सीओपीडी के तेज होने की शुरुआती पहचान को मायसीओपीडी मोबाइल एप के जरिए नियंत्रित किया जा सकता है। क्रेडिट: माई एमहेल्थ लिमिटेड

स्पेन के बार्सिलोना में यूरोपियन रेस्पिरेटरी सोसाइटी इंटरनेशनल कांग्रेस में सोमवार को पेश किए जाने वाले शोध के मुताबिक, आर्टिफिशियल इंटेलिजेंस (एआई) का इस्तेमाल मोबाइल फोन ऐप के जरिए लोगों की आवाज में कोविड-19 संक्रमण का पता लगाने के लिए किया जा सकता है।

इस शोध में प्रयुक्त एआई मॉडल पार्श्व प्रवाह/तेजी से एंटीजन परीक्षणों की तुलना में अधिक सटीक है और सस्ता, त्वरित और उपयोग में आसान है, जिसका अर्थ है कि इसका उपयोग कम आय वाले देशों में किया जा सकता है जहां पीसीआर परीक्षण महंगे हैं और/या वितरित करना मुश्किल है।

मास्ट्रिच यूनिवर्सिटी, नीदरलैंड्स के इंस्टीट्यूट ऑफ डेटा साइंस की एक शोधकर्ता सुश्री वफ़ा अलजबवी ने कांग्रेस को बताया कि एआई मॉडल 89% समय पर सटीक था, जबकि पार्श्व प्रवाह परीक्षणों की सटीकता ब्रांड के आधार पर व्यापक रूप से भिन्न थी। इसके अलावा, कोई लक्षण नहीं दिखाने वाले लोगों में COVID संक्रमण का पता लगाने में पार्श्व प्रवाह परीक्षण काफी कम सटीक थे।

“इन आशाजनक परिणामों से पता चलता है कि साधारण वॉयस रिकॉर्डिंग और फाइन-ट्यून एआई एल्गोरिदम संभावित रूप से यह निर्धारित करने में उच्च परिशुद्धता प्राप्त कर सकते हैं कि किन रोगियों में सीओवीआईडी ​​​​-19 संक्रमण है,” उसने कहा। “इस तरह के परीक्षण बिना किसी लागत के प्रदान किए जा सकते हैं और व्याख्या करने में सरल हैं। इसके अलावा, वे दूरस्थ, आभासी परीक्षण को सक्षम करते हैं और एक मिनट से भी कम समय का टर्नअराउंड समय रखते हैं। उनका उपयोग किया जा सकता है, उदाहरण के लिए, बड़ी सभाओं के लिए प्रवेश बिंदुओं पर, जनसंख्या की तेजी से जांच को सक्षम करना।”

COVID-19 संक्रमण आमतौर पर ऊपरी श्वसन पथ और वोकल कॉर्ड को प्रभावित करता है, जिससे व्यक्ति की आवाज़ में बदलाव आता है। सुश्री अलजबवी और उनके पर्यवेक्षकों, मास्ट्रिच यूनिवर्सिटी मेडिकल सेंटर में पल्मोनोलॉजिस्ट डॉ. सामी सिमंस और डेटा साइंस संस्थान के डॉ. विसरा उरोवी ने यह जांच करने का फैसला किया कि क्या आवाजों का पता लगाने के लिए एआई का उपयोग करना संभव है। COVID-19।

उन्होंने कैम्ब्रिज विश्वविद्यालय के क्राउड-सोर्सिंग के डेटा का इस्तेमाल किया COVID-19 साउंड्स ऐप जिसमें 4,352 स्वस्थ और गैर-स्वस्थ प्रतिभागियों के 893 ऑडियो नमूने हैं, जिनमें से 308 ने COVID-19 के लिए सकारात्मक परीक्षण किया था। ऐप को उपयोगकर्ता के मोबाइल फोन पर इंस्टॉल किया जाता है, प्रतिभागी जनसांख्यिकी, चिकित्सा इतिहास और धूम्रपान की स्थिति के बारे में कुछ बुनियादी जानकारी की रिपोर्ट करते हैं, और फिर कुछ श्वसन ध्वनियों को रिकॉर्ड करने के लिए कहा जाता है। इनमें तीन बार खांसना, तीन से पांच बार मुंह से गहरी सांस लेना और तीन बार स्क्रीन पर एक छोटा वाक्य पढ़ना शामिल है।

