मशीन लर्निंग ने अल्जाइमर वर्गीकरण में 88.1% सटीकता हासिल की

हाल के विकास में मशीन लर्निंग ने अल्जाइमर रोग के वर्गीकरण में महत्वपूर्ण प्रगति दिखाई है, जिसमें तीन प्रमुख वर्गीकरण कार्यों में 88.1% सटीकता हासिल की गई है। यह शोध 761 प्रतिभागियों के डेटा के द्वितीयक विश्लेषण पर आधारित है, जो अल्जाइमर से संबंधित संज्ञानात्मक विकारों के निदान में मशीन लर्निंग की सहायता की संभावनाओं को उजागर करता है।

इस अध्ययन में पांच विभिन्न मशीन लर्निंग एल्गोरिदम का मूल्यांकन किया गया, जिसमें रैंडम फॉरेस्ट और सपोर्ट वेक्टर मशीन शामिल हैं, जो 10 नियमित रूप से उपलब्ध जनसांख्यिकीय और नैदानिक चर का उपयोग करते हैं। उल्लेखनीय है कि इन मॉडलों ने न्यूरोइमेजिंग या बायोमार्कर आकलनों पर निर्भरता नहीं दिखाई, जो अक्सर निदान प्रक्रिया को जटिल बनाते हैं। तीन वर्गीकरण कार्यों में सभी संज्ञानात्मक श्रेणियों के बीच भेद करना, अल्जाइमर डिमेंशिया और गैर-डिमेंशिया के बीच पहचान करना, और संज्ञानात्मक विकार को असामान्य संज्ञान से अलग करना शामिल था।

प्रदर्शन के संदर्भ में, मानक मॉडलों ने सभी तीन संज्ञानात्मक श्रेणियों के वर्गीकरण में 63.6% से 68.2% के बीच सटीकता हासिल की। हालाँकि, अल्जाइमर डिमेंशिया और गैर-डिमेंशिया प्रतिभागियों के बीच भेद करने में, मॉडलों ने 76.8% से 78.8% के बीच सटीकता प्राप्त की। सबसे उच्च प्रदर्शन तब देखा गया जब क्लिनिकली परिभाषित संज्ञानात्मक विकार को असामान्य संज्ञान से अलग किया गया, जिसमें सटीकता 78.1% से 88.1% तक पहुंच गई।

इन आशाजनक परिणामों के बावजूद, शोधकर्ताओं ने चेतावनी दी कि इन मॉडलों को अभी तक चिकित्सकीय रूप से व्यवहार्य नहीं माना जाना चाहिए। अध्ययन ने मॉडल प्रदर्शन में संज्ञानात्मक स्क्रीनिंग उपायों के महत्व को उजागर किया और वास्तविक दुनिया के स्वास्थ्य देखभाल सेटिंग्स में इन मॉडलों की उपयोगिता का आकलन करने के लिए विविध जनसंख्या में बाहरी मान्यता की आवश्यकता को बल दिया।

आगे देखते हुए, शोधकर्ता इन मशीन लर्निंग दृष्टिकोणों को मान्यता देने के लिए आगे के अध्ययन की सिफारिश करते हैं। यह सुनिश्चित करने के लिए कि ये मॉडल वास्तविक स्वास्थ्य देखभाल वातावरण में चिकित्सकीय निर्णय लेने का समर्थन कर सकें, संभावित बाहरी मान्यता की आवश्यकता बनी हुई है।