ഹ്രസ്വദൃഷ്ടിയുള്ള കണ്ണുകളുടെ ദീർഘകാല ഭാവി മെഷീൻ ലേണിംഗ് പ്രവചിക്കുന്നു
പല ആരോഗ്യ അവസ്ഥകളുടെയും ഫലങ്ങൾ നന്നായി പ്രവചിക്കാൻ മെഷീൻ ലേണിംഗ് കണ്ടെത്തിയിട്ടുണ്ട്. ഇപ്പോൾ, ജപ്പാനിൽ നിന്നുള്ള ഗവേഷകർ കടുത്ത ഹ്രസ്വദൃഷ്ടിയുള്ള ആളുകൾക്ക് ഭാവിയിൽ നല്ലതോ ചീത്തയോ ആയ കാഴ്ചയുണ്ടാകുമോ എന്ന് പ്രവചിക്കാൻ ഒരു മാർഗം കണ്ടെത്തി.
ജാമ ഒഫ്താൽമോളജിയിൽ അടുത്തിടെ പ്രസിദ്ധീകരിച്ച ഒരു പഠനത്തിൽ, ടോക്കിയോ മെഡിക്കൽ ആൻഡ് ഡെന്റൽ യൂണിവേഴ്സിറ്റിയിലെ (ടിഎംഡിയു) ഗവേഷകർ പ്രവചിക്കാൻ നന്നായി പ്രവർത്തിക്കുന്ന ഒരു മെഷീൻ ലേണിംഗ് മോഡൽ വികസിപ്പിച്ചെടുത്തു. ദൃശ്യവൽക്കരണവും-; ദീർഘകാലാടിസ്ഥാനത്തിൽ കാഴ്ച വൈകല്യത്തിന്റെ അപകടസാധ്യത.
അങ്ങേയറ്റം ഹ്രസ്വദൃഷ്ടിയുള്ള ആളുകൾക്ക് (ഹൈ മയോപിയ എന്ന് വിളിക്കുന്നു) തങ്ങൾക്ക് അടുത്തുള്ള വസ്തുക്കളെ വ്യക്തമായി കാണാൻ കഴിയും, പക്ഷേ അകലെയുള്ള വസ്തുക്കളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയില്ല. അവരുടെ കാഴ്ച ശരിയാക്കാൻ കോൺടാക്റ്റുകൾ, ഗ്ലാസുകൾ അല്ലെങ്കിൽ ശസ്ത്രക്രിയ എന്നിവ ഉപയോഗിക്കാം, പക്ഷേ ഉയർന്ന മയോപിയ ഉണ്ടാകുന്നത് അസൗകര്യം മാത്രമല്ല; പകുതി സമയവും ഇത് പാത്തോളജിക് മയോപിയ എന്ന അവസ്ഥയിലേക്ക് നയിക്കുന്നു, പാത്തോളജിക് മയോപിയയിൽ നിന്നുള്ള സങ്കീർണതകളാണ് അന്ധതയുടെ പ്രധാന കാരണങ്ങൾ.
മയോപിയയിലെ മാറ്റങ്ങളും സങ്കീർണതകളും തിരിച്ചറിയുന്നത് പോലുള്ള ജോലികളിൽ മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ നന്നായി പ്രവർത്തിക്കുന്നുവെന്ന് ഞങ്ങൾക്കറിയാം, പക്ഷേ ഈ പഠനത്തിൽ, വ്യത്യസ്തമായ എന്തെങ്കിലും അന്വേഷിക്കാൻ ഞങ്ങൾ ആഗ്രഹിച്ചു, അതായത് ദീർഘകാല പ്രവചനങ്ങളിൽ ഈ അൽഗോരിതങ്ങൾ എത്ര മികച്ചതാണ്. പഠനത്തിന്റെ പ്രധാന രചയിതാവ് യിനിംഗ് വാങ്
ഇത് ചെയ്യുന്നതിനായി, ടീം ഒരു കോഹോർട്ട് പഠനം നടത്തുകയും 3, 5 വർഷങ്ങൾ കടന്നുപോയ ശേഷം ടിഡിഎംയുവിന്റെ അഡ്വാൻസ്ഡ് ക്ലിനിക്കൽ സെന്റർ ഫോർ മയോപിയയിലെ 967 ജാപ്പനീസ് രോഗികളുടെ കാഴ്ച ശക്തി പരിശോധിക്കുകയും ചെയ്തു. പ്രായം, നിലവിലെ വിഷ്വൽ അക്വിറ്റി, കോർണിയയുടെ വ്യാസം എന്നിവ പോലുള്ള നേത്ര പരിശോധനയ്ക്കിടെ സാധാരണയായി ശേഖരിക്കുന്ന 34 വേരിയബിളുകളിൽ നിന്ന് അവർ ഒരു ഡാറ്റാസെറ്റ് രൂപീകരിച്ചു. റാൻഡം ഫോറസ്റ്റ്, സപ്പോർട്ട് വെക്റ്റർ മെഷീനുകൾ തുടങ്ങിയ നിരവധി ജനപ്രിയ മെഷീൻ ലേണിംഗ് മോഡലുകൾ അവർ പരീക്ഷിച്ചു. ഈ മോഡലുകളിൽ, ലോജിസ്റ്റിക് റിഗ്രഷൻ അധിഷ്ഠിത മോഡൽ 5 വർഷത്തിൽ കാഴ്ച വൈകല്യം പ്രവചിക്കുന്നതിൽ ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവച്ചു.
