पार्किंसन रोग का निदान होने से 7 साल पहले तक eye scan से संकेतों की पहचान

 (moorfields.nhs.uk)
2 पॉइंट द्वारा GN⁺ 2023-08-24 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Moorfields Eye Hospital और UCL Institute of Ophthalmology की रिसर्च टीम ने रेटिना images में पार्किंसन रोग से जुड़े markers खोजे, और दिखाया कि इन्हें clinical onset से औसतन 7 साल पहले भी पहचाना जा सकता है
  • AI analysis के जरिए AlzEye dataset के नतीजों को बड़े UK Biobank database में दोहराया गया, और 0.1~0.2% जैसी कम prevalence वाली स्थिति में भी सूक्ष्म markers की पुष्टि की गई
  • मुख्य टेस्ट OCT एक non-invasive eye exam है, जो 1 मिनट से कम समय में रेटिना की cross-sectional images बनाता है और 1/1000mm स्तर की detail देता है
  • अभी इसे व्यक्तिगत स्तर पर पार्किंसन रोग की शुरुआत की भविष्यवाणी के लिए इस्तेमाल करना मुश्किल है, लेकिन risk groups खोजने वाले pre-screening tool के रूप में विकसित होने की संभावना है
  • OCT brain scan की तुलना में तेज, सस्ता और ज्यादा scalable है, इसलिए व्यापक आबादी में imaging tests भविष्य में predictive analysis तक ले जा सकते हैं

रेटिना images में पहचाने गए पार्किंसन रोग के markers

  • Moorfields Eye Hospital और UCL Institute of Ophthalmology के Siegfried Wagner और Pearse Keane के नेतृत्व वाली टीम ने पार्किंसन रोगियों में clinical onset से औसतन 7 साल पहले दिखने वाले markers की पहचान की
  • ये नतीजे पार्किंसन रोग की retinal imaging पर अब तक की सबसे बड़ी study से आए हैं, और इन्हें diagnosis से कई साल पहले ऐसे findings दिखाने वाला पहला मामला बताया गया है
  • Study American Academy of Neurology के medical journal Neurology® में प्रकाशित हुई

Dataset और analysis का तरीका

  • रिसर्च टीम ने AI की मदद से eye scans में पार्किंसन रोग के markers खोजे
  • AlzEye dataset से मिले नतीजों को बड़े UK Biobank database में दोहराया गया, और healthy volunteers के data में भी वही finding reproduce हुई
  • दो बड़े datasets को साथ इस्तेमाल कर 0.1~0.2% जैसी कम prevalence वाले पार्किंसन रोग में भी सूक्ष्म markers पहचाने जा सके
  • AlzEye dataset, retinal images और संबंधित clinical data के दुनिया के सबसे बड़े database INSIGHT के जरिए बनाया गया

OCT और oculomics की भूमिका

  • आंख को लंबे समय से शरीर के स्वास्थ्य के कई पहलुओं को सीधे दिखाने वाली खिड़की माना जाता रहा है
  • High-resolution retinal images आज eye care में routine तौर पर इस्तेमाल होती हैं, खासकर OCT नाम का 3D scan eye clinics और शहरों के opticians में व्यापक रूप से इस्तेमाल होता है
  • OCT 1 मिनट से कम समय में आंख के पीछे स्थित रेटिना का cross-section बनाता है और 1/1000mm स्तर की detail देता है
  • Retinal scan को त्वचा की सतह के नीचे cellular layers देखने की एकमात्र non-invasive विधि माना जाता है
  • Powerful computers के इस्तेमाल से बड़ी मात्रा में OCT और eye images को इंसानों द्वारा analysis में लगने वाले समय के एक छोटे हिस्से में सटीक रूप से process करना संभव हुआ
  • Machine learning का इस्तेमाल केवल eye images से पूरे शरीर की छिपी जानकारी खोजने के लिए किया जाता है, और इस research field को oculomics कहा जाता है

