উন্নত মেশিন লার্নিং ব্যবহার করে কার্ডিওভাসকুলার রোগের প্রাথমিক সনাক্তকরণ

লক্ষণগুলি উপস্থিত হওয়ার আগে কার্ডিওভাসকুলার রোগ কীভাবে সনাক্ত করবেন? গ্রাজ ইউনিভার্সিটি অফ টেকনোলজির (টিইউ গ্রাজ) গবেষকরা তাদের প্রাথমিক পর্যায়ে ট্র্যাক করার একটি উপায় খুঁজে পেয়েছেন।

কার্ডিওভাসকুলার রোগ বিশ্বব্যাপী মৃত্যুর সবচেয়ে সাধারণ কারণগুলির মধ্যে একটি। এগুলি সাধারণত তখনই আবিষ্কৃত হয় যখন লক্ষণগুলি ইতিমধ্যে উপস্থিত হয় এবং রোগটি তুলনামূলকভাবে উন্নত হয়। প্রায়শই চিকিৎসার পরিবর্তে অস্ত্রোপচারের প্রয়োজন হয়। TU Graz নেতৃত্বের প্রোগ্রাম “মেকানিক্স, মডেলিং এবং সিমুলেশন অফ অর্টিক ডিসেকশন” এর অংশ হিসাবে, তাদের ডক্টরেট থিসিস লিখেছেন গেরহার্ড হোলজাপফেল, ইনস্টিটিউট অফ থিওরেটিক্যাল অ্যান্ড কম্পিউটেশনাল ফিজিক্স এবং ইনস্টিটিউট অফ ফান্ডামেন্টালস অ্যান্ড থিওরি অফ ইলেকট্রিক্যাল ইঞ্জিনিয়ারিং ভাহিদ বাদেলি। , TU Graz এর নেতৃত্বে, MRI বা CT এর মতো ব্যয়বহুল ডায়াগনস্টিক পদ্ধতি ব্যবহার না করে এই ধরনের রোগের প্রাথমিক সনাক্তকরণের উন্নতি এবং গতি বাড়ানোর উপায় খুঁজে পেয়েছে। আক্রান্ত ব্যক্তিদের ডিজিটাল টুইন ব্যবহার করে, তারা আরও পুঙ্খানুপুঙ্খভাবে যেকোনো রোগের তদন্ত করতে পারে। এটি রোগী, ডাক্তার এবং চিকিৎসা প্রতিষ্ঠানের বোঝা কমাতে পারে। তারা তাদের পদ্ধতির পেটেন্ট করেছে এবং এখন এটিকে গ্রাজের টেকনিক্যাল ইউনিভার্সিটি থেকে আর্টেরিওস্কোপ নামে একটি স্পিন-অফের মাধ্যমে বাজারে আনছে।

বৈদ্যুতিক ক্ষেত্রকে প্রভাবিত করে

যুক্তি হল যে কোনও রোগ যা কার্ডিওভাসকুলার মেকানিক্সকে পরিবর্তন করে তা প্রয়োগ করা বৈদ্যুতিক ক্ষেত্রকেও কিছু উপায়ে পরিবর্তন করবে। এটি আর্টেরিওস্ক্লেরোসিস, অর্টিক ডিসেকশন, অ্যানিউরিজম, হার্টের ভালভের ত্রুটি ইত্যাদির ক্ষেত্রে প্রযোজ্য।

Sascha Ranftl, তাত্ত্বিক এবং কম্পিউটেশনাল পদার্থবিদ্যা ইনস্টিটিউট

গবেষকরা সাধারণ বৈদ্যুতিক, বায়োইম্পেডেন্স বা হালকা সংকেতগুলি ব্যবহার করতে পারেন – যেমন ইলেক্ট্রোকার্ডিওগ্রাম, পিপিজি বা স্মার্ট ঘড়িগুলি – যা তারা তাদের তৈরি করা একটি মেশিন লার্নিং মডেল ব্যবহার করে বিশ্লেষণ করে যা সংকেত থেকে সম্ভাব্য রোগ সনাক্ত করতে পারে৷ একই সময়ে, মডেলটি দেখায় যে একটি নির্দিষ্ট রোগ আসলে কতটা বিদ্যমান। বাস্তব ক্লিনিকাল বায়োইম্পেডেন্স ডেটা এবং কার্ডিওভাসকুলার সিস্টেম থেকে সিমুলেটেড মান ব্যবহার করে মেশিন লার্নিং মডেলগুলিকে প্রশিক্ষণ দিন। যেহেতু কার্ডিওভাসকুলার সিস্টেমে অনেকগুলি প্যারামিটার রয়েছে এবং পরিসংখ্যানগতভাবে উল্লেখযোগ্য ফলাফল পাওয়ার জন্য অনেকগুলি সিমুলেশনের প্রয়োজন হয়, মেশিন লার্নিং একটি যুক্তিসঙ্গত সময়ের মধ্যে 90% নির্ভুলতার সাথে ফলাফল পেতে পারে। মেশিন লার্নিং বিশ্লেষণের আরেকটি সুবিধা হল এটি এমন পরিবর্তনগুলিও শনাক্ত করতে পারে যা এমনকি অভিজ্ঞ ডাক্তাররাও ECG ডেটাতে খালি চোখে সনাক্ত করতে পারে না।

