చెన్నైకి చెందిన మోడల్, పూణే బృందం సాధారణ స్కాన్‌ల నుండి జనన బరువును అంచనా వేస్తుంది

వృద్ధి కోసం గణిత నమూనాపై బృందం చేసిన పరిశోధన వారిని గోంపెర్ట్జ్ సూత్రానికి దారితీసింది. 19వ శతాబ్దంలో ఆంగ్ల గణిత శాస్త్రజ్ఞుడు బెంజమిన్ గోంపెర్ట్జ్ చేత మొదట వివరించబడిన ఈ సమీకరణం జీవశాస్త్ర పరిశోధనలో కణ జనాభా మరియు కణితి పెరుగుదలను మోడల్ చేయడానికి ఉపయోగించబడింది. పరిశోధకులు దీనిని సామూహిక డేటాలో పిండం పెరుగుదల వాల్యూమ్‌ను మోడల్ చేయడానికి ఉపయోగించారు కాని వ్యక్తిగత జనన బరువును కొలవడానికి కాదు.

ఫార్ములాను ఉపయోగించే గోంపెర్ట్జ్ మోడల్, జనాభా పెరుగుదలను నిర్బంధ నేపధ్యంలో అంచనా వేయడానికి మొదట అభివృద్ధి చేయబడింది, సిద్ధార్థన్ చెప్పారు. గర్భాశయం ఒక నిర్బంధ వాతావరణం మరియు ఫార్ములా పెరుగుదల యొక్క సరైన ఆకృతిని అంచనా వేస్తుంది కాబట్టి పిండం కొలతలను అంచనా వేయడానికి బృందం దీనిని పరీక్షించింది.

బృందం 750 కంటే ఎక్కువ మంది గర్భిణీ స్త్రీల యొక్క కనీసం మూడు సాధారణ స్కాన్‌ల నుండి తల మరియు ఉదర చుట్టుకొలత వంటి పిండం పారామితుల కొలతలను ఉపయోగించింది. పుట్టిన సమయంలో పిండం కొలతలను అంచనా వేయడానికి వారు ఈ డేటాను గోంపెర్ట్జ్ ఫార్ములాలో చేర్చారు.

చాలా మంది మహిళలు, అనేక సూత్రాలు

తరువాత, “ప్రసవ సమయంలో శిశువు యొక్క జనన బరువును అంచనా వేయడానికి మేము ప్రయత్నించాము” అని అధ్యయనం యొక్క మొదటి రచయిత్రి చంద్రాని కుమారి చెప్పారు.

జనన బరువును అంచనా వేయడానికి మెషిన్-లెర్నింగ్ మోడల్‌కు శిక్షణ ఇవ్వడానికి వారు అసలు మరియు ఊహించిన పిండం కొలతలను ఉపయోగించారు.

వారి మోడల్‌ను సవాలు చేయడానికి, పరిశోధకులు అంచనా వేసిన బరువులను రికార్డులలో నివేదించబడిన జనన బరువులతో పోల్చారు. వారి నమూనా 70% కంటే ఎక్కువ జనన బరువులను 10% కంటే తక్కువ ఎర్రర్ మార్జిన్‌తో అంచనా వేస్తుందని వారు గమనించారు.

ఇతర దేశాల పరిశోధకులు అల్ట్రాసౌండ్ కొలతల ఆధారంగా పుట్టినప్పుడు మరియు గర్భధారణ సమయంలో పిండం బరువును అంచనా వేయడానికి అనేక ఇతర సూత్రాలను అందించారు. లేట్-టర్మ్ అల్ట్రాసౌండ్ కొలతలు లేనప్పటికీ, ప్రస్తుత మోడల్ గతంలో వివరించిన ఈ మోడళ్లతో పోల్చదగినది, ఈ పద్ధతి పాతవాటిని అధిగమిస్తుందని సూచిస్తుంది.

తదుపరి దశ: క్లినిక్

365 మంది స్త్రీలతో కూడిన వేరే సమూహంలో జనన బరువులను అంచనా వేయడానికి పరిశోధకులు తదుపరి వారి నమూనాను ఉపయోగించారు. వారు చెన్నై, పాండిచ్చేరి, హైదరాబాద్ మరియు కొచ్చిలోని ఆసుపత్రుల నుండి ఈ సమూహం కోసం పిండం కొలతలను పొందారు. మరలా, ఈ సమూహంలో నమోదు చేయబడిన జనన బరువులు వారి నమూనా ద్వారా అంచనా వేయబడిన జనన బరువులతో పోల్చదగినవి అని వారు గమనించారు.

