Demographic-aware fine-grained visual recognition of pediatric wrist pathologies

कल्पना कीजिए कि आप एक कंप्यूटर को पेड़ की एक नाजुक, बढ़ती हुई टहनी में एक बहुत ही बारीक दरार पहचानने के लिए सिखाने की कोशिश कर रहे हैं। यह कोई साधारण टहनी नहीं है; यह एक बच्चे की कलाई की हड्डी है, जो बढ़ते हुए लगातार अपना आकार बदल रही है। चिकित्सा विज्ञान की दुनिया में, यह मामला कंप्यूटर विजन (computer vision) के दायरे में आता है, जहाँ मशीनें एक्स-रे जैसी छवियों को "देखने" और समझने के लिए सीखती हैं। लेकिन यहाँ पेचीदा हिस्सा यह है: एक सामान्य, बढ़ती हुई हड्डी टूटी हुई हड्डी जैसी दिख सकती है। बच्चों की हड्डियों में "ग्रोइंग प्लेट्स" (वे क्षेत्र जहाँ हड्डी अभी बन रही है) होती हैं, जो एक अप्रशिक्षित आँख को दरार जैसी लग सकती हैं। इसे और भी जटिल बनाने के लिए, लड़के और लड़कियां अलग-अलग गति से बढ़ते हैं। यदि कोई कंप्यूटर केवल तस्वीर को देखता है, तो वह भ्रमित हो सकता है, और एक सामान्य विकास चरण को गंभीर चोट समझ सकता है। यही कारण है कि डॉक्टरों को ऐसे स्मार्ट उपकरणों की मदद की आवश्यकता होती है जो न केवल छवि को देखते हैं, बल्कि यह भी समझते हैं कि रोगी कौन है—उनकी आयु क्या है और वे लड़का हैं या लड़की।

यह शोध पत्र ठीक उसी भ्रम को दूर करता है। शोधकर्ताओं ने एक विशेष प्रकार का "कंप्यूटर मस्तिष्क" बनाया है जिसे एक "डेमोग्राफिक-अवेयर" (जनसांख्यिकीय रूप से जागरूक) जासूस के रूप में डिज़ाइन किया गया है। केवल एक्स-रे को घूरने के बजाय, यह जासूस पूछता है, "यह बच्चा कितना पुराना है? क्या यह एक लड़का है या लड़की?" और इस जानकारी का उपयोग करके एक बेहतर अनुमान लगाता है। उन्होंने अपने इस विचार का परीक्षण 20,000 से अधिक बच्चों के कलाई के एक्स-रे के संग्रह पर किया। उन्होंने पाया कि उनका नया मॉडल, जो एक शक्तिशाली विजुअल स्कैनर और आयु एवं लिंग के डेटा को मिलाता है, पुराने मॉडलों की तुलना में फ्रैक्चर और कलाई की अन्य समस्याओं को पहचानने में बहुत बेहतर है जो केवल तस्वीर को देखते हैं। उन्होंने यह भी खोजा कि इस मॉडल को पहले एक अलग प्रकार के "फाइन-ग्रेंड" पहेली (जैसे बहुत समान दिखने वाली चीजों, जैसे पक्षियों की विभिन्न प्रजातियों के बीच अंतर करना) पर प्रशिक्षित करने से यह कलाई की हड्डियों के लिए एक बेहतर डॉक्टर बन गया, जो कि अधिकांश कंप्यूटरों द्वारा उपयोग किए जाने वाले मानक प्रशिक्षण से बेहतर है।

कलाई के एक्स-रे की बढ़ती मुश्किलें

एक बच्चे की कलाई को एक ऐसे निर्माण स्थल की तरह समझें जो हमेशा नवीनीकरण के अधीन रहता है। जैसे-जैसे बच्चा बढ़ता है, उनकी हड्डियाँ लगातार बन रही होती हैं और नया आकार ले रही होती हैं। कभी-कभी, ये निर्माण क्षेत्र (जिन्हें ओपन ग्रोथ प्लेट्स कहा जाता है) एक्स-रे पर थोड़े अव्यवस्थित या ऊबड़-खाबड़ दिख सकते हैं। एक मानव डॉक्टर के लिए, यह सामान्य है। लेकिन एक बुनियादी कंप्यूटर प्रोग्राम के लिए, यह टूटी हुई हड्डी जैसा लग सकता है। यह वह "फाइन-ग्रेंड" समस्या है: एक स्वस्थ, बढ़ती हुई कलाई और एक टूटी हुई कलाई के बीच का अंतर बहुत सूक्ष्म होता है, जैसे लगभग एक जैसे कपड़े पहने दो जुड़वा बच्चों के बीच अंतर करना।

