QuickLY
Socially
सिडनी, 20 अगस्त : इन विट्रो फर्टिलाइजेशन (आईवीएफ) के दौरान, अंडे और शुक्राणु से कई अलग-अलग भ्रूण तैयार होते हैं. फिर, भ्रूणविज्ञानी चुनते हैं कि उन भ्रूण में से किसमें सफल गर्भावस्था की संभावना सबसे अधिक है और इसे रोगी को स्थानांतरित कर दिया जाता है. भ्रूणविज्ञानी भ्रूण की उपस्थिति के आधार पर व्यापक रूप से स्वीकृत सिद्धांतों के एक सेट को लागू करने के लिए अपनी विशेषज्ञता का उपयोग करके यह विकल्प चुनते हैं. हाल के वर्षों में इस प्रक्रिया में विभिन्न कृत्रिम बुद्धिमत्ता (एआई) तकनीकों का उपयोग करने में बहुत रुचि रही है. हमने ऐसी एक एआई प्रणाली विकसित की और 1,000 से अधिक आईवीएफ रोगियों के अध्ययन में इसका परीक्षण किया. हमारे सिस्टम ने मानव विशेषज्ञ के रूप में लगभग दो-तिहाई मामलों में एक ही भ्रूण को चुना, और समग्र सफलता दर जरा सी कम थी. परिणाम नेचर मेडिसिन में प्रकाशित हुए हैं.
क्या गहन शिक्षण आईवीएफ में मदद कर सकता है?
पिछले कुछ वर्षों में, स्वीडन में सहकर्मियों के साथ, हम यह पहचानने के लिए सॉफ्टवेयर विकसित कर रहे हैं कि किस भ्रूण में आईवीएफ की सफलता की सबसे अच्छी संभावना होगी. हमारा सिस्टम बड़ी मात्रा में डेटा में पैटर्न खोजने के लिए एक एआई पद्धति डीप लर्निंग का उपयोग करता है. जब हम अपना सिस्टम विकसित कर रहे थे, तो हमने भ्रूणविज्ञानियों द्वारा लिए गए पिछले वास्तविक दुनिया के निर्णयों के साथ सिस्टम के विकल्पों की तुलना करते हुए पूर्वव्यापी अध्ययन किया. इन शुरुआती परिणामों से पता चला कि डीप लर्निंग प्रणाली मानव विशेषज्ञ से भी बेहतर काम कर सकती है. इसलिए अगला कदम यादृच्छिक परीक्षण के साथ सिस्टम का ठीक से परीक्षण करना था. हमारे परीक्षण में ऑस्ट्रेलिया और यूरोप (डेनमार्क, स्वीडन और यूनाइटेड किंगडम) के 14 प्रजनन क्लीनिकों के 1,066 मरीज़ शामिल थे. प्रत्येक रोगी के लिए, डीप लर्निंग प्रणाली और एक मानव विशेषज्ञ दोनों ने प्रत्यारोपित करने के लिए एक भ्रूण का चयन किया. फिर, दोनों में से किसका उपयोग किया जाए इसका एक यादृच्छिक चयन किया गया. यह भी पढ़ें : Monkeypox Cases: स्वीडन में पाया गया एमपॉक्स के नए वेरिएंट का पहला मामला
यह अध्ययन भ्रूण चयन में गहन डीप लर्निंग का अब तक का पहला यादृच्छिक नियंत्रित परीक्षण है. डीप लर्निंग में कई चिकित्सा अनुप्रयोग हो सकते हैं, लेकिन यह अब तक स्वास्थ्य देखभाल के किसी भी क्षेत्र में प्रौद्योगिकी के कुछ संभावित यादृच्छिक परीक्षणों में से एक है. हमने क्या पाया अध्ययन में हमने पाया कि दोनों दृष्टिकोणों के बीच वस्तुतः कोई अंतर नहीं था. नैदानिक गर्भावस्था दर (भ्रूण के स्थानांतरण के बाद भ्रूण के हृदय को देखने की संभावना) 46.5% थी जब डीप लर्निंग प्रणाली ने भ्रूण को चुना और यह दर 48.2% थी जब भ्रूणविज्ञानी ने भ्रूण को चुना. दूसरे शब्दों में, बहुत कम अंतर था. दरअसल, 65.8% मामलों में, डीप लर्निंग प्रणाली ने भ्रूणविज्ञानी के समान भ्रूण को चुना. हालाँकि, हमने यह भी पाया कि कृत्रिम बुद्धिमत्ता प्रणाली ने भ्रूण चयन का कार्य भ्रूणविज्ञानी की तुलना में दस गुना अधिक तेजी से किया. हमारे अध्ययन का एक उद्देश्य हमारी डीप लर्निंग प्रणाली का महत्व साबित करना था. चिकित्सा अनुसंधान में यह आम बात है, क्योंकि हम हमेशा यह सुनिश्चित करना चाहते हैं कि प्रस्तावित नई तकनीक मौजूदा मानक से भी बदतर परिणाम न दे.