अन्य बीमारियों की research से संबंध

  • Eye scan data का इस्तेमाल पहले भी Alzheimer’s disease, multiple sclerosis, और हाल में schizophrenia जैसी neurodegenerative या संबंधित बीमारियों के signals खोजने में हुआ है
  • यह study उसी क्रम में पार्किंसन रोग के शुरुआती markers को retinal images में खोजने का उदाहरण है

Research collaboration और NHS data linkage

  • Research में Moorfields Eye Hospital, University Hospital Birmingham, Great Ormond Street Hospital, Oxford University Hospital, University College Hospital London, और UCL Great Ormond Street Institute of Child Health के NIHR Biomedical Research Centres ने सहयोग किया
  • Video interview के अनुसार पहला चरण Moorfields Eye Hospital आने वाले 100,000 से अधिक लोगों के eye scans को पूरे England के hospital admission national data से जोड़कर पार्किंसन रोगियों की आंखों की विशेषताएं खोजने का था
  • दूसरे चरण में UK की general population के healthy group में वही features confirm किए गए, और पाया गया कि पार्किंसन diagnosis से औसतन अधिकतम 7 साल पहले भी ये features मौजूद थे
  • Integrated healthcare provider NHS, बड़े datasets, high-performance computing infrastructure, और Moorfields व UCL की AI expertise research को अंजाम देने के लिए जरूरी थे

व्यक्तिगत prediction अभी तैयार नहीं

  • Siegfried Wagner ने कहा कि कोई व्यक्ति पार्किंसन रोग से ग्रस्त होगा या नहीं, इसका prediction करने के लिए यह अभी तैयार नहीं है
  • हालांकि उम्मीद है कि यह तरीका disease risk groups के लिए pre-screening tool बन सकेगा
  • अगर symptoms से पहले कई बीमारियों के signals खोजे जा सकें, तो लोगों को कुछ बीमारियों को रोकने के लिए lifestyle changes आजमाने का समय मिलेगा, और clinicians neurodegenerative diseases की शुरुआत और प्रभाव को धीमा कर सकेंगे

Scalability और public health में उपयोग की संभावना

  • Louisa Wickham का मानना है कि व्यापक आबादी में imaging tests बढ़ाने का भविष्य की public health पर बड़ा असर होगा, और अंततः यह predictive analysis तक ले जाएगा
  • इस उद्देश्य के लिए OCT scans brain scans की तुलना में ज्यादा scalable, non-invasive, कम लागत वाले और तेज हैं
  • संबंधित सामग्री के रूप में ITV News interview और Academic article उपलब्ध हैं

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2023-08-24
Hacker News की राय

  • असली पेपर देखना बेहतर होगा: https://n.neurology.org/content/neurology/early/2023/08/21/W...
    सबसे मजबूत संकेत दिखाने वाले मेट्रिक में भी प्रोड्रोमल Parkinson's मरीजों और control group के distribution में काफी overlap है। कुछ values लगभग Parkinson's के निर्णायक marker जैसी लगती हैं, लेकिन overlap वाले दायरे में इन्हें अकेले indicator की तरह इस्तेमाल करने पर false positive rate बढ़ जाएगी और उपयोगिता घटेगी
    Parkinson's को काफी शुरुआती चरण में एक अच्छे अनुपात में पकड़ पाने की संभावना दिखती है, लेकिन सिर्फ इसी method से false positives और false negatives दोनों को कम रखना मुश्किल लगता है। यह भी ध्यान रखना चाहिए कि press release ने अधिक conservative पेपर को उत्साहित tone में summarize किया है