జనన బరువును ఖచ్చితంగా అంచనా వేయడానికి మోడల్‌తో అమర్చబడి, బృందం ఇప్పుడు దానిని క్లినిక్‌లో వర్తింపజేయడానికి ఎదురుచూస్తోంది. పరిశోధకులు వారి ప్రిడిక్షన్ సాఫ్ట్‌వేర్ కోసం కోడ్‌ను ఆన్‌లైన్‌లో ప్రచురించారు మరియు వైద్యుల కోసం సులభమైన (మరియు ఉచిత) ఆన్‌లైన్ కాలిక్యులేటర్‌ను రూపొందించాలని ప్లాన్ చేసారు.

అల్ట్రాసౌండ్ మెషీన్‌లు పిండం యొక్క బరువును అంచనా వేయడానికి డాక్టర్‌ల కోసం గ్రోత్ చార్ట్‌లు మరియు ఫార్ములాలతో కూడిన సాఫ్ట్‌వేర్‌ను కూడా కలిగి ఉంటాయి. “ఇదే పద్ధతిలో, ఈ ఫార్ములాను ఆ సాఫ్ట్‌వేర్‌లో కూడా చేర్చవచ్చు” అని రామ్ చెప్పారు.

యంత్రంలో ఖాళీలు

కానీ సేథి మరియు పరిశోధకుల ప్రకారం, అధ్యయనం పరిమితులు లేకుండా లేదు. మోడల్ ఇప్పటికీ గర్భిణీ స్త్రీల పోషకాహార స్థితిని పొందుపరచాల్సిన అవసరం ఉంది, ఇది పిండం పెరుగుదలను ప్రభావితం చేస్తుంది, సేథి చెప్పారు. పిండం యొక్క భౌతిక కొలతలు మరియు బరువు మధ్య సంబంధం భిన్నంగా ఉండే భారతదేశంలోని ఇతర జనాభాలో మోడల్ తప్పనిసరిగా ధృవీకరించబడాలని కూడా అతను చెప్పాడు.

మరింత వైవిధ్యమైన సమిష్టితో మోడల్‌ను పరీక్షించడం చాలా ముఖ్యం అని పరిశోధకులు అంగీకరించారు. వారు మోడల్‌ను పరీక్షించిన రెండు గ్రూపులు దక్షిణ భారతదేశానికి చెందినవి. కానీ మార్పు జరుగుతూ ఉండవచ్చు: పరిశోధకులు తమ మోడల్‌కు ప్రాప్యత కోసం స్వతంత్ర పరిశోధకుల నుండి అభ్యర్థనలను పరిగణనలోకి తీసుకునే ప్రారంభ దశలో ఉన్నారు.

డేటా అవసరం

మోడల్ భౌగోళికంగా మరియు జాతిపరంగా విభిన్న జనాభాతో పనిచేస్తుందో లేదో కూడా వారు తనిఖీ చేయాల్సి ఉందని నార్లికర్ జోడించారు, అయితే మోడల్‌ను పరీక్షించడానికి పరిమిత డేటా ఉంది.

“కమ్యూనిటీ లోపించిన ఒక విషయం ఏమిటంటే … మాకు చాలా పబ్లిక్‌గా అందుబాటులో ఉన్న డేటాసెట్‌లు లేవు,” ఆమె చెప్పింది. “మేము వాటిని ఎక్కువగా కలిగి ఉంటే అది గొప్ప విషయం.”

నిజానికి, నార్లికర్ మరియు సిద్ధార్థన్ – బయోఇన్ఫర్మేటిషియన్లు ఇద్దరూ – ఆరోగ్య సంరక్షణలో డేటా-షేరింగ్ లేకపోవడాన్ని గుర్తించారు, కొంత భాగం రోగి గోప్యతను కాపాడుకోవడం. “మేము డేటాను అజ్ఞాతం చేయడానికి మరియు రోగులను గుర్తించలేని విధంగా ప్రాథమిక సమాచారాన్ని మాత్రమే అందించడానికి మా వంతు కృషి చేసాము” అని సిద్ధార్థన్ చెప్పారు.

“మేము మా డేటాను అందుబాటులో ఉంచాము. ఇతర సమూహాలు కూడా అదే పని చేస్తాయని మేము చాలా ఆశిస్తున్నాము.

స్నేహ ఖేద్కర్ ఒక జీవశాస్త్రవేత్తగా మారిన ఫ్రీలాన్స్ సైన్స్ జర్నలిస్ట్.