निमोनिया का इलाज करा रहे दो मरीज़, एक संक्रमण जो फेफड़ों में तरल पदार्थ से भरी थैलियों के कारण सांस लेने में कठिनाई का कारण बनता है, बहुत अलग दिख सकता है और विपरीत परिणाम दे सकता है। फिर भी डॉक्टर मरीजों के पूर्वानुमानों का सटीक अनुमान लगाने और सबसे प्रभावी उपचार निर्धारित करने के लिए संघर्ष करते हैं।
अब, निमोनिया के रोगियों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) के लिए एक परिष्कृत मशीन-लर्निंग दृष्टिकोण लागू करके, नॉर्थवेस्टर्न यूनिवर्सिटी के शोधकर्ताओं ने निमोनिया में पांच अलग-अलग नैदानिक स्थितियों को उजागर किया है, जिनमें से तीन रोग के परिणामों से दृढ़ता से जुड़े हुए हैं और दो जो चिकित्सकों की मदद कर सकते हैं। रोग का कारण निर्धारित करें. इनमें से एक राज्य 24 घंटों के भीतर मरने की 7.5% संभावना से जुड़ा था।
वह पेपर जो नवीन दृष्टिकोण और इसे विकसित करने के लिए उपयोग किए गए डेटा का वर्णन करता है, जर्नल प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज (पीएनएएस) में ऑनलाइन है। शोधकर्ताओं का कहना है कि इस दृष्टिकोण में चिकित्सकों को गंभीर रूप से बीमार रोगियों के लिए बेहतर सूचित उपचार निर्णय लेने और अधिक व्यापक रूप से लागू करने में मदद करने की क्षमता है।
निमोनिया, जो वैश्विक स्तर पर मृत्यु का एक प्रमुख कारण है, का इलाज करना स्वाभाविक रूप से कठिन है क्योंकि यह विभिन्न तरीकों से प्रकट हो सकता है और प्राप्त किया जा सकता है और एंटीबायोटिक दवाओं के अत्यधिक उपयोग की संभावना है। चिकित्सकों ने ऐतिहासिक रूप से गहन देखभाल इकाइयों में निमोनिया के रोगियों को अलग करने के लिए कारण का उपयोग किया है, उन्हें तीन श्रेणियों में बांटा है: समुदाय-अधिग्रहित (जिसका मतलब पिछले जीवाणु या वायरल संक्रमण हो सकता है), अस्पताल-अधिग्रहित और वेंटिलेटर-अधिग्रहित (रोगी को यांत्रिक वेंटिलेशन की आवश्यकता के बाद विकसित किया गया है) ).
लेकिन अध्ययन के प्रमुख लेखक, नॉर्थवेस्टर्न के लुइस अमरल ने कहा कि यह डेटा वास्तव में चिकित्सकों को मरीज के ठीक होने की संभावना के बारे में आश्चर्यजनक रूप से बहुत कम बताता है।
अमरल ने कहा, “निमोनिया के रोगियों की स्थिति को वर्गीकृत करने के अन्य दृष्टिकोण उतने भेदभावपूर्ण नहीं हैं।” “वे रोग की प्रगति और पूर्वानुमान की भविष्यवाणी करने का बदतर काम करते हैं, जो विशेष रूप से जीवन के अंत के निर्णयों के लिए प्रासंगिक है। हमारा अध्ययन मजबूत रूप से पहचाने जाने योग्य, विशिष्ट, नैदानिक स्थितियों के अस्तित्व को प्रदर्शित करने वाला पहला है।”
जटिल प्रणालियों और डेटा विज्ञान के विशेषज्ञ, अमरल, नॉर्थवेस्टर्न के मैककॉर्मिक स्कूल ऑफ इंजीनियरिंग में इंजीनियरिंग साइंसेज और एप्लाइड गणित के एरास्टस ओटिस हेवन प्रोफेसर हैं।
अमरल ने कहा कि व्यक्तियों के जीवित रहने की संभावनाओं को समझने से परिवार के सदस्यों को नुकसान के लिए तैयार करने में मदद मिल सकती है और चिकित्सकों को अति-उपचार से बचने में मदद मिल सकती है।
पाँच अवस्थाएँ विभिन्न मापों के बीच संबंध स्थापित करने के लिए कई प्रकार के डेटा (शरीर का तापमान, श्वास दर, ग्लूकोज स्तर, ऑक्सीजनेशन स्तर, आदि) को एकीकृत करती हैं। शोधकर्ताओं ने पाया कि मोटर प्रतिक्रिया, गुर्दे की कार्यप्रणाली, हृदय गति, सिस्टोलिक रक्तचाप, श्वसन दर और उच्च रक्तचाप को दर्शाने वाले चर के रैखिक संयोजन एक मरीज की स्थिति के बारे में सबसे अधिक जानकारी प्रदान करते हैं।
टीम ने कई चुनौतियों पर काबू पाया क्योंकि उन्होंने दो ईएचआर डेटा स्रोतों से रोगी की स्थितियों को क्लस्टर करने के लिए मशीन-लर्निंग टूल का एक सूट विकसित किया, एक एससीआरआईपीटी नामक नॉर्थवेस्टर्न प्रोजेक्ट और दूसरा एक मानक क्लिनिकल डेटासेट से। सबसे पहले, कई प्रकार के डेटा को अलग-अलग आवृत्तियों पर एकत्र किए जाने के बावजूद एकीकृत करना पड़ता था। उन्हें एक नया परीक्षण विकसित करने की भी आवश्यकता थी जो दृष्टिकोण की विश्वसनीयता का संकेत दे। तीसरा, उन्हें यह निर्धारित करना था कि क्या इन शारीरिक चरों में मौजूद जानकारी को उन चरों के बहुत कम संख्या में संयोजनों में “संपीड़ित” किया जा सकता है।
परिणामी डेटा ने शोधकर्ताओं को पांच अलग-अलग समूहों की पहचान करने में सक्षम बनाया – जिन्हें उन्होंने अलग-अलग नैदानिक स्थितियों के साथ जोड़ा – जिनका रोगियों की मृत्यु की भविष्यवाणी करने में मूल्य वर्तमान दृष्टिकोण की तुलना में काफी अधिक था। आश्चर्यजनक रूप से, पहचाने गए समूहों में से एक में अधिकांश मरीज़ एकत्र हुए जिनका निमोनिया एक सीओवीआईडी -19 संक्रमण से जुड़ा था।
इस शोध के दौरान विकसित तकनीकी प्रगति अन्य संदर्भों में उपयोगी हो सकती है। वास्तव में, अध्ययन के मुख्य लेखक और अमरल लैब में स्नातक छात्र फेइहोंग जू के अनुसार, टीम “अब इन तकनीकों को सेप्सिस के माउस मॉडल से प्रायोगिक डेटा पर लागू कर रही है।”
अभी, उनके विश्लेषण से यह पता लगाना बाकी है कि कुछ मरीज़ एक राज्य से दूसरे राज्य में क्यों जाते हैं, जिस पर शोधकर्ता अब अध्ययन कर रहे हैं। निमोनिया और अन्य बीमारियों पर भविष्य के शोध अंततः अधिक प्रभावी और पूर्वानुमानित उपचार विकल्पों का आधार बन सकते हैं।