शोधकर्ताओं ने महसूस किया कि यदि आप कंप्यूटर को केवल "कपड़ा" (एक्स-रे) दिखाते हैं, तो वह संघर्ष करेगा। लेकिन यदि आप उसे उस व्यक्ति की "पहचान" (उसकी आयु और लिंग) भी बताते हैं, तो तस्वीर बहुत स्पष्ट हो जाती है। 6 साल के बच्चे की कलाई पर एक टेढ़ी रेखा एक सामान्य विकास प्रक्रिया हो सकती है, लेकिन 16 साल के बच्चे की कलाई पर वही रेखा एक फ्रैक्चर हो सकती है। शोध पत्र सुझाव देता है कि इस अतिरिक्त संदर्भ को कंप्यूटर में फीड करके, हम उसे मूर्खतापूर्ण गलतियाँ करने से रोक सकते हैं।

नया जासूस: एक हाइब्रिड मस्तिष्क

टीम ने एक नए प्रकार का AI मॉडल बनाया है जो एक हाइब्रिड जासूस की तरह काम करता है। कल्पना कीजिए कि एक जासूस के पास दो महाशक्तियाँ हैं:

1. ईगल आई (Eagle Eye): आँखों का एक शक्तिशाली सेट (कनवोल्यूशनल लेयर्स और ट्रांसफॉर्मर्स का मिश्रण) जो एक्स-रे को बारीकी से स्कैन करता है, दरारों या अजीब आकृतियों की तलाश करता है।
2. सोशल ब्रेन (Social Brain): एक सहायक जो रोगी की आयु और लिंग को जानता है।

आमतौर पर, जब आप किसी कंप्यूटर को अतिरिक्त जानकारी देते हैं, तो वह आलसी हो सकता है। वह कह सकता है, "ओह, यह 10 साल का लड़का है, इसलिए मैं बस यह अनुमान लगा लूँगा कि यह फ्रैक्चर है क्योंकि इस उम्र के लड़के अक्सर हड्डियाँ तुड़ाते हैं," बिना वास्तव में एक्स-रे को ठीक से देखे। इसे "शॉर्टकट लर्निंग" कहा जाता है। इसे रोकने के लिए, शोधकर्ताओं ने प्रोग्रेसिव मेटाडेटा मास्किंग (progressive metadata masking) नामक एक चतुर तकनीक का उपयोग किया।

इसे जासूस के प्रशिक्षण शिविर की तरह समझें। प्रशिक्षण की शुरुआत में, जासूस को रोगी की आयु और लिंग देखने की अनुमति होती है। लेकिन जैसे-जैसे प्रशिक्षण आगे बढ़ता है, शोधकर्ता यादृच्छिक रूप से उस जानकारी को छिपाना (मास्क करना) शुरू कर देते हैं। कभी-कभी जासूस को बिना आयु जाने अनुमान लगाना पड़ता है। यह जासूस को एक्स-रे को करीब से देखना सीखने के लिए मजबूर करता है, न कि केवल आसान सुरागों पर निर्भर रहने के लिए। अंत तक, जासूस एक्स-रे देखने में इतना कुशल हो जाता है कि उसे आयु और लिंग की केवल एक सहायक संकेत के रूप में आवश्यकता होती है, न कि एक बैसाखी के रूप में।

उन्होंने क्या पाया

शोधकर्ताओं ने अपने नए जासूस का परीक्षण कई अन्य प्रसिद्ध कंप्यूटर मॉडलों के विरुद्ध किया, जिनमें कुछ तकनीकी जगत में बहुत लोकप्रिय हैं। यहाँ क्या हुआ:

