AI Detects Gallbladder Cancer: एआय अचूकपणे शोधतंय पित्ताशयाचा कर्करोग- अभ्यास

रेडिओलॉजिस्टच्या (Radiologists) तुलनेत पित्ताशयाचा कर्करोग शोधण्यात कृत्रिम बुद्धिमत्ता (Artificial Intelligence) आधारित पध्दती अधिक सक्षम असल्याचे पुढे आले आहे.

Artificial Intelligence | Representational Image | (Photo Credits: Pixabay)

रेडिओलॉजिस्टच्या (Radiologists) तुलनेत पित्ताशयाचा कर्करोग शोधण्यात कृत्रिम बुद्धिमत्ता (Artificial Intelligence) आधारित पध्दती अधिक सक्षम असल्याचे पुढे आले आहे. चंदीगडमधील (Chandigarh) हॉस्पिटलमध्ये करण्यात आलेला एक अभ्यास द लॅन्सेट रिजनल हेल्थ साउथईस्ट एशिया जर्नलमध्ये (Southeast Asia journal Southeast Asia Journal) प्रकाशित झाला आहे. द लॅन्सेट हे रिजनल साउथाईस्ट जर्नलमध्ये प्रकाशित झालेल्या माहितीनुसार, पित्ताशयाचा कर्करोग (GBC) हा एक अत्यंत आक्रमक घातक आजार आहे. ज्यामध्ये तपासणी करणे अत्यंत किचकट असते. या आजारामध्ये उपचार आणि आजाराचे अचूक निदान वेळीच झाले नाही तर रुग्ण दगावण्याची शक्यता मोठ्या प्रमाणावर असते. त्यामुळे या आजाराचे निदान वेळेत होणे अतिशय महत्त्वाचे ठरते.

चंदीगडमधील पोस्ट ग्रॅज्युएट इन्स्टिट्यूट ऑफ मेडिकल एज्युकेशन अँड रिसर्च (PGIMER) आणि इंडियन इन्स्टिटय़ूट ऑफ टेक्नॉलॉजी (IIT), नवी दिल्ली येथील टीमचे उद्दिष्ट साध्य करण्यासाठी ऑगस्ट 2019 आणि जून 2021 दरम्यान प्राप्त केलेल्या पित्ताशयाच्या जखम असलेल्या रुग्णांच्या पोटातील आजाराचे निदान करण्यसाठी अल्ट्रासाऊंड डेटाचा वापर केला गेला. दरम्यान, 233 रुग्णांच्या डेटासेटवर डीप लर्निंग (DL) मॉडेलचे प्रशिक्षण देण्यात आले. 59 रुग्णांवर प्रमाणित केले गेले आणि 273 रुग्णांवर चाचणी करण्यात आली.

डीप लर्निंग ही एआय मधील एक पद्धत आहे. जी संगणकांना मानवी मेंदूद्वारे प्रेरित पद्धतीने डेटावर प्रक्रिया करण्यास शिकवते. DL मॉडेलच्या कार्यक्षमतेचे मूल्यमापन संवेदनशीलता, विशिष्टता आणि रिसीव्हर ऑपरेटिंग वैशिष्ट्यपूर्ण वक्र (AUC) अंतर्गत क्षेत्राच्या दृष्टीने केले गेले. जे चाचण्यांची अचूकता मोजण्यासाठी, निदान करण्यासाठी मोठ्या प्रमाणावर वापरले जाते.

दोन रेडिओलॉजिस्टने अल्ट्रासाऊंड प्रतिमांचे स्वतंत्रपणे पुनरावलोकन केले आणि त्यांच्या निदान कार्यक्षमतेची तुलना DL मॉडेलशी केली.

अभ्यासात पुढे आलेल्या माहितीनुसार, चाचणी सेटमध्ये, डीएल मॉडेलची संवेदनशीलता 92.3 टक्के, विशिष्टता 74.4 टक्के आणि जीबीसी शोधण्यासाठी 0.887 एयूसी होती, जी दोन्ही रेडिओलॉजिस्टशी तुलना करता येते. DL-आधारित पध्दतीने दगड, आकुंचन पावलेले पित्ताशय, लहान घाव आकार (10 मिमी पेक्षा कमी) आणि मानेचे विकृती यांच्या उपस्थितीत GBC शोधण्यासाठी उच्च संवेदनशीलता आणि AUC दर्शविले, जे रेडिओलॉजिस्टच्या तुलनेत देखील होते, संशोधकांनी सांगितले.