हैदराबाद: द लॅन्सेट डिजिटल हेल्थमध्ये, कॅरोल वाई. च्युंग आणि सहकाऱ्यांनी रेटिनल इमेजेसमधून ( Retinal photographs ) अल्झायमर रोग शोधण्यासाठी सखोल शिक्षण मॉडेलचे वर्णन केले आहे. लेखकांनी सिंगापूर, हाँगकाँग आणि यूके मधील सहा पूर्वलक्षी डेटासेट वापरून पर्यवेक्षित सखोल शिक्षण अल्गोरिदम प्रशिक्षित केले. मॉडेलचे प्रशिक्षण देताना, अल्झायमर रोग असलेल्या 526 लोकांना आणि रोग नसलेल्या 2999 लोकांची नोंदणी करण्यात आली आणि 12132 रेटिनल छायाचित्रे वापरली गेली. अंतर्गत प्रमाणीकरणामध्ये, मॉडेलने 83.6% अचूकता, 93.2% संवेदनशीलता, 82.0% विशिष्टता आणि 0.93 च्या रिसीव्हर-ऑपरेटिंग-वैशिष्ट्यपूर्ण वक्र अंतर्गत असलेल्या अल्झायमर रोगाच्या रूग्णांमध्ये भेदभाव करण्याचे क्षेत्र दर्शवले. ते साध्य केले. सिंगापूर, हाँगकाँग आणि युनायटेड स्टेट्समधील लहान बाह्य प्रमाणीकरण सेटमध्ये कामगिरी समान होती.
रेटिनल बायोमार्कर्स ( Retinal biomarkers ) अल्झायमर रोग शोधण्यासाठी आणि निदानासाठी तीव्र रस आकर्षित करत आहेत. डोळयातील पडदा ही मेंदूची तुलनेने प्रवेशजोगी खिडकी आहे आणि अल्झायमर रोग पॅथॉलॉजीचे अनेक घटक रेटिनल बदलांशी संबंधित असल्याचे पुरावे आहेत. जे बायोमार्कर म्हणून काम करू शकतात, ज्यात amyloid β डिपॉझिशन, न्यूरोडीजनरेशन, व्हॅस्क्युलर डीजनरेशन आणि जळजळ यांचा समावेश आहे. तथापि, कोणत्याही रेटिनल बायोमार्करने अद्याप नियमित क्लिनिकल प्रॅक्टिसमध्ये प्रवेश केलेला नाही, आणि गृहीतकांवर आधारित बायोमार्करच्या विकासाचे परिणाम कधीकधी नकारात्मक असतात.
मोठ्या रेटिनल इमेजिंग डेटासेटच्या उपलब्धतेमुळे संगणक दृष्टीचा वापर ( Use of computer vision ) करून अधिक गृहितक-मुक्त दृष्टिकोन विकसित करणे सुलभ झाले आहे. इतर गट चेउंग आणि सहकाऱ्यांनी डिझाइन केलेले समान अल्गोरिदम विकसित करत आहेत. डोळयातील पडदा एक तुलनेने समृद्ध वैशिष्ट्य जागा आहे; म्हणूनच, संगणकाची दृष्टी वैयक्तिक जैविक दृष्ट्या माहिती असलेल्या बायोमार्कर्सला मागे टाकण्यासाठी तयार आहे. हे कदाचित आश्चर्यकारक नाही. तथापि, या प्रकारच्या तंत्राचे ब्लॅक बॉक्सचे स्वरूप, ज्यामध्ये पॅथॉलॉजिकल वैशिष्ट्ये ज्यावर वर्गीकरण अवलंबून असते. अज्ञात राहतात, ते चिकित्सकांसाठी स्वीकार्यतेसाठी अडथळा ठरू शकतात.
च्युंग आणि त्यांच्या सहकाऱ्यांनी केलेल्या अभ्यासात लक्षणीय ताकद आहे. अल्झायमर शोधण्यासाठी इतर बायोमार्कर्सपेक्षा रेटिनल फोटोग्राफीचे संभाव्य फायदे ( Potential benefits of retinal photography ) स्पष्ट आहेत: ते तुलनेने स्वस्त, स्केलेबल आणि गैर-आक्रमक आहे. शिवाय, मोठ्या आंतरराष्ट्रीय डेटासेटचा त्यांचा वापर बाह्य प्रमाणीकरणातील मजबूत कार्यप्रदर्शनाद्वारे दर्शविल्याप्रमाणे, त्यांच्या मॉडेलसाठी अनुवाद करण्यायोग्य क्लिनिकल वापर असू शकतो असा आकर्षक पुरावा-संकल्पना प्रदान करतो. तथापि, असे अनेक पैलू आहेत. जेथे क्लिनिकल भाषांतरासाठी वास्तविक-जागतिक मूल्याचे वास्तविक-जागतिक पुरावे आवश्यक असतील.