शोधकर्ताओं ने मेल-स्पेक्ट्रोग्राम विश्लेषण नामक एक आवाज विश्लेषण तकनीक का इस्तेमाल किया, जो समय के साथ जोर, शक्ति और भिन्नता जैसी विभिन्न आवाज विशेषताओं की पहचान करता है।

“इस तरह हम प्रतिभागियों की आवाज़ के कई गुणों को विघटित कर सकते हैं,” सुश्री अलजबवी ने कहा। “COVID-19 रोगियों की आवाज़ को उन लोगों से अलग करने के लिए, जिन्हें यह बीमारी नहीं थी, हमने विभिन्न कृत्रिम बुद्धिमत्ता मॉडल बनाए और मूल्यांकन किया कि COVID-19 मामलों को वर्गीकृत करने में कौन सा सबसे अच्छा काम करता है।”

उन्होंने पाया कि लॉन्ग-शॉर्ट टर्म मेमोरी (LSTM) नामक एक मॉडल ने अन्य मॉडलों से बेहतर प्रदर्शन किया। LSTM तंत्रिका नेटवर्क पर आधारित है, जो मानव मस्तिष्क के संचालन के तरीके की नकल करता है और डेटा में अंतर्निहित संबंधों को पहचानता है। यह अनुक्रमों के साथ काम करता है, जो इसे समय के साथ एकत्र किए गए मॉडलिंग संकेतों के लिए उपयुक्त बनाता है, जैसे कि आवाज से, इसकी मेमोरी में डेटा स्टोर करने की क्षमता के कारण।

इसकी समग्र सटीकता 89% थी, सकारात्मक मामलों (सच्ची सकारात्मक दर या “संवेदनशीलता”) का सही ढंग से पता लगाने की इसकी क्षमता 89% थी, और नकारात्मक मामलों (वास्तविक नकारात्मक दर या “विशिष्टता”) को सही ढंग से पहचानने की इसकी क्षमता 83% थी।

“ये परिणाम पार्श्व प्रवाह परीक्षण जैसे अत्याधुनिक परीक्षणों की तुलना में COVID-19 के निदान की सटीकता में एक महत्वपूर्ण सुधार दिखाते हैं,” सुश्री अलजबवी ने कहा। “पार्श्व प्रवाह परीक्षण में केवल 56% की संवेदनशीलता है, लेकिन 99.5% की उच्च विशिष्टता दर है। यह महत्वपूर्ण है क्योंकि यह दर्शाता है कि पार्श्व प्रवाह परीक्षण संक्रमित लोगों को हमारे परीक्षण की तुलना में अधिक बार COVID-19 नकारात्मक के रूप में गलत वर्गीकृत कर रहा है। अन्य में शब्द, एआई एलएसटीएम मॉडल के साथ, हम 100 में से 11 मामलों को याद कर सकते हैं जो संक्रमण फैलाने के लिए आगे बढ़ेंगे, जबकि पार्श्व प्रवाह परीक्षण 100 में से 44 मामलों को याद करेगा।

“पार्श्व प्रवाह परीक्षण की उच्च विशिष्टता का मतलब है कि 100 लोगों में से केवल एक को गलत तरीके से बताया जाएगा कि वे सीओवीआईडी ​​​​-19 सकारात्मक थे, वास्तव में, वे संक्रमित नहीं थे, जबकि एलएसटीएम परीक्षण गलत तरीके से 100 गैर-संक्रमित लोगों में 17 का निदान करेगा। सकारात्मक के रूप में। हालांकि, चूंकि यह परीक्षण वस्तुतः नि: शुल्क है, इसलिए लोगों को पीसीआर परीक्षणों के लिए आमंत्रित करना संभव है यदि एलएसटीएम परीक्षण दिखाते हैं कि वे सकारात्मक हैं।”

