సాధారణ ECGలో వెంటనే కనిపించని గుండె పనితీరు సమస్యల గురించి AI హెచ్చరించగలదా? 22,641 మందిపై జరిగిన Mayo Clinic అధ్యయనం ఏం చెబుతోంది?
ఒకసారి ఊహించుకోండి. సాధారణ వైద్య పరీక్షలో భాగంగా ఒక వ్యక్తికి ECG తీశారు. ఆయనకు తీవ్రమైన గుండె సమస్య ఉన్నట్లు అప్పటివరకు నిర్ధారణ కాలేదు. కానీ ఆ ECGలోనే గుండె పంపింగ్ సామర్థ్యం తగ్గి ఉండవచ్చనే చిన్న సంకేతాలు దాగి ఉంటే?
వైద్యుడు వాటిని పరిశీలించడానికి ఒక AI వ్యవస్థ సహాయపడితే, అవసరమైన వ్యక్తికి మరింత స్పష్టత ఇచ్చే పరీక్షను త్వరగా సూచించవచ్చా?
ఇది భవిష్యత్తు కథ కాదు. అమెరికాలోని Mayo Clinic పరిశోధకులు నిర్వహించిన EAGLE అనే పెద్ద క్లినికల్ ట్రయల్ ఈ ప్రశ్నకు సమాధానం వెతికింది. ఫలితాలు ఆసక్తికరమైనవే. అయితే AI నిజంగా ఏం గుర్తించిందో అర్థం చేసుకుంటేనే ఈ పరిశోధన విలువ తెలుస్తుంది.
మొదట ECG ఏం చూపిస్తుంది?
ECG (Electrocardiogram) అనేది గుండె విద్యుత్ కార్యకలాపాలను నమోదు చేసే సాధారణ, నొప్పిలేని పరీక్ష. గుండె ఎంత వేగంగా కొట్టుకుంటోంది, లయ సక్రమంగా ఉందా, విద్యుత్ సంకేతాల ప్రసరణ ఎలా జరుగుతోంది వంటి వివరాలు ఇందులో కనిపిస్తాయి.
అయితే ECG ఒక Echocardiogram కాదు. Echocardiogram అనేది అల్ట్రాసౌండ్‌తో గుండె కదలికలను చూపించి, గుండె ఎంత సమర్థంగా రక్తాన్ని పంపుతోందో అంచనా వేయడానికి ఉపయోగపడుతుంది.
మరి ECGలోని విద్యుత్ సంకేతాలను ప్రత్యేకంగా శిక్షణ పొందిన AI విశ్లేషించి గుండె పంపింగ్ సామర్థ్యం తగ్గి ఉండే అవకాశాన్ని సూచించగలదా? EAGLE అధ్యయనం పరీక్షించింది ఇదే.
Ejection Fraction అంటే ఏమిటి?
గుండె ఎడమ జఠరిక ప్రతి సంకోచంలో తనలోని రక్తంలో ఎంత శాతాన్ని బయటకు పంపుతుందో తెలిపే కొలతను Left Ventricular Ejection Fraction (LVEF) అంటారు.
American Heart Association ప్రకారం 55–70% సాధారణ పరిధిగా పేర్కొంటారు. Ejection Fraction తక్కువగా ఉంటే అది గుండె పంపింగ్ సమస్యకు సంకేతం కావచ్చు. కానీ తక్కువ EF ఉన్నంత మాత్రాన ప్రతి వ్యక్తికీ ఒకే వ్యాధి ఉందని కాదు; EF సాధారణంగా ఉన్నప్పటికీ కొన్ని రకాల Heart Failure ఉండవచ్చు.
EAGLE అధ్యయనం ప్రత్యేకంగా EF 50% లేదా అంతకంటే తక్కువ ఉన్నట్లు కొత్తగా నిర్ధారణ అయ్యే పరిస్థితిని పరిశీలించింది. ఇది గుండెపోటును ముందే అంచనా వేసే అధ్యయనం కాదు.
22,641 మందితో జరిగిన EAGLE అధ్యయనం
2021లో Nature Medicineలో ప్రచురితమైన ఈ randomized clinical trialలో 45 క్లినిక్‌లు లేదా ఆసుపత్రులకు చెందిన 120 ప్రాథమిక వైద్య బృందాలు పాల్గొన్నాయి.
గతంలో Heart Failure ఉన్నట్లు నిర్ధారణ కాని 22,641 మంది పెద్దలకు సాధారణ వైద్య సంరక్షణలో భాగంగా ECGలు తీశారు. ఒక గ్రూపులోని వైద్యులకు ECGపై AI విశ్లేషణ ఫలితాలు అందుబాటులో ఉంచారు. మరో గ్రూపులో వైద్యులు సాధారణ పద్ధతిలోనే సంరక్షణ అందించారు.
ప్రధానంగా పరిశీలించిన విషయం: ECG తర్వాత 90 రోజుల్లో EF ≤50% ఉన్నట్లు కొత్తగా ఎన్ని నిర్ధారణలు జరిగాయి?
