Google न्यूरल नेटवर्क लिंग, आयु, बॉडी मास इंडेक्स और फंडस रक्तचाप को निर्धारित करता है

Google और इसके सहायक वैज्ञानिक, जो कि चिकित्सा तकनीकों के विकास में माहिर हैं, के वैज्ञानिकों ने हृदय रोगों और स्ट्रोक जैसे हृदय रोगों के विकास के लिए जोखिम कारकों की पहचान करने के लिए एक नया तरीका विकसित किया है। एक प्रशिक्षित तंत्रिका नेटवर्क फंडस की छवि से इन कारकों की सही गणना करता है।

ऊपरी बाएँ कोने में फोटो यूके बायोबैंक बेस से फंडस स्कैन का रंगीन नमूना दिखाता है। शेष चित्र समान छवि दिखाते हैं, लेकिन काले और सफेद रंग में। उनमें से प्रत्येक पर, एक हरे रंग का नक्शा हरे रंग में लागू होता है, जो कि अधिग्रहित संकेतों में से प्रत्येक के अनुरूप होता है: आयु, लिंग, धूम्रपान (हाँ / नहीं), औसत रक्त शर्करा एचबीए 1 सी, बीएमआई बॉडी मास इंडेक्स, धमनी सिस्टोलिक दबाव एसबीपी, धमनी डायस्टोलिक दबाव डीबीपी। प्रत्येक पैरामीटर के लिए डेटाबेस से वास्तविक डेटा और तंत्रिका नेटवर्क द्वारा भविष्यवाणी की जाती है।

इन कारकों को जानने के बाद, आप हृदय रोगों के विकास की संभावना की सही गणना कर सकते हैं, जो दुनिया भर में मृत्यु का मुख्य कारण है (लगभग 31% मौतें इस कारण से होती हैं)।

नई प्रणाली के साथ, डॉक्टर बहुत समय बचा सकते हैं, क्योंकि कई परीक्षणों के बजाय, प्रारंभिक निदान अब कुछ ही मिनटों में किए जाते हैं। इसके अलावा, सैद्धांतिक रूप से, एल्गोरिथ्म ऐसे निदान को दूरस्थ रूप से बाहर करने की अनुमति देता है। केवल एक नेत्रगोलक और एक विशेषज्ञ जो चित्र ले सकते हैं, की आवश्यकता है।


दर्पण और इलेक्ट्रॉनिक नेत्रगोलक

बेशक, जबकि तंत्रिका नेटवर्क की सटीकता पूरी निदान को बदलने के लिए इतनी अधिक नहीं है, लेकिन यह आशाजनक परिणाम दिखाती है। यहां, AI डॉक्टर को प्रतिस्थापित नहीं करता है, लेकिन इसकी क्षमताओं का विस्तार करता है।

तंत्रिका नेटवर्क का अध्ययन करने के लिए, Google और वेरीली वैज्ञानिकों ने लगभग 300,000 रोगियों की निधि तस्वीरों के साथ चिकित्सा रिकॉर्ड का उपयोग किया। डेटा सेट का शेर का हिस्सा EyePACS डेटाबेस (236,234 रोगियों, 1,682,938%) से प्राप्त किया गया था। शेष जानकारी यूके बायोबैंक डेटाबेस से ली गई थी। हालांकि यहां कम डेटा है, प्रत्येक रोगी के लिए बॉडी मास इंडेक्स, रक्तचाप और धूम्रपान के तथ्य पर जानकारी थी, जो आईएपीएसीएस डेटाबेस में नहीं है।



रेटिना में किसी व्यक्ति की बीमारी का पता लगाने का विचार नया नहीं है। सोवियत संघ में भी, इस तरह के अध्ययन किए गए थे और रेटिना छवियों के विश्लेषण के लिए सॉफ्टवेयर बनाया गया था। लेकिन तब कोई मशीन लर्निंग सिस्टम नहीं थे, इसलिए प्रोग्रामर्स की संभावनाएं सीमित थीं।

यदि Google तंत्रिका नेटवर्क को फंडस फोटोग्राफ के प्रसंस्करण के लिए दो रोगी मिलते हैं, जिनमें से एक पिछले पांच वर्षों में हृदय रोग से पीड़ित था, और दूसरा नहीं करता है, तो यह 70% मामलों में रोगी की संबद्धता को सही ढंग से निर्धारित करता है। यह दवा में उपयोग की जाने वाली SCORE एल्गोरिथ्म की सटीकता से थोड़ा खराब है। उसके पास 72% की सटीकता है।

लिंग, आयु, और प्रत्येक जोखिम कारक को निर्धारित करने की सटीकता निम्न तालिका में दिखाई गई है।



विशेषज्ञों का कहना है कि इस विशेष नैदानिक ​​कार्य में तंत्रिका नेटवर्क का उपयोग करने के लिए Google का दृष्टिकोण विश्वसनीय है क्योंकि यह लंबे समय से ज्ञात है कि रेटिना हृदय रोग के विकास के जोखिम का एक अच्छा भविष्यवक्ता है। इसलिए आर्टिफिशियल इंटेलिजेंस में काफी तेजी आ सकती है और संभावित रूप से ऐसे डायग्नोस्टिक्स की सटीकता बढ़ सकती है। बेशक, क्लीनिकों में वास्तविक उपयोग से पहले, कार्यक्रम को कठोर परीक्षण से गुजरना चाहिए ताकि डॉक्टर उस पर भरोसा करना शुरू कर दें।

यह खोज एक और प्रमाण था कि आधुनिक चिकित्सा में, विशेष रूप से निदान में तंत्रिका नेटवर्क का व्यापक रूप से उपयोग किया जा सकता है। हम इस क्षेत्र में एआई के उपयोग के लिए सबसे स्पष्ट विकल्पों के लिए केवल ग्रोपिंग कर रहे हैं: कार्डियोग्राम द्वारा अतालता का निदान , एक्स-रे द्वारा निमोनिया का निदान, त्वचा कैंसर का निदान आदि।

रोगों का निदान करने के लिए एआई का उपयोग करने की अद्भुत संभावना एक कारण है कि Google ने चार साल के लिए 10,000 लोगों के लिए विस्तृत चिकित्सा रिकॉर्ड एकत्र करने के लिए बेसलाइन परियोजना शुरू की ।

वैज्ञानिक लेख 19 फरवरी, 2018 को नेचर बायोमेडिकल इंजीनियरिंग (doi: 10.1038 / s41551-018-0195-0, pdf ) पत्रिका में प्रकाशित हुआ था।