ഇംപ്ലാന്റ് അടിസ്ഥാനമാക്കിയുള്ള സ്തന പുനർനിർമ്മാണത്തിന് ശേഷം പെരിപ്രോസ്തറ്റിക് അണുബാധയുടെ അപകടസാധ്യത പ്രവചിക്കുന്നതിന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (എഐ) ടെക്നിക്കുകൾ കൂടുതൽ കൃത്യമായ സമീപനം നൽകുമെന്ന് പ്ലാസ്റ്റിക് ആൻഡ് റീകൺസ്ട്രക്റ്റീവ് സർജറിയുടെ നവംബർ ലക്കത്തിലെ ഒരു പഠനം റിപ്പോർട്ട് ചെയ്യുന്നു.

“മാസ്റ്റെക്റ്റമിക്ക് ശേഷം സ്തന പുനർനിർമ്മാണത്തിന് വിധേയരാകുന്ന രോഗികളിൽ ശസ്ത്രക്രിയാനന്തര ഗുരുതരമായ സങ്കീർണതകളുടെ അപകടസാധ്യത പ്രവചിക്കാനുള്ള കഴിവ് മെച്ചപ്പെടുത്തുന്നതിന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ് എന്നിവ ഉപയോഗിക്കുന്നതിൽ ഞങ്ങളുടെ പഠനം വാഗ്ദാനം കാണിക്കുന്നു,” എഎസ്പിഎസ് മെമ്പർ സർജനും സീനിയറും അനുബന്ധ രചയിതാവുമായ ചാൾസ് ഇ ബട്ട്ലറും എംഡിയും ആദ്യ രചയിതാവ് അബ്ബാസ് എം ഹസ്സനും എംഡി അഭിപ്രായപ്പെട്ടു.

പെരിപ്രോസ്തറ്റിക് അണുബാധയ്ക്കുള്ള സങ്കീർണ്ണമായ അപകടസാധ്യതാ ഘടകങ്ങളെക്കുറിച്ച് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉൾക്കാഴ്ച നൽകുന്നു

പെരിപ്രോസ്തറ്റിക് അണുബാധ – ഒരു ഇംപ്ലാന്റിന് ചുറ്റും വികസിക്കുന്ന അണുബാധ – മാസ്റ്റെക്റ്റമിക്ക് ശേഷം ഇംപ്ലാന്റ് അടിസ്ഥാനമാക്കിയുള്ള സ്തന പുനർനിർമ്മാണത്തിന്റെ സാധാരണവും ഗുരുതരവുമായ സങ്കീർണതയാണ്. സ്തന പുനർനിർമ്മാണവുമായി ബന്ധപ്പെട്ട അപകടസാധ്യതകളെക്കുറിച്ച് വ്യക്തിഗത വിലയിരുത്തലുകൾ നൽകുന്നതിന് ഉപകരണങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ടെങ്കിലും, സങ്കീർണതകളുടെ അപകടസാധ്യതയെ ബാധിക്കുന്ന “സങ്കീർണ്ണമായ നോൺലിനിയർ ഇടപെടലുകൾ” വിശകലനം ചെയ്യുന്നതിൽ പരമ്പരാഗത സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെക്നിക്കുകൾ പരാജയപ്പെട്ടേക്കാം.

അണുബാധയും എക്സ്പ്ലാന്റേഷനും ഉൾപ്പെടെയുള്ള ഇംപ്ലാന്റുമായി ബന്ധപ്പെട്ട സങ്കീർണതകളുടെ ഉയർന്നതോ കുറഞ്ഞതോ ആയ അപകടസാധ്യത രോഗികളെ നിലനിർത്തുന്ന വേരിയബിളുകൾ വിലയിരുത്തുന്നതിന് ഡോ. ബട്ട്ലറും സഹപ്രവർത്തകരും മെഷീൻ ലേണിംഗ് ഉപയോഗം വിലയിരുത്തി. പെരിപ്രോസ്തറ്റിക് അണുബാധയുടെയും എക്സ്പ്ലാന്റേഷന്റെയും (ഇംപ്ലാന്റ് നീക്കംചെയ്യൽ) അപകടസാധ്യതകൾ പ്രവചിക്കാൻ ഗവേഷകർ ഒമ്പത് മേൽനോട്ടത്തിലുള്ള മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളുടെ ഉപയോഗം വികസിപ്പിക്കുകയും സാധൂകരിക്കുകയും വിലയിരുത്തുകയും ചെയ്തു. 80% രോഗികളുടെ റാൻഡം സാമ്പിളിലെ ഡാറ്റ ഒരു പരിശീലന സെറ്റായും ബാക്കി 20% ഒരു ടെസ്റ്റിംഗ് അല്ലെങ്കിൽ മൂല്യനിർണ്ണയ സെറ്റായും നൽകി.