ఫలితాలు ఏమి చూపించాయి?
సాధారణ వైద్యం అందుకున్న గ్రూపులో కొత్త నిర్ధారణ రేటు 1.6%. AI ఫలితాలు అందుబాటులో ఉన్న గ్రూపులో 2.1%.
అంటే తేడా 0.5 percentage point; సాపేక్షంగా కొత్త నిర్ధారణ రేటులో 32% పెరుగుదల. మరోలా చెప్పాలంటే, 1,000 మందికి సుమారు ఐదు అదనపు కొత్త నిర్ధారణలు నమోదయ్యాయి.
ఈ సంఖ్యలను అర్థం చేసుకునేటప్పుడు ఒక ముఖ్యమైన తేడా గుర్తుంచుకోవాలి: 32% పెరుగుదల అనేది వ్యాధిని కొత్తగా గుర్తించిన రేటులో వచ్చిన సాపేక్ష మార్పు; AI 32% ఎక్కువ ఖచ్చితత్వంతో పనిచేసిందని కాదు.
ఈ ఫలితం AI సహాయంతో అవసరమైన కొంతమంది వ్యక్తులు వైద్యుల దృష్టికి రావచ్చని సూచిస్తుంది. కానీ ఇది గుండె జబ్బుల వల్ల మరణాలు తగ్గాయని నిరూపించలేదు.
AI హెచ్చరిక వచ్చిన తర్వాత ఏం జరిగింది?
ఈ అధ్యయనంలో సుమారు 6% ECGలను AI అధిక సంభావ్యత ఉన్నవిగా గుర్తించింది.
AI సూచన పాజిటివ్‌గా ఉన్నవారిలో, సాధారణ గ్రూపులో 38.1% మందికి Echocardiogram జరిగింది. AI ఫలితాలు వైద్యులకు కనిపించిన గ్రూపులో అది 49.6%.
అంటే AI హెచ్చరికతో వైద్యులు కొందరికి తదుపరి పరీక్షను ఎక్కువగా సూచించారు. అయితే మొత్తం అధ్యయన జనాభాలో Echocardiogram వినియోగం రెండు గ్రూపుల్లో దాదాపు సమానంగానే ఉంది (18.2% వర్సెస్ 19.2%); ఆ తేడా గణాంకపరంగా ముఖ్యమైనది కాదు.
ఇక్కడ AI స్వయంగా తుది వ్యాధి నిర్ధారణ చేయలేదు. మరింత పరీక్ష అవసరమయ్యే వ్యక్తులను గుర్తించడానికి వైద్యులకు అదనపు సూచన ఇచ్చింది.
మరి గుండెపోటు ఎప్పుడు వస్తుందో AI చెప్పగలదా?
EAGLE అధ్యయనం ఆధారంగా అలా చెప్పలేం. గుండె పంపింగ్ సామర్థ్యం తగ్గడం, గుండెపోటు రావడం, గుండె కొట్టుకునే లయ మారడం—వేర్వేరు వైద్య సమస్యలు.
Heart Attack సాధారణంగా గుండె కండరానికి రక్త సరఫరా తగ్గడం లేదా అడ్డంకి ఏర్పడటం వల్ల వస్తుంది. తక్కువ Ejection Fraction అనేది గుండె పంపింగ్ పనితీరును సూచించే కొలత. రెండింటికీ సంబంధం ఉండవచ్చు; కానీ రెండూ ఒకటే కాదు.
ఈ అధ్యయనంలో AI అందించిన హెచ్చరిక Low Ejection Fraction సంభావ్యతకు సంబంధించినది. భవిష్యత్తులో ఒక వ్యక్తికి ఏ రోజు గుండెపోటు వస్తుందో చెప్పే పరీక్షగా దీనిని భావించకూడదు.
AI ఇచ్చిన ఫలితాన్ని పూర్తిగా నమ్మవచ్చా?
ఏ స్క్రీనింగ్ సాధనంలాగే AIకి కూడా పరిమితులు ఉన్నాయి. కొన్ని నిజమైన సమస్యలను గుర్తించకుండా వదిలేయవచ్చు; కొందరికి సమస్య లేకపోయినా అదనపు పరీక్ష అవసరమని సూచించవచ్చు.
AI వ్యవస్థ ఎంతవరకు ఉపయోగపడుతుందనేది దానికి ఇచ్చిన శిక్షణ డేటా, పరీక్ష నాణ్యత, పరీక్ష జరిగే ఆసుపత్రి, రోగుల ఆరోగ్య పరిస్థితి వంటి అంశాలపై ఆధారపడి ఉంటుంది. ఒక పరిశోధనలో వచ్చిన ఫలితాలు ప్రతి దేశం, ప్రతి ఆసుపత్రిలో ఒకేలా వస్తాయని అనుకోకూడదు.
