अल्ट्रासाउंड रेडियोमिक्सने मधुमेह किडनी रोगाचे भेद स्पष्ट केले

एक बहु-केंद्रित मागील अभ्यासाने दर्शविले आहे की अल्ट्रासाउंड रेडियोमिक्स, मशीन लर्निंगसह, मधुमेह किडनी रोग (DKD) आणि गैर-मधुमेह किडनी रोग (NDKD) यामध्ये प्रभावीपणे भेद करू शकतो. ही नवीन पद्धत प्रारंभिक रोग भेदभावासाठी एक गैर-आक्रामक पद्धत प्रदान करते, जी किडनी रोगांचे मूल्यांकन आणि व्यवस्थापन कसे केले जाते यामध्ये बदल घडवू शकते.

या संशोधनात T2DM असलेल्या रुग्णांचा समावेश होता, ज्यांनी तीन वैद्यकीय केंद्रांमध्ये किडनी बायोप्सी केली. बायोप्सीच्या परिणामांचा उपयोग DKD किंवा NDKD गटांमध्ये वर्गीकरण करण्यासाठी केला गेला. या अभ्यासात किडनीच्या अल्ट्रासाउंड चित्रांचे काळजीपूर्वक विश्लेषण केले गेले, ज्यामध्ये विशिष्ट क्षेत्रांवर लक्ष केंद्रित करून संबंधित रेडियोमिक वैशिष्ट्ये काढण्यात आली, तसेच सांख्यिकीय आणि मशीन लर्निंग तंत्रांचा वापर करून नैदानिक पूर्वानुमानकर्त्यांची ओळख पटवली गेली.

विविध मशीन लर्निंग मॉडेल्समध्ये, एकत्रित XGBoost मॉडेलने सर्वात चांगला प्रदर्शन केला. याने अल्ट्रासाउंड रेडियोमिक डेटा eGFR सह एकत्र करून प्रशिक्षण गटात 0.991 AUC साधला. सत्यापन गटांमध्ये AUC अनुक्रमे 0.895 आणि 0.721 होता, जो मॉडेलच्या कार्यक्षमतेतील भिन्नता दर्शवतो. याव्यतिरिक्त, F1-स्कोर्सने समान प्रवृत्त्या दर्शवल्या, ज्यामुळे विविध गटांमध्ये मॉडेलची ताकद आणि कमकुवतपणा स्पष्ट झाला.

या अभ्यासाचे परिणाम नैदानिक प्रथांसाठी महत्त्वाचे आहेत, विशेषतः प्राथमिक आरोग्य सेवा सेटिंग्ज आणि नेफ्रोलॉजी विभागांमध्ये. लेखकांनी सुचवले की अल्ट्रासाउंड रेडियोमिक्सला विद्यमान नैदानिक डेटासह एकत्रित केल्यास DKD आणि NDKD यामध्ये भेदभाव प्रक्रियेला सुधारता येईल, ज्यामुळे प्रारंभिक निदान आणि उपचार निर्णयात मदत होईल. ही पद्धत किडनी बायोप्सीची आवश्यकता ठरवण्यासाठी निर्णय घेण्याची प्रक्रिया देखील सुलभ करू शकते, ज्यामुळे रुग्णाचा धोका आणि आरोग्य सेवा खर्च कमी होऊ शकतो.

तथापि, अभ्यासाने मान्य केले की बाह्य सत्यापन गटांमध्ये मॉडेलचे प्रदर्शन प्रशिक्षण आणि आंतरिक सत्यापन गटांच्या तुलनेत कमी मजबूत होते. हे विविध रुग्ण जनसंख्यांमध्ये मॉडेलची विश्वासार्हता सुनिश्चित करण्यासाठी पुढील संशोधनाची आवश्यकता दर्शवते. एकूणच, निष्कर्ष अल्ट्रासाउंड रेडियोमिक्स आणि मशीन लर्निंगच्या निरंतर अन्वेषणाचे समर्थन करतात, जे T2DM रुग्णांमध्ये किडनी रोगांचे गैर-आक्रामक भेदभाव करण्यासाठी मूल्यवान साधने असू शकतात.