പാർക്കിൻസൺസ് രോഗ ഫലങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിന് മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നു

You are currently viewing പാർക്കിൻസൺസ് രോഗ ഫലങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിന് മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നു

ഓക്സ്ഫോർഡ് സർവകലാശാലയിലെ ഒരു സംഘം ഗവേഷകർ പാർക്കിൻസൺസ് രോഗത്തിന്റെ പുരോഗതി ട്രാക്കുചെയ്യാൻ ധരിക്കാവുന്ന സെൻസറുകളും മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളും ഉപയോഗിക്കുന്നു. രോഗനിർണയം മെച്ചപ്പെടുത്തുന്നതിനുള്ള ശ്രമത്തിൽ മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതിയെക്കുറിച്ച് കൂടുതൽ കൃത്യമായ നിരീക്ഷണം പ്രാപ്തമാക്കുന്നതിന് രൂപകൽപ്പന ചെയ്ത ഒരു രീതിയാണിത്.

പാർക്കിൻസൺസ് രോഗം ബാധിച്ച രോഗികൾ ധരിക്കുന്ന സെൻസറുകളിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യുന്നതിൽ മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളുടെ (പലപ്പോഴും “ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്” എന്ന് ലളിതമായി സംഗ്രഹിക്കുന്നു) ഉപയോഗം ഇംഗ്ലണ്ടിലെ ഓക്സ്ഫോർഡ് സർവകലാശാലയിലെ ക്ലിനിക്കൽ ന്യൂറോ സയൻസസ് വിഭാഗത്തിലെ ഗവേഷകർ തെളിയിച്ചിട്ടുണ്ട്. നടത്തം, സ്റ്റാൻഡിംഗ് ജോലികൾ എന്നിവയ്ക്കിടെ ശേഖരിച്ച ഡാറ്റയുടെ വിശകലനം കാലക്രമേണ രോഗത്തിന്റെ മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതി കാണിക്കുന്നു, കാരണം ഈ പഠനത്തിലെ പങ്കാളികളെ ഓരോ മൂന്ന് മാസത്തിലും വിലയിരുത്തി. അത്തരമൊരു സംവിധാനത്തിന് ഡയഗ്നോസ്റ്റിക് – രോഗനിർണയം – കൃത്യത ഗണ്യമായി മെച്ചപ്പെടുത്താൻ കഴിയുമെന്ന് പഠനം കാണിക്കുന്നു.

പാർക്കിൻസൺസ് രോഗം പോലുള്ള ന്യൂറോളജിക്കൽ ഡിസോർഡേഴ്സുള്ള ആളുകളിൽ മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതി ട്രാക്കുചെയ്യാൻ കഴിയുന്നത് അവരുടെ പരിചരണ പ്രോട്ടോക്കോൾ സ്വീകരിക്കുന്നതിനും അവരുടെ ആവശ്യങ്ങൾ നിറവേറ്റുന്നുവെന്ന് ഉറപ്പാക്കുന്നതിനും ഉപയോഗപ്രദമാണ്. നിലവിലെ വിലയിരുത്തൽ സ്കെയിലുകൾ ഉപയോഗിച്ച് – തികച്ചും ശാരീരിക പരിശോധനയെ അടിസ്ഥാനമാക്കിയുള്ള സ്കോറിംഗ് സംവിധാനങ്ങൾ – നിരീക്ഷണങ്ങളുടെയും റേറ്റിംഗുകളുടെയും സബ്ജക്റ്റിവിറ്റി കാരണം രോഗ പുരോഗതി കണ്ടെത്തുന്നത് ചിലപ്പോൾ വൈകും. ഈ പഠനം നടത്തുന്ന ലബോറട്ടറി രോഗികളുടെ ഉടൽ, കൈത്തണ്ട, കാൽ എന്നിവയിൽ സ്ഥാപിച്ച സെൻസർ ഉപകരണങ്ങൾ വിലയിരുത്തി. ശേഖരിച്ച ഡാറ്റ, മെഷീൻ ലേണിംഗുമായി സംയോജിപ്പിച്ച്, മോട്ടോർ ലക്ഷണങ്ങളുടെ പുരോഗതി പരമ്പരാഗത വിലയിരുത്തലുകളേക്കാൾ വളരെ കൃത്യമായി ട്രാക്കുചെയ്യാൻ പ്രാപ്തമാക്കുന്നു. പാർക്കിൻസൺസ് രോഗത്തിന്റെ തീവ്രതയുടെ അളവ് എന്തുതന്നെയായാലും കൂടുതൽ കൃത്യമായ രോഗനിർണയമാണ് ഫലം. ഈ സമീപനത്തിന് സമാനമായ മറ്റ് വൈകല്യങ്ങളുമായും പ്രവർത്തിക്കാൻ കഴിയുമെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്.

ക്ലിനിക്കൽ പരീക്ഷണങ്ങൾക്കും മരുന്ന് വികസനത്തിനും ഇത് ഒരു പ്രധാന ചുവടുവയ്പ്പാണ്, ഇതിന് സാധാരണയായി വർഷങ്ങളുടെ പഠനവും ജോലിയും ആവശ്യമാണ്. യഥാർത്ഥത്തിൽ ഫലപ്രദമായ മരുന്നുകൾ കഴിയുന്നത്ര വേഗത്തിൽ തിരിച്ചറിയാൻ കഴിയുന്നത് നിർണായകമാണ്, അവയിലെ പ്രവർത്തനങ്ങൾ ത്വരിതപ്പെടുത്തുന്നതിന്, അത്തരമൊരു സംവിധാനം മറ്റുള്ളവരിൽ നിന്നുള്ള യഥാർത്ഥ വാഗ്ദാനത്തോടെ മയക്കുമരുന്നുകൾ തരംതിരിക്കാൻ സഹായിക്കുന്നു.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply