সাম্প্রতিক গবেষণায় কৃত্রিম বুদ্ধিমত্তা সিস্টেমের সক্ষমতা দেখিয়েছে চিকিৎসাগতভাবে গুরুত্বপূর্ণ রোগ নির্ণয় করা
কৃত্রিম বুদ্ধিমত্তা (AI) সিস্টেম বেশ কিছু সময়ের জন্য কাছাকাছি ছিল এবং এখন সময়ের সাথে আরও স্মার্ট এবং ভাল হচ্ছে। AI অ্যাপ্লিকেশন রয়েছে বহু ক্ষেত্র এবং এখন বেশিরভাগ ক্ষেত্রের একটি অবিচ্ছেদ্য অংশ। AI এর একটি অপরিহার্য এবং দরকারী উপাদান হতে পারে চিকিৎসা বিজ্ঞান এবং গবেষণা কারণ এটি স্বাস্থ্যসেবা শিল্পকে প্রভাবিত করার অপরিসীম সম্ভাবনা রয়েছে।
চিকিৎসায় কৃত্রিম বুদ্ধিমত্তা?
সময় হল স্বাস্থ্যসেবার সবচেয়ে মূল্যবান সম্পদ এবং একটি রোগের চূড়ান্ত ফলাফলের জন্য প্রাথমিকভাবে উপযুক্ত নির্ণয় খুবই গুরুত্বপূর্ণ। স্বাস্থ্যসেবা প্রায়ই একটি দীর্ঘ এবং একটি সময় এবং সম্পদ গ্রাসকারী প্রক্রিয়া, কার্যকর রোগ নির্ণয় বিলম্বিত করে এবং এর ফলে সঠিক চিকিত্সা বিলম্বিত হয়। AI রোগীদের নির্ণয়ের গতি এবং নির্ভুলতা অন্তর্ভুক্ত করে ডাক্তারদের দ্বারা প্রাপ্যতা এবং সময় ব্যবস্থাপনার মধ্যে ফাঁক পূরণ করতে সাহায্য করতে পারে। এটি বিশেষত নিম্ন ও মধ্যম আয়ের দেশগুলিতে সম্পদ এবং স্বাস্থ্যসেবা পেশাদারদের সীমাবদ্ধতা কাটিয়ে উঠতে সাহায্য করতে পারে। এআই হচ্ছে শেখার এবং চিন্তা করার একটি প্রক্রিয়া মানুষের গভীর-শিক্ষা নামে একটি ধারণার মাধ্যমে। ডিপ লার্নিং নিজেই সিদ্ধান্তের গাছ তৈরি করতে নমুনা ডেটার বিস্তৃত সেট ব্যবহার করে। এই গভীর শিক্ষার মাধ্যমে, একটি AI সিস্টেম আসলে মানুষের মতোই চিন্তা করতে পারে, যদি ভালো না হয়, এবং সেইজন্য AI-কে চিকিৎসা সংক্রান্ত কাজগুলি করার জন্য উপযুক্ত বলে মনে করা যেতে পারে। রোগীদের নির্ণয় করার সময়, এআই সিস্টেম একই অসুস্থতায় রোগীদের মধ্যে প্যাটার্ন খুঁজতে থাকে। সময়ের সাথে সাথে, এই নিদর্শনগুলি রোগগুলি প্রকাশের আগে পূর্বাভাস দেওয়ার জন্য একটি ভিত্তি তৈরি করতে পারে।
একটি সাম্প্রতিক গবেষণায়1 প্রকাশিত কোষ, গবেষকরা ব্যবহার করেছেন কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং কৌশলগুলি সাধারণ কিন্তু অন্ধ রেটিনাল রোগ, সম্ভাব্য দ্রুত রোগ নির্ণয় এবং চিকিত্সার রোগীদের স্ক্রীন করার জন্য একটি নতুন গণনামূলক সরঞ্জাম তৈরি করতে। গবেষকরা একটি AI-ভিত্তিক নিউরাল নেটওয়ার্ক ব্যবহার করে একটি অ-আক্রমণকারী প্রযুক্তির সাহায্যে পরিচালিত 200,000টিরও বেশি চোখের স্ক্যান পর্যালোচনা করেছেন যা টিস্যুর 2D এবং 3D উপস্থাপনা তৈরি করতে রেটিনা থেকে আলো বাউন্স করে। তারপরে তারা 'ট্রান্সফার লার্নিং' নামে একটি কৌশল নিযুক্ত করেছিল যেখানে একটি সমস্যা সমাধানে অর্জিত জ্ঞান একটি কম্পিউটার দ্বারা সংরক্ষণ করা হয় এবং বিভিন্ন কিন্তু সম্পর্কিত