नींद के अध्ययन से हृदय संबंधी जोखिमों की भविष्यवाणी करने वाला AI मॉडल

एक क्रांतिकारी AI मॉडल विकसित किया गया है जो नींद के अध्ययन से प्राप्त इलेक्ट्रोकार्डियोग्राम (ECG) रिकॉर्डिंग का विश्लेषण करके हृदय संबंधी जोखिमों की भविष्यवाणी करता है। यह नवीनतम शोध, जो राष्ट्रीय स्वास्थ्य संस्थान (NIH) द्वारा समर्थित है, उन व्यक्तियों की पहचान करने का लक्ष्य रखता है जो हृदय समस्याओं के जोखिम में हैं, इससे पहले कि वे कोई लक्षण प्रदर्शित करें। Sleep पत्रिका में प्रकाशित निष्कर्ष बताते हैं कि नियमित नींद के आकलन से दीर्घकालिक हृदय स्वास्थ्य के लिए महत्वपूर्ण जानकारी प्राप्त की जा सकती है।

पोलिसोमनोग्राफी, जिसे नींद संबंधी विकारों जैसे अवरोधक नींद एपनिया और अनिद्रा का निदान करने के लिए सामान्यतः उपयोग किया जाता है, हृदय रोगों के बढ़ते जोखिम से जुड़ी है। इन नींद के अध्ययन के दौरान, ECG हृदय की विद्युत गतिविधि को रिकॉर्ड करता है, लेकिन इस डेटा का अक्सर भविष्य के हृदय संबंधी जोखिमों के आकलन में उपयोग नहीं किया जाता है। शोधकर्ताओं ने अब एक गहन शिक्षण मॉडल विकसित किया है जो एकल-लीड ECG रिकॉर्डिंग को नींद के चरणों की जानकारी के साथ जोड़ता है ताकि उन पैटर्नों की पहचान की जा सके जो 10 वर्षों में हृदय संबंधी प्रतिकूल परिणामों की भविष्यवाणी कर सकते हैं।

यह मॉडल मैसाचुसेट्स जनरल अस्पताल, बोस्टन के 15,809 मरीजों के डेटा पर प्रशिक्षित किया गया था और एमीरी विश्वविद्यालय अस्पताल और बेथ इस्राएल डीकनस मेडिकल सेंटर से स्वतंत्र डेटा सेट का उपयोग करके मान्यता प्राप्त की गई थी, जिसमें लगभग 23,000 अतिरिक्त मरीज शामिल थे। इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का विश्लेषण करके, शोधकर्ताओं ने विभिन्न स्वास्थ्य परिणामों का ट्रैक किया, जिसमें एट्रियल फिब्रिलेशन, हृदय विफलता और मृत्यु दर शामिल हैं। मॉडल ने विभिन्न स्तरों के दीर्घकालिक हृदय संबंधी जोखिम वाले मरीजों के बीच भेद करने की अपनी क्षमता प्रदर्शित की, जिसमें उच्च स्कोर प्रतिकूल परिणामों की अधिक संभावना से संबंधित थे।

इस AI तकनीक का एक महत्वपूर्ण लाभ यह है कि यह एकल ECG लीड का उपयोग करती है, जिससे नींद के अध्ययन के रिकॉर्डिंग के आधार पर हृदय गतिविधि का विश्लेषण करना सरल हो जाता है। इससे अतिरिक्त परीक्षण की आवश्यकता को कम किया जा सकता है और पहनने योग्य ECG पैच जैसे किफायती निगरानी समाधानों के विकास को बढ़ावा मिल सकता है। जबकि प्रारंभिक परिणाम आशाजनक हैं, यह निर्धारित करने के लिए और अधिक शोध की आवश्यकता है कि क्या मॉडल नियमित नैदानिक सेटिंग्स में प्रभावी है और क्या यह वर्तमान हृदय संबंधी जोखिम आकलनों में सुधार कर सकता है।

यदि यह तकनीक सफल होती है, तो यह स्वास्थ्य सेवा पेशेवरों को उच्च जोखिम वाले मरीजों की पहचान करने में मदद कर सकती है, जिससे जल्दी हस्तक्षेप और अधिक सक्रिय रोकथाम रणनीतियों की अनुमति मिलती है। चल रहे शोध का उद्देश्य मॉडल को परिष्कृत करना और नैदानिक प्रथाओं में इसके व्यापक अनुप्रयोगों का अन्वेषण करना है।