কার্ডিয়াক কন্ডাক্টেন্স লাইনের গুরুত্বপূর্ণ ব্যবহার

কার্ডিওভাসকুলার ডিজিজ চীনে মৃত্যুর এক নম্বর কারণ, যেখানে প্রতি বছর কেন্দ্রীয় উৎস থেকে আকস্মিক মৃত্যুর 544টিরও বেশি,000 ঘটনা ঘটে এবং জীবনযাত্রার পরিবর্তন এবং জনসংখ্যার বার্ধক্যের সাথে এর ঘটনা বাড়ছে .

আকস্মিক কার্ডিয়াক ডেথ (SCD) হল হৃদরোগের কারণে একটি অপ্রত্যাশিত মৃত্যু, সাধারণত হৃদরোগের লক্ষণ শুরু হওয়ার এক ঘন্টার মধ্যে ঘটে, হঠাৎ করে চেতনা হারানো, হৃৎপিণ্ডের কার্যকলাপ হঠাৎ বন্ধ হয়ে যাওয়া এবং হেমোডাইনামিক ব্যর্থতা দ্বারা চিহ্নিত করা হয়, সাধারণত ক্রমাগত ভেন্ট্রিকুলার টাকাইকার্ডিয়ার কারণে। বা ভেন্ট্রিকুলার ফাইব্রিলেশন।

অতএব, এসসিডির উচ্চ ঝুঁকিতে থাকা ব্যক্তিদের সনাক্ত করা রোগ প্রতিরোধে অনেক দূর যেতে পারে।

একটি ইলেক্ট্রোকার্ডিওগ্রাম (ইসিজি) হৃৎপিণ্ডের বৈদ্যুতিক ক্রিয়াকলাপ সনাক্ত করার জন্য একটি বহুল ব্যবহৃত পদ্ধতি, এবং সাধারণ ক্লিনিকাল স্ট্যান্ডার্ড একটি 12-লিড ইসিজি ব্যবহার করে রোগীর হৃদরোগের স্বাস্থ্যের মূল্যায়ন করার জন্য৷ রোগীর দেহের সাথে সংযোগকারী একটি মূল উপাদান ইলেক্ট্রোকার্ডিওগ্রাম যন্ত্র, কার্ডিয়াক কন্ডাক্টেন্স তার ইলেক্ট্রোকার্ডিওগ্রাম সিগন্যালের গুণমানে গুরুত্বপূর্ণ ভূমিকা পালন করে।

কমিউনিকেশনস মেডিসিনে প্রকাশিত একটি নতুন গবেষণা অনুসারে, বিশ্বের শীর্ষস্থানীয় বৈজ্ঞানিক জার্নালগুলির মধ্যে একটি, এসসিডি ঝুঁকির মূল্যায়নের জন্য ইসিজি-ভিত্তিক ডিপ লার্নিং মডেল প্রচলিত ECG ঝুঁকি মডেলের তুলনায় নিয়ন্ত্রণ গ্রুপ থেকে SCD কেসগুলিকে আরও সঠিকভাবে আলাদা করতে পারে৷ এটি চিকিত্সকদের সাহায্য করবে৷ স্ক্রীন করুন এবং SCD-এর জন্য উচ্চ ঝুঁকিতে থাকা লোকেদের সনাক্ত করুন, যাতে SCD ঘটতে না পারে সে জন্য তাদের নিয়মিত পরীক্ষা করা যেতে পারে।

