Towards Comprehensive Cellular Characterisation of H&E slides
यह शोध पत्र HistoPLUS को प्रस्तुत करता है, जो एक नवीन पैन-कैंसर डेटासेट पर प्रशिक्षित एक अत्यधिक कुशल और सामान्यीकरण योग्य डीप लर्निंग मॉडल है, जो ट्यूमर माइक्रोएनवायरनमेंट के भीतर विविध कोशिका प्रकारों, जिनमें कम अध्ययन किए गए और दुर्लभ कोशिकाएं भी शामिल हैं, का पता लगाने और उन्हें वर्गीकृत करने में मौजूदा अत्याधुनिक तरीकों से काफी बेहतर प्रदर्शन करता है, साथ ही बेहतर क्रॉस-डोमेन ट्रांसफ़रेबिलिटी भी प्रदान करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक अपराध को सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन आपका अपराध स्थल कोई बिखरा हुआ कमरा नहीं, बल्कि मानव ऊतक (tissue) का एक छोटा सा टुकड़ा है। चिकित्सा की दुनिया में, डॉक्टर एक विशेष स्टेन का उपयोग करते हैं जिसे H&E कहते हैं (इसे एक हाई-कॉन्ट्रास्ट ब्लैक-एंड-व्हाइट फ़िल्टर की तरह समझें) ताकि वे इन ऊतक के स्लाइसों को रंगीन मानचित्रों में बदल सकें। इन मानचित्रों पर, विभिन्न कोशिकाएं अलग-अलग आकृतियों और रंगों में दिखाई देती हैं। यह समझने के लिए कि एक मरीज के भीतर क्या हो रहा है—जैसे कि क्या कोई ट्यूमर मुकाबला कर रहा है या हार मान रहा है—डॉक्टरों को उस सूक्ष्म टुकड़े में हर एक कोशिका को गिनने और पहचानने की आवश्यकता होती है। यह एक धुंधली फोटो को देखकर एक विशाल, भीड़भाड़ वाले चींटी के घर में विशिष्ट प्रकार की चींटियों को खोजने जैसा है।
लंबे समय तक, कंप्यूटर इसमें बहुत खराब रहे हैं। वे यह पहचानने में माहिर हैं कि "कुछ ऐसा है जो कोशिका जैसा दिखता है," लेकिन उन्हें एक सैनिक कोशिका (इम्यून सेल), एक निर्माण कार्यकर्ता कोशिका (स्ट्रोमल सेल), या एक बुरे आदमी की कोशिका (कैंसर सेल) के बीच अंतर करने में संघर्ष करना पड़ता है, खासकर जब कोशिकाएं आपस में दबी हुई हों या बहुत समान दिखती हों। मौजूदा कंप्यूटर प्रोग्राम उन जासूसों की तरह हैं जो केवल सबसे आम चींटियों को पहचानना जानते हैं; यदि वे कोई दुर्लभ या अजीब दिखने वाली चींटी देखते हैं, तो वे भ्रमित हो जाते हैं या बस अनुमान लगा लेते हैं। यह एक बड़ी समस्या है क्योंकि दुर्लभ चींटियाँ अक्सर इस बारे में सबसे महत्वपूर्ण सुराग रखती हैं कि कोई बीमारी कैसे व्यवहार करेगी। वैज्ञानिक इन मानचित्रों को पढ़ने के लिए बेहतर "सुपर-डिटेक्टिव" (AI मॉडल) बनाने की कोशिश कर रहे हैं, लेकिन वे इसलिए अटके हुए थे क्योंकि उनके पास सभी अलग-अलग प्रकार की कोशिकाओं के साथ स्पष्ट लेबल वाला पर्याप्त प्रशिक्षण डेटा नहीं था, विशेष रूप से दुर्लभ कोशिकाओं के लिए।
