अल्ट्रासाउंड रेडियोमिक्स से मधुमेह से संबंधित किडनी रोग का अंतर स्पष्ट

एक बहु-केंद्रित पूर्ववर्ती अध्ययन में यह पाया गया है कि अल्ट्रासाउंड रेडियोमिक्स, मशीन लर्निंग के साथ मिलकर, मधुमेह से संबंधित किडनी रोग (DKD) और गैर-मधुमेह किडनी रोग (NDKD) के बीच प्रभावी रूप से अंतर कर सकता है। यह नई विधि प्रारंभिक रोग भेदभाव के लिए एक गैर-आक्रामक तरीका प्रदान करती है, जो किडनी रोगों के मूल्यांकन और प्रबंधन के तरीके को बदल सकती है।

इस शोध में उन मरीजों को शामिल किया गया था जो T2DM से पीड़ित थे और जिन्होंने तीन चिकित्सा केंद्रों में किडनी बायोप्सी करवाई थी। बायोप्सी के परिणामों का उपयोग DKD या NDKD समूहों में वर्गीकृत करने के लिए किया गया। अध्ययन ने किडनी के अल्ट्रासाउंड चित्रों का सावधानीपूर्वक विश्लेषण किया, जिसमें विशिष्ट क्षेत्रों पर ध्यान केंद्रित किया गया ताकि प्रासंगिक रेडियोमिक विशेषताओं को निकाला जा सके, साथ ही सांख्यिकीय और मशीन लर्निंग तकनीकों का उपयोग कर नैदानिक पूर्वानुमानकर्ताओं की पहचान की गई।

विभिन्न मशीन लर्निंग मॉडलों में, एकीकृत XGBoost मॉडल ने सबसे अच्छा प्रदर्शन किया। इसने अल्ट्रासाउंड रेडियोमिक डेटा को अनुमानित ग्लोमेरुलर फ़िल्ट्रेशन दर (eGFR) के साथ मिलाकर प्रशिक्षण समूह में 0.991 का क्षेत्र के तहत क्षेत्र (AUC) प्राप्त किया। सत्यापन समूहों में AUC क्रमशः 0.895 और 0.721 था, जो मॉडल के प्रदर्शन में भिन्नता को दर्शाता है। इसके अलावा, F1-स्कोर ने समान प्रवृत्तियों को दर्शाया, जो विभिन्न समूहों में मॉडल की ताकत और कमजोरियों को उजागर करता है।

इस अध्ययन के परिणाम नैदानिक प्रथाओं के लिए महत्वपूर्ण हैं, विशेषकर प्राथमिक स्वास्थ्य देखभाल सेटिंग्स और नेफ्रोलॉजी विभागों में। लेखकों का सुझाव है कि अल्ट्रासाउंड रेडियोमिक्स को मौजूदा नैदानिक डेटा के साथ मिलाकर DKD और NDKD के बीच भेदभाव प्रक्रिया को बढ़ाया जा सकता है, जिससे प्रारंभिक निदान और उपचार निर्णय में मदद मिल सकती है। यह दृष्टिकोण किडनी बायोप्सी की आवश्यकता के निर्णय लेने की प्रक्रिया को भी सरल बना सकता है, जिससे रोगी के जोखिम और स्वास्थ्य देखभाल लागत को कम किया जा सकता है।

हालांकि, अध्ययन यह स्वीकार करता है कि बाहरी सत्यापन समूहों में मॉडल का प्रदर्शन प्रशिक्षण और आंतरिक सत्यापन समूहों की तुलना में कम मजबूत था। यह विभिन्न रोगी जनसंख्याओं में मॉडल की विश्वसनीयता सुनिश्चित करने के लिए आगे के शोध की आवश्यकता को उजागर करता है। कुल मिलाकर, निष्कर्ष अल्ट्रासाउंड रेडियोमिक्स और मशीन लर्निंग के निरंतर अन्वेषण का समर्थन करते हैं, जो T2DM रोगियों में किडनी रोगों के गैर-आक्रामक भेदभाव के लिए मूल्यवान उपकरण हो सकते हैं।