शोधकर्ताओं का कहना है कि उनके परिणामों को बड़ी संख्या में सत्यापित करने की आवश्यकता है। इस परियोजना की शुरुआत के बाद से, अब तक 36,116 प्रतिभागियों से 53,449 ऑडियो नमूने एकत्र किए गए हैं और मॉडल की सटीकता में सुधार और सत्यापन के लिए इसका उपयोग किया जा सकता है। वे यह समझने के लिए और विश्लेषण कर रहे हैं कि आवाज में कौन से पैरामीटर एआई मॉडल को प्रभावित कर रहे हैं।

एक दूसरे अध्ययन में, श्री हेनरी ग्लाइड, एक पीएच.डी. ब्रिस्टल विश्वविद्यालय में इंजीनियरिंग के संकाय में छात्र ने दिखाया कि एआई का उपयोग myCOPD नामक एक ऐप के माध्यम से किया जा सकता है ताकि यह अनुमान लगाया जा सके कि क्रॉनिक ऑब्सट्रक्टिव पल्मोनरी डिजीज (COPD) के रोगियों को उनकी बीमारी का प्रकोप हो सकता है, जिसे कभी-कभी कहा जाता है। बहुत तेज. सीओपीडी का तेज होना बहुत गंभीर हो सकता है और अस्पताल में भर्ती होने के बढ़ते जोखिम से जुड़ा होता है। लक्षणों में सांस की तकलीफ, खांसी और अधिक कफ (बलगम) का उत्पादन शामिल है।

“सीओपीडी की तीव्र तीव्रता के खराब परिणाम हैं। हम जानते हैं कि तीव्रता की प्रारंभिक पहचान और उपचार इन परिणामों में सुधार कर सकते हैं और इसलिए हम व्यापक रूप से उपयोग किए जाने वाले सीओपीडी ऐप की भविष्यवाणी क्षमता निर्धारित करना चाहते थे।”

MyCOPD ऐप एक क्लाउड-आधारित इंटरेक्टिव ऐप है, जिसे रोगियों और चिकित्सकों द्वारा विकसित किया गया है और यह यूके की राष्ट्रीय स्वास्थ्य सेवा में उपयोग के लिए उपलब्ध है। यह 2016 में स्थापित किया गया था और अब तक 15,000 से अधिक सीओपीडी रोगी इसका उपयोग कर अपनी बीमारी का प्रबंधन करने में मदद कर रहे हैं।

शोधकर्ताओं ने अगस्त 2017 और दिसंबर 2021 के बीच 183 रोगियों के लिए 45,636 रिकॉर्ड एकत्र किए। इनमें से 45,007 स्थिर बीमारी के रिकॉर्ड थे और 629 एक्ससेर्बेशन थे। एक्ससेर्बेशन भविष्यवाणियां एक स्व-रिपोर्ट किए गए एक्ससेर्बेशन इवेंट से एक से आठ दिन पहले उत्पन्न हुई थीं। श्री ग्लाइड और उनके सहयोगियों ने 70% डेटा पर AI मॉडल को प्रशिक्षित करने और 30% पर इसका परीक्षण करने के लिए इन डेटा का उपयोग किया।

रोगी “उच्च संलग्नक” थे, जो अपने लक्षणों और अन्य स्वास्थ्य सूचनाओं को रिकॉर्ड करने, दवा रिकॉर्ड करने, अनुस्मारक सेट करने और अप-टू-डेट स्वास्थ्य और जीवन शैली की जानकारी तक पहुंचने के लिए महीनों या वर्षों से साप्ताहिक रूप से ऐप का उपयोग कर रहे थे। डॉक्टर एक चिकित्सक डैशबोर्ड के माध्यम से डेटा का आकलन कर सकते हैं, जिससे वे निरीक्षण, सह-प्रबंधन और दूरस्थ निगरानी प्रदान कर सकते हैं।

