ഡീപ് ലേണിംഗ്സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നതിലൂടെ, കോവിഡ് -19 രോഗനിർണയമുള്ള രോഗികളിൽ ശ്വാസകോശത്തിന്റെ പ്രവർത്തനവുമായി ബന്ധപ്പെട്ട ലക്ഷണങ്ങൾ മനസിലാക്കാൻ ഡോ ടിയാൻബാവോ യാങ്ങിന്റെ ഗവേഷണം ലക്ഷ്യമിടുന്നു. ചിത്രം കടപ്പാട്: Texas A&M Engineering

കോവിഡ്-19 ന്റെ ലോംഗ് കോവിഡ് അല്ലെങ്കിൽ പോസ്റ്റ്-അക്യൂട്ട് സീക്വലെയുടെ വ്യത്യസ്ത ഉപവിഭാഗങ്ങളുള്ള വ്യക്തികൾക്ക് ദീർഘകാല ശാരീരിക, വൈജ്ഞാനിക, മാനസികാരോഗ്യ ലക്ഷണങ്ങൾ അനുഭവപ്പെടുന്നു. കോവിഡ് -19 മഹാമാരിയുടെ ഫലമായി, സിവിയർ അക്യൂട്ട് റെസ്പിറേറ്ററി സിൻഡ്രോം കൊറോണ വൈറസ് 2 (സാർസ്-കോവ്-2) അണുബാധയിൽ നിന്ന് സുഖം പ്രാപിച്ച കോവിഡ് -19 അതിജീവിച്ചവരുടെ ദീർഘകാല ആരോഗ്യം ഗവേഷകർ ട്രാക്കുചെയ്യാൻ തുടങ്ങി.

അയോവ സർവകലാശാലയുമായി സഹകരിച്ച് ടെക്സസ് എ ആൻഡ് എം സർവകലാശാലയിലെ കമ്പ്യൂട്ടർ സയൻസ് ആൻഡ് എഞ്ചിനീയറിംഗ് വിഭാഗത്തിലെ അസോസിയേറ്റ് പ്രൊഫസർ ഡോ.ടിയാൻബാവോ യാങ്ങിന് കോവിഡാനന്തര ശ്വാസകോശ പുരോഗതി ഫിനോടൈപ്പുകളുടെ ഉപവിഭാഗങ്ങൾ തിരിച്ചറിയാൻ കഴിവുള്ള സ്വയം മേൽനോട്ടത്തിലുള്ള ഡീപ് ലേണിംഗ് സാങ്കേതികവിദ്യകൾ വികസിപ്പിക്കുന്നതിനായി നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ഹെൽത്തിൽ നിന്ന് 3.7 മില്യൺ ഡോളർ ഗ്രാന്റ് ലഭിച്ചു.

യാങ്ങിന്റെ അഭിപ്രായത്തിൽ, ശ്വാസകോശ പുരോഗതി ഫിനോടൈപ്പുകൾ ശ്വാസകോശത്തിലെ രോഗ പുരോഗതിയുടെയും പ്രകടനത്തിന്റെയും വ്യത്യസ്ത പാറ്റേണുകൾ അല്ലെങ്കിൽ ഘട്ടങ്ങളാണ്. ക്രോണിക് ഒബ്സ്ട്രക്റ്റീവ് പൾമണറി ഡിസീസ്, ആസ്ത്മ, ഇഡിയോപാത്തിക് പൾമണറി ഫൈബ്രോസിസ് തുടങ്ങിയ ശ്വാസകോശ രോഗങ്ങളുടെ ഗതി തരംതിരിക്കാനും മനസ്സിലാക്കാനും ഈ ഫിനോടൈപ്പുകൾ സഹായിക്കുന്നു. ദീർഘകാല കോവിഡ് രോഗികൾക്ക് ഉചിതമായ പരിചരണ നടപടികൾ നിർണ്ണയിക്കുമ്പോൾ ഈ ഫിനോടൈപ്പുകൾ മനസിലാക്കുന്നത് പ്രസക്തമാണ്.

