेतृत्व वाली शोधकर्ताओं की एक टीम ने नैदानिक नींद परीक्षणों की वीडियो रिकॉर्डिंग का विश्लेषण करने के लिए एक कृत्रिम बुद्धिमत्ता (एआई)-संचालित एल्गोरिदम को बढ़ाया है, जिससे अंततः दुनिया भर में 80 मिलियन से अधिक लोगों को प्रभावित करने वाले एक सामान्य नींद विकार के सटीक निदान में सुधार हुआ है। अध्ययन के निष्कर्ष पत्रिका में प्रकाशित हुए थे न्यूरोलॉजी के इतिहास 9 जनवरी को.
आरईएम नींद व्यवहार विकार (आरबीडी) एक नींद की स्थिति है जो नींद के तीव्र नेत्र गति (आरईएम) चरण के दौरान असामान्य गतिविधियों, या सपनों की शारीरिक क्रिया का कारण बनती है। आरबीडी जो अन्यथा स्वस्थ वयस्कों में होता है उसे “पृथक” आरबीडी कहा जाता है। यह संयुक्त राज्य अमेरिका में दस लाख से अधिक लोगों को प्रभावित करता है और, लगभग सभी मामलों में, पार्किंसंस रोग या मनोभ्रंश का प्रारंभिक संकेत है।
आरबीडी का निदान करना बेहद कठिन है क्योंकि इसके लक्षणों पर ध्यान नहीं दिया जा सकता है या इसे अन्य बीमारियों के साथ भ्रमित किया जा सकता है। एक निश्चित निदान के लिए एक नींद अध्ययन की आवश्यकता होती है, जिसे वीडियो-पॉलीसोमनोग्राम के रूप में जाना जाता है, जिसे एक चिकित्सा पेशेवर द्वारा नींद-निगरानी तकनीक वाली सुविधा में आयोजित किया जाना चाहिए। डेटा भी व्यक्तिपरक है और नींद के चरणों और मांसपेशियों की गतिविधि की मात्रा सहित कई और जटिल चर के आधार पर सार्वभौमिक रूप से व्याख्या करना मुश्किल हो सकता है। हालाँकि नींद परीक्षण के दौरान वीडियो डेटा को व्यवस्थित रूप से रिकॉर्ड किया जाता है, लेकिन इसकी शायद ही कभी समीक्षा की जाती है और परीक्षण की व्याख्या के बाद अक्सर इसे छोड़ दिया जाता है।
इस क्षेत्र में पिछले सीमित काम ने सुझाव दिया था कि नींद के दौरान गतिविधियों का पता लगाने के लिए अनुसंधान-ग्रेड 3 डी कैमरों की आवश्यकता हो सकती है क्योंकि चादर या कंबल गतिविधि को कवर करेंगे। यह अध्ययन एक स्वचालित मशीन लर्निंग पद्धति के विकास की रूपरेखा तैयार करने वाला पहला अध्ययन है जो रात भर की नींद के परीक्षणों के दौरान 2डी कैमरे के साथ नियमित रूप से एकत्र की गई वीडियो रिकॉर्डिंग का विश्लेषण करता है। यह विधि अतिरिक्त “क्लासिफायर” या आंदोलनों की विशेषताओं को भी परिभाषित करती है, जिससे लगभग 92 प्रतिशत आरबीडी का पता लगाने के लिए सटीकता दर प्राप्त होती है।
न्यूरोलॉजी (मूवमेंट डिसऑर्डर), और मेडिसिन (फुफ्फुसीय) के एसोसिएट प्रोफेसर, एमडी, संबंधित लेखक इमैनुएल ड्यूरिंग ने कहा, “इस स्वचालित दृष्टिकोण को निदान को बढ़ाने और सुविधाजनक बनाने और छूटे हुए निदान से बचने के लिए नींद परीक्षणों की व्याख्या के दौरान नैदानिक कार्यप्रवाह में एकीकृत किया जा सकता है।” क्रिटिकल केयर एंड स्लीप मेडिसिन), माउंट सिनाई के इकान स्कूल ऑफ मेडिसिन में। “इस पद्धति का उपयोग नींद परीक्षणों के दौरान प्रदर्शित गतिविधियों की गंभीरता के आधार पर उपचार निर्णयों को सूचित करने के लिए भी किया जा सकता है और अंततः, डॉक्टरों को व्यक्तिगत रोगियों के लिए देखभाल योजनाओं को निजीकृत करने में मदद मिल सकती है।”
माउंट सिनाई टीम ने नींद के अध्ययन के दौरान गतिविधियों के स्वचालित मशीन लर्निंग विश्लेषण के प्रस्ताव को दोहराया और विस्तारित किया, जो ऑस्ट्रिया में मेडिकल यूनिवर्सिटी ऑफ इंसब्रुक के शोधकर्ताओं द्वारा बनाया गया था। यह दृष्टिकोण कंप्यूटर विज़न का उपयोग करता है, जो कृत्रिम बुद्धिमत्ता का एक क्षेत्र है जो कंप्यूटर को छवियों और वीडियो सहित दृश्य डेटा का विश्लेषण और समझने की अनुमति देता है। इस ढांचे पर निर्माण करते हुए, माउंट सिनाई विशेषज्ञों ने रात भर मरीज की नींद की निगरानी के लिए 2डी कैमरों का उपयोग किया, जो नियमित रूप से नैदानिक नींद प्रयोगशालाओं में पाए जाते हैं। डेटासेट में लगभग 80 आरबीडी रोगियों के नींद केंद्र में रिकॉर्डिंग का विश्लेषण और आरबीडी के बिना लगभग 90 रोगियों का एक नियंत्रण समूह शामिल था, जिन्हें या तो कोई अन्य नींद विकार था या नींद में कोई व्यवधान नहीं था। एक स्वचालित एल्गोरिदम जो एक वीडियो में लगातार फ़्रेमों के बीच पिक्सेल की गति की गणना करता है, आरईएम नींद के दौरान आंदोलनों का पता लगाने में सक्षम था। विशेषज्ञों ने गति की दर, अनुपात, परिमाण और वेग और गतिहीनता के अनुपात को निकालने के लिए डेटा की समीक्षा की। उन्होंने शोधकर्ताओं द्वारा अब तक 92 प्रतिशत की उच्चतम सटीकता प्राप्त करने के लिए छोटी गतिविधियों की इन पांच विशेषताओं का विश्लेषण किया।
स्विट्जरलैंड के लॉज़ेन में स्विस फेडरल टेक्नोलॉजी इंस्टीट्यूट ऑफ लॉज़ेन (इकोले पॉलीटेक्निक फ़ेडेरेल डी लॉज़ेन) के शोधकर्ताओं ने कंप्यूटर विज़न में अपनी विशेषज्ञता साझा करके अध्ययन में योगदान दिया।
