चिकित्सकीय निदान में AI की बढ़ती सहायक भूमिका

निदान में सहायता के लिए नए उपकरण

कई रोगों का निदान आज भी रोगी की जाँच और दिखाई देने वाले लक्षणों के मूल्यांकन पर निर्भर करता है। कान के संक्रमण, विशेषकर तीव्र मध्यकर्णशोथ (AOM), की पहचान के लिए कान के पर्दे की प्रशिक्षित जाँच आवश्यक होती है।

इस जाँच में चिकित्सक का अनुभव और जाँच की परिस्थितियाँ महत्वपूर्ण हैं। पिछले अध्ययनों में चिकित्सकों द्वारा AOM की पहचान की सटीकता 30% से 84% तक बताई गई थी। ये परिणाम स्वास्थ्यकर्मी के प्रशिक्षण, जाँच की स्थिति और बच्चों की उम्र के अनुसार अलग थे।

AOM और तीव्र संक्रमण के बिना मध्य कान में तरल जमा होने की स्थिति, जिसे ओटिटिस मीडिया विद इफ्यूजन (OME) कहते हैं, में भ्रम हो सकता है। OME में सामान्यतः एंटीबायोटिक लाभ नहीं देते। गलत पहचान से अनावश्यक उपचार या आवश्यक देखभाल में देरी हो सकती है।

शोधकर्ताओं ने स्मार्टफोन से रिकॉर्ड किए गए वीडियो का विश्लेषण करने वाला AI उपकरण विकसित किया है। इसका उद्देश्य चिकित्सकों को दोनों स्थितियों में अंतर करने में मदद देना है। उचित उपयोग से अनावश्यक एंटीबायोटिक उपचार कम करने और प्रतिरोध की समस्या का सामना करने में सहायता मिल सकती है।

“अंडरडायग्नोसिस अपर्याप्त देखभाल का कारण बनता है और ओवरडायग्नोसिस अनावश्यक एंटीबायोटिक उपचार का परिणाम देता है, जो वर्तमान में उपलब्ध एंटीबायोटिक्स की प्रभावशीलता को कमजोर कर सकता है। हमारा उपकरण सही निदान प्राप्त करने और उचित उपचार का मार्गदर्शन करने में मदद करता है।”

एलेजांद्रो हॉबरमैन, बाल रोग के प्रोफेसर और सामान्य अकादमिक बाल रोग विभाग के निदेशक, पिट्सबर्ग विश्वविद्यालय के चिकित्सा विद्यालय में।

स्रोत: UPMC

शोधकर्ताओं के अनुसार लगभग 70% बच्चों को पहले जन्मदिन से पहले कान का संक्रमण हो जाता है। इसलिए भरोसेमंद पहचान प्राथमिक स्वास्थ्य देखभाल में महत्वपूर्ण है।

AI निदान

हॉबरमैन ने न्यूयॉर्क के Tandon School of Engineering, पिट्सबर्ग के Bosch Center for Artificial Intelligence और स्टॉकहोम की Dcipher Analytics के शोधकर्ताओं के साथ इस उपकरण पर काम किया।

उन्होंने अपने निष्कर्ष JAMA Pediatrics में प्रकाशित किए। अध्ययन का शीर्षक था: “बच्चों में तीव्र ओटिटिस मीडिया का निदान करने के लिए एक स्वचालित वर्गीकरणकर्ता का विकास और सत्यापन”।

यह उपकरण स्मार्टफोन कैमरे से जुड़े ओटोस्कोप द्वारा रिकॉर्ड किए गए कान के पर्दे के वीडियो का विश्लेषण करता है। यह चिकित्सकीय निर्णय में सहायता के लिए है; पूरी नैदानिक जाँच का विकल्प नहीं है।