“हमारे द्वारा विकसित सबसे हालिया एआई मॉडल में 32% की संवेदनशीलता और 95% की विशिष्टता है। इसका मतलब यह है कि मॉडल रोगियों को यह बताने में बहुत अच्छा है कि वे एक उत्तेजना का अनुभव नहीं कर रहे हैं, जो उन्हें अनावश्यक उपचार से बचने में मदद कर सकता है। . उन्हें यह बताने में कम अच्छा है कि वे कब अनुभव करने वाले हैं। इसे सुधारना हमारे शोध के अगले चरण का फोकस होगा, “श्री ग्लाइड ने कहा।

कांग्रेस से पहले बोलते हुए, ब्रिस्टल विश्वविद्यालय और प्रोजेक्ट लीड में श्वसन चिकित्सा में एसोसिएट प्रोफेसर डॉ। जेम्स डोड ने कहा: “हमारे ज्ञान के लिए, यह अध्ययन सीओपीडी रोगियों से वास्तविक दुनिया के आंकड़ों को मॉडल करने के लिए अपनी तरह का पहला है, जिसे निकाला गया है एक व्यापक रूप से तैनात चिकित्सीय ऐप। परिणामस्वरूप, इस अध्ययन से उत्पन्न एक्ससेर्बेशन प्रेडिक्टिव मॉडल में आगे सुरक्षा और प्रभावकारिता परीक्षण के बाद हजारों और सीओपीडी रोगियों को तैनात करने की क्षमता है। यह रोगियों को उनके स्वास्थ्य पर अधिक स्वायत्तता और नियंत्रण के लिए सशक्त करेगा। यह उनके डॉक्टरों के लिए भी एक महत्वपूर्ण लाभ है क्योंकि इस तरह की प्रणाली से प्राथमिक देखभाल पर रोगी की निर्भरता कम होने की संभावना है। इसके अलावा, बेहतर प्रबंधन वाले एक्ससेर्बेशन अस्पताल में भर्ती होने से रोक सकते हैं और स्वास्थ्य देखभाल प्रणाली पर बोझ को कम कर सकते हैं। यह निर्धारित करने के लिए रोगी की सगाई में आगे के अध्ययन की आवश्यकता है किस स्तर की सटीकता स्वीकार्य है और कैसे एक एक्ससेर्बेशन अलर्ट सिस्टम व्यवहार में काम करेगा। निगरानी को और बढ़ा सकता है और मॉडलों के पूर्वानुमानात्मक प्रदर्शन में सुधार कर सकता है।”

अध्ययन की सीमाओं में से एक ऐप के लगातार उपयोगकर्ताओं की कम संख्या है। वर्तमान मॉडल के लिए एक मरीज को सीओपीडी मूल्यांकन परीक्षण स्कोर इनपुट करने, अपनी दवा डायरी भरने और फिर रिपोर्ट करने की आवश्यकता होती है कि वे कुछ दिनों बाद ठीक हो रहे हैं। आमतौर पर, केवल वे रोगी जो ऐप से अत्यधिक जुड़े हुए हैं, दैनिक या साप्ताहिक रूप से इसका उपयोग करते हुए, एआई मॉडलिंग के लिए आवश्यक डेटा की मात्रा प्रदान कर सकते हैं। इसके अलावा, क्योंकि जब उपयोगकर्ता एक्ससेर्बेशन कर रहे होते हैं, तब से काफी अधिक दिन स्थिर होते हैं, उपलब्ध एक्ससेर्बेशन और नॉन-एक्ससेर्बेशन डेटा के बीच एक महत्वपूर्ण असंतुलन होता है। यह इस असंतुलित डेटा पर प्रशिक्षण के बाद घटनाओं की सही भविष्यवाणी करने वाले मॉडल में और भी अधिक कठिनाई का परिणाम है।

