फैटी लिवर रोगियों में मधुमेह जोखिम की पहचान के लिए AI मॉडल
शहर, अक्टूबर 28: शोधकर्ताओं ने एक मशीन लर्निंग मॉडल विकसित किया है जो गैर-शराबी फैटी लिवर रोग (NAFLD) से ग्रसित मरीजों में टाइप 2 मधुमेह (T2D) के विकास के बढ़ते जोखिम की पहचान करता है। इस विकास में चीन के दो अस्पतालों के समूह शामिल थे और यह मॉडल व्यक्तिगत जोखिम आकलन में अपनी क्षमता को दर्शाता है।
यह भविष्यवाणी मॉडल पांच सामान्य रूप से उपलब्ध क्लिनिकल वेरिएबल्स का उपयोग करता है, जिसने बाहरी मान्यता के दौरान 0.89 का एरिया अंडर रिसीवर ऑपरेटिंग करैक्टरिस्टिक कर्व (AUC) प्राप्त किया। मुख्य वेरिएबल्स में कमर का आकार, उपवास प्लाज्मा ग्लूकोज, ट्राइग्लिसराइड स्तर, मधुमेह का पारिवारिक इतिहास, और न्यूट्रोफिल-से-लिम्फोसाइट अनुपात शामिल हैं।
शोधकर्ताओं के अनुसार, “हमने सात भविष्यवाणी मॉडल विकसित किए, और इनमें से कृत्रिम न्यूरल नेटवर्क ने सबसे मजबूत प्रदर्शन किया।” हालांकि, XGBoost मॉडल को अंतिम संस्करण के रूप में चुना गया क्योंकि इसका बाहरी समूह में सर्वश्रेष्ठ समग्र प्रदर्शन था।
अध्ययन ने उन मरीजों के डेटा का उपयोग किया जिनमें NAFLD की हिस्टोलॉजिकल पुष्टि की गई थी, जिससे एक विस्तृत पूर्ववर्ती विश्लेषण संभव हुआ। शोधकर्ताओं ने मरीजों का अनुसरण उनके निदान की तारीख से लेकर उनके पहले T2D निदान या उनके अंतिम क्लिनिकल रिकॉर्ड तक किया।
शोधकर्ताओं ने यह भी बताया कि यह मॉडल विशिष्ट अस्पताल जनसंख्या के डेटा का उपयोग करके विकसित किया गया था, जो इसके व्यापक सेटिंग्स में अनुप्रयोग को सीमित कर सकता है जहां गैर-आक्रामक निदान अधिक सामान्य हैं। उन्होंने जोर दिया कि जबकि मॉडल आशाजनक विभेदन प्रदान करता है, यह अभी तक नैदानिक निर्णयों पर प्रभाव डालने या मरीजों के परिणामों में सुधार करने में सक्षम नहीं है।
भविष्य के कार्यों में अधिक विविध मरीज जनसंख्या में मॉडल की प्रभावशीलता की पुष्टि करने और फॉलो-अप अवधि को मानकीकरण करने के लिए संभावित, बहु-केंद्रित अध्ययन की आवश्यकता होगी। शोधकर्ताओं का मानना है कि इन क्लिनिकल वेरिएबल्स को एकीकृत करने से बेहतर जोखिम वर्गीकरण संभव हो सकता है, जिससे उच्च जोखिम वाले व्यक्तियों के लिए पहले से निगरानी और निवारक रणनीतियों को लागू करना आसान हो सकेगा।
