Thyroidiomics: An Automated Pipeline for Segmentation and Classification of Thyroid Pathologies from Scintigraphy Images

मानव थायराइड गर्दन के निचले हिस्से में स्थित एक छोटा, तितली के आकार का ग्रंथि है, जो चयापचय (मेटाबॉलिज्म) को नियंत्रित करके शरीर के थर्मोस्टेट के रूप में कार्य करता है। जब यह ग्रंथि ठीक से काम नहीं करती है, तो यह सूज सकती है, इसमें गांठें विकसित हो सकती हैं, या यह सूजन ग्रस्त हो सकती है, जिससे हल्के असुविधा से लेकर गंभीर स्वास्थ्य खतरों तक की स्थितियां पैदा हो सकती हैं। इसके भीतर क्या हो रहा है, इसे समझने के लिए डॉक्टर अक्सर स्किन्टिग्राफी नामक एक विशेष प्रकार के न्यूक्लियर मेडिसिन स्कैन का उपयोग करते हैं। इस प्रक्रिया में, रोगी को एक सुरक्षित, रेडियोधर्मी पदार्थ की बहुत कम मात्रा दी जाती है जिसे थायराइड स्वाभाविक रूप से अवशोषित करता है। फिर एक कैमरा इस चमक को कैप्चर करता है, जिससे यह पता चलता है कि ग्रंथि कैसे काम कर रही है और वह कहाँ गलत व्यवहार कर रही है। हालांकि, इन छवियों को पढ़ना एक कठिन कार्य है। इसके लिए एक कुशल विशेषज्ञ की आवश्यकता होती है जो स्क्रीन पर थायराइड की रूपरेखा को सावधानीपूर्वक ट्रेस करे और फिर विशिष्ट बीमारी का निदान करने के लिए प्रकाश और अंधेरे के सूक्ष्म पैटर्न की व्याख्या करे। यह प्रक्रिया धीमी है, यह काफी हद तक डॉक्टर के व्यक्तिगत अनुभव पर निर्भर करती है, और एक विशेषज्ञ से दूसरे विशेषज्ञ के बीच भिन्न हो सकती है। जैसे-जैसे इन स्कैन की आवश्यकता वाले रोगियों की संख्या बढ़ रही है, चिकित्सा जगत को इस नाजुक कार्य में सहायता करने वाले उपकरणों की तत्काल आवश्यकता है, ताकि यह सुनिश्चित किया जा सके कि निदान तेज़ और सुसंगत दोनों हों।

हाल ही में एक अध्ययन में, कनाडा, ईरान और स्विट्जरलैंड के शोधकर्ताओं की एक टीम ने इस चुनौती से निपटने के लिए 'थायराइडियोमिक्स' (Thyroidiomics) नामक एक स्वचालित प्रणाली बनाई। उनका लक्ष्य एक डिजिटल पाइपलाइन बनाना था जो न केवल इन चमकती छवियों में थायराइड ग्रंथी को ढूंढ सके, बल्कि इससे प्रभावित विशिष्ट बीमारी को भी वर्गीकृत कर सके, और वह भी बिना किसी मानवीय हस्तक्षेप के। उन्होंने नौ अलग-अलग चिकित्सा केंद्रों से 2,643 थायराइड स्कैन का एक विशाल संग्रह एकत्र किया, जिसमें विभिन्न प्रकार के उपकरण और रोगी आबादी शामिल थे। टीम ने तीन सामान्य स्थितियों पर ध्यान केंद्रित किया: डिफ्यूज गोइटर (diffuse goiter), जहाँ ग्रंथि समान रूप से बढ़ी हुई होती है; मल्टीनोड्यूलर गोइटर (multinodular goiter), जो कई गांठों द्वारा पहचाना जाता है; और थायराइडिटिस (thyroiditis), जो ऊतकों की सूजन है। अपने कंप्यूटर को प्रशिक्षित करने के लिए, उन्हें पहले इसे यह सिखाना था कि एक इंसान क्या देखता है। एक विशेषज्ञ न्यूक्लियर मेडिसिन चिकित्सक ने प्रत्येक छवि पर थायराइड की सटीक सीमाओं को मैन्युअल रूप से ट्रेस किया, जिससे एक सटीक मानचित्र तैयार हुआ जो मशीन के सीखने के लिए "ग्राउंड ट्रुथ" (ground truth) के रूप में कार्य करता है।

