ADVERTISEMENTs

ભારતીય-અમેરિકન સંશોધકે કિડની ફેલ્યોર શોધવા માટે AI ટૂલ વિકસાવ્યું

AI મોડેલ ડોક્ટરોને કિડનીના દર્દીઓ માટે સારવારનું આયોજન કરવામાં અને પરિણામો સુધારવામાં મદદ કરે છે.

ભારતીય-અમેરિકન વિદ્વાન રેમા પદમન / Courtesy photo

કાર્નેગી મેલન યુનિવર્સિટીના સંશોધકોએ, ભારતીય-અમેરિકન વિદ્વાન રેમા પદમનના નેતૃત્વમાં, અદ્યતન આર્ટિફિશિયલ ઇન્ટેલિજન્સ મોડલ્સ વિકસાવ્યા છે, જે ડોક્ટરોને કિડની ફેલ્યોરની આગાહી વધુ વહેલી અને સચોટ રીતે કરવામાં મદદ કરી શકે છે.

ઈલેક્ટ્રોનિક હેલ્થ રેકોર્ડ્સને ઈન્સ્યોરન્સ ક્લેઈમ ડેટા સાથે જોડીને, આ મોડલ્સ અનુમાન કરે છે કે ક્રોનિક કિડની ડિસીઝ (સીકેડી) ધરાવતા કયા દર્દીઓ એન્ડ-સ્ટેજ રેનલ ડિસીઝ (ઈએસઆરડી) તરફ આગળ વધે તેવી શક્યતા છે. આ ડોક્ટરોને જોખમોની વહેલી તપાસ, સારવારનું વધુ અસરકારક આયોજન અને કિડની સારવારમાં અસમાનતા ઘટાડવા માટે મજબૂત સાધનો પૂરા પાડે છે.

કાર્નેગી મેલનના હેઈન્ઝ કોલેજમાં મેનેજમેન્ટ સાયન્સ અને હેલ્થકેર ઈન્ફોર્મેટિક્સના ટ્રસ્ટીઝ પ્રોફેસર રેમા પદમને અભ્યાસનું વિશેષ મહત્વ રજૂ કર્યું. તેમણે જણાવ્યું, “અમારો અભ્યાસ ઈએસઆરડીના પરિણામોની આગાહી માટે એક મજબૂત ફ્રેમવર્ક રજૂ કરે છે, જે સંકલિત બહુસ્રોત ડેટા અને અદ્યતન એનાલિટિક્સ દ્વારા ક્લિનિકલ નિર્ણય લેવાની પ્રક્રિયાને સુધારે છે. ભવિષ્યમાં સંશોધન ડેટા એકીકરણને વિસ્તારશે અને આ ફ્રેમવર્કને અન્ય ક્રોનિક રોગો સુધી વિસ્તારશે.”

સીકેડી એ એક લાંબા ગાળાની સ્થિતિ છે, જેમાં કિડનીનું કાર્ય ધીમે ધીમે ઘટતું જાય છે, જે ક્યારેક ઈએસઆરડી તરફ દોરી જાય છે, જ્યાં દર્દીઓને ટકી રહેવા માટે ડાયાલિસિસ અથવા કિડની ટ્રાન્સપ્લાન્ટની જરૂર પડે છે. આ સ્થિતિ વૈશ્વિક વસ્તીના 16 ટકા સુધીના લોકોને અસર કરે છે, જેમાંથી 5 થી 10 ટકા લોકો આખરે ઈએસઆરડી સુધી પહોંચે છે.

કાર્નેગી મેલનના અભ્યાસમાં 2009 થી 2018 દરમિયાન 10,000થી વધુ સીકેડી દર્દીઓના ડેટાનું વિશ્લેષણ કરવામાં આવ્યું. સંશોધકોએ વિવિધ મશીન લર્નિંગ અને ડીપ લર્નિંગ મોડલ્સનું પરીક્ષણ કર્યું, અને આખરે જાણવા મળ્યું કે ક્લિનિકલ અને ક્લેઈમ ડેટાને જોડવાથી સૌથી સચોટ આગાહીઓ મળે છે. 24 મહિનાનો અવલોકન સમયગાળો વહેલી તપાસ અને આગાહીની સચોટતા માટે શ્રેષ્ઠ સંતુલન તરીકે ઉભરી આવ્યો.

સહ-લેખક યુબો લી, હેઈન્ઝ ખાતે પીએચડીના વિદ્યાર્થી,એ નવીનતા પર ભાર મૂક્યો, “સચોટ આગાહીઓ માટે જરૂરી અવલોકન વિન્ડોને ઘટાડીને, અમારો અભિગમ ક્લિનિકલ સુસંગતતા અને દર્દી-કેન્દ્રિત વ્યવહારિકતા વચ્ચે સંતુલન સાધે છે; આ એકીકરણ પ્રિડિક્ટિવ સચોટતા અને ક્લિનિકલ ઉપયોગિતા બંનેને વધારે છે, જે દર્દીના પરિણામો સુધારવા માટે વધુ જાણકાર નિર્ણય લેવાની સુવિધા આપે છે.”

જોકે સંશોધકો એક સંસ્થાના ડેટા પર નિર્ભરતા જેવી મર્યાદાઓ સ્વીકારે છે, પદમનની ટીમ માને છે કે આ ફ્રેમવર્ક વધુ ન્યાયી અને સક્રિય કિડની સારવાર તરફ એક મોટું પગલું છે.

Comments

Related

ADVERTISEMENT

 

 

 

ADVERTISEMENT

 

 

E Paper

 

 

 

Video