    • अगर “Parkinson's को काफी शुरुआती चरण में पकड़ पाने की संभावना” है, तो lifestyle बदलावों के अलावा early intervention क्या हो सकता है, यह जानने की जिज्ञासा है
      जहां तक मुझे पता है, Parkinson's का इलाज असल में जीवनभर dopamine दवाएं लेने जैसा है, और आखिर में tolerance बन जाती है, असर घटता है और धीरे-धीरे ज्यादा dose की जरूरत पड़ती है। शुरू करते ही ऐसा लगता है जैसे दिमाग की बची हुई उम्र का countdown भी साथ शुरू हो गया हो
    • पेपर में भी लिखा है कि “पतले INL और GCIPL का Parkinson's disease होने के बढ़े हुए जोखिम से संबंध था, लेकिन खासकर INL का effect size छोटा होने के कारण, individual level पर early Parkinson's marker के रूप में इसकी practical value अभी सीमित है”
      थोड़ा खोजने पर पता चला कि स्वस्थ युवा adults में भी GCIPL thickness में individual variation काफी बड़ा होता है, और उसका range study में detect किए गए effect से भी बड़ा है। असल में बीमारी की शुरुआती शुरुआत पकड़ने के लिए शायद lifetime GCIPL को track करना पड़े, और सिर्फ GCIPL के पतला होने से Parkinson's diagnose करने के लिए भी यह पर्याप्त नहीं लगता। यह Alzheimer's जैसी अन्य बीमारियों में भी दिखता है, और शायद natural aging का परिणाम भी हो सकता है

  • इस क्षेत्र में काम करने वाली कंपनियों के तौर पर RightEye और Neuralight याद आती हैं:
    https://techcrunch.com/2018/02/17/righteyes-portable-eye-tra...
    https://techcrunch.com/2022/05/24/neuralight-aims-to-track-a...
    अब शायद और भी ज्यादा होंगी। याद पड़ता है कि ऐसा data “detailed test करा लें” जैसा signal देने में बहुत अच्छा होता है। यह diagnosis नहीं करता; बल्कि, उदाहरण के लिए eye movement का धीमा होना correlated है और हाथ कांपने जैसे स्पष्ट symptoms से काफी पहले detect किया जा सकता है, बस इतना ही

    • यह सिर्फ movement की समस्या नहीं है। retinal tissue दिमाग जैसे ही embryonic tissue से विकसित होता है। शायद structure या vascular system भी देखा गया होगा
      इस क्षेत्र की सबसे प्रभावशाली anecdote यह है कि congenital blindness वाले लोगों में schizophrenia का कोई case नहीं मिला है
    • सोचता हूं कि early diagnosis वाकई उपयोगी है या नहीं

  • यह विचार रोचक है कि आपको पता चल जाए कि अगले 10 साल में आपको dementia हो जाएगा, लेकिन यह जानना अच्छी बात है या नहीं, यह इतना सरल नहीं है
    इस विचार को अंत तक ले जाएं तो यह थोड़ा अजीब भी हो जाता है। अगर “जानना” एक social norm बन जाए तो क्या होगा? सार्वजनिक जगहों पर उन लोगों को queue में priority देंगे जिन्हें जल्द dementia होने वाला है? amusement parks, transport bookings, hotel reservations, bars, movie theatres — सबके बारे में सोचा जा सकता है। इस specific वर्ग को target करने वाली service industry रातोंरात पैदा हो सकती है