সমস্যাগুলিতে প্রয়োগ করা হয়। উদাহরণস্বরূপ, একটি AI নিউরাল নেটওয়ার্ক চোখের বিচ্ছিন্ন শারীরবৃত্তীয় কাঠামো, যেমন রেটিনা, কর্নিয়া বা অপটিক স্নায়ুকে চিনতে অপ্টিমাইজ করা হয়েছে, যখন এটি একটি সম্পূর্ণ চোখের ছবি পরীক্ষা করে তখন আরও দ্রুত এবং দক্ষতার সাথে তাদের সনাক্ত করতে এবং মূল্যায়ন করতে পারে। এই প্রক্রিয়াটি AI সিস্টেমকে ধীরে ধীরে প্রথাগত পদ্ধতির তুলনায় অনেক ছোট ডেটাসেটের সাথে শিখতে দেয় যার জন্য বড় ডেটাসেটের প্রয়োজন হয় যা তাদের ব্যয়বহুল এবং সময়সাপেক্ষ করে তোলে।
অধ্যয়নটি অপরিবর্তনীয় অন্ধত্বের দুটি সাধারণ কারণের উপর দৃষ্টি নিবদ্ধ করে যা প্রাথমিকভাবে সনাক্ত করা হলে চিকিত্সাযোগ্য। মেশিন থেকে প্রাপ্ত নির্ণয়গুলিকে পাঁচজন চক্ষু বিশেষজ্ঞের নির্ণয়ের সাথে তুলনা করা হয়েছিল যারা একই স্ক্যানগুলি পর্যালোচনা করেছিলেন। একটি চিকিৎসা নির্ণয় করার পাশাপাশি, এআই প্ল্যাটফর্ম একটি রেফারেল এবং চিকিত্সার সুপারিশও তৈরি করেছে যা পূর্ববর্তী কোনো গবেষণায় করা হয়নি। এই প্রশিক্ষিত AI সিস্টেমটি একজন প্রশিক্ষিত চক্ষুরোগ বিশেষজ্ঞের মতো কাজ করে এবং 30 শতাংশের বেশি নির্ভুলতার সাথে রোগীকে চিকিত্সার জন্য রেফার করা উচিত কিনা সে সম্পর্কে 95 সেকেন্ডের মধ্যে একটি সিদ্ধান্ত তৈরি করতে পারে। তারা শৈশব নিউমোনিয়া নির্ণয়ের জন্য এআই টুলটিও পরীক্ষা করেছে, যা বুকের এক্স-রেগুলির মেশিন বিশ্লেষণের উপর ভিত্তি করে শিশুদের (5 বছরের কম বয়সী) বিশ্বব্যাপী মৃত্যুর একটি প্রধান কারণ। মজার বিষয় হল, কম্পিউটার প্রোগ্রাম ভাইরাল এবং এর মধ্যে পার্থক্য করতে সক্ষম হয়েছিল ব্যাকটেরিয়া 90 শতাংশের বেশি নির্ভুলতার সাথে নিউমোনিয়া। এটি অত্যন্ত গুরুত্বপূর্ণ কারণ ভাইরাল নিউমোনিয়া স্বাভাবিকভাবেই এর কোর্সের পরে শরীর দ্বারা পরিত্রাণ পাওয়া যায়, অন্যদিকে ব্যাকটেরিয়া নিউমোনিয়া আরও গুরুতর স্বাস্থ্যের জন্য হুমকি হয়ে ওঠে এবং অ্যান্টিবায়োটিকের সাথে অবিলম্বে চিকিত্সার প্রয়োজন হয়।
আরেকটি বড় উল্লম্ফনে2 চিকিৎসা নির্ণয়ের জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবস্থায়, বিজ্ঞানীরা দেখেছেন যে একজন ব্যক্তির রেটিনার তোলা ফটোগ্রাফ মেশিন-লার্নিং অ্যালগরিদম বা সফ্টওয়্যার দ্বারা বিশ্লেষণ করা যেতে পারে যাতে হৃদরোগের নির্দেশক সংকেত সনাক্ত করে কার্ডিওভাসকুলার হার্টের ঝুঁকির পূর্বাভাস দেওয়া যায়। চোখের রক্তনালীগুলির অবস্থা যা ফটোগ্রাফগুলিতে ধরা হয়েছে তা সঠিকভাবে বয়স, লিঙ্গ, জাতিগততা, রক্তচাপ, যে কোনও পূর্বের হার্ট অ্যাটাক এবং ধূমপানের অভ্যাস এবং এই সমস্ত কারণগুলি সম্মিলিতভাবে একজন ব্যক্তির হৃদরোগ সম্পর্কিত রোগের পূর্বাভাস দেয়।
একটি তথ্য ব্লক হিসাবে চোখ
