अंधत्व निवारण के भविष्य पर झांकेगा आर्टिफिशियल इंटैलिजेंस
-
एक बीमारी से बनती है दूसरी बीमारी
-
नया मॉडल विकसित किया गया है
-
उच्च मायोपिया में बेहतर काम
राष्ट्रीय खबर
रांचीः कृत्रिम बुद्धिमत्ता का अब बहुआयामी उपयोग हो रहा है। किसी खास निर्देशित पद्धति पर काम करने का अभ्यास होने पर यह तकनीक गलती नहीं करती है। इसी वजह से चिकित्सा जगत में भी इसकी उपयोगिता बढ़ती जा रही है। अब यह कहा जा रहा है कि यह मशीन लर्निंग मनुष्यों में दृष्टि हानि को रोकने के लिए भविष्य पर विचार करती है।
यह पाया गया है कि मशीन लर्निंग कई स्वास्थ्य स्थितियों के परिणामों की अच्छी भविष्यवाणी करती है। अब, जापान के शोधकर्ताओं ने यह अनुमान लगाने का एक तरीका ढूंढ लिया है कि गंभीर अदूरदर्शिता वाले लोगों की भविष्य में दृष्टि अच्छी होगी या बुरी। हाल ही में जेएएमए ऑप्थल्मोलॉजी में प्रकाशित एक अध्ययन में, टोक्यो मेडिकल एंड डेंटल यूनिवर्सिटी (टीएमडीयू) के शोधकर्ताओं ने एक मशीन-लर्निंग मॉडल विकसित किया है जो लंबी अवधि में दृश्य हानि के जोखिम की भविष्यवाणी करने और कल्पना करने के लिए अच्छी तरह से काम करता है।
अत्यधिक अदूरदर्शिता (जिसे हाई मायोपिया कहा जाता है) वाले लोग अपने नजदीक की वस्तुओं को स्पष्ट रूप से देख सकते हैं, लेकिन दूर की वस्तुओं पर ध्यान केंद्रित नहीं कर पाते हैं। उनकी दृष्टि को ठीक करने के लिए संपर्क, चश्मे या सर्जरी का उपयोग किया जा सकता है, लेकिन उच्च मायोपिया होना सिर्फ असुविधाजनक नहीं है; आधे समय में यह पैथोलॉजिकल मायोपिया नामक स्थिति की ओर ले जाता है, और पैथोलॉजिकल मायोपिया से होने वाली जटिलताएँ अंधेपन का प्रमुख कारण होती हैं।
अध्ययन के मुख्य लेखक यिनिंग वांग कहते हैं, हम जानते हैं कि मशीन-लर्निंग एल्गोरिदम मायोपिया में परिवर्तन और जटिलताओं की पहचान करने जैसे कार्यों पर अच्छा काम करते हैं, लेकिन इस अध्ययन में, हम कुछ अलग जांच करना चाहते थे, अर्थात् ये एल्गोरिदम कितने अच्छे हैं दीर्घकालिक भविष्यवाणियां कर रहे हैं।
ऐसा करने के लिए, टीम ने एक समूह अध्ययन किया और 3 और 5 साल बीत जाने के बाद टीडीएमयू के एडवांस्ड क्लिनिकल सेंटर फॉर मायोपिया में 967 जापानी रोगियों की दृश्य तीक्ष्णता को देखा। उन्होंने 34 वेरिएबल्स से एक डेटासेट बनाया जो आमतौर पर नेत्र संबंधी परीक्षाओं के दौरान एकत्र किए जाते हैं, जैसे उम्र, वर्तमान दृश्य तीक्ष्णता और कॉर्निया का व्यास। फिर उन्होंने कई लोकप्रिय मशीन-लर्निंग मॉडल जैसे रैंडम फ़ॉरेस्ट और सपोर्ट वेक्टर मशीनों का परीक्षण किया। इन मॉडलों में से, लॉजिस्टिक रिग्रेशन-आधारित मॉडल ने 5 वर्षों में दृश्य हानि की भविष्यवाणी करने में सबसे अच्छा प्रदर्शन किया।
हालाँकि, परिणामों की भविष्यवाणी करना कहानी का केवल एक हिस्सा है। वरिष्ठ लेखक क्योको ओहनो-मात्सुई कहते हैं, मॉडल के आउटपुट को ऐसे तरीके से प्रस्तुत करना भी महत्वपूर्ण है जो मरीजों के लिए समझने में आसान हो और नैदानिक निर्णय लेने के लिए सुविधाजनक हो। ऐसा करने के लिए, शोधकर्ताओं ने वर्गीकरण मॉडल की कल्पना करने के लिए एक नॉमोग्राम का उपयोग किया। प्रत्येक चर को लंबाई के साथ एक रेखा दी गई है जो इंगित करती है कि दृश्य तीक्ष्णता की भविष्यवाणी करने के लिए यह कितना महत्वपूर्ण है। इन लंबाई को बिंदुओं में परिवर्तित किया जा सकता है जिन्हें भविष्य में दृश्य हानि के जोखिम को समझाते हुए अंतिम स्कोर प्राप्त करने के लिए जोड़ा जा सकता है।
जो लोग स्थायी रूप से अपनी दृष्टि खो देते हैं वे अक्सर अपनी स्वतंत्रता के नुकसान के परिणामस्वरूप आर्थिक और शारीरिक रूप से पीड़ित होते हैं। गंभीर दृश्य हानि के कारण वैश्विक उत्पादकता में कमी का अनुमान 2019 में 94.5 बिलियन डॉलर था। हालांकि मॉडल का अभी भी व्यापक आबादी पर मूल्यांकन किया जाना है, इस अध्ययन से पता चला है कि मशीन-लर्निंग मॉडल में इसे संबोधित करने में मदद करने की अच्छी क्षमता है। तेजी से महत्वपूर्ण सार्वजनिक स्वास्थ्य चिंता, जिससे व्यक्तियों और समग्र रूप से समाज दोनों को लाभ होगा।