উদাহরণস্বরূপ, এই পদ্ধতিটি ধমনীগুলির শক্ত হওয়ার ডিগ্রি নির্ধারণ করতে ব্যবহার করা যেতে পারে। যদি ধমনী ক্রমশ শক্ত হয়ে যায়, এটি প্রায়শই মহাধমনী বিচ্ছেদের প্রাথমিক পর্যায় এবং তাই একটি অকাল সতর্কতা চিহ্ন। একবার বিপজ্জনক পরিবর্তনগুলি চিহ্নিত হয়ে গেলে, ডায়াগনস্টিক ডেটা ডিজিটাল টুইন আকারে একটি মাল্টি-ফিজিক্স সিমুলেশন মডেল তৈরি করতে ব্যবহার করা যেতে পারে, যা রোগের আরও অগ্রগতির পূর্বাভাস দিতে পারে। এটি ডাক্তারদের আরও গভীরভাবে বিশ্লেষণ করতে দেয়। গ্র্যাজের টেকনিক্যাল ইউনিভার্সিটির ডেরিভেটিভ আর্টেরিওস্কোপে, Sascha Ranftl এবং Vahid Badeli বর্তমানে এর বর্তমান অ্যালগরিদমের নির্ভুলতা উন্নত করতে এবং ক্লিনিকাল অনুশীলনের সাথে এটিকে আরও প্রসারিত ও মানিয়ে নিতে স্বাস্থ্যসেবা খাতে অংশীদারদের সাথে আরও একত্রে প্রযুক্তির উন্নয়ন করছে।

পদার্থবিদ্যা এবং বৈদ্যুতিক প্রকৌশল মধ্যে মিথস্ক্রিয়া

এই উন্নয়নের সূচনা বিন্দু ছিল নেতৃত্ব প্রকল্পের সহকর্মীদের সাথে আন্তঃবিষয়ক সহযোগিতা এবং তাদের দুটি পেশা পুরোপুরি একে অপরের পরিপূরক: সাশা রনফটল একজন পদার্থবিদ এবং ভাহিদ বাডেলি একজন বৈদ্যুতিক প্রকৌশলী। তাদের সম্মিলিত জ্ঞান এবং তারা যে ফলাফলগুলি পরিচালনা করেছিল তা তাদের বাহ্যিকভাবে প্রয়োগ করা বৈদ্যুতিক ক্ষেত্রের পরিবর্তনগুলি এবং কার্ডিওভাসকুলার সিস্টেমের মেকানিক্সের মধ্যে সংযোগটি ভাঙতে দেয়, যার ফলে অন্তর্নিহিত হৃদয় সম্পর্কে সুনির্দিষ্ট সিদ্ধান্ত নেওয়া হয় ভাস্কুলার সিস্টেমে।

“শরীরের বাইরে থেকে অনায়াসে বিপুল পরিমাণ তথ্য সংগ্রহ করা যেতে পারে,” ওয়াহিদ বদ্রি বলেন। “এখন পর্যন্ত, এই তথ্যের সঠিক অর্থ কী তা বের করা কঠিন ছিল। কিন্তু আমাদের কম্পিউটার মডেল এবং মেশিন লার্নিংয়ের সাহায্যে, আমরা এটি আরও ভালভাবে বুঝতে পারি এবং এর ফলে রোগীদের আগে চিকিৎসা করা সম্ভব হবে।” উদাহরণস্বরূপ, অস্ত্রোপচারের পরিবর্তে চিকিৎসা চিকিত্সা ব্যবহার করা যেতে পারে।