Stroke Prediction using Clinical and Social Features in Machine Learning

एक विशाल पुस्तकालय की कल्पना करें जहाँ हर किताब एक व्यक्ति के जीवन का प्रतिनिधित्व करती है। इस शोध पत्र का लक्ष्य उन कुछ किताबों को जल्दी से पहचानने का तरीका खोजना है जो "बिखरने" वाली हैं (जो स्ट्रोक का प्रतिनिधित्व करती हैं), इससे पहले कि वे वास्तव में टूट जाएं, ताकि हम समय रहते उन्हें ठीक कर सकें।

यहाँ वह कहानी है कि कैसे लेखक ने ठीक ऐसा करने के लिए एक सिस्टम बनाने की कोशिश की, जिसमें तीन अलग-अलग प्रकार के "लाइब्रेरियन" (मशीन लर्निंग मॉडल) का उपयोग किया गया।

समस्या: एक दुर्लभ घटना

हर साल अमेरिका में 8,00,000 लोगों को स्ट्रोक आता है। यह हर 40 सेकंड में एक व्यक्ति है। लेखक नोट करते हैं कि स्ट्रोक दुनिया भर में मृत्यु और विकलांगता के दूसरे प्रमुख कारणों में से एक है।

चुनौती यह है कि स्ट्रोक होने वाले लोगों की तुलना में स्ट्रोक न होने वाले लोग बहुत अधिक हैं। उपयोग किए गए डेटा सेट (लगभग 5,000 लोग) में, हर 100 लोगों में से केवल लगभग 5 या 6 लोगों को ही वास्तव में स्ट्रोक आया था। यह 20 सफेद मार्बल्स की एक बाल्टी में एक अकेले लाल मार्बल को खोजने जैसा है।

लेखक एक कंप्यूटर प्रोग्राम बनाना चाहते थे जो व्यक्ति के "सांख्यिकी" (stats)—जैसे उनकी उम्र, रक्तचाप, बीएमआई (शरीर का वजन), नौकरी का प्रकार, और क्या वे विवाहित हैं—को देखकर यह अनुमान लगा सके कि क्या वे जोखिम में हैं।

स्वर्ण नियम: इस विशिष्ट परियोजना में, सबसे महत्वपूर्ण लक्ष्य फॉल्स नेगेटिव (False Negatives) से बचना था।

• फॉल्स नेगेटिव: कंप्यूटर कहता है, "आप सुरक्षित हैं," लेकिन व्यक्ति वास्तव में जोखिम में होता है। यह खतरनाक है क्योंकि व्यक्ति उस अस्वस्थ जीवनशैली को जारी रख सकता है जिसे उसे बदलना चाहिए था।
• फॉल्स पॉजिटिव (False Positive): कंप्यूटर कहता है, "आप जोखिम में हैं," लेकिन व्यक्ति वास्तव में सुरक्षित होता है। यह कष्टप्रद और संसाधनों की बर्बादी है, लेकिन लेखक ने निर्णय लिया कि पछताने से बेहतर है कि सावधानी बरती जाए।

तीन "लाइब्रेरियन" (मॉडल)

लेखक ने कंप्यूटर द्वारा इन भविष्यवाणियों को करने के तीन अलग-अलग तरीकों का परीक्षण किया:

1. सरल कैलकुलेटर (लॉजिस्टिक रिग्रेशन)

इस मॉडल को एक बहुत ही सीधा कैलकुलेटर समझें। यह सभी नंबरों (उम्र, वजन, आदि) को लेता है, प्रत्येक को एक विशिष्ट "भार" या महत्व देता है, उन्हें जोड़ता है, और स्ट्रोक की प्रतिशत संभावना बताता है।

• यह कैसे काम करता था: यह वास्तव में स्ट्रोक होने वाले लोगों को पकड़ने में अच्छा था (उच्च "रिकॉल")। इसने वास्तविक मामलों में से लगभग 76% को पकड़ा।
• पकड़: यह थोड़ा अधिक डरा हुआ था। यह बहुत बार "भेड़िया आया" चिल्लाता था। जिन 100 लोगों को इसने "जोखिम में" बताया, उनमें से केवल लगभग 16 वास्तव में जोखिम में थे। बाकी 84 केवल गलत अलार्म थे।
• इसने क्या सीखा: इसने पुष्टि की कि उम्र स्ट्रोक का सबसे बड़ा भविष्यवक्ता है। दिलचस्प बात यह है कि इसने आश्चर्यजनक रूप से बीएमआई (शरीर का वजन) के महत्व को कम करके दिखाया, जो डॉक्टरों की सामान्य धारणा के विपरीत है।

2. गहरा विचारक (डेंस न्यूरल नेटवर्क)

यह मॉडल एक ऐसे छात्र की तरह है जिसने कई उन्नत गणित की कक्षाएं ली हैं। इसमें सूचनाओं को गहराई से संसाधित करने के लिए "न्यूरॉन्स" की परतें होती हैं, जो उन जटिल पैटर्न को देखती हैं जिन्हें सरल कैलकुलेटर मिस कर सकता है।