ముఖ్యంగా EAGLE అధ్యయనంలో ఎక్కువ కొత్త నిర్ధారణలు నమోదయ్యాయి; కానీ AI వాడటం వల్ల దీర్ఘకాలంలో Heart Failure ఆసుపత్రి చేరికలు లేదా మరణాలు తగ్గుతాయని ఆ అధ్యయనం నిరూపించలేదు. అలాంటి ఫలితాల కోసం ప్రత్యేక పరిశోధనలు అవసరం.
వైద్యులను AI భర్తీ చేస్తుందా?
ఈ అధ్యయనం చూపించిన నమూనాలో కాదు. AI ఒక ప్రత్యేక ECG విశ్లేషణ ఫలితాన్ని వైద్య బృందానికి అందించింది. ఆ తర్వాత వైద్యుడు లక్షణాలు, ఇతర పరీక్షలు, వైద్య చరిత్ర, వ్యక్తిగత ప్రమాద కారకాలను కలిపి నిర్ణయం తీసుకున్నారు.
AI సరైన వ్యక్తికి సరైన సమయంలో తదుపరి పరీక్ష అందేందుకు తోడ్పడితే, దాని ఉపయోగం అక్కడే ఉంటుంది.
పాఠకుడు గుర్తుంచుకోవాల్సింది
తీవ్ర ఛాతినొప్పి లేదా ఒత్తిడి, అకస్మాత్తుగా శ్వాస తీసుకోవడంలో ఇబ్బంది, చల్లని చెమటలు, స్పృహ కోల్పోవడం వంటి లక్షణాలు ఉంటే AI ఆధారిత పరీక్ష కోసం వేచి ఉండకూడదు. వెంటనే స్థానిక అత్యవసర వైద్య సహాయం పొందాలి.
సాధారణ ఆరోగ్య సంరక్షణలో ECG, Echocardiogram లేదా ఇతర పరీక్షలు అవసరమా అన్నది వైద్యుడు నిర్ణయించాలి. ఈ పరిశోధన చదివి స్వయంగా పరీక్షలు చేసుకోవడం లేదా మందులు మార్చుకోవడం సరైంది కాదు.
చివరగా — ECGకి AI కొత్త అర్థం ఇస్తుందా?
సాధారణ ECGలోని సమాచారాన్ని ఉపయోగించి కొందరిలో గుండె పంపింగ్ సామర్థ్యం తగ్గిన సమస్యను మరింత ముందుగా గుర్తించడానికి AI సహాయపడగలదని EAGLE అధ్యయనం సూచించింది.
ఇది పెద్ద సాంకేతిక వాగ్దానం కంటే ఆచరణలో ఉపయోగపడే చిన్న, కీలకమైన మార్పు: సమస్య ఉన్నవారు గుర్తింపు లేకుండా మిగిలిపోకుండా, అవసరమైన వైద్య పరిశీలనకు చేరే అవకాశాన్ని మెరుగుపరచడం.
వైద్యరంగంలో AI భవిష్యత్తు ఎంత ఆశాజనకంగా ఉన్నా, ప్రతి పురోగతిని పరిశోధనా ఆధారాలు, భద్రత, రోగికి కలిగే వాస్తవ ప్రయోజనాల ఆధారంగానే అంచనా వేయాలి.
పరిశోధన ఆధారాలు
- Yao X, et al. Artificial intelligence–enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nature Medicine (2021): https://doi.org/10.1038/s41591-021-01335-4
- Mayo Clinic — EAGLE అధ్యయనంపై వివరణ (2021): https://newsnetwork.mayoclinic.org/discussion/trial-demonstrates-early-ai-guided-detection-of-heart-disease-in-routine-practice/
- NIH/NHLBI — Heart Tests, ECG & Echocardiography: https://www.nhlbi.nih.gov/health/heart-tests
- American Heart Association — Ejection Fraction: https://www.heart.org/en/health-topics/heart-failure/diagnosing-heart-failure/ejection-fraction-heart-failure-measurement
- American Heart Association — Heart Attack Warning Signs: https://www.heart.org/en/health-topics/heart-attack/warning-signs-of-a-heart-attack
Greenway India — సంపాదకీయ గమనిక
ప్రపంచవ్యాప్తంగా వైద్యరంగంలో చోటుచేసుకుంటున్న తాజా ఆవిష్కరణలు, శాస్త్రీయ పరిశోధనలు, సాంకేతిక పురోగతిని విశ్వసనీయ ఆధారాలతో ఎప్పటికప్పుడు మీ ముందుకు తీసుకురావడమే Greenway India ప్రధాన ఉద్దేశం.
వైద్యపరమైన గమనిక: ఈ కథనం సమాచార, అవగాహన ప్రయోజనాల కోసం మాత్రమే. ఇది వ్యక్తిగత వైద్య సలహా, వ్యాధి నిర్ధారణ లేదా చికిత్సకు ప్రత్యామ్నాయం కాదు. ఆరోగ్య పరీక్షలు, వైద్య నిర్ణయాలు లేదా చికిత్సకు సంబంధించిన విషయాల కోసం అర్హత కలిగిన వైద్య నిపుణులను సంప్రదించండి.
