নতুন কৃত্রিম বুদ্ধিমত্তা মডেল হৃৎপিণ্ডের টিস্যুর ক্ষতি সনাক্ত করে

ইউনিভার্সিট্যাট পলিটিনিকা ডি ভ্যালেন্সিয়া (UPV) এর ইনস্টিটিউট অফ ইনফরমেশন অ্যান্ড কমিউনিকেশনস টেকনোলজিস (ITACA) এর COR গ্রুপের গবেষকরা একটি কৃত্রিম বুদ্ধিমত্তা মডেল তৈরি করেছেন যা বৈদ্যুতিক পৃষ্ঠের রেকর্ডিংয়ের মাধ্যমে অ্যাট্রিয়াল কার্ডিওমায়োপ্যাথির সাথে সম্পর্কিত টিস্যু অস্বাভাবিকতাগুলি সনাক্ত করতে এবং পরিমাপ করতে সক্ষম।

সিস্টেম, গ্রাফিকাল নিউরাল নেটওয়ার্কের উপর ভিত্তি করে (গ্রাফিক নিউরাল নেটওয়ার্ক, জিএনএন) , ক্ষতিগ্রস্ত এলাকাগুলি সনাক্ত করতে 89% এবং অ্যাট্রিয়াল টিস্যুর ক্ষতির পরিমাণ নির্ধারণে 84% নির্ভুলতা অর্জন করেছে। উপরন্তু, তিনি তার প্রশিক্ষণের সময় অব্যবহৃত শারীরবৃত্তীয় কাঠামো বিশ্লেষণ করার সময় এই ক্ষমতা ধরে রেখেছিলেন।

পরবর্তী ধাপ: রোগীদের মধ্যে এটি বৈধ করা

গবেষণাটি এখনও সিমুলেটেড ডেটা ব্যবহার করে বিকশিত ধারণার একটি প্রমাণ; অতএব, তাদের ফলাফল অবিলম্বে ক্লিনিকাল প্রয়োগ বোঝায় না। পরবর্তী ধাপে প্রকৃত রোগীর রেকর্ড ব্যবহার করে মডেলটি যাচাই করা হবে। অধ্যয়ন নিজেই নির্দেশ করে, “চিকিত্সা পরিকল্পনা অ্যাপ্লিকেশনগুলিতে এই পদ্ধতির স্থানান্তর করার আগে ক্লিনিকাল রেজিস্ট্রিগুলি ব্যবহার করে সম্ভাব্য বৈধতা প্রয়োজন।” যদি ফলাফলগুলি ক্লিনিকাল ট্রায়ালগুলিতে নিশ্চিত করা হয়, তবে এই প্রযুক্তি আক্রমণাত্মক পদ্ধতি ছাড়াই অ্যাট্রিয়াল টিস্যুকে চিহ্নিত করার জন্য নতুন সরঞ্জামগুলির বিকাশে অবদান রাখতে পারে এবং অ্যাট্রিয়াল কার্ডিওমায়োপ্যাথির সাথে সম্পর্কিত অবস্থার অধ্যয়ন এবং চিকিত্সার জন্য আরও তথ্য সরবরাহ করতে পারে।

গবেষণাটি বৈজ্ঞানিক জার্নালে প্রকাশিত হয়েছে কম্পিউটার বিজ্ঞান আবিষ্কার করুনCOR-ITACA-এর গবেষক মারিয়া ম্যাকারুল্লা-রদ্রিগেজ এবং জর্জ সানচেজ, আন্দ্রেউ এম. ক্লিমেন্ট এবং মারিয়া এস. গুইলেম, ITACA-এর গবেষক এবং Corify Care SL-এর সদস্যদের পাশাপাশি ক্রিশ্চিয়ান ব্যারিওস এস্পিনোসা এবং অ্যাক্সেল লো (ইনস্টিটিউট অফ টেকনোলজি), কার্লসরুশে (কারনেসক্রুসে) এর সদস্যরাও অংশগ্রহণ করেন।

অধ্যয়নের প্রধান উপসংহার হল যে বৈদ্যুতিক শরীরের পৃষ্ঠের মানচিত্র, স্প্যাটিওটেম্পোরাল বিশ্লেষণ এবং গ্রাফ নিউরাল নেটওয়ার্কগুলির সংমিশ্রণ অ্যাট্রিয়াল কার্ডিওমায়োপ্যাথির অ-আক্রমণাত্মক বৈশিষ্ট্যের জন্য দুর্দান্ত সম্ভাবনা দেখায়।”