“सीओपीडी में अनुसंधान प्राथमिकताओं को निर्धारित करने के लिए रोगियों, चिकित्सकों और देखभाल करने वालों के बीच हाल ही में एक साझेदारी में पाया गया कि उच्चतम रेटेड प्रश्न यह था कि उत्तेजना को रोकने के बेहतर तरीकों की पहचान कैसे करें। हमने इस प्रश्न पर ध्यान केंद्रित किया है, और हम डिजाइन करने के लिए रोगियों के साथ मिलकर काम करेंगे और सिस्टम को लागू करें,” श्री ग्लाइड ने निष्कर्ष निकाला।

ईआरएस साइंस काउंसिल के अध्यक्ष, प्रोफेसर क्रिस ब्राइटलिंग, ब्रिटेन के लीसेस्टर विश्वविद्यालय में नेशनल इंस्टीट्यूट फॉर हेल्थ एंड केयर रिसर्च (एनआईएचआर) के वरिष्ठ अन्वेषक हैं, और शोध में शामिल नहीं थे। उन्होंने टिप्पणी की: “ये दो अध्ययन कृत्रिम बुद्धिमत्ता और मोबाइल फोन और अन्य डिजिटल उपकरणों पर ऐप्स की क्षमता को दिखाते हैं कि कैसे बीमारियों का प्रबंधन किया जाता है। इन्हें प्रशिक्षण के लिए अधिक डेटा उपलब्ध होना कृत्रिम होशियारी उपयुक्त नियंत्रण समूहों सहित मॉडल, साथ ही कई अध्ययनों में सत्यापन, उनकी सटीकता और विश्वसनीयता में सुधार करेगा। एआई मॉडल का उपयोग कर डिजिटल स्वास्थ्य एक रोमांचक अवसर प्रस्तुत करता है और भविष्य की स्वास्थ्य देखभाल को प्रभावित करने की संभावना है।”


प्राथमिक देखभाल चिकित्सकों को सीओपीडी के रोगियों के लिए अनुकूलित उपचार और बेहतर समर्थन की आवश्यकता है


अधिक जानकारी:
[1] सार संख्या: OA1626, “भीड़-स्रोत श्वसन आवाज डेटा से COVID-19 का पता लगाने के लिए एक बहुभिन्नरूपी भविष्यवाणी मॉडल विकसित करना”, वफ़ा अलजबवी द्वारा “COVID-19 के लिए डिजिटल दवा” सत्र में प्रस्तुत किया गया, सोमवार 5 को 08.15-09.30 बजे CEST सितंबर 2022,

[2] सार संख्या PA2728, “माईसीओपीडी ऐप से वास्तविक दुनिया के डेटा का उपयोग करते हुए एक्ससेर्बेशन प्रेडिक्टिव मॉडलिंग”, हेनरी ग्लाइड द्वारा प्रस्तुत, विषयगत पोस्टर “श्वसन अभ्यास में डिजिटल स्वास्थ्य हस्तक्षेप”, सोमवार 5 सितंबर 2022 को 13.00-14.00 बजे CEST,

द्वारा उपलब्ध कराया गया
यूरोपीय फेफड़े फाउंडेशन

उद्धरण: मोबाइल फोन ऐप एआई (2022, 5 सितंबर) की मदद से लोगों की आवाज में COVID-19 संक्रमण का सटीक पता लगाता है, 5 सितंबर 2022 को पुनः प्राप्त किया गया।

यह दस्तावेज कॉपीराइट के अधीन है। निजी अध्ययन या शोध के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, लिखित अनुमति के बिना किसी भी भाग को पुन: प्रस्तुत नहीं किया जा सकता है। सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.