স্বাস্থ্য নির্ণয়ের জন্য চোখের ফটোগ্রাফ দেখার ধারণাটি বেশ কিছুদিন ধরে চলে আসছে। এটি সুপ্রতিষ্ঠিত যে মানুষের চোখের পিছনের অভ্যন্তরীণ প্রাচীরে প্রচুর রক্তনালী রয়েছে যা শরীরের সামগ্রিক স্বাস্থ্যকে প্রতিফলিত করে। ক্যামেরা এবং মাইক্রোস্কোপের সাহায্যে এই রক্তনালীগুলির চেহারা অধ্যয়ন এবং বিশ্লেষণ করে, একজন ব্যক্তির রক্তচাপ, বয়স, ধূমপায়ী বা অধূমপায়ী ইত্যাদি সম্পর্কে অনেক তথ্য ভবিষ্যদ্বাণী করা যেতে পারে এবং এগুলিই একজন ব্যক্তির হৃদযন্ত্রের স্বাস্থ্যের গুরুত্বপূর্ণ সূচক। . কার্ডিওভাসকুলার ডিজিজ (সিভিডি) হল বিশ্বব্যাপী মৃত্যুর এক নম্বর কারণ এবং অন্য যে কোনও রোগ বা অবস্থার তুলনায় সিভিডিতে বেশি লোক মারা যায়। এটি নিম্ন ও মধ্যম আয়ের দেশগুলিতে বেশি প্রচলিত এবং এটি অর্থনীতি ও মানবজাতির জন্য একটি বিশাল বোঝা৷ কার্ডিওভাসকুলার ঝুঁকি ব্যায়াম এবং খাদ্যের সংমিশ্রণে জিন, বয়স, জাতি, লিঙ্গের মতো অনেকগুলি কারণের উপর নির্ভর করে। তামাক ব্যবহার, স্থূলতা, শারীরিক নিষ্ক্রিয়তা এবং অস্বাস্থ্যকর খাদ্যের মতো আচরণগত ঝুঁকি মোকাবেলা করার মাধ্যমে বেশিরভাগ কার্ডিওভাসকুলার রোগ প্রতিরোধ করা যেতে পারে সম্ভাব্য ঝুঁকি মোকাবেলায় গুরুত্বপূর্ণ জীবনধারা পরিবর্তন করে।
রেটিনার ছবি ব্যবহার করে স্বাস্থ্য নির্ণয়
গুগল এবং এর নিজস্ব স্বাস্থ্য প্রযুক্তি কোম্পানি ভেরিলি লাইফ সায়েন্সেসের গবেষকদের দ্বারা পরিচালিত এই গবেষণায় দেখা গেছে যে প্রায় 280,000 রোগীর রেটিনাল ফটোগ্রাফের একটি বৃহৎ ডেটাসেটে একটি কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদম ব্যবহার করা হয়েছিল এবং এই অ্যালগরিদমটি সফলভাবে দুটি সম্পূর্ণরূপে হার্টের ঝুঁকির কারণগুলির পূর্বাভাস দিতে সক্ষম হয়েছিল। যুক্তিসঙ্গতভাবে ভাল নির্ভুলতার সাথে প্রায় 12000 এবং 1000 রোগীর স্বাধীন ডেটাসেট। অ্যালগরিদম ছবিটি এবং হার্ট অ্যাটাকের ঝুঁকির মধ্যে সংযোগ পরিমাপ করতে রেটিনার সম্পূর্ণ ফটোগ্রাফ ব্যবহার করেছে। এই অ্যালগরিদম রোগীর 70 শতাংশ সময় কার্ডিওভাসকুলার ইভেন্টের ভবিষ্যদ্বাণী করতে পারে এবং প্রকৃতপক্ষে একজন ধূমপায়ী এবং একজন অধূমপায়ীও এই পরীক্ষায় 71 শতাংশ সময়ে পার্থক্য করা যায়। অ্যালগরিদম উচ্চ রক্তচাপের পূর্বাভাস দিতে পারে যা হার্টের অবস্থা নির্দেশ করে এবং সিস্টোলিক রক্তচাপের পূর্বাভাস দিতে পারে - হৃদস্পন্দনের সময় জাহাজের চাপ - উচ্চ রক্তচাপ সহ বা ছাড়াই বেশিরভাগ রোগীর পরিসরের মধ্যে। লেখকদের মতে এই ভবিষ্যদ্বাণীর যথার্থতা পরীক্ষাগারে একটি কার্ডিওভাসকুলার চেকের মতো, যেখানে রোগীর ইতিহাসের সাথে সমান্তরালভাবে কোলেস্টেরলের মাত্রা পরিমাপ করার জন্য রোগীর কাছ থেকে রক্ত নেওয়া হয়। এই গবেষণায় অ্যালগরিদম, প্রকাশিত হয়েছে প্রকৃতি বায়োমেমিক্যাল ইঞ্জিনিয়ারিং, সম্ভবত একটি বড় কার্ডিওভাসকুলার ইভেন্ট - যেমন হার্ট অ্যাটাক হওয়ার পূর্বাভাস দিতে পারে।