মারিয়া ম্যাকারুল্লা, কাজের প্রধান লেখক

অরিকুলার টিস্যু অধ্যয়ন করার জন্য একটি নতুন পদ্ধতি

অ্যাট্রিয়াল কার্ডিওমায়োপ্যাথি অ্যাট্রিয়াল টিস্যুর বৈদ্যুতিক এবং কাঠামোগত অস্বাভাবিকতাগুলিকে অন্তর্ভুক্ত করে, যেমন ফাইব্রোসিস, যা অ্যাট্রিয়াল ফাইব্রিলেশনের সূচনা এবং অগ্রগতির সাথে সম্পর্কিত, এটি অন্যতম সাধারণ কার্ডিয়াক অ্যারিথমিয়াস। “পরিবর্তিত টিস্যু কোথায় আছে তা জানা এবং এর পরিধি আমাদের রোগটি আরও ভালভাবে বুঝতে এবং সম্ভাব্যভাবে, অ্যাবলেশনের মতো চিকিত্সার পরিকল্পনা করতে সাহায্য করতে পারে,” ব্যাখ্যা করেন ITACA-এর পরিচালক এবং গবেষণায় অংশগ্রহণকারী মারিয়া এস. গুইলেম৷

বর্তমানে, আক্রমণাত্মক ইন্ট্রাকার্ডিয়াক ইলেক্ট্রোঅ্যানাটমিক ম্যাপিং বা নির্দিষ্ট ম্যাগনেটিক রেজোন্যান্স ইমেজিং (এমআরআই) স্ক্যানের মতো কৌশলগুলি এই অস্বাভাবিকতাগুলি চিহ্নিত করতে ব্যবহার করা যেতে পারে। নতুন পদ্ধতিটি হৃৎপিণ্ডের বৈদ্যুতিক কার্যকলাপ রেকর্ড করার জন্য ধড় জুড়ে ইলেক্ট্রোডের মাধ্যমে প্রাপ্ত বডি সারফেস পটেনশিয়াল ম্যাপ (BSPM) ব্যবহার করার প্রস্তাব করে। “কৃত্রিম বুদ্ধিমত্তা তারপর বিশ্লেষণ করে কিভাবে এই সংকেতগুলি মহাকাশে বিতরণ করা হয় এবং কীভাবে তারা সময়ের সাথে সাথে প্রভাবিত টিস্যুর অবস্থান এবং ব্যাপ্তির সাথে সম্পর্কিত প্যাটার্নগুলি সনাক্ত করতে বিবর্তিত হয়,” ITACA এর পরিচালক ব্যাখ্যা করেন।

অবস্থানে 89 শতাংশ নির্ভুলতা

মডেলটি বিকাশ ও মূল্যায়ন করার জন্য, দলটি 14,400টি সিমুলেটেড শরীরের পৃষ্ঠের সম্ভাব্য মানচিত্র নিয়ে কাজ করেছে, যা বিভিন্ন অ্যাট্রিয়াল এবং ট্রাঙ্ক অ্যানাটমি থেকে তৈরি করা হয়েছে এবং অ্যাট্রিয়াল কার্ডিওমায়োপ্যাথির বিভিন্ন ডিগ্রী এবং অবস্থানের সাথে। “রেফারেন্স কনফিগারেশনে, 128টি ইলেক্ট্রোড সহ, মডেলটি প্রভাবিত টিস্যুর অবস্থানে 89% নির্ভুলতা অর্জন করেছে, গড় মান 89% সংবেদনশীলতা এবং 90% নির্দিষ্টতার সাথে”, মারিয়া ম্যাকারুল্লা হাইলাইট করেছেন।

সবচেয়ে তাৎপর্যপূর্ণ ফলাফলগুলির মধ্যে একটি হল যে সিস্টেমটি বিভিন্ন শারীরবৃত্তির বিশ্লেষণ করার সময় ভাল কার্যক্ষমতা বজায় রাখতে সক্ষম হয়েছিল যা এটিকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত হয়, যা বিভিন্ন শারীরবৃত্তীয় বৈশিষ্ট্যযুক্ত ব্যক্তিদের ভবিষ্যতের অ্যাপ্লিকেশনের জন্য একটি গুরুত্বপূর্ণ দিক। “মডেলটি প্রভাবিত টিস্যুর পরিমাণ নির্ধারণের জন্য 84 শতাংশের সামগ্রিক নির্ভুলতাও পেয়েছে। উপরন্তু, আমরা যাচাই করেছি যে সিগন্যালের গুণমান হ্রাস পেলে এটির কার্যকারিতা তুলনামূলকভাবে স্থিতিশীল থাকে, যা শব্দের বিরুদ্ধে একটি নির্দিষ্ট দৃঢ়তার পরামর্শ দেয়,” ব্যাখ্যা করেন মারিয়া ম্যাকারুল্লা।

ফলাফলগুলি আরও দেখায় যে প্রশিক্ষণের ডেটার শারীরবৃত্তীয় বৈচিত্র্য একটি মূল কারণ: কান এবং ধড়ের মডেলগুলির একটি বিস্তৃত বৈচিত্র্য অন্তর্ভুক্ত করা সিস্টেমের শ্রেণীবিভাগের ক্ষমতাকে উন্নত করেছে।