    • यह सुखद बात नहीं है, लेकिन किसी कठिन medical condition को लेकर long-term planning कर पाना, न जानने से निश्चित रूप से बेहतर है। इसमें financial planning से लेकर ऐसी single-storey, बिना सीढ़ियों वाली housing ढूंढना शामिल है जो condition के अनुकूल हो
      उम्मीद है कि निकट भविष्य में Parkinson's progression को धीमा करने वाली disease-modifying drugs के बारे में समझ बेहतर होगी। अगर यह confirm हो जाए कि Exenatide जैसी दवा सच में Parkinson's progression धीमा करती है, तो मैं जितनी जल्दी हो सके जानना चाहूंगा
    • यह जानना कि आपको ऐसी बीमारी होने वाली है जिसका इलाज नहीं है, सिर्फ नुकसान ही है। वर्तमान का आनंद लेने के बजाय आप आने वाले समय से डरने लगेंगे
    • अगर सार्वजनिक जगहों पर उन लोगों को queue priority जैसी चीज दी जाए जिन्हें जल्द dementia होने वाला है, तो यह भी सोचना चाहिए कि क्या cancer patients के साथ भी ऐसा किया जा रहा है
    • ऐसा पहले से हो रहा है। अगर माना जाए कि आपको cancer या dementia हो सकता है, तो बात insurance enrollment से इनकार करने और अवसर छीनने की दिशा में चली जाती है
    • आप बचे हुए दिन जी भरकर enjoy कर सकते हैं, लेकिन मरने के बाद वे experiences आपके लिए कोई फर्क नहीं डालते। जो बचता है, वह जीवित लोगों के मन में रहने वाली legacy है। मैं ऐसा व्यक्ति याद नहीं किया जाना चाहूंगा जिसने दूसरों को धक्का देकर उनकी inheritance तक खर्च कर दी
      सोचने लायक बात है

  • “machine learning नाम की AI की एक किस्म का इस्तेमाल करके computers अब केवल इन images से पूरे शरीर के बारे में hidden information खोज पा रहे हैं” — तो अब क्या यह कहना होगा कि computers AI का इस्तेमाल करके कुछ करते हैं
    हमेशा “AI ने X किया”, “AI ने Y खोजा” कहा जाता है, लेकिन “crane ने building बनाई” नहीं कहते — यह मजेदार है

    • इसे अजीब expression कहना मुश्किल है। attribution हमेशा उस thinking agent को जाता है जो tool को operate करता है और result interpret करता है
      उदाहरण के लिए, Jupiter Galileo ने देखा था, telescope ने नहीं। दीवार Joe ने बनाई थी, crane ने नहीं
      इस case में AI thinking agent है, इंसान नहीं, इसलिए ऐसी expression आती है। इंसान ने AI बनाया है, इससे attribution खत्म नहीं हो जाता। जैसे Joe अपनी मां से पैदा हुआ, इसका मतलब यह नहीं कि Joe की मां ने दीवार बनाई
    • Crane पुरानी और अच्छी तरह जानी-पहचानी machine है, जबकि AI नया है और ज्यादातर लोगों के लिए एक तरह का black box है, शायद इसलिए ऐसी expression आती है

  • इलाज न भी हो, Parkinson's में progress होना अच्छी बात है
    मेरे पिता को Parkinson's था, और वे metals और degreasers के साथ काम करने वाले engineer थे, इसलिए कई सालों तक trichloroethylene exposure उस substance के कारण हो सकने का एक स्पष्ट data point था
    [1] https://www.science.org/content/article/widely-used-chemical...

    • Brake cleaner में मौजूद TCE का exposure मुझे हुआ है, इसलिए शायद मैं भी risk में हो सकता हूं। link के लिए धन्यवाद

  • हमारे पास पहले से ही जेब में बहुत परिष्कृत कैमरा मौजूद है
    स्मार्टफोन का उपयोग करके Star Trek ने जिस tricorder जैसे डिवाइस का वादा किया था, वैसा बनाने में कितना समय लगेगा?
    Apple Watch में भी संभावना दिखती है, और कल्पना है कि किसी दिन लोग diagnosis करवाने डॉक्टर के पास नहीं जाएंगे, बल्कि पहले से मिले diagnosis की पुष्टि करने और सफल treatment plan के लिए guidance लेने जाएंगे

