న్యుమోనియాకు చికిత్స పొందుతున్న ఇద్దరు రోగులు, ఊపిరితిత్తులలో ద్రవంతో నిండిన సంచుల కారణంగా శ్వాస తీసుకోవడంలో ఇబ్బంది కలిగించే ఇన్ఫెక్షన్, చాలా భిన్నంగా కనిపించవచ్చు మరియు వ్యతిరేక ఫలితాలను కలిగి ఉంటుంది. అయినప్పటికీ వైద్యులు రోగుల రోగ నిరూపణలను ఖచ్చితంగా అంచనా వేయడానికి మరియు అత్యంత ప్రభావవంతమైన చికిత్సలను నిర్ణయించడానికి కష్టపడుతున్నారు.
ఇప్పుడు, న్యుమోనియాతో బాధపడుతున్న రోగుల ఎలక్ట్రానిక్ హెల్త్ రికార్డ్స్ (EHRs)కి అధునాతన మెషీన్-లెర్నింగ్ విధానాన్ని వర్తింపజేయడం ద్వారా, నార్త్‌వెస్ట్రన్ విశ్వవిద్యాలయంలోని పరిశోధకులు న్యుమోనియాలో ఐదు విభిన్న క్లినికల్ స్థితులను కనుగొన్నారు, వాటిలో మూడు వ్యాధి ఫలితాలతో బలంగా సంబంధం కలిగి ఉన్నాయి మరియు రెండు వైద్యులకు సహాయపడతాయి. వ్యాధి యొక్క కారణాన్ని నిర్ణయించండి. రాష్ట్రాలలో ఒకటి 24 గంటల్లో చనిపోయే అవకాశం 7.5% ఉంది.
నవల విధానాన్ని మరియు దానిని అభివృద్ధి చేయడానికి ఉపయోగించే డేటాను వివరించే పేపర్ ఆన్‌లైన్‌లో జర్నల్ ప్రొసీడింగ్స్ ఆఫ్ ది నేషనల్ అకాడమీ ఆఫ్ సైన్సెస్ (PNAS). తీవ్రమైన అనారోగ్యంతో బాధపడుతున్న రోగులకు మెరుగైన సమాచారంతో చికిత్స నిర్ణయాలు తీసుకోవడానికి మరియు మరింత విస్తృతంగా వర్తింపజేయడానికి వైద్యులకు ఈ విధానం సహాయపడగలదని పరిశోధకులు అంటున్నారు.
ప్రపంచవ్యాప్తంగా మరణానికి ప్రధాన కారణం అయిన న్యుమోనియా, అది ప్రదర్శించే మరియు పొందగలిగే విభిన్న మార్గాల కారణంగా మరియు యాంటీబయాటిక్స్ మితిమీరిన వినియోగానికి దాని సంభావ్యత కారణంగా చికిత్స చేయడం సహజంగా కష్టం. వైద్యులు చారిత్రాత్మకంగా ఇంటెన్సివ్ కేర్ యూనిట్లలో న్యుమోనియా రోగులను వేరు చేయడానికి కారణాన్ని ఉపయోగించారు, వారిని మూడు వర్గాలుగా వర్గీకరించారు: సంఘం-పొందబడినది (ఇది మునుపటి బ్యాక్టీరియా లేదా వైరల్ ఇన్ఫెక్షన్ అని అర్ధం), ఆసుపత్రిలో పొందిన మరియు వెంటిలేటర్-పొందబడినది (రోగికి మెకానికల్ వెంటిలేషన్ అవసరమైన తర్వాత అభివృద్ధి చేయబడింది. )
కానీ నార్త్ వెస్ట్రన్ యొక్క లూయిస్ అమరల్, అధ్యయనం యొక్క ప్రధాన రచయిత, ఈ డేటా వాస్తవానికి వైద్యులకు రోగి కోలుకునే అవకాశం గురించి ఆశ్చర్యకరంగా చాలా తక్కువగా చెబుతుంది.
“న్యుమోనియా రోగుల స్థితిని వర్గీకరించడానికి ఇతర విధానాలు వివక్షత లేనివి కావు” అని అమరల్ చెప్పారు. “వారు వ్యాధి పురోగతి మరియు రోగనిర్ధారణను అంచనా వేయడంలో అధ్వాన్నమైన పనిని చేస్తారు, ఇది జీవితాంతం నిర్ణయాలకు ప్రత్యేకించి సంబంధితంగా ఉంటుంది. మా అధ్యయనం దృఢంగా గుర్తించదగిన, విభిన్నమైన, క్లినికల్ స్టేట్‌ల ఉనికిని ప్రదర్శించడానికి మొదటిది.”