এই অধ্যয়নের একটি অত্যন্ত আকর্ষণীয় এবং গুরুত্বপূর্ণ দিক ছিল যে কম্পিউটার নির্ণয়ের জন্য একটি চিত্রে কোথায় তাকাচ্ছে তা বলতে পারে, আমাদের ভবিষ্যদ্বাণী প্রক্রিয়াটি বুঝতে অনুমতি দেয়। উদাহরণ, Google-এর অধ্যয়নটি সঠিকভাবে দেখিয়েছে যে "রেটিনার কোন অংশগুলি" ভবিষ্যদ্বাণী অ্যালগরিদমে অবদান রেখেছে, অন্য কথায় অ্যালগরিদম কীভাবে ভবিষ্যদ্বাণী করছে৷ এই বোঝাপড়াটি শুধুমাত্র এই বিশেষ ক্ষেত্রে মেশিন লার্নিং পদ্ধতি বোঝার জন্যই নয়, বরং এই সম্পূর্ণ পদ্ধতিটিকে স্বচ্ছ করে তোলার মাধ্যমে আস্থা ও বিশ্বাস তৈরি করার জন্যও গুরুত্বপূর্ণ।
চ্যালেঞ্জ
এই ধরনের মেডিক্যাল ইমেজগুলি তার চ্যালেঞ্জ নিয়ে আসে কারণ এই ধরনের ছবিগুলির উপর ভিত্তি করে অ্যাসোসিয়েশনগুলি পর্যবেক্ষণ করা এবং তারপরে পরিমাপ করা সহজ নয় মূলত এই চিত্রগুলিতে বিভিন্ন বৈশিষ্ট্য, রঙ, মান, আকার ইত্যাদির কারণে। এই অধ্যয়নটি গভীর শিক্ষা ব্যবহার করে মানুষের শারীরবৃত্তির (শরীরের অভ্যন্তরীণ রূপবিদ্যা) এবং রোগের পরিবর্তনের মধ্যে সংযোগ, সংস্থান এবং সম্পর্কগুলিকে আঁকতে একইভাবে যেভাবে একজন স্বাস্থ্যসেবা পেশাদার করেন যখন তিনি রোগীর লক্ষণগুলিকে রোগের সাথে সম্পর্কিত করেন। . এই অ্যালগরিদমগুলিকে ক্লিনিকাল সেটিংসে ব্যবহার করার আগে আরও পরীক্ষার প্রয়োজন।
আলোচনা এবং চ্যালেঞ্জ সত্ত্বেও, এআই-এর বিপুল পরিমাণ ডেটার সাথে জড়িত বিশ্লেষণ এবং শ্রেণীবিভাগের মাধ্যমে রোগ নির্ণয় এবং ব্যবস্থাপনায় বিপ্লব ঘটানোর বিশাল সম্ভাবনা রয়েছে যা মানব বিশেষজ্ঞদের জন্য কঠিন। এটি দ্রুত, সাশ্রয়ী, অ-আক্রমণকারী বিকল্প চিত্র-ভিত্তিক ডায়গনিস্টিক সরঞ্জাম সরবরাহ করে। AI সিস্টেমের সাফল্যের জন্য গুরুত্বপূর্ণ কারণগুলি হবে উচ্চতর গণনা ক্ষমতা এবং মানুষের আরও অভিজ্ঞতা। একটি সম্ভাব্য ভবিষ্যতে নতুন চিকিৎসা অন্তর্দৃষ্টি এবং নির্ণয় মানুষের নির্দেশনা বা তদারকি ছাড়াই AI দিয়ে অর্জন করা যেতে পারে।
***
{উদ্ধৃত উৎস(গুলি) তালিকায় নীচে দেওয়া DOI লিঙ্কে ক্লিক করে আপনি মূল গবেষণাপত্রটি পড়তে পারেন}
উত্স (গুলি)
1. কেরমানি ডিএস এট আল। 2018. চিত্র-ভিত্তিক গভীর শিক্ষার মাধ্যমে চিকিৎসা নির্ণয় এবং চিকিত্সাযোগ্য রোগ সনাক্ত করা। কোষ। 172(5)। https://doi.org/10.1016/j.cell.2018.02.010
2. পপলিন আর এট আল। 2018. গভীর শিক্ষার মাধ্যমে রেটিনাল ফান্ডাস ফটোগ্রাফ থেকে কার্ডিওভাসকুলার ঝুঁকির কারণগুলির পূর্বাভাস। প্রকৃতি বায়োমেডিকেল ইঞ্জিনিয়ারিং। 2. https://doi.org/10.1038/s41551-018-0195-0