    • विकासशील देशों में यह एक अच्छा विकल्प बनने की बड़ी संभावना रखता है [1] [2]. हालांकि स्मार्टफोन के लिए अतिरिक्त optical device, यानी “fundus camera” जैसी चीज़ पर विचार करना होगा. विकसित देशों में इसके पारंपरिक eye exam में शामिल हो जाने की संभावना अधिक है
      फायदा मौजूदा imaging process से machine learning के जरिए और ज्यादा data निकालने में है. इन्हें data pipeline implementation के रूप में देखा जा सकता है
      “retina की high-resolution images अब ophthalmology practice का routine हिस्सा बन चुकी हैं. खासकर optical coherence tomography (OCT), जो eye clinics और शहर के opticians में व्यापक रूप से इस्तेमाल होने वाला 3D scan है. एक मिनट से भी कम समय में OCT scan आंख के पीछे retina का cross-section 1/1000 millimeter तक के स्तर पर बहुत विस्तार से तैयार कर देता है”
      [1] https://www.cureus.com/articles/106024-effective-low-cost-op...
      [2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5609317/
    • उम्मीद है कि डॉक्टर, संबंधित industry, और बेकार FDA जैसी agencies इस रुझान का जोरदार विरोध करेंगी. हमेशा की तरह
    • Google ने smartphone से heart rate मापने, skin conditions पहचानने, आंखों की तस्वीरों के जरिए disease detect करने, और एक तरह के stethoscope की भूमिका निभाने पर research की है:
      https://ai.googleblog.com/2023/02/google-research-2022-beyon...

  • इसका इस्तेमाल लोगों की मदद के लिए नहीं, बल्कि insurance coverage denial के लिए दुरुपयोग में होगा

    • अमेरिका में 2014 से pre-existing conditions के आधार पर लोगों को health insurance से बाहर करना प्रतिबंधित है
      अगर आप कुछ खास long-term care insurance या life insurance लेने की कोशिश कर रहे हैं और इसे disclose नहीं किया है, तो insurance खोने का जोखिम हो सकता है
      लेकिन pre-existing condition के कारण health insurance खोने के डर से screening या medical care से बचना नहीं चाहिए. वह दौर लगभग 10 साल पहले खत्म हो गया था
    • वास्तव में ऐसा हो सकता है. कुल असर यह है कि coverage से इनकार किया जा सकता है
      test कराते समय आपको यह बात नहीं बताई जाती
    • इस तरह की सोच लगभग हर medical advancement पर लागू हो सकती है. उचित regulation समस्या को हल कर सकता है

  • क्या हमें यह भी पता है कि Parkinson’s का mechanism सभी लोगों में एक जैसा है? या फिर यह ज्यादा इस तरह है कि हर व्यक्ति में अलग-अलग और unique ढंग से बिगड़ी कई प्रक्रियाएं मिलते-जुलते symptoms पर जाकर खत्म होती हैं, और clinician ने उन पर एक ढीला-ढाला common नाम लगा दिया है?
    कल यह paper पढ़ा: https://www.frontiersin.org/articles/10.3389/fchem.2023.1106... अगर ऐसे tools को human organism और individual patient level तक scale किया जा सके तो कितना अच्छा होगा? CPU और GPU से इतनी बड़ी चीज़ को ठीक से simulate नहीं किया जा सकता, इसलिए उस कमी को machine learning से पूरा करने जैसा. अगर हम दुनिया की सबसे बेहतरीन intelligence agencies से भी higher resolution पर individual diseases की private life में झांक सकें तो कैसा होगा?
    ऐसा काम करने का सपना है, इसलिए अगर hiring चल रही हो तो email भेजें

  • मैंने “Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs” नाम का लेख लिखा था. इसे यहां देखा जा सकता है: https://www.nature.com/articles/s41467-023-39631-x
    ऐसे कई models population health के लिए promising benefits देते हैं, लेकिन bias और implementation से जुड़ी challenges भी अभी बहुत हैं. हालांकि early disease detection, भले ही इलाज न हो, फायदे दे सकती है. Alzheimer’s disease की IDEAs study इसका अच्छा उदाहरण है

  • असली predictive power कितनी है? p-value और risk ratio के confidence interval, assumptions के तहत repeated data में null hypothesis effect की तुलना में केवल probability बताते हैं
    सच में जो जानना है वह यह है कि general population में Parkinson’s disease rate को prior probability मानने पर इस method का confusion matrix कैसा होता है