क्लिनिकल प्रॅक्टिसमध्ये, स्थापित अल्झायमर डिमेंशियापासून निरोगी नियंत्रणे वेगळे करण्याची क्षमता ही समस्या नाही. ज्यासाठी तांत्रिक उपाय आवश्यक आहे; साध्या पेन आणि कागदाच्या संज्ञानात्मक चाचण्यांमध्ये सखोल शिक्षण तंत्राप्रमाणेच अचूकता असते. याउलट, बायोमार्कर्सची तातडीची गरज आहे, जे विद्यमान आरोग्य सेवा पायाभूत सुविधांमध्ये संभाव्यपणे तैनात केले जाऊ शकतात. जे सौम्य संज्ञानात्मक कमजोरी असलेल्या स्मृती सेवांना सादर करणा-या अनेक रुग्णांमध्ये स्मृतिभ्रंशाच्या विकासाचा अंदाज लावू शकतात, ज्यांना सहसा ते स्थापित करण्यासाठी वर्षानुवर्षे प्रतीक्षा करावी लागते. अल्झायमर रोग आहे. निदान मार्गाच्या या टप्प्यावर चेउंग आणि सहकाऱ्यांनी विकसित केलेल्या मॉडेलसारख्या तंत्रज्ञानाचा वास्तविक-जगातील सर्वात तात्काळ वापर होऊ शकतो.
आरोग्याचे सामाजिक निर्धारक, जसे की वांशिकता आणि वंचितता, स्मृतिभ्रंश जोखीम आणि निदानामध्ये असमानतेचे महत्त्वाचे स्रोत आहेत. कादंबरी तंत्रज्ञानामध्ये या असमानता कमी करण्याची किंवा एकत्रित करण्याची क्षमता आहे, आणि वास्तविक-जगातील सेटिंगमध्ये क्लिनिकल इक्विटीवर पूर्वाग्रह ( Bias on clinical equity ) आणि प्रभावाचे मूल्यांकन करणे महत्वाचे आहे. ज्यामध्ये स्मृतिभ्रंश संशोधनातून वगळलेल्या लोकांचे पुरेसे प्रतिनिधित्व असेल. ज्यामध्ये लोक देखील समाविष्ट आहेत. काळे लोक, कमी उत्पन्नाची पार्श्वभूमी असलेले लोक आणि दक्षिण आशियातील लोक.
रेटिनल फोटोग्राफीची व्यापक उपलब्धता, सैद्धांतिकदृष्ट्या, लोकसंख्येच्या पातळीवर अल्झायमर रोग शोधण्यात मदत ( Help detect Alzheimer's disease ) करू शकते. ज्यामुळे पूर्वीची मदत आणि उपचार मिळू शकतात. यामुळे अल्झायमर रोगाचे लवकर निदान कशासाठी होते आणि लवकर निदान जीवनाची गुणवत्ता, रोगनिदान आणि भविष्यातील आरोग्य सेवा संसाधनांच्या गरजा किती प्रभावीपणे सुधारते. याबद्दल अद्याप संबोधित केलेले महत्त्वाचे प्रश्न उद्भवतात. अशा ओळखीच्या भूमिकेसाठी एकतर अद्याप लक्षणे नसलेल्या किंवा निदानापर्यंत पोहोचू इच्छित नसलेल्या लोकांमध्ये काळजीपूर्वक नैतिक तपासणी आवश्यक आहे.
जरी रेटिनल फोटोग्राफी तुलनेने स्वस्त असली तरी, किंमत-प्रभावीतेच्या विश्लेषणासाठी डाउनस्ट्रीम परिणामांचे मॉडेलिंग आवश्यक आहे. अल्झायमर रोग असण्याची शक्यता म्हणून ओळखल्या गेलेल्यांना अतिरिक्त नैदानिक मूल्यांकन आणि स्क्रीनिंगची आवश्यकता असेल. यामुळे आरोग्य सेवा संसाधनांवर लक्षणीय परिणाम होईल, विशेषत: 82% च्या विशिष्टतेवर, जे लोकसंख्येच्या पातळीवर उच्च चुकीचे सकारात्मक दर असेल. निदान संसाधनांच्या मागणीतील वाढीची तुलना उर्वरित निदान न झालेल्यांच्या खर्च आणि आरोग्यावरील परिणामाशी करणे आवश्यक आहे.
अल्झायमर रोग संशोधनाचे सध्याचे लँडस्केप रोग-सुधारित उपचार आणि वैयक्तिक प्रतिबंध धोरण या दोन्हीच्या रोमांचक शक्यता वाढवते. ही दृष्टी प्राप्त करण्यासाठी लोकसंख्येच्या पातळीवर अल्झायमर रोगाचा वेळेवर आणि न्याय्य निदान आणि निदान सुधारण्यासाठी व्यवहार्य पध्दती आवश्यक आहेत. आर्टिफिशियल इंटेलिजेंस पध्दती ही यामागची गुरुकिल्ली असू शकते, जर भाषांतरातील अंतर वास्तविक-जागतिक मूल्याच्या स्पष्ट प्रदर्शनांनी भरून काढले असेल.
CRM अभ्यासादरम्यान बार्ट्स चॅरिटी आणि नॅशनल इन्स्टिट्यूट फॉर हेल्थ अँड केअर रिसर्च ( NIHR ) कडून मिळालेल्या अनुदानाचा अहवाल देते; GE हेल्थकेअर आणि बायोजेन, NIHR, इनोव्हेट यूके, टॉम आणि शीला स्प्रिंगर चॅरिटीज, मायकेल जे फॉक्स फाउंडेशन, आणि अल्झायमर रिसर्च यूके कडून वैयक्तिक शुल्क, सादर केलेल्या कामाच्या बाहेर. IU अभ्यासादरम्यान NIHR कडून अनुदानाचा अहवाल देते.
हेही वाचा - Samsung Intel Slideble PC : सॅमसंग-इंटेलने तयार केला जगातील पहिला 'स्लाइडेबल' पीसी
