वॉशिंग्टन: ताज्या संशोधनातून असे दिसून आले आहे की, आपण दररोज वापरत असलेल्या पदार्थांमध्ये फॅथलेट्स नावाच्या विषारी रसायनांमुळे महिलांमध्ये ट्यूमर (fibroids) होण्याचा धोका असतो. पर्यावरणीय phthalates विविध औद्योगिक आणि ग्राहक उत्पादनांमध्ये वापरले जातात. संशोधकांचे म्हणणे आहे की, हे काही प्रकारचे औषधे आणि अन्नामध्ये असतात.
फायब्रॉइड्स: युनायटेड स्टेट्समधील नॉर्थवेस्टर्न युनिव्हर्सिटी फीनबर्ग स्कूल ऑफ मेडिसिनचे (Northwestern University Feinberg School of Medicine) संशोधक सर्डर बुलन (Serder Bulan) म्हणाले की, ते phthalates पॅकेजिंग आणि केशभूषा सामग्री यासारख्या सर्व गोष्टींमध्ये उपस्थित आहेत. फायब्रॉइड्स हे ट्यूमर आहेत, जे स्त्रीच्या गर्भाशयावर वाढतात. बहुतेक प्रकरणांमध्ये, यामुळे कर्करोग (Cancer) होऊ शकत नाही. सुमारे 80% स्त्रिया त्यांच्या आयुष्यात कधीतरी फायब्रॉइड विकसित करतात, असे बुलन म्हणाले. संशोधकांनी ग्लिओमा ब्रेन ट्यूमरवरदेखील वक्तव्य केले आहे.
ग्लिओमा ब्रेन ट्यूमर: संशोधकांनी कृत्रिम बुद्धिमत्तेवर आधारित तंत्रज्ञान पध्दतीने साधारणपणे ब्रेन ट्यूमरचे निम्न किंवा उच्च श्रेणींमध्ये अंदाजे 98 टक्के अचूकतेचे वर्गीकरण केले आहे. या तंत्रामुळे ब्रेन ट्युमर किती मोठा आहे, हे शोधले जाईल. ग्लिओमा ब्रेन ट्यूमर हा ग्लिअल पेशींवर परिणाम करतो. ज्या पेशी चेतासंस्थाना इन्सुलेशन प्रदान करतात. त्यामुळे ट्यूमरनुसार त्यावर योग्य निदान करणे गरजेचे आहे. उतीच्या 3 डी प्रतिमेची पुनर्रचना करण्यासाठी एमआरआय स्कॅनकडून रेडिओलॉजिस्ट खूप मोठ्या प्रमाणात डेटा प्राप्त करतात.
एमआरआय स्कॅन: ट्यूमरचा आकार, पोत किंवा इतर तपशील एमआरआय स्कॅनमध्ये शोधला जाऊ शकत नाही. कृत्रिम बुद्धिमत्तेवर आधारित तंत्रज्ञान हा डेटा काढण्यास मदत करते. आतापर्यंत वैद्यकीय ऑन्कोलॉजिस्ट ब्रेन ट्युमरवर निदान करण्याची पद्धत सुधारण्यासाठी रेडिओमिक्स पद्धत वापरत होते. परंतु, त्यांची अचूकता कृत्रिम बुद्धिमत्तेवर आधारित तंत्रज्ञानामुळे वाढली, असा दावा शास्त्रज्ञांनी केला आहे.
कृत्रिम बुद्धिमत्तेवर आधारित तंत्रज्ञान: जपानमधील आयसीईएमएस जैवविज्ञानज्ञ गणेश पांडियन यांनी भारतीय डेटा वैज्ञानिक रमन यांच्या सहयोगाने हे कृत्रिम बुद्धिमत्तेवर आधारित तंत्रज्ञान विकसीत केले आहे. जेणेकरून ब्रेन ट्यूमरचे निम्न किंवा उच्च श्रेणींमध्ये अंदाजे 97.54 टक्के अचूकतेने वर्गीकरण केले जाऊ शकेल आणि त्यावर योग्य उपचार होतील. रुग्णांच्या उपचारांची निवड पद्धत मोठ्या प्रमाणात ग्लिओमाची ग्रेडिंग निर्धारित करण्यावर अवलंबून असते. राहुल कुमार, अंकुर गुप्ता आणि हरकीरतसिंग अरोरा यांच्यासह या पथकात एमआरआय स्कॅनमधील डेटासेट वापरण्यात आले. ज्यामध्ये 210 लोक उच्च-ग्रेड ग्लिओमा आणि इतर 75 लो-ग्रेड ग्लिओमा असलेले होते.
