नींदेतील हृदय क्रियाकलापामुळे हृदयविकाराचा धोका ओळखता येतो
एक नवीन अभ्यास दर्शवितो की, झोपेतील हृदय क्रियाकलापामुळे पुढील 10 वर्षांमध्ये हृदयविकाराचा धोका ओळखता येतो.
AI झोपेतील ECG डेटा वापरून हृदयविकार आणि स्ट्रोकचा धोका ओळखू शकतो.
अभ्यासात 16,000 हून अधिक रुग्णांचा समावेश होता आणि त्याचे परिणाम महत्त्वपूर्ण आहेत.
झोपेतील ECG डेटा समाविष्ट केल्याने पारंपरिक हृदयविकार धोका मॉडेल सुधारले जातात.
अलीकडील संशोधनाने दर्शविले आहे की, व्यक्तीच्या झोपेदरम्यान हृदयाची क्रियाकलाप त्यांच्या भविष्याच्या हृदय आरोग्याबद्दल महत्त्वाची माहिती देऊ शकते. जर्नल SLEEP मध्ये प्रकाशित झालेल्या एका अभ्यासात असे दर्शविले आहे की, झोपेच्या दरम्यान एकल इलेक्ट्रोकार्डियोग्राम (ECG) लीडच्या माध्यमातून हृदयाची विद्युत क्रियाकलापाचे विश्लेषण करून, आर्टिफिशियल इंटेलिजेंस (AI) पुढील दहा वर्षांत हृदयविकार, अनियमित धडधड, स्ट्रोक किंवा मृत्यूची शक्यता ओळखू शकतो.
हे संशोधन एमोरी युनिव्हर्सिटीच्या शास्त्रज्ञांनी केले, ज्यात मॅसाचुसेट्स जनरल हॉस्पिटलमध्ये झोपेच्या अभ्यासात भाग घेतलेल्या 16,000 हून अधिक रुग्णांचा डेटा वापरला गेला. AI प्रणालीला या विस्तृत डेटासेटवर प्रशिक्षित केले गेले, ज्यामध्ये झोपेच्या दरम्यान ECG रेकॉर्डिंग समाविष्ट होती. प्रशिक्षणानंतर, AI ला एमोरी युनिव्हर्सिटी हॉस्पिटल आणि बेथ इस्राएल डिकोनिस मेडिकल सेंटरच्या 23,000 हून अधिक रुग्णांच्या डेटावर चाचणी घेण्यात आली. परिणामांनी दर्शविले की, AI सहभागींचा दीर्घकालीन हृदयविकार धोका स्तरांवर वर्गीकृत करू शकतो.
अभ्यासाच्या निष्कर्षांनी चिंताजनक आकडेवारी दर्शविली: AI च्या धोका स्कोअरमध्ये प्रत्येक मानक विचलन वाढीसाठी, एट्रियल फिब्रिलेशनचा धोका 103 ते 172 टक्के, स्ट्रोकचा धोका 19 ते 40 टक्के, आणि हृदयविकाराचा धोका 69 ते 133 टक्के वाढला. याशिवाय, AI च्या भविष्यवाण्या कोणत्याही कारणाने मृत्यूचा धोका 65 ते 82 टक्के अधिक दर्शवितात. विशेष म्हणजे, फक्त एका गटाने भविष्याच्या हृदयविकाराचा धोका लक्षणीय वाढलेला दर्शविला.
या संशोधनाचे परिणाम सार्वजनिक आरोग्यासाठी आणि रुग्ण देखभालासाठी महत्त्वाचे आहेत. पारंपरिक हृदयविकार धोका मूल्यांकन सामान्यतः झोपेदरम्यान उपलब्ध महत्त्वपूर्ण डेटाला दुर्लक्ष करतात. झोपेच्या अभ्यासातून ECG डेटा समाविष्ट करून, आरोग्य सेवा प्रदाते हृदयविकारांच्या उच्च धोका असलेल्या व्यक्तींना ओळखू शकतात, लक्षणे प्रकट होण्यापूर्वी. हा सक्रिय दृष्टिकोन रुग्णांसाठी लवकर हस्तक्षेप आणि चांगले आरोग्य परिणाम साधू शकतो.
आगामी काळात, संशोधक या निष्कर्षांचे अधिक प्रमाणित करण्यास आणि AI-आधारित विश्लेषणांना नियमित नैदानिक प्रक्रियेत समाविष्ट करण्याच्या महत्त्वावर जोर देतात. तंत्रज्ञान विकसित होत असताना, हृदयविकार धोका मूल्यांकनाच्या पद्धतीत क्रांती घडवण्याची क्षमता आहे, विशेषतः झोपेच्या विकार असलेल्या रुग्णांसाठी. भविष्यकाळातील अभ्यास या भविष्यवाणी मॉडेल्सला अधिक परिष्कृत करू शकतात, परिणामी हृदयविकार धोका मूल्यांकनाची अचूकता सुधारू शकतात आणि रुग्ण देखभाल धोरणे अधिक प्रभावी बनवू शकतात.