• विजुअल्स मायने रखते हैं: नया हाइब्रिड मॉडल, जो विजुअल स्कैनिंग और जनसांख्यिकीय संकेतों का उपयोग करता है, ने एक विशिष्ट टेस्ट सेट पर 82.2% की सटीकता प्राप्त की। यह सर्वश्रेष्ठ "विज़न-ओनली" मॉडलों से अधिक था, जिनका स्कोर लगभग 79.9% था। यह सुझाव देता है कि रोगी की आयु और लिंग जोड़ने से वास्तव में कंप्यूटर बेहतर देख पाता है।
• "बर्ड ट्रिक" (पक्षी वाला तरीका): टीम ने अपने मॉडल को एक शुरुआती बढ़त देने का भी प्रयास किया। इसे शुरुआत से सिखाने के बजाय, उन्होंने इसे प्रकृति की तस्वीरों (विशेष रूप से, पक्षियों और पौधों की बहुत समान प्रजातियों के बीच अंतर करने वाले iNaturalist) के डेटासेट पर प्री-ट्रेनिंग दी। यह जासूस को हड्डियों को देखने से पहले पंखों के सूक्ष्म अंतर पहचानने के लिए सिखाने जैसा है। यह दृष्टिकोण मानक प्रशिक्षण (जिसे ImageNet कहा जाता है) की तुलना में बेहतर रहा। प्रकृति की तस्वीरों पर प्रशिक्षित मॉडल ने 82.2% सटीकता प्राप्त की, जबकि मानक वाला कम था। यह सुझाव देता है कि किसी भी क्षेत्र में सूक्ष्म अंतर पहचानना सीखने से कंप्यूटर चिकित्सा में सूक्ष्म अंतर पहचानने में बेहतर बन जाता है।
• मास्किंग का जादू: जब उन्होंने प्रशिक्षण के दौरान आयु और लिंग के डेटा को छिपाने के तरीके का परीक्षण किया, तो उन्होंने पाया कि एक "प्रोग्रेसिव" शेड्यूल (समय के साथ धीरे-धीरे अधिक जानकारी छिपाना) सबसे अच्छा काम करता है। यदि वे जानकारी को बहुत अधिक छिपा देते, तो कंप्यूटर संकेतों का उपयोग करना नहीं सीख पाता। यदि वे इसे बहुत कम छिपाते, तो कंप्यूटर आलसी हो जाता और एक्स-रे को अनदेखा कर देता। बीच का रास्ता ही सबसे सटीक था।

सीमाएं और भविष्य

शोध पत्र इस बात का दावा करने में सावधानी बरतता है कि उन्होंने सब कुछ हल कर लिया है। हालाँकि मॉडल बेहतर है, फिर भी यह गलतियाँ करता है। उदाहरण के लिए, यह कभी-कभी "बोन एनोमली" (एक अजीब लेकिन टूटी हुई नहीं होने वाली हड्डी) को "सॉफ्ट टिश्यू" (सूजन या नील) की समस्याओं के साथ भ्रमित कर देता है। परीक्षणों में, मॉडल फ्रैक्चर का पता लगाने में बहुत अच्छा था (उसने शायद ही कभी कोई फ्रैक्चर छोड़ा), लेकिन कभी-कभी इसने उन चीजों को भी फ्रैक्चर बता दिया जो फ्रैक्चर नहीं थीं।

शोधकर्ताओं ने यह भी देखा कि मॉडल छोटे बच्चों की तुलना में किशोरों पर थोड़ा कम प्रभावी था। यह समझ में आता है क्योंकि छोटे बच्चों की हड्डियाँ तेजी से बदल रही होती हैं, इसलिए उनके लिए "आयु" का सुराग अधिक महत्वपूर्ण है।

यह क्यों महत्वपूर्ण है

यह कार्य बताता है कि चिकित्सा AI का भविष्य केवल बड़ी, स्मार्ट आँखें बनाने के बारे में नहीं है। यह ऐसे मॉडल बनाने के बारे में है जो पूरी तस्वीर को समझते हैं, जिसमें एक्स-रे के पीछे का व्यक्ति भी शामिल है। कंप्यूटर को रोगी के विकास और वृद्धि के संदर्भ का सम्मान करना सिखाकर, और उन्हें 'प्रोग्रेसिव मास्किंग' जैसी चतुर तकनीकों का उपयोग करके सूक्ष्म अंतर पहचानने के लिए प्रशिक्षित करके, हम ऐसे उपकरण बना सकते हैं जो डॉक्टरों को कम गलतियाँ करने में मदद करें। यह शोध पत्र दिखाता है कि जब हम सही विजुअल टूल्स को सही मानवीय संदर्भ के साथ जोड़ते हैं, तो हमें बच्चे की बढ़ती कलाई के भीतर वास्तव में क्या हो रहा है, इसकी बहुत स्पष्ट दृष्टि मिलती है।