ശരാശരി 50 വയസ്സ് പ്രായമുള്ള 481 രോഗികളിൽ മൊത്തം 694 ഇംപ്ലാന്റ് അധിഷ്ഠിത സ്തന പുനർനിർമ്മാണത്തെക്കുറിച്ചുള്ള ഡാറ്റ ഉപയോഗിച്ചാണ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സമീപനം വികസിപ്പിച്ചെടുത്തത്. 16 മാസത്തെ ശരാശരി ഫോളോ-അപ്പിൽ, 16.3% പുനർനിർമ്മാണങ്ങളിൽ പെരിപ്രോസ്തറ്റിക് അണുബാധ വികസിച്ചു, എക്സ്പ്ലാന്റേഷൻ നിരക്ക് 11.8%.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ സങ്കീർണ്ണമായ അപകടസാധ്യതകൾ പ്രവചിക്കുന്നതിൽ കൃത്യത വർദ്ധിപ്പിക്കുന്നു

പെരിപ്രോസ്തറ്റിക് അണുബാധയ്ക്ക്, പ്രവചന കൃത്യത 67% മുതൽ 83% വരെയായിരുന്നു, ഒരു “റാൻഡം ഫോറസ്റ്റ്” അൽഗോരിതം ഏറ്റവും കൃത്യമാണ്. ഈ മോഡൽ ഒൻപത് പ്രവചന ഘടകങ്ങൾ തിരിച്ചറിഞ്ഞു; ഉയർന്ന ബോഡി മാസ് സൂചിക (ബിഎംഐ), വാർദ്ധക്യം, ശസ്ത്രക്രിയാനന്തര റേഡിയേഷൻ തെറാപ്പി എന്നിവയാണ് ഏറ്റവും ശക്തമായ പ്രവചനങ്ങൾ.

എക്സ്പ്ലാന്റേഷനായി, കൃത്യത 64% മുതൽ 84% വരെയായിരുന്നു, ഇത് “എക്സ്ട്രീം ഗ്രേഡിയന്റ് ബൂസ്റ്റിംഗ്” അൽഗോരിതം ഉപയോഗിച്ച് ഏറ്റവും ഉയർന്നതാണ്. ഈ സമീപനം രോഗിയുടെ സ്വഭാവസവിശേഷതകൾ (ഉയർന്ന ബിഎംഐ, വാർദ്ധക്യം), ശസ്ത്രക്രിയാ സവിശേഷതകൾ (ഇംപ്ലാന്റ് സ്ഥാനവും ചില ബയോ മെറ്റീരിയലുകളുടെ ഉപയോഗവും), കാൻസർ ചികിത്സാ വേരിയബിളുകൾ (ശസ്ത്രക്രിയാനന്തര റേഡിയേഷൻ അല്ലെങ്കിൽ കീമോതെറാപ്പി) എന്നിവയുൾപ്പെടെ 12 പ്രധാന പ്രവചകരെ തിരിച്ചറിഞ്ഞു.