“സിവിയർ അക്യൂട്ട് റെസ്പിറേറ്ററി സിൻഡ്രോം പോലുള്ള സമാന വൈറസുകൾ മൂലമുണ്ടാകുന്ന മുൻകാല പകർച്ചവ്യാധികൾ കാണിക്കുന്നത് അനന്തരഫലങ്ങൾ ഒരു ദശകത്തിലധികം നീണ്ടുനിൽക്കുമെന്നാണ്,” യാങ്ങ് പറഞ്ഞു. “സാർസ്-കോവ്-2 അണുബാധയുടെ ഏറ്റവും സാധാരണമായ സൈറ്റാണ് ശ്വാസകോശം എന്നതിനാൽ, കോവിഡ് അതിജീവിച്ചവരിൽ ഫലപ്രദമായും സമഗ്രമായും ശ്വാസകോശ തുടർച്ച വിലയിരുത്താനുള്ള കഴിവ് നിർണായകമാണ്.”

ഡീപ് ലേണിംഗ്സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നതിലൂടെ, കോവിഡാനന്തര രോഗനിർണയമുള്ള രോഗികളിൽ ശ്വാസകോശത്തിന്റെ പ്രവർത്തനവുമായി ബന്ധപ്പെട്ട ലക്ഷണങ്ങൾ മനസിലാക്കാൻ യാങ്ങിന്റെ ഗവേഷണം ലക്ഷ്യമിടുന്നു. രോഗലക്ഷണങ്ങളിലെയും ബയോമാർക്കറുകളിലെയും വ്യത്യാസങ്ങൾ മനസിലാക്കുന്നത് ശരിയായ സബ്ടൈപ്പ് രോഗനിർണയം നടത്തുന്നതിനും രോഗികൾക്ക് ശരിയായ ചികിത്സ ലഭിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുന്നതിനും നിർണായകമാണ്.

കോവിഡ്-19 ഇപ്പോഴും പുതിയതും ഉയർന്നുവരുന്നതുമായ രോഗമായതിനാൽ ലഭ്യമായ ഡാറ്റയുടെ അഭാവമാണ് ഈ സാങ്കേതികവിദ്യ വികസിപ്പിക്കുന്നതിനുള്ള ഏറ്റവും വലിയ തടസ്സം. സാധാരണയായി, ഡീപ് ലേണിംഗ് സാങ്കേതികവിദ്യകൾ മനുഷ്യ-ലേബൽ ചെയ്ത ഡാറ്റ ആവശ്യമുള്ള ചെലവേറിയ സംവിധാനത്തെ ആശ്രയിച്ചിരിക്കുന്നു – ഡോക്ടർമാർ മെഡിക്കൽ ഇമേജുകൾ വ്യാഖ്യാനിക്കുന്നു, അത് മെഡിക്കൽ ഇമേജ് വിശകലനത്തിനായി ഉപയോഗിക്കാം.

ഈ പ്രശ്നത്തെ നേരിടാൻ, കോവിഡ്-19 ന് ശേഷമുള്ള വിഷയങ്ങളെ ആരോഗ്യകരമായ വിഷയങ്ങളിൽ നിന്ന് വേർതിരിച്ചറിയാൻ എക്സ്-റേകളും സിടി സ്കാനുകളും ഉപയോഗിക്കുന്ന ഒരു കോൺട്രാസ്റ്റീവ് സ്വയം മേൽനോട്ടത്തിലുള്ള ഡീപ് ലേണിംഗ് മോഡൽ യാങ് സൃഷ്ടിക്കുന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അദ്ദേഹത്തിന്റെ സാങ്കേതികവിദ്യയ്ക്ക് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിച്ച് ലേബൽ ചെയ്യാത്ത മുൻകാല ഡാറ്റയിൽ നിന്ന് വിവരങ്ങൾ വലിക്കാൻ കഴിയും. രോഗികളുടെ ലേബൽ ചെയ്യാത്ത ചിത്രങ്ങൾ ഉപയോഗിക്കുന്നത് രോഗ പുരോഗതി കൂടുതൽ കൃത്യമായി നിർണ്ണയിക്കുന്നതിനും മനസ്സിലാക്കുന്നതിനും മോഡലിനെ പരിശീലിപ്പിക്കുന്നതിന് ലഭ്യമായ ഡാറ്റ ഗണ്യമായി വർദ്ധിപ്പിക്കുന്നു.