अध्ययन में दो AI मॉडल बनाए गए। 635 बच्चों के कान के पर्दे के 1,151 वीडियो उपलब्ध थे। अनुभवी विशेषज्ञों ने प्रत्येक वीडियो की समीक्षा करके AOM होने या न होने का वर्गीकरण किया।

मॉडल विकसित करने के लिए 921 वीडियो और अलग परीक्षण के लिए शेष 230 वीडियो इस्तेमाल किए गए।

मूल्यांकन में कान के पर्दे का आकार, रंग, स्थिति और पारदर्शिता जैसे लक्षण शामिल थे।

स्रोत: UPMC

उत्साहजनक अध्ययन परिणाम

DR-RNN मॉडल की संवेदनशीलता 93.8% और विशिष्टता 93.5% थी। निर्णय-वृक्ष मॉडल में ये क्रमशः 93.7% और 93.3% थीं। संवेदनशीलता बताती है कि AOM वाले कितने मामलों को सही पहचाना गया, जबकि विशिष्टता अन्य मामलों को सही अलग करने की क्षमता बताती है। दोनों मॉडल त्रुटिरहित नहीं थे।

परिणाम उत्साहजनक थे, लेकिन अलग-अलग अध्ययनों के आँकड़ों की तुलना यह सिद्ध नहीं करती कि उपकरण हर परिस्थिति में चिकित्सक से बेहतर होगा। विभिन्न रोगी समूहों और वास्तविक स्वास्थ्य केंद्रों में इसकी उपयोगिता का मूल्यांकन आवश्यक है।

वीडियो रोगी के रिकॉर्ड में सुरक्षित रखे जा सकते हैं और परिवार को जाँच का निष्कर्ष समझाने या चिकित्सा छात्रों को पढ़ाने में इस्तेमाल हो सकते हैं। इन्हें रिकॉर्ड और साझा करते समय रोगी की निजता का ध्यान रखना आवश्यक है।

व्यावहारिक उपयोग में लाभ सिद्ध होने पर यह उपकरण प्राथमिक देखभाल के चिकित्सकों को सही निदान करने और अनावश्यक एंटीबायोटिक उपचार घटाने में मदद कर सकता है।

स्मार्टफोन और उससे जुड़ा ओटोस्कोप तकनीकी व्यवस्था को सरल बना सकते हैं। फिर भी उचित प्रशिक्षण, अच्छी गुणवत्ता के वीडियो और लागू स्वीकृतियों तथा डेटा सुरक्षा की आवश्यकता बनी रहती है।

AI निदान कंपनियां

मानव शरीर से संबंधित डेटा जटिल और विविध होता है। अधूरी जानकारी, उपकरणों के अंतर और डेटा में पक्षपात के कारण चिकित्सा में AI लागू करना चुनौतीपूर्ण है।

न्यूरल नेटवर्क ने तस्वीरों और अन्य जटिल डेटा के विश्लेषण में सुधार किया है। इसी व्यापक तकनीकी विकास के उपयोग स्वचालित वाहन अनुसंधान जैसे क्षेत्रों में भी दिखाई देते हैं।

चिकित्सक एक्स-रे, MRI और अन्य तस्वीरों का मूल्यांकन रोगी के लक्षणों तथा चिकित्सकीय जानकारी के साथ करते हैं। AI विशिष्ट कार्यों में मदद कर सकता है, लेकिन सड़क पर वस्तुओं को पहचानने की क्षमता अपने आप चिकित्सा निदान में श्रेष्ठता सिद्ध नहीं करती।

कई बड़े चिकित्सा इमेजिंग निर्माता अपने उत्पादों में AI शामिल कर रहे हैं, जैसे GE Healthcare, Siemens Healthineers , Canon Medical और Philips। इन कंपनियों के अन्य बड़े व्यवसाय भी हैं, इसलिए इनके शेयर केवल AI निदान में निवेश का प्रतिनिधित्व नहीं करते।