എന്നിരുന്നാലും, ഫലങ്ങൾ പ്രവചിക്കുന്നത് കഥയുടെ ഒരു ഭാഗം മാത്രമാണ്. “രോഗികൾക്ക് മനസ്സിലാക്കാൻ എളുപ്പമുള്ളതും ക്ലിനിക്കൽ തീരുമാനങ്ങൾ എടുക്കുന്നതിന് സൗകര്യപ്രദവുമായ രീതിയിൽ മോഡലിന്റെ ഔട്ട്പുട്ട് അവതരിപ്പിക്കേണ്ടത് പ്രധാനമാണ്,” മുതിർന്ന രചയിതാവ് ക്യോകോ ഓഹ്നോ-മാറ്റ്സുയി പറയുന്നു. ഇത് ചെയ്യാൻ, വർഗ്ഗീകരണ മോഡൽ ദൃശ്യവൽക്കരിക്കാൻ ഗവേഷകർ ഒരു നോമോഗ്രാം ഉപയോഗിച്ചു. വിഷ്വൽ അക്വിറ്റി പ്രവചിക്കുന്നതിന് ഇത് എത്ര പ്രധാനമാണെന്ന് സൂചിപ്പിക്കുന്ന നീളമുള്ള ഒരു രേഖ ഓരോ വേരിയബിളിനും നൽകിയിരിക്കുന്നു. ഭാവിയിൽ കാഴ്ച വൈകല്യത്തിന്റെ അപകടസാധ്യത വിശദീകരിക്കുന്ന അന്തിമ സ്കോർ നേടുന്നതിന് ഈ നീളങ്ങൾ പോയിന്റുകളായി പരിവർത്തനം ചെയ്യാൻ കഴിയും.
സ്ഥിരമായി കാഴ്ച നഷ്ടപ്പെടുന്ന ആളുകൾ പലപ്പോഴും സ്വാതന്ത്ര്യം നഷ്ടപ്പെടുന്നതിന്റെ ഫലമായി സാമ്പത്തികമായും ശാരീരികമായും കഷ്ടപ്പെടുന്നു. കടുത്ത കാഴ്ച വൈകല്യം മൂലമുണ്ടായ ആഗോള ഉൽപാദനക്ഷമതയിലെ കുറവ് 2019 ൽ 94.5 ബില്യൺ യുഎസ് ഡോളറാണെന്ന് കണക്കാക്കപ്പെടുന്നു. ഈ മോഡൽ ഇപ്പോഴും വിശാലമായ ജനസംഖ്യയിൽ വിലയിരുത്തേണ്ടതുണ്ടെങ്കിലും, ഈ വർദ്ധിച്ചുവരുന്ന പ്രധാനപ്പെട്ട പൊതുജനാരോഗ്യ ആശങ്കയെ അഭിസംബോധന ചെയ്യാൻ സഹായിക്കുന്നതിന് മെഷീൻ ലേണിംഗ് മോഡലുകൾക്ക് നല്ല സാധ്യതയുണ്ടെന്ന് ഈ പഠനം തെളിയിച്ചിട്ടുണ്ട്, ഇത് വ്യക്തികൾക്കും സമൂഹത്തിനും മൊത്തത്തിൽ ഗുണം ചെയ്യും.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