“വലിയ തോതിലുള്ള ലേബൽ ചെയ്യാത്ത എക്സ്-റേ, സിടി ഇമേജുകളിൽ നിന്ന് എൻകോഡർ നെറ്റ് വർക്കുകൾ പഠിക്കുന്നതിന് നൂതന കോൺട്രാസ്റ്റീവ് സെൽഫ് മേൽനോട്ടത്തിലുള്ള പഠനം ഞങ്ങൾ വികസിപ്പിക്കും,” യാങ് പറഞ്ഞു. കോവിഡ്-19 രോഗികളിൽ നിന്ന് ശേഖരിച്ച പരിമിതമായ ലേബൽ ചെയ്ത ഡാറ്റയിൽ നിന്ന് പോസ്റ്റ് കോവിഡ് -19 വിഷയങ്ങൾ ഫലപ്രദമായി കണ്ടെത്തുന്നതിന് കൃത്യമായ ക്ലാസിഫയർ വികസിപ്പിക്കാൻ ഇത് ഞങ്ങളെ പ്രാപ്തരാക്കും.

കൂടാതെ, കോവിഡ്-19 ന് ശേഷമുള്ള വിവിധ ഉപവിഭാഗങ്ങളിലെ ക്ലിനിക്കൽ, ഇമേജിംഗ് ബയോമാർക്കറുകൾ തമ്മിലുള്ള ബന്ധം വിശകലനം ചെയ്യുന്നതിലൂടെ, അണുബാധയുടെ വിവിധ രൂപങ്ങൾക്ക് പിന്നിലെ അടിസ്ഥാന സംവിധാനങ്ങളെക്കുറിച്ചും അവയുടെ പ്രത്യാഘാതങ്ങളെക്കുറിച്ചും ഗവേഷകർക്ക് ആഴത്തിലുള്ള ധാരണ ലഭിക്കും.

“കോവിഡാനന്തര വിഷയങ്ങളുടെ ദീർഘകാല തുടർച്ചകൾ കൈകാര്യം ചെയ്യുന്നതിനും ചികിത്സിക്കുന്നതിനും സഹായിക്കുന്നതിന് ശ്വാസകോശ ഇമേജുകൾ വിലയിരുത്താൻ കഴിയുന്ന ഒരു സംയോജിത ഡീപ് ലേണിംഗ് മോഡൽ വികസിപ്പിക്കുക എന്നതാണ് ഞങ്ങളുടെ ദീർഘകാല ലക്ഷ്യം,” യാങ് പറഞ്ഞു.

ഡാറ്റ നിർമ്മിക്കുന്നതിനും ഡീപ് ലേണിംഗ്ന സാങ്കേതികവിദ്യ വികസിപ്പിക്കുന്നതിനും പ്രാരംഭ സന്ദർശനങ്ങൾക്ക് ശേഷം 48 മുതൽ 60 മാസം വരെ കോവിഡ് -19 ന് ശേഷമുള്ള വ്യക്തികളെ ട്രാക്കുചെയ്യുന്ന ഒരു രേഖാംശ മനുഷ്യ പഠനപങ്കാളി പഠനം ഗവേഷകർ നടത്തും.

ടെക്സാസ് എ ആൻഡ് എം, യൂണിവേഴ്സിറ്റി ഓഫ് അയോവ ഹോസ്പിറ്റൽസ് ആൻഡ് ക്ലിനിക്കുകൾ, അയോവ സർവകലാശാലയിലെ കോളേജ് ഓഫ് എഞ്ചിനീയറിംഗ് എന്നിവ തമ്മിലുള്ള സഹകരണമാണ് ഈ ഗവേഷണം.

കടപ്പാട്: Texas A&M University College of Engineering

[Read the original article here](https://sciencex.com/wire-news/457721785/using-deep-learning-to-classify-post-covid-19-lung-progression-p.html)