দলটি দুটি ভৌগলিকভাবে স্বাধীন, সম্ভাব্য, সম্প্রদায়-ভিত্তিক চলমান হাসপাতালের বাইরের SCD গবেষণা থেকে ডেটা ব্যবহার করেছে, যার মোট নমুনা 2,510 SCD কেস রয়েছে। ডিপ লার্নিং (DL) মডেলগুলি 1796 SCD সাডেন অ্যাকসিডেন্টাল ডেথ স্টাডি ডেটাতে ওরেগন, মার্কিন যুক্তরাষ্ট্র (ওরেগন SUDS) থেকে প্রশিক্ষিত, যাচাই করা এবং পরীক্ষা করা হয়েছিল এবং ক্যালিফুরা কাউন্টির বহু-জাতিগত সম্প্রদায়ের 714টি আকস্মিক মৃত্যুর পূর্বাভাস স্টাডি ডেটাতে বাহ্যিকভাবে যাচাই করা হয়েছিল (ভেন্টুরা প্রেস্টো)। বিশ্রাম 12-বিশ্লেষণের জন্য উপলব্ধ সীসা ইলেক্ট্রোকার্ডিওগ্রামের সমস্ত ক্ষেত্রে, যেগুলি SCD-এর আগে রেকর্ড করা হয়েছিল এবং SCD ইভেন্টগুলির সাথে যুক্ত ছিল না, গবেষণায় অন্তর্ভুক্ত করা হয়েছিল, পেসিং রিদম, অ্যাট্রিয়াল ফাইব্রিলেশন বা অ্যাট্রিয়াল ফ্লাটার সহ ইসিজি বাদ দিয়ে একটি DL মডেল তৈরি করুন যা সাইনাস রিদম ইলেক্ট্রোকার্ডিওগ্রামে প্রয়োগ করা যেতে পারে।

দলটি একটি কনভোলিউশনাল নিউরাল নেটওয়ার্ক মডেল তৈরি করেছে যা 12-লিড ইসিজি ওয়েভফর্ম ব্যবহার করে SCD কেস সনাক্ত করতে সক্ষম। গবেষকরা 1,325 জন ব্যক্তির কাছ থেকে 1,342 ইলেক্ট্রোকার্ডিওগ্রাম থেকে দুটি স্বাধীন নিয়ন্ত্রণ নমুনা পেয়েছেন যাদের অন্তত 50 শতাংশ করোনারি ধমনী রোগ ছিল। তারা ওরেগন SUDS থেকে 1076 SCD কেস এবং 1,101 12- কার্ডিয়াক অ্যারেস্টের আগে লীড ইসিজি, কন্ট্রোল গ্রুপ থেকে 597 SCD কেস এবং 613 12-লিড ইসিজি ব্যবহার করে মডেলটিকে প্রশিক্ষণ দিয়েছে৷ মডেল প্রশিক্ষণ কখন বন্ধ করতে হবে তা নির্ধারণ করতে 366টি প্রাক-কার্ডিয়াক অ্যারেস্ট ইসিজি এবং 200টি নিয়ন্ত্রণ ইসিজি সমন্বিত একটি পৃথক বৈধতা দল ব্যবহার করা হয়েছিল। অধ্যয়নের নমুনাগুলি রোগীর স্তর দ্বারা বিভক্ত করা হয়েছিল যাতে একই রোগীর একাধিক ইলেক্ট্রোকার্ডিওগ্রাম একই দলে অন্তর্ভুক্ত করা যেতে পারে।

প্রথাগত ECG মডেলের সাথে তুলনা করে, {{0}} সীসা ইসিজি ওয়েভফর্মের উপর ভিত্তি করে ডিএল মডেলটি 0-এর অভ্যন্তরীণ কোহর্ট AUROC (একটি নিউরাল নেটওয়ার্ক মূল্যায়ন পরিমাপ) সহ SCD কেস সনাক্তকরণে আরও সঠিক ছিল। 889 এবং 0.820 এর একটি বাহ্যিকভাবে বৈধ AUROC, এবং এটি প্রথাগত ECG ঝুঁকি স্কোরের চেয়ে ভাল ছিল। এটিই প্রথম রিপোর্ট যে একটি ECG-ভিত্তিক DL মডেল কমিউনিটি স্তরে হাসপাতালের বাইরে SCD পূর্বাভাস দেওয়ার ক্ষেত্রে ঐতিহ্যগত ECG ঝুঁকি মডেলগুলিকে ছাড়িয়ে যায়।