సంక్లిష్ట వ్యవస్థలు మరియు డేటా సైన్స్‌లో నిపుణుడైన అమరల్, నార్త్‌వెస్ట్రన్‌లోని మెక్‌కార్మిక్ స్కూల్ ఆఫ్ ఇంజనీరింగ్‌లో ఎరాస్టస్ ఓటిస్ హెవెన్ ఇంజనీరింగ్ సైన్సెస్ మరియు అప్లైడ్ మ్యాథమెటిక్స్ ప్రొఫెసర్.
వ్యక్తుల మనుగడ అవకాశాలను అర్థం చేసుకోవడం కుటుంబ సభ్యులను నష్టానికి సిద్ధం చేయడంలో సహాయపడుతుందని మరియు వైద్యులు అధిక చికిత్సను నివారించడంలో సహాయపడుతుందని అమరల్ చెప్పారు.
ఐదు రాష్ట్రాలు వివిధ కొలతల మధ్య సంబంధాలను ఏర్పరచడానికి అనేక రకాల డేటాను (శరీర ఉష్ణోగ్రత, శ్వాస రేటు, గ్లూకోజ్ స్థాయిలు, ఆక్సిజన్ స్థాయిలు మొదలైనవి) ఏకీకృతం చేస్తాయి. మోటారు ప్రతిస్పందన, మూత్రపిండ పనితీరు, హృదయ స్పందన రేటు, సిస్టోలిక్ రక్తపోటు, శ్వాసకోశ రేటు మరియు అధిక రక్తపోటు వంటి వేరియబుల్స్ యొక్క సరళ కలయికలు రోగి యొక్క స్థితి గురించి చాలా సమాచారాన్ని అందించాయని పరిశోధకులు కనుగొన్నారు.
రెండు EHR డేటా మూలాల నుండి రోగి పరిస్థితులను క్లస్టర్ చేయడానికి మెషిన్-లెర్నింగ్ టూల్స్ యొక్క సూట్‌ను అభివృద్ధి చేసినందున బృందం అనేక సవాళ్లను అధిగమించింది, ఒకటి SCRIPT అని పిలువబడే వాయువ్య ప్రాజెక్ట్ మరియు మరొకటి ప్రామాణిక క్లినికల్ డేటాసెట్ నుండి. మొదట, విభిన్న పౌనఃపున్యాల వద్ద సేకరించబడినప్పటికీ అనేక రకాల డేటాను ఏకీకృతం చేయాల్సి ఉంటుంది. వారు విధానం యొక్క విశ్వసనీయతను సూచించే కొత్త పరీక్షను కూడా అభివృద్ధి చేయవలసి ఉంది. మూడవది, ఈ ఫిజియోలాజికల్ వేరియబుల్స్‌లో ఉన్న సమాచారాన్ని ఆ వేరియబుల్స్ యొక్క చాలా తక్కువ సంఖ్యలో కలయికలుగా “కంప్రెస్” చేయవచ్చో లేదో వారు నిర్ణయించాలి.
ఫలితంగా వచ్చిన డేటా ఐదు విభిన్న సమూహాలను గుర్తించడానికి పరిశోధకులను ఎనేబుల్ చేసింది – అవి విభిన్న క్లినికల్ స్టేట్‌లతో సమానం – రోగుల మరణాలను అంచనా వేయడంలో దీని విలువ ప్రస్తుత విధానాల కంటే చాలా ఎక్కువ. ఆశ్చర్యకరంగా, న్యుమోనియా కోవిడ్-19 ఇన్ఫెక్షన్‌తో సంబంధం ఉన్న చాలా మంది రోగులను గుర్తించిన క్లస్టర్‌లలో ఒకటి.
ఈ పరిశోధన సమయంలో అభివృద్ధి చేయబడిన సాంకేతిక పురోగతులు ఇతర సందర్భాలలో ఉపయోగకరంగా ఉండవచ్చు. వాస్తవానికి, అధ్యయనం యొక్క ప్రధాన రచయిత మరియు అమరల్ ల్యాబ్‌లో గ్రాడ్యుయేట్ విద్యార్థి అయిన ఫీహాంగ్ జు ప్రకారం, బృందం “ఇప్పుడు ఈ పద్ధతులను సెప్సిస్ యొక్క మౌస్ మోడల్ నుండి ప్రయోగాత్మక డేటాకు వర్తింపజేస్తోంది.”
ప్రస్తుతానికి, కొంతమంది రోగులు ఒక రాష్ట్రం నుండి మరొక రాష్ట్రానికి ఎందుకు వెళుతున్నారో వారి విశ్లేషణ ఇంకా పరిశోధించలేదు, పరిశోధకులు ఇప్పుడు అధ్యయనం చేస్తున్నారు. న్యుమోనియా మరియు ఇతర వ్యాధులపై భవిష్యత్తు పరిశోధన, చివరికి మరింత ప్రభావవంతమైన మరియు ఊహాజనిత చికిత్సా ఎంపికలకు ఆధారం కావచ్చు.
