EpiScreen एआय प्रणालीने 81% निदान अचूकता साधली
EpiScreen, एक नवीनतम एआय प्रणाली, मिर्गी आणि गैर-मिर्गी दौऱ्यात भेद करण्यात महत्त्वाची क्षमता दर्शवित आहे.
EpiScreen ने मिर्गी आणि PNES यामध्ये भेद करण्यासाठी 0.992 AUC साधला.
या एआय प्रणालीने चिकित्सकांची निदान अचूकता 76.3% वरून 89.3% पर्यंत वाढवली.
अध्ययनात EpiScreen च्या प्रभावीतेची पडताळणी करण्यासाठी 13,000 हून अधिक रुग्णांच्या नोंदींचा वापर करण्यात आला.
न्यूरोलॉजीच्या क्षेत्रात एक महत्त्वपूर्ण प्रगती म्हणून, संशोधकांनी EpiScreen नावाची एक कृत्रिम बुद्धिमत्ता प्रणाली विकसित केली आहे, जी मिर्गी आणि मनोवैज्ञानिक गैर-मिर्गी दौरे (PNES) यामध्ये भेद करण्यात उल्लेखनीय क्षमता दर्शवित आहे. या नव्या उपकरणाचा तपशील npj Digital Medicine या जर्नलमध्ये प्रकाशित झालेल्या एका ताज्या अध्ययनात दिला आहे, जिथे याला दोन संस्थांच्या इलेक्ट्रॉनिक आरोग्य नोंदी (EHRs) मधून क्लिनिकल नोट्स वापरून मान्य करण्यात आले आहे.
या अध्ययनात 13,633 रुग्णांच्या नोंदींचा अभ्यास करण्यात आला, ज्याचा उद्देश हा होता की मोठ्या भाषेच्या मॉडेल्स (LLMs) प्रभावीपणे या दोन दौऱ्यांच्या प्रकारांचे वर्गीकरण करू शकतात का. EpiScreen ने पारंपरिक मॉडेल्सच्या तुलनेत उत्कृष्ट कामगिरी केली, संस्थात्मक चाचण्यांमध्ये 0.992 AUC आणि क्रॉस-इंस्टिट्यूशनल चाचण्यांमध्ये 0.980 AUC साधला. हा उच्च AUC EpiScreen च्या मिर्गी आणि PNES यामध्ये भेद करण्याच्या मजबूत क्षमतेचे संकेत देतो, जे या स्थितींच्या निदानात जटिलता लक्षात घेतल्यास महत्त्वाचे आहे.
मिर्गी एक दीर्घकालीन न्यूरोलॉजिकल विकार आहे जो जगभरात सुमारे 50 मिलियन लोकांना प्रभावित करतो, जो अनियंत्रित दौऱ्यांमुळे होतो. PNES, जो दौऱ्याच्या क्रियाकलापाची नक्कल करतो पण मस्तिष्कातील विद्युत विकारांमुळे होत नाही, मिर्गीच्या निदानात गुंतागुंत आणू शकतो. चुकीचा निदान सामान्य आहे, आणि अध्ययन दर्शवितात की 20% ते 30% रुग्ण जे औषध-प्रतिरोधक मिर्गीसाठी संदर्भित केले जातात, त्यांना प्रत्यक्षात PNES असू शकते. पारंपरिक निदान पद्धत, दीर्घकालीन व्हिडिओ-इलेक्ट्रोएन्सेफलोग्राफी (vEEG), महागडी आणि वेळखाऊ असते, ज्यामुळे योग्य उपचारात विलंब होऊ शकतो.
EpiScreen अनस्ट्रक्चर्ड क्लिनिकल नैरेटिव्हचे विश्लेषण करण्यासाठी विद्यमान LLMs ला अनुकूलित करून विकसित करण्यात आले, ज्यामध्ये बेथ इसराइल डीकनस मेडिकल सेंटर आणि मिनेसोटा विद्यापीठाच्या डेटासेटचा समावेश आहे. प्रणालीला क्लिनिकल नोट्समधील निदान संकेत ओळखण्यासाठी प्रशिक्षित करण्यात आले, जे सहसा मिर्गी आणि PNES यामध्ये ओव्हरलॅपिंग लक्षणे समाविष्ट करतात. आकलनांमध्ये, EpiScreen ने 81% निदान अचूकता साधली, जी सहाय्याशिवाय वरिष्ठ चिकित्सकांच्या समान आहे, आणि जेव्हा एआय भविष्यवाण्या प्रदान केल्या गेल्या तेव्हा अचूकतेत महत्त्वपूर्ण सुधारणा झाली.
EpiScreen च्या यशाचे परिणाम न्यूरोलॉजीच्या क्षेत्रात गहन असू शकतात. लवकर आणि अधिक अचूक निदानाची सुविधा देऊन, एआय उपकरणाने चुकीच्या निदानामुळे होणारे अनावश्यक उपचार आणि खर्च कमी करण्याची क्षमता आहे. भविष्यातील संशोधन वास्तविक वेळ चाचण्यांवर लक्ष केंद्रित करेल, जेणेकरून EpiScreen च्या नैदानिक सेटिंग्जमध्ये कार्यक्षमतेचे मूल्यांकन करता येईल, ज्यामुळे न्यूरोलॉजिस्टसाठी निर्णय घेण्याची प्रक्रिया सुधारण्याचा आणि रुग्णांच्या परिणामांमध्ये सुधारणा करण्याचा उद्देश आहे.