यहीं पर शोधकर्ताओं की एक नई टीम एक नए दृष्टिकोण के साथ आती है। उन्होंने एक बिल्कुल नया, सुपर-स्मार्ट AI मॉडल बनाया जिसे HistoPLUS कहा जाता है। HistoPLUS को एक ऐसे जासूस के रूप में समझें जिसने न केवल कुछ पाठ्यपुस्तकों से सीखा, बल्कि छह अलग-अलग प्रकार के कैंसर से प्राप्त 108,722 व्यक्तिगत कोशिका "स्नैपशॉट्स" के एक विशाल, सावधानीपूर्वक क्यूरेट किए गए पुस्तकालय का वर्षों तक अध्ययन किया। सामान्य डेटा पर प्रशिक्षित पिछले मॉडलों के विपरीत, इस टीम ने एक चतुर "एक्टिव लर्निंग" रणनीति का उपयोग किया। कल्पना कीजिए कि एक शिक्षक देखता है कि एक छात्र लाल भृंगों (beetles) को पहचानने में बुरा है, तो उसे 100 नीली तितलियों को दिखाने के बजाय, शिक्षक विशेष रूप से उसे 50 लाल भृंग दिखाता है जब तक कि वह उसमें महारत हासिल न कर ले। टीम ने यह दुर्लभ कोशिका प्रकारों के साथ किया, यह सुनिश्चित करते हुए कि उनके AI ने उन कठिन, कम अध्ययन की गई कोशिकाओं को पहचानना सीख लिया जिन्हें अन्य मॉडल छोड़ देते थे।
परिणाम प्रभावशाली हैं। जब उन्होंने HistoPLUS का परीक्षण नए, अनदेखे ऊतक नमूनों पर किया, तो इसने केवल थोड़ा बेहतर प्रदर्शन नहीं किया; इसने प्रतियोगिता को पछाड़ दिया। इसने वर्तमान सर्वश्रेष्ठ मॉडलों की तुलना में कोशिकाओं को 5.2% अधिक सटीकता से पाया और उन्हें 23.7% बेहतर तरीके से वर्गीकृत किया, और यह सब करते हुए यह पांच गुना छोटा और हल्का (5 गुना कम कंप्यूटर "मस्तिष्क कोशिकाओं" या पैरामीटर्स का उपयोग करके) भी था। इसका मतलब है कि यह चलाने में तेज़ और सस्ता है। सबसे रोमांचक बात यह है कि HistoPLUS अब सात प्रकार की कोशिकाओं की पहचान कर सकता है जिन्हें पहले कंप्यूटर के लिए संभालना बहुत कठिन था, जिसमें विशिष्ट इम्यून कोशिकाएं और संरचनात्मक कोशिकाएं शामिल हैं। इससे भी बेहतर, मॉडल ने दिखाया कि वह दो प्रकार के कैंसर को भी संभाल सकता है जिसे उसने अपने प्रशिक्षण के दौरान कभी नहीं देखा था, जो यह साबित करता है कि यह केवल उत्तरों को रट नहीं रहा है बल्कि खेल के नियमों को वास्तव में सीख रहा है।
शोधकर्ता तर्क देते हैं कि जबकि विशाल, जटिल AI मॉडल (क्षेत्र के "दिग्गज") लोकप्रिय हैं, वे हमेशा सबसे अच्छा समाधान नहीं होते हैं। उनके परीक्षणों ने दिखाया कि दिग्गज मॉडल HistoPLUS की तुलना में बहुत अधिक कंप्यूटिंग शक्ति की आवश्यकता होने के बावजूद, बहुत बेहतर प्रदर्शन नहीं कर सके। HistoPLUS साबित करता है कि आपको सुपर परिणाम प्राप्त करने के लिए सुपरकंप्यूटर की आवश्यकता नहीं है; आपको बस सही प्रशिक्षण डेटा और एक स्मार्ट, कुशल डिज़ाइन की आवश्यकता है। अपने मॉडल और कोड को मुफ्त में जारी करके, टीम को उम्मीद है कि वे अन्य वैज्ञानिकों को इन ऊतक मानचित्रों में छिपे नए रहस्यों को खोलने में मदद करेंगे, जिससे संभावित रूप से यह अनुमान लगाने के बेहतर तरीके विकसित होंगे कि मरीज उपचार के प्रति कैसे प्रतिक्रिया देंगे। वे यह दावा नहीं कर रहे हैं कि उन्होंने कैंसर को हल कर लिया है, बल्कि उन्होंने चिकित्सा जगत को सूक्ष्म दुनिया को पहले से कहीं अधिक स्पष्ट रूप से देखने के लिए एक बहुत ही सटीक चश्मे का उपहार दिया है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।