कुछ अधिक केंद्रित कंपनियाँ निजी स्वामित्व में हैं, जैसे PathAI और Viz.AI । निजी स्वामित्व और सार्वजनिक शेयर बाजार में सूचीबद्ध होना अलग बातें हैं। आगे लेख के समय सार्वजनिक रूप से सूचीबद्ध दो कंपनियों पर चर्चा की गई है।

1. Butterfly Network

Butterfly Network पोर्टेबल अल्ट्रासाउंड उपकरण और सॉफ्टवेयर विकसित करती है। इसके कार्यप्रवाह तथा प्रबंधन सॉफ्टवेयर प्लेटफॉर्म का नाम है “Compass”। यह अपने आप चिकित्सकीय निदान करने वाला स्वतंत्र AI डॉक्टर नहीं है।

स्रोत: Butterfly Network

कंपनी ने अपनी ^{तीसरी} पीढ़ी का उपकरण प्रस्तुत किया, जब 2024 में iQ3 जारी हुआ। निर्माता के अनुसार पिछली पीढ़ी की तुलना में डेटा अंतरण दर और प्रसंस्करण क्षमता दोनों दोगुनी थीं। यह पारंपरिक पीजोइलेक्ट्रिक क्रिस्टल के बजाय सेमीकंडक्टर आधारित ultrasound-on-chip तकनीक का उपयोग करता है।

निर्माता iQ3 की विशेषताओं में विभिन्न इमेजिंग मोड, तेज शुरुआत और सॉफ्टवेयर एकीकरण जैसी सुविधाएँ शामिल हैं। कीमत और उपलब्धता बाजार तथा सेवा पैकेज के अनुसार बदलती हैं।

AI का इस्तेमाल तस्वीरों को संसाधित करने, कुछ माप अपने आप निकालने और उपयोगकर्ता के प्रशिक्षण में सहायता के लिए किया जा सकता है। उपलब्ध सुविधाएँ और स्वीकृत उपयोग संबंधित बाजार के अनुसार जाँचे जाने चाहिए।

स्रोत: Butterfly Network

Butterfly ने अंतरराष्ट्रीय वितरण और पशु चिकित्सा संबंधी उत्पादों में विस्तार किया है। पोर्टेबल उपकरण अलग-अलग स्थानों पर जाँच में सहायक हो सकते हैं, लेकिन प्रशिक्षित उपयोगकर्ता की आवश्यकता बनी रहती है।

2. Enlitic (ENL.AX)

Enlitic चिकित्सा इमेजिंग डेटा के मानकीकरण के लिए AI विकसित करती है। इसका उद्देश्य तस्वीरों से स्वतंत्र निदान करना भर नहीं, बल्कि जाँच और इमेज श्रृंखलाओं से जुड़ी जानकारी को एक समान रूप देना है।

तकनीक तस्वीरों और पाठ का विश्लेषण करके शरीर का हिस्सा, दृश्य दिशा, कॉन्ट्रास्ट का उपयोग और स्लाइस की मोटाई जैसी जानकारी पहचानती है। DICOM चिकित्सा इमेजिंग के फाइल और संचार का मानक है; HL7 स्वास्थ्य संबंधी सूचना के व्यापक आदान-प्रदान से जुड़ा है।

स्रोत: Enlitic

मानकीकृत जानकारी तस्वीरें खोजने, अलग प्रणालियों के बीच सूचना के उपयोग और विश्लेषण को आसान बना सकती है। मानकीकरण अकेले हर डेटा समूह पर AI की विश्वसनीयता की गारंटी नहीं देता।

उचित रूप से सुरक्षित और मानकीकृत डेटा का इस्तेमाल अनुसंधान तथा अन्य मॉडलों के प्रशिक्षण में भी हो सकता है। इसके लिए लागू कानूनी आधार, रोगी की निजता और भरोसेमंद पहचान-रहितकरण आवश्यक हैं; अस्पतालों की अतिरिक्त कमाई सुनिश्चित नहीं है।