मिट गणितज्ञ मधुमेह के इलाज में मदद करने के लिए एक एल्गोरिथ्म विकसित करता है | नवाचार | स्मिथसोनियन - लेख, नवाचार, स्वास्थ्य और चिकित्सा, विज्ञान, मन और शरीर

जब लोग मुझसे पूछते हैं कि मैं क्यों, एक लागू गणितज्ञ, मधुमेह का अध्ययन करता हूं, तो मैं उन्हें बताता हूं कि मैं वैज्ञानिक और मानवीय दोनों कारणों से प्रेरित हूं।

उपचार का अनुकूलन करने के लिए बड़े डेटा का उपयोग करना

मेरे छात्रों और मैंने व्यक्तिगत मधुमेह प्रबंधन के लिए एक डेटा-चालित एल्गोरिथ्म विकसित किया है, जो हमें विश्वास है कि बीमारी के साथ रहने वाले लाखों अमेरिकियों के स्वास्थ्य में सुधार करने की क्षमता है।

यह इस तरह से काम करता है: एल्गोरिदम रोगी और दवा डेटा को खोजता है, जो अपने मरीज के मेडिकल इतिहास के आधार पर किसी विशेष रोगी के लिए सबसे अधिक प्रासंगिक है और फिर यह सिफारिश करता है कि क्या कोई अन्य उपचार या दवा अधिक प्रभावी होगी। मानव विशेषज्ञता पहेली का एक महत्वपूर्ण तीसरा टुकड़ा प्रदान करती है।

आखिरकार, यह डॉक्टर हैं जिनके पास शिक्षा, कौशल और रोगियों के साथ संबंध हैं जो उपचार के संभावित पाठ्यक्रमों के बारे में सूचित निर्णय लेते हैं।

हमने न्यू इंग्लैंड के सबसे बड़े सेफ्टी नेट हॉस्पिटल बोस्टन मेडिकल सेंटर के साथ साझेदारी के माध्यम से अपना शोध किया, जो कम आय वाले लोगों और अकुशल लोगों की देखभाल प्रदान करता है। और हमने एक डेटा सेट का उपयोग किया जिसमें 1999 से 2014 तक लगभग 11, 000 रोगियों के इलेक्ट्रॉनिक मेडिकल रिकॉर्ड शामिल थे जो हमारे लिए गुमनाम थे।

इन रोगियों में रिकॉर्ड पर तीन या अधिक ग्लूकोज स्तर के परीक्षण थे, कम से कम एक रक्त शर्करा विनियमन दवा के लिए एक नुस्खा, और टाइप 1 मधुमेह का कोई रिकॉर्ड किया गया निदान, जो आमतौर पर बचपन में शुरू होता है। हमारे पास प्रत्येक मरीज के जनसांख्यिकीय डेटा तक पहुंच है, साथ ही उनकी ऊंचाई, वजन, बॉडी मास इंडेक्स और प्रिस्क्रिप्शन ड्रग इतिहास भी है।

इसके बाद, हमने थेरेपी की प्रत्येक पंक्ति के समाप्त होने पर ठीक-ठीक चिन्हित करने के लिए एक एल्गोरिथ्म विकसित किया और अगले एक को शुरू किया, जब रोगियों के लिए निर्धारित दवाओं का संयोजन इलेक्ट्रॉनिक मेडिकल रिकॉर्ड डेटा में बदल गया। सभी ने बताया, एल्गोरिथ्म ने 13 संभावित ड्रग रेजिमेंट पर विचार किया।

प्रत्येक रोगी के लिए, एल्गोरिथ्म ने उपलब्ध उपचार विकल्पों के मेनू को संसाधित किया। इसमें रोगी के वर्तमान उपचार, साथ ही साथ उसके या उसके 30 "निकटतम पड़ोसियों" के उपचार में उनके जनसांख्यिकीय और चिकित्सा इतिहास की समानता के संदर्भ में प्रत्येक दवा के संभावित प्रभावों की भविष्यवाणी करना शामिल था। एल्गोरिथ्म ने मान लिया कि रोगी को अपने निकटतम पड़ोसियों के औसत परिणाम प्राप्त होंगे।

यदि एल्गोरिथ्म में सुधार के लिए पर्याप्त क्षमता दिखाई देती है, तो इसने उपचार में बदलाव की पेशकश की; यदि नहीं, तो एल्गोरिथ्म ने सुझाव दिया कि रोगी अपने मौजूदा आहार पर बना रहे। दो-तिहाई रोगी नमूने में, एल्गोरिथ्म ने बदलाव का प्रस्ताव नहीं किया था।

एल्गोरिदम के परिणामस्वरूप नए उपचार प्राप्त करने वाले रोगियों में नाटकीय परिणाम देखा गया। जब प्रणाली का सुझाव देखभाल के मानक से अलग था, तो ऐतिहासिक डेटा की तुलना में, प्रत्येक डॉक्टर की यात्रा में 0.44 प्रतिशत हीमोग्लोबिन में औसत लाभकारी परिवर्तन देखा गया था। यह एक सार्थक, चिकित्सकीय सामग्री में सुधार है।

हमारे अध्ययन की सफलता के आधार पर, हम मैसाचुसेट्स जनरल अस्पताल के साथ एक नैदानिक परीक्षण आयोजित कर रहे हैं। हमारा मानना है कि हमारा एल्गोरिथ्म कैंसर, अल्जाइमर और हृदय रोग सहित अन्य बीमारियों पर लागू हो सकता है।

यह व्यावसायिक रूप से संतोषजनक है और व्यक्तिगत रूप से इस तरह की एक सफलता परियोजना पर काम करने के लिए संतुष्टिदायक है। किसी व्यक्ति के चिकित्सा इतिहास को पढ़ने से, हम विशिष्ट रोगियों के लिए विशिष्ट उपचारों को दर्जी बनाने और उन्हें अधिक प्रभावी चिकित्सीय और निवारक रणनीतियों के साथ प्रदान करने में सक्षम हैं। हमारा लक्ष्य सभी को स्वस्थ जीवन के लिए सबसे बड़ा संभव अवसर देना है।

सबसे अच्छी बात, मुझे पता है कि मेरी माँ को गर्व होगा।

यह आलेख मूल रूप से वार्तालाप पर प्रकाशित हुआ था।

दिमित्रीस बर्टिमास, एप्लाइड गणित के प्रोफेसर, एमआईटी स्लोन स्कूल ऑफ मैनेजमेंट