ആർക്കാണ് ശ്വാസകോശ അർബുദ സ്ക്രീനിംഗ് ആവശ്യമെന്ന് തിരിച്ചറിയാൻ മെഷീൻ ലേണിംഗ് മോഡലിന് കഴിയും
ആളുകളുടെ പ്രായം, പുകവലി ദൈർഘ്യം, പ്രതിദിനം പുകവലിക്കുന്ന സിഗരറ്റുകളുടെ എണ്ണം എന്നിവയെക്കുറിച്ചുള്ള ഡാറ്റ മാത്രം ഉൾക്കൊള്ളുന്ന ഒരു മെഷീൻ ലേണിംഗ് മോഡലിന് ശ്വാസകോശ അർബുദ സാധ്യത പ്രവചിക്കാനും ശ്വാസകോശ അർബുദ സ്ക്രീനിംഗ് ആവശ്യമുള്ളവരെ തിരിച്ചറിയാനും കഴിയുമെന്ന് യുകെയിലെ യൂണിവേഴ്സിറ്റി കോളേജ് ലണ്ടനിലെ തോമസ് കാലെൻഡർ ഒക്ടോബർ 3 ന് പ്രസിദ്ധീകരിച്ച ഓപ്പൺ ആക്സസ് ജേണലായ പിഎൽഒഎസ് മെഡിസിനിൽ പ്രസിദ്ധീകരിച്ച ഒരു പുതിയ പഠനത്തിൽ പറയുന്നു. സഹപ്രവർത്തകരും.
ലോകമെമ്പാടുമുള്ള കാൻസർ മരണത്തിന്റെ ഏറ്റവും സാധാരണമായ കാരണം ശ്വാസകോശ അർബുദമാണ്, നേരത്തെയുള്ള രോഗനിർണയത്തിന്റെ അഭാവത്തിൽ നിലനിൽപ്പ് കുറവാണ്. ഉയർന്ന അപകടസാധ്യതയുള്ളവരിൽ ശ്വാസകോശ അർബുദത്തിനായുള്ള സ്ക്രീനിംഗ് ശ്വാസകോശ അർബുദ മരണങ്ങൾ നാലിലൊന്നായി കുറയ്ക്കും, പക്ഷേ ഉയർന്ന അപകടസാധ്യതയുള്ള ജനസംഖ്യ നിർണ്ണയിക്കുന്നതിനുള്ള അനുയോജ്യമായ മാർഗം വ്യക്തമല്ല. ശ്വാസകോശ അർബുദ സാധ്യതയുടെ നിലവിലെ സ്റ്റാൻഡേർഡ്-ഓഫ്-കെയർ മോഡലിന് 17 വേരിയബിളുകൾ ആവശ്യമാണ്, അവയിൽ ചിലത് ഇലക്ട്രോണിക് ഹെൽത്ത് റെക്കോർഡുകളിൽ പതിവായി ലഭ്യമാണ്.
പുതിയ പഠനത്തിൽ, ശ്വാസകോശ അർബുദ സാധ്യതയുടെ പുതിയ മോഡലുകൾ വികസിപ്പിക്കുന്നതിനായി ഗവേഷകർ യുകെ ബയോബാങ്ക് കോഹോർട്ടിൽ നിന്നുള്ള 216,714 പുകവലിക്കാരുടെയും യുഎസ് നാഷണൽ ലംഗ് സ്ക്രീനിംഗ് ട്രയലിൽ പങ്കെടുത്ത 26,616 എക്കാലത്തെയും പുകവലിക്കാരുടെയും ഡാറ്റ ഉപയോഗിച്ചു.
ഒരു മെഷീൻ ലേണിംഗ് മോഡൽ മൂന്ന് പ്രവചനങ്ങൾ ഉപയോഗിച്ചു -; പ്രായം, പുകവലി ദൈർഘ്യം, പായ്ക്ക് വർഷങ്ങൾ -; അടുത്ത അഞ്ച് വർഷത്തിനുള്ളിൽ ശ്വാസകോശ അർബുദം വരാനും ശ്വാസകോശ അർബുദം ബാധിച്ച് മരിക്കാനുമുള്ള ആളുകളുടെ സാധ്യതകൾ കണക്കാക്കാൻ. യുഎസ് പ്രോസ്റ്റേറ്റ്, ശ്വാസകോശം, വൻകുടൽ, അണ്ഡാശയ സ്ക്രീനിംഗ് ട്രയലിൽ നിന്നുള്ള മൂന്നാമത്തെ സെറ്റ് ഡാറ്റയിലാണ് ഗവേഷകർ പുതിയ മോഡൽ പരീക്ഷിച്ചത്. 83.9% സംവേദനക്ഷമതയുള്ള ശ്വാസകോശ അർബുദവും 85.5% സംവേദനക്ഷമതയുള്ള ശ്വാസകോശ അർബുദ മരണങ്ങളും മോഡൽ പ്രവചിച്ചു. മോഡലിന്റെ എല്ലാ പതിപ്പുകൾക്കും നിലവിൽ ഉപയോഗിക്കുന്ന റിസ്ക് പ്രവചന സൂത്രവാക്യങ്ങളേക്കാൾ ഉയർന്ന സംവേദനക്ഷമത ഉണ്ടായിരുന്നു.
“ശ്വാസകോശ അർബുദം വരാനുള്ള സാധ്യത കൂടുതലുള്ളവർക്കുള്ള സ്ക്രീനിംഗ് ജീവൻ രക്ഷിക്കുമെന്ന് ഞങ്ങൾക്കറിയാം. മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ച്, ഉയർന്ന അപകടസാധ്യതയുള്ളവർ ആരാണെന്ന് ഞങ്ങൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ഗണ്യമായി ലളിതമാക്കാൻ ഞങ്ങൾക്ക് കഴിഞ്ഞു, പല രോഗങ്ങളും നേരത്തെ കണ്ടെത്തുന്നതിന് വ്യക്തിഗത സ്ക്രീനിംഗ് വ്യാപകമായി നടപ്പാക്കുന്നതിനുള്ള ദിശയിൽ ആവേശകരമായ ഒരു സമീപനം അവതരിപ്പിക്കുന്നു.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