രണ്ട് ഫലങ്ങൾക്കും, അണുബാധയും എക്സ്പ്ലാന്റേഷനും പ്രവചിക്കുന്നതിൽ മെഷീൻ ലേണിംഗ് അൽഗോരിതം ഒരു സ്റ്റാൻഡേർഡ് സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിനേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവച്ചു – ബ്രെസ്റ്റ് റീകൺസ്ട്രക്ഷൻ റിസ്ക് അസസ്മെന്റ് അല്ലെങ്കിൽ “ബിആർഎ സ്കോർ”. 0.5 മുതൽ 1.0 വരെയുള്ള കർവിന് കീഴിലുള്ള പ്രദേശം (എയുസി) പ്രവചന മോഡലുകളുടെ മൊത്തത്തിലുള്ള പ്രകടനം നിർണ്ണയിക്കുന്നു, 1.0 ന്റെ മൂല്യങ്ങൾ “തികഞ്ഞ വിവേചനത്തെ” സൂചിപ്പിക്കുന്നു, അതേസമയം 0.5 ന്റെ മൂല്യം പ്രവചന മൂല്യം അർത്ഥമാക്കുന്നില്ല. മെഷീൻ ലേണിംഗ് മോഡലുകളുമായുള്ള അണുബാധയുടെ പ്രവചനം ബിആർഎ സ്കോർ ഉപയോഗിച്ചുള്ള മുൻ പഠനങ്ങളിൽ 0.60 ൽ താഴെയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ എയുസി 0.73 ഉം എക്സ്പ്ലാന്റേഷന് 0.78 ഉം കാണിച്ചു.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളുടെ ഒരു പ്രധാന നേട്ടം അവർ കൂടുതൽ പ്രവചന വേരിയബിളുകൾ തിരിച്ചറിഞ്ഞു എന്നതാണ്: അണുബാധയുടെ ഒമ്പത് പ്രവചനങ്ങളും എക്സ്പ്ലാന്റേഷന്റെ 12 പ്രവചനങ്ങളും, സ്റ്റാൻഡേർഡ് സ്റ്റാറ്റിസ്റ്റിക്കൽ (മൾട്ടിവെരിയബിൾ) വിശകലനത്തിനായി വെറും രണ്ടെണ്ണം. “ഇത് സ്തന പുനർനിർമ്മാണത്തിന് വിധേയരായ രോഗികളിൽ ഫലങ്ങളെ പ്രതികൂലമായി ബാധിക്കുന്ന ഘടകങ്ങളെക്കുറിച്ച് വിശാലവും ശക്തവുമായ ധാരണ നൽകുന്നു, കൂടാതെ രോഗ പ്രക്രിയകൾ നന്നായി മനസിലാക്കുന്നതിനും ഒന്നിലധികം കോമോർബിഡിറ്റികളുള്ള രോഗികൾക്ക് കൃത്യമായ അപകടസാധ്യത പ്രവചനം നൽകുന്നതിനും ഭാവി ഗവേഷണത്തെ നയിക്കാൻ സഹായിക്കും,” ഡോക്ടർമാരായ ബട്ട്ലറും ഹസനും പറയുന്നു.

മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ചുള്ള അപകടസാധ്യത പ്രവചനം “തികഞ്ഞതല്ല” എന്ന് ഗവേഷകർ ഊന്നിപ്പറയുന്നു- പക്ഷേ “കൂടുതൽ ക്ലിനിക്കൽ പ്രസക്തമായ വേരിയബിളുകൾ ഉൾപ്പെടുത്തുന്നതിലൂടെ മെച്ചപ്പെടുത്താം.” ഡോ. ബട്ട്ലറും സഹ-രചയിതാക്കളും നിഗമനം ചെയ്യുന്നു: “പ്ലാസ്റ്റിക് സർജറി മേഖലയെ പുനർനിർമ്മിക്കാനും മോശം ഫലങ്ങളിലേക്ക് നയിക്കുന്ന ഘടകങ്ങളെ കൂടുതൽ കൃത്യതയോടെയും കൃത്യമായും തിരിച്ചറിയുന്നതിലൂടെ കാൻസർ രോഗികളുടെ പരിചരണത്തിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് കഴിവുണ്ട്.”

കൂടുതൽ വിവരങ്ങൾക്ക്: അബ്ബാസ് എം ഹസ്സനും മറ്റുള്ളവരും, ഇംപ്ലാന്റ് അധിഷ്ഠിത പുനർനിർമ്മാണം, പ്ലാസ്റ്റിക് & പുനർനിർമ്മാണ ശസ്ത്രക്രിയ (2023) എന്നിവയെത്തുടർന്ന് പെരിപ്രോസ്തറ്റിക് അണുബാധയും എക്സ്പ്ലാന്റേഷനും പ്രവചിക്കുന്നതിനുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലിംഗ്. DOI: 10.1097/PRS.000000000000010345 ജേണൽ വിവരങ്ങൾ: പ്ലാസ്റ്റിക് ആൻഡ് റീകൺസ്ട്രക്റ്റീവ് സർജറി