इसके बाद शोधकर्ताओं ने एक दो-चरणीय आर्टिफिशियल इंटेलिजेंस प्रणाली विकसित की। सबसे पहले, उन्होंने एक डीप लर्निंग मॉडल को प्रशिक्षित किया, जो मानव मस्तिष्क से प्रेरित एक प्रकार का कंप्यूटर प्रोग्राम है, ताकि वह नई छवियों पर थायराइड ग्रंथी की रूपरेखा को स्वचालित रूप से खींच सके। 'रेसिडुअल यूनेट' (Residual UNet) नामक इस मॉडल ने हजारों उदाहरणों का अध्ययन करके आसपास के ऊतकों से थायराइड को अलग करना सीखा। एक बार जब कंप्यूटर ने ग्रंथी की रूपरेखा सफलतापूर्वक बना ली, तो दूसरा चरण शुरू हुआ। सिस्टम ने रेखांकित क्षेत्र के टेक्सचर (बनावट) और चमक से सैकड़ों सूक्ष्म, गणितीय विवरण निकाले—ऐसे फीचर्स जो मानवीय आंखों के लिए बहुत सूक्ष्म हैं लेकिन नैदानिक जानकारी से भरपूर हैं। इन विवरणों को फिर एक मशीन लर्निंग क्लासिफायर में फीड किया गया, जिसने एक निर्णय लेने वाले के रूप में कार्य किया, और छवियों को तीन रोग श्रेणियों में से एक में वर्गीकृत किया। यह सुनिश्चित करने के लिए कि उनकी प्रणाली वास्तव में मजबूत है और केवल उन विशिष्ट छवियों को याद नहीं कर रही है जिन पर इसे प्रशिक्षित किया गया है, टीम ने एक कठोर परीक्षण पद्धति का उपयोग किया। उन्होंने आठ चिकित्सा केंद्रों के डेटा पर सिस्टम को प्रशिक्षित किया और नौवें केंद्र पर इसका परीक्षण किया, और इस प्रक्रिया को तब तक दोहराया जब तक कि प्रत्येक केंद्र परीक्षण मामले के रूप में कार्य नहीं कर गया। इस दृष्टिकोण ने गारंटी दी कि सिस्टम विभिन्न मशीनों और विभिन्न अस्पतालों की छवियों को संभाल सकता है।

परिणामों ने दिखाया कि स्वचालित पाइपलाइन ने उल्लेखनीय कौशल के साथ प्रदर्शन किया। थायराइड की रूपरेखा खींचने में कंप्यूटर की क्षमता अत्यधिक सटीक थी, जो अधिकांश मामलों में विशेषज्ञ चिकित्सक के मैनुअल रेखाचित्रों से मेल खाती थी। जब बीमारी के निदान की बात आई, तो स्वचालित प्रणाली ने लगभग 74 प्रतिशत की सटीकता प्राप्त की, जो कि उस 76 प्रतिशत सटीकता के बहुत करीब है जो तब प्राप्त हुई थी जब सिस्टम ने शुरुआती बिंदु के रूप में चिकित्सक के मैनुअल रेखाचित्रों का उपयोग किया था। सिस्टम थायराइडिटिस की पहचान करने में विशेष रूप से निपुण था, जिसने सभी परीक्षण केंद्रों में लगभग पूर्ण निरंतरता के साथ इसे सही ढंग से वर्गीकृत किया। हालांकि मैनुअल रेखाचित्रों के पास अभी भी सूक्ष्म बढ़त थी, लेकिन अंतर इतना कम था कि स्वचालित प्रणाली के प्रदर्शन को अधिकांश मापों के लिए सांख्यिकीय रूप से समकक्ष माना गया। यह सुझाव देता है कि कंप्यूटर नैदानिक गुणवत्ता से समझौता किए बिना समय लेने वाले मैनुअल ट्रेसिंग चरण को प्रभावी ढंग से बदल सकता है।

इस कार्य के निहितार्थ केवल गति तक ही सीमित नहीं हैं। सेगमेंटेशन प्रक्रिया को स्वचालित करके, यह प्रणाली उस भिन्नता को हटा देती है जो अलग-अलग डॉक्टरों द्वारा एक ही ग्रंथी को थोड़े अलग तरीके से खींचने से आती है। यह निरंतरता विश्वसनीय स्वास्थ्य सेवा के लिए महत्वपूर्ण है, विशेष रूप से कम अनुभवी चिकित्सकों के लिए जिन्हें अपने स्वयं के आकलन के विरुद्ध तुलना करने के लिए एक दूसरे, वस्तुनिष्ठ मत की आवश्यकता हो सकती है। शोधकर्ताओं ने उल्लेख किया कि हालांकि उनकी प्रणाली एक महत्वपूर्ण कदम है, लेकिन इसे एक ही देश के डेटा पर प्रशिक्षित किया गया था और इसे दुनिया भर में समान रूप से काम करने के लिए अधिक विविध वैश्विक डेटासेट से लाभ हो सकता है। वे भविष्य में ग्रंथी की रूपरेखा की आवश्यकता के बिना रोगों को वर्गीकृत करने के तरीकों का पता लगाने की भी योजना बना रहे हैं। फिलहाल, हालांकि, यह अध्ययन प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस थायराइड स्किन्टिग्राफी की जटिलताओं को सफलतापूर्वक नेविगेट कर सकता है, जो रोगी देखभाल में सुधार के लिए मानवीय विशेषज्ञता के साथ मिलकर काम करने वाला एक शक्तिशाली नया उपकरण प्रदान करता है।