इस तथ्य के बावजूद कि डीप लर्निंग प्रणाली ने मानव विशेषज्ञों के समान परिणाम उत्पन्न किए, हमारे अध्ययन ने इसे "अनुपयोगी" साबित करने की बाधा को दूर नहीं किया. जैसा कि हुआ, अध्ययन में समग्र सफलता दर हमारी अपेक्षा से कहीं अधिक थी. इससे स्थिति के आँकड़े बदल गए, और इसका मतलब है कि हमें एक बहुत बड़े अध्ययन की आवश्यकता होगी - लगभग 8,000 रोगियों के साथ - यह साबित करने के लिए कि नई पद्धति उपयोगी है.
कोई महत्वपूर्ण अंतर नहीं
भ्रूण चयन में डीप लर्निंग के बारे में पहले भी कई नैतिक चिंताएँ उठाई गई हैं. इनमें से एक चिंता लिंगानुपात में संभावित परिवर्तन है - यानी, डीप लर्निंग मॉडल द्वारा पक्षपातपूर्ण चयन के माध्यम से अधिक नर अथवा मादा भ्रूण का समाप्त होना. हालाँकि, डीप लर्निंग भ्रूण चयन के परिणामस्वरूप हमें लिंग अनुपात में कोई बदलाव नहीं मिला. हमने अपने अध्ययन से यह निष्कर्ष निकाला कि डीप लर्निंग प्रणाली द्वारा चुने गए भ्रूण या किसी अनुभवी भ्रूणविज्ञानी द्वारा चुने गए भ्रूण के बीच गर्भावस्था दर में कोई महत्वपूर्ण अंतर नहीं है.
इससे ऐसा प्रतीत होता है कि भ्रूण चयन के लिए डीप लर्निंग उपकरण का उपयोग आईवीएफ से गुजरने वाले रोगी के लिए परिणाम में मौलिक परिवर्तन नहीं करेगा (क्योंकि यह ज्यादातर एक ही भ्रूण को चुनता है). हालाँकि, इस प्रकार के एक विश्वसनीय स्वचालित उपकरण का उपयोग भ्रूणविज्ञान प्रयोगशालाओं को अधिक कुशल और सुसंगत बना सकता है. इस अध्ययन से एक और निष्कर्ष यह निकला कि यादृच्छिक परीक्षण, जिन्हें आयोजित करने में वर्षों लग जाते हैं, इस तरह की तेजी से आगे बढ़ने वाली प्रौद्योगिकियों के अध्ययन के लिए इष्टतम दृष्टिकोण नहीं हो सकते हैं. इस तकनीक के मूल्यांकन में हमारे भविष्य के काम में इस विषय पर वैकल्पिक, लेकिन फिर भी चिकित्सकीय रूप से मान्य दृष्टिकोणों को परखने की आवश्यकता होगी.
