एआई एल्गोरिदम इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से रोगी डेटा को पढ़ता है और भविष्यवाणी करता है

माउंट सिनाई में इकान स्कूल ऑफ मेडिसिन के वैज्ञानिकों ने एक नया, स्वचालित, कृत्रिम बुद्धिमत्ता (एआई)-आधारित एल्गोरिदम विकसित किया है जो इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) से रोगी डेटा को पढ़ और भविष्यवाणी कर सकता है। 

नई विधि को Phe2vec कहा जाता है, और यह कुछ बीमारियों के रोगियों की सटीक पहचान कर सकती है। यह प्रदर्शित किया गया कि यह सबसे लोकप्रिय पारंपरिक पद्धति जितनी ही सटीक है, जिसे निष्पादित करने के लिए अधिक शारीरिक श्रम की आवश्यकता होती है।

बेंजामिन एस. ग्लिक्सबर्ग, पीएचडी, जेनेटिक्स और जीनोमिक साइंसेज के सहायक प्रोफेसर हैं। वह माउंट सिनाई (एचपीआईएमएस) में हासो प्लैटनर इंस्टीट्यूट फॉर डिजिटल हेल्थ के सदस्य और अध्ययन के वरिष्ठ लेखक भी हैं। 

“मरीज़ के मेडिकल रिकॉर्ड में इलेक्ट्रॉनिक रूप से संग्रहीत डेटा की मात्रा और प्रकार में विस्फोट जारी है। ग्लिक्सबर्ग ने कहा, "डेटा के इस जटिल जाल को सुलझाना अत्यधिक बोझिल हो सकता है, जिससे नैदानिक ​​​​अनुसंधान में प्रगति धीमी हो जाएगी।" “इस अध्ययन में, हमने मशीन लर्निंग के साथ इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से डेटा खनन के लिए एक नई विधि बनाई जो उद्योग मानक की तुलना में तेज़ और कम श्रम गहन है। हमें उम्मीद है कि यह एक मूल्यवान उपकरण होगा जो नैदानिक ​​सूचना विज्ञान में आगे और कम पक्षपाती अनुसंधान की सुविधा प्रदान करेगा।

अध्ययन, जो पत्रिका में प्रकाशित हुआ था पैटर्न्स, इसका नेतृत्व डॉ. ग्लिक्सबर्ग की प्रयोगशाला में स्नातक छात्रा जेसिका के. डी फ्रीटास ने किया था।

वर्तमान उद्योग मानक 

वैज्ञानिक वर्तमान में नई जानकारी के लिए मेडिकल रिकॉर्ड निकालने के लिए स्थापित कंप्यूटर प्रोग्राम और एल्गोरिदम पर भरोसा करते हैं। फेनोटाइप नॉलेजबेस (PheKB) नामक एक प्रणाली इन एल्गोरिदम को विकसित और संग्रहीत करती है। रोगी के निदान की सही पहचान करने में यह प्रणाली अत्यधिक प्रभावी है, लेकिन शोधकर्ताओं को पहले कई मेडिकल रिकॉर्ड देखने और डेटा के टुकड़े देखने की आवश्यकता होती है। इस डेटा में लैब परीक्षण और नुस्खे जैसी चीज़ें शामिल हैं। 

इसके बाद एल्गोरिदम को कंप्यूटर को उन रोगियों की खोज करने के लिए निर्देशित करने के लिए प्रोग्राम किया जाता है जिनके पास रोग-विशिष्ट डेटा के टुकड़े होते हैं, जिन्हें "फेनोटाइप" कहा जाता है। यह सिस्टम को रोगियों की एक सूची बनाने में सक्षम बनाता है, जिसे शोधकर्ताओं द्वारा मैन्युअल रूप से जांचने की आवश्यकता होती है। यदि शोधकर्ता किसी नई बीमारी का अध्ययन करना चाहते हैं, तो उन्हें प्रक्रिया फिर से शुरू करनी होगी।

नई विधि

नई पद्धति के साथ, शोधकर्ता कंप्यूटर को बीमारी के फेनोटाइप का पता लगाने का तरीका स्वयं सीखने में सक्षम बनाते हैं, जिससे शोधकर्ताओं का समय और काम बचता है। Phe2vec विधि टीम द्वारा किए गए पिछले अध्ययनों पर आधारित थी।

रिकार्डो मियोटो, पीएचडी, एचपीआईएमएस में पूर्व सहायक प्रोफेसर और अध्ययन के वरिष्ठ लेखक हैं। 

"पहले, हमने दिखाया था कि इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के खनन के लिए बिना पर्यवेक्षित मशीन लर्निंग एक अत्यधिक कुशल और प्रभावी रणनीति हो सकती है," मिओटो ने कहा। “हमारे दृष्टिकोण का संभावित लाभ यह है कि यह डेटा से ही बीमारियों का प्रतिनिधित्व सीखता है। इसलिए, मशीन वह अधिकांश कार्य करती है जो विशेषज्ञ आमतौर पर स्वास्थ्य रिकॉर्ड से डेटा तत्वों के संयोजन को परिभाषित करने के लिए करते हैं जो किसी विशेष बीमारी का सबसे अच्छा वर्णन करता है।

कंप्यूटर को लाखों इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से गुज़रने और डेटा और बीमारियों के बीच कनेक्शन की पहचान करने का तरीका सीखने के लिए प्रोग्राम किया गया था। प्रोग्रामिंग "एम्बेडिंग" एल्गोरिदम पर निर्भर थी, जिसे पहले भी शोधकर्ताओं द्वारा विकसित किया गया था। इनका उपयोग विभिन्न भाषाओं में शब्द नेटवर्क का अध्ययन करने के लिए किया गया था।

उन एल्गोरिदम में से एक को Word2vec कहा जाता था, और यह विशेष रूप से प्रभावी था। कंप्यूटर को लगभग 2 मिलियन रोगियों के निदान की पहचान करने के लिए प्रोग्राम किया गया था, जिनका डेटा माउंट सिनाई हेल्थ सिस्टम में संग्रहीत था।

इसके बाद शोधकर्ताओं ने नई और पुरानी प्रणालियों की प्रभावशीलता की तुलना की, और उन्होंने पाया कि परीक्षण की गई दस में से नौ बीमारियों के लिए, नई Phe2vec प्रणाली निदान की पहचान के लिए वर्तमान "स्वर्ण मानक" फेनोटाइपिंग प्रक्रिया की तुलना में उतनी ही प्रभावी या थोड़ी बेहतर थी। ईएचआर से. इन बीमारियों में डिमेंशिया, मल्टीपल स्केलेरोसिस, सिकल सेल एनीमिया और बहुत कुछ शामिल हो सकते हैं।

डॉ. ग्लिक्सबर्ग ने कहा, "कुल मिलाकर हमारे परिणाम उत्साहजनक हैं और सुझाव देते हैं कि Phe2vec इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा में बीमारियों के बड़े पैमाने पर फेनोटाइपिंग के लिए एक आशाजनक तकनीक है।" "आगे के परीक्षण और परिशोधन के साथ, हमें उम्मीद है कि इसका उपयोग नैदानिक ​​​​सूचना विज्ञान अनुसंधान के कई शुरुआती चरणों को स्वचालित करने के लिए किया जा सकता है, इस प्रकार वैज्ञानिकों को भविष्य कहनेवाला मॉडलिंग जैसे डाउनस्ट्रीम विश्लेषण पर अपने प्रयासों को केंद्रित करने की अनुमति मिलती है।"