• यह कैसे काम करता था: यह कुल मिलाकर सबसे सटीक मॉडल था। इसने 86.5% बार सही उत्तर दिया। यह सरल कैलकुलेटर की तुलना में "भेड़िया आया" चिल्लाने में भी बेहतर था (उच्च प्रिसिजन/सटीकता)।
• पकड़: इसने वास्तव में स्ट्रोक होने वाले मामलों को पकड़ने में सरल कैलकुलेटर की तुलना में अधिक चूक की। यह उन आधे लोगों को पकड़ने में विफल रहा जिन्हें वास्तव में मदद की जरूरत थी।
• गति: इसे प्रशिक्षित करना (सीखना) भी सबसे तेज़ था।

3. पैटर्न पहचानने वाला (कन्वोल्यूशनल न्यूरल नेटवर्क)

इस मॉडल का उपयोग आमतौर पर चित्रों को देखने के लिए किया जाता है (जैसे फोटो में बिल्ली को पहचानना), लेकिन लेखक ने डेटा में पैटर्न खोजने के लिए इसका उपयोग किया।

• यह कैसे काम करता था: इसका प्रदर्शन बीच में कहीं था। यह "गहरे विचारक" जितना सटीक नहीं था, लेकिन यह "गहरे विचारक" की तुलना में वास्तविक स्ट्रोक के मामलों को पकड़ने में बेहतर था।
• पकड़: इसे प्रशिक्षित करने में अधिक समय लगा और यह अन्य दोनों की तुलना में समग्र रूप से उतना अच्छा प्रदर्शन नहीं कर सका।

बड़ा खुलासा: एक समझौता (The Trade-Off)

यह पेपर चिकित्सा के एक क्लासिक संघर्ष को उजागर करता है: सटीकता बनाम सुरक्षा।

• सरल कैलकुलेटर सुरक्षा (लगभग सभी बीमार लोगों को पकड़ने) में महान था लेकिन सटीकता (बहुत अधिक स्वस्थ लोगों को चिह्नित करना) में खराब था।
• गहरा विचारक सटीकता (दुर्लभ मामलों में स्वस्थ लोगों को चिह्नित न करना) में महान था लेकिन सुरक्षा (कुछ बीमार लोगों को मिस करना) में खराब था।

लेखक ने पाया कि हालांकि "गहरे विचारक" का समग्र स्कोर सबसे अधिक था, लेकिन यह वास्तविक स्ट्रोक के मामलों को बहुत अधिक मिस कर देता है, इसलिए इसे जीवन बचाने के उद्देश्य से एकमात्र उपकरण के रूप में उपयोग नहीं किया जा सकता।

प्रस्तावित समाधान: एक टीम प्रयास

चूंकि कोई भी एकल मॉडल पूर्ण नहीं था, इसलिए लेखक स्वास्थ्य सेवा के लिए एक "रिले रेस" दृष्टिकोण का सुझाव देते हैं:

1. पहला चरण: पहले सरल कैलकुलेटर का उपयोग करें। क्योंकि यह लगभग उन सभी को पकड़ लेता है जो जोखिम में हैं (भले ही यह कुछ गलतियाँ करे), यह सभी की स्क्रीनिंग करने के लिए एक विस्तृत जाल के रूप में कार्य करता है।
2. दूसरा चरण: यदि सरल कैलकुलेटर कहता है कि कोई जोखिम में है, तो उन्हें गहरे विचारक के पास भेज दें। यह मॉडल फिर एक अधिक विस्तृत, सटीक जांच कर सकता है कि क्या वे वास्तव में जोखिम में हैं, जिससे गलत अलार्म को फ़िल्टर किया जा सके।
3. सुरक्षा जाल: परिणामों को दोबारा जांचने के लिए पैटर्न पहचानने वाले (CNN) को तीसरे विचार के रूप में उपयोग किया जा सकता है।

मुख्य निष्कर्ष

यह पेपर निष्कर्ष निकालता है कि भविष्य में इन मॉडलों को और भी बेहतर बनाने के लिए हमें अधिक डेटा की आवश्यकता है। विशेष रूप से, हमें उन लोगों के बारे में अधिक जानकारी चाहिए जिन्होंने वास्तव में स्ट्रोक का अनुभव किया है, क्योंकि वर्तमान में, डेटा बहुत असंतुलित है (बहुत अधिक स्वस्थ लोग, बहुत कम बीमार लोग)।

तब तक, सबसे अच्छी रणनीति केवल एक "विजेता" को चुनना नहीं है, बल्कि विभिन्न मॉडलों की एक टीम का उपयोग करना है जो मिलकर काम करते हैं ताकि जोखिम में रहने वाला कोई भी व्यक्ति छूट न जाए।