Aortic Valve Disease Screening from PPG via Physiology-Guided Self-Supervised Learning

अपने हृदय की कल्पना एक कुशल ड्रमर के रूप में करें, जो एक स्थिर लय बजा रहा है जो आपके शरीर के पाइपों के विशाल नेटवर्क में रक्त की लहरें भेजता है। कभी-कभी, इस प्रवाह को नियंत्रित करने वाले वाल्व थोड़े जंग खाए हुए या सख्त हो जाते हैं, जैसे कि कोई दरवाज़ा जो पूरी तरह से नहीं खुल पाता या कोई गेट जो ठीक से बंद नहीं हो पाता। जब ऐसा होता है, तो रक्त की लय सूक्ष्म, लगभग अदृश्य तरीकों से बदल जाती है। दशकों से, डॉक्टरों को इन छोटी-छोटी बदलावों को सुनने और समस्याओं को जल्दी पहचानने के लिए महंगी, भारी मशीनों और अत्यधिक प्रशिक्षित विशेषज्ञों की आवश्यकता होती रही है। लेकिन क्या होगा यदि आपकी स्मार्टवॉच या एक साधारण फिंगर सेंसर इन अंतरों को सुन सके? यह "वियरेबल हेल्थ" (पहने जाने योग्य स्वास्थ्य तकनीक) की रोमांचक दुनिया है, जहाँ वैज्ञानिक आपकी त्वचा से निकलने वाले सूक्ष्म, धड़कते प्रकाश संकेतों को हृदय स्वास्थ्य के लिए एक 'क्रिस्टल बॉल' (भविकी बताने वाला यंत्र) में बदलने की कोशिश कर रहे हैं। सबसे बड़ी चुनौती? इन संकेतों के लाखों उदाहरण हैं, लेकिन बहुत कम ऐसे "गोल्ड स्टार" उदाहरण हैं जहाँ एक डॉक्टर ने पहले ही किसी विशिष्ट हृदय वाल्व की समस्या की पुष्टि कर दी हो। यह बादलों की लाखों तस्वीरों के पास होने जैसा है, लेकिन उनमें से केवल कुछ ही ऐसी हैं जिन पर लिखा है "तूफान आ रहा है।"

यह शोध पत्र एक कंप्यूटर को यह सिखाने का एक चतुर नया तरीका पेश करता है कि कैसे हृदय वाल्व की समस्याओं को पहचाना जाए—विशेष रूप से एओर्टिक स्टेनोसिस (एक सख्त दरवाज़ा) और एओर्टिक रिगर्जिटेशन (एक लीकी गेट या लीक होने वाला गेट)—जिसे "फिजियोलॉजी-गाइडेड सेल्फ-सुपरवाइज्ड लर्निंग" नामक तकनीक के माध्यम से किया जाता है। इसे एक ऐसे छात्र के रूप में सोचें जो पहले हजारों बिना लेबल वाली तस्वीरों का अध्ययन करके बादलों के सामान्य आकार को पहचानना सीखता है, जिसे एक शिक्षक द्वारा निर्देशित किया जाता है कि, "गहरे, भारी निचले हिस्सों को देखो," इससे पहले कि वह वास्तव में एक भी पुष्ट तूफान की फोटो देखे। शोधकर्ता, जियाज़े वांग और उनकी टीम ने UK बायोबैंक से 170,000 से अधिक हृदय संकेतों के एक विशाल पुस्तकालय का उपयोग किया। केवल पैटर्न का अनुमान लगाने के बजाय, उन्होंने कंप्यूटर को रक्त की लहरों में उन विशिष्ट, वास्तविक भौतिक आकृतियों को देखने के लिए प्रशिक्षित किया जो तब होती हैं जब एक वाल्व बीमार होता है। उन्होंने पाया कि यह "स्मार्ट ट्रेनिंग" विधि केवल कुछ पुष्ट मामलों से सीखने की तुलना में बहुत बेहतर काम करती है, जो उच्च सटीकता के साथ हृदय वालय समस्याओं की सफलतापूर्वक पहचान करती है और यहाँ तक कि भविष्यवाणी भी कर सकती है कि कौन व्यक्ति डॉक्टर के सामान्य रूप से ध्यान देने से वर्षों पहले बीमार पड़ सकता है।

हृदय की गुप्त भाषा

आइए बुनियादी बातों से शुरू करें। आपके हृदय में चार दरवाजे, या वाल्व होते हैं जो रक्त को सही दिशा में बहने देते हैं। इनमें से दो एओर्टिक वाल्व हैं, जो एक तरफा गेट की तरह काम करते हैं जो रक्त को आपके शरीर के बाकी हिस्सों में जाने देते हैं। कभी-कभी, ये गेट अटक जाते हैं (एओर्टिक स्टेनोसिस) या लीक होने लगते हैं (एओर्टिक रिगर्जिटेशन)। जब वे ऐसा करते हैं, तो आपकी धमनियों के माध्यम से रक्त के धक्के का तरीका बदल जाता है। यह बगीचे के पाइप (होज़) से बहते पानी जैसा है: यदि आप अंत को दबाते हैं, तो फुहार बदल जाती है; यदि उसमें छेद है, तो दबाव गिर जाता है।

लंबे समय तक, इन समस्याओं को जल्दी पकड़ने का एकमात्र तरीका इकोकार्डियोग्राम था—जो हृदय का एक फैंसी अल्ट्रासाउंड है। लेकिन ये मशीनें महंगी हैं, और आपको इसे चलाने के लिए एक विशेषज्ञ की आवश्यकता होती है। यहीं पर PPG (फोटोप्लेथिस्मोग्राफी) काम आता है। आपने इसे शायद अपनी स्मार्टवॉच या फिटनेस ट्रैकर पर देखा होगा। यह एक छोटा सा प्रकाश है जो आपकी त्वचा में चमकता है और यह मापता है कि आपकी उंगली या कलाई से कितना रक्त धड़क रहा है। यह सस्ता है, आसान है, और हर किसी के पास है। समस्या यह है कि संकेत अस्त-व्यस्त होते हैं। वे आपकी उम्र, आपकी धमनियों के सख्त होने या यहाँ तक कि यदि आपने अभी कॉफी पी है, इसके आधार पर बदलते रहते हैं। बिना लाखों "लेबल वाले" उदाहरणों के, एक कंप्यूटर को उस अस्त-व्यस्त संकेत में एक विशिष्ट हृदय वाल्व की समस्या खोजने के लिए सिखाना, घास के ढेर में सुई खोजने जैसा है जो खुद भी सुइयों से बना हो।

"स्मार्ट स्टूडेंट" दृष्टिकोण

शोधकर्ताओं ने महसूस किया कि यदि वे केवल लेबल वाले हृदय संकेतों के छोटे ढेर पर कंप्यूटर को डाल देते, तो वह बहुत अच्छी तरह से नहीं सीख पाता। यह एक छात्र को दुर्लभ पक्षियों को पहचानने के लिए केवल पाँच तस्वीरें दिखाने जैसा होगा। इसलिए, उन्होंने एक नई प्रशिक्षण पद्धति विकसित की जिसे "फिजियोलॉजी-गाइडेड सेल्फ-सुपरवाइज्ड लर्निंग" (PG-SSL) कहा जाता है, जिसे उन्होंने PiLA नामक एक फ्रेमवर्क में समेटा।

यहाँ बताया गया है कि PiLA कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:

कल्पना करें कि आप एक रोबोट को नदी में "धीमी, भारी" लहर बनाम "तेज़, उछलती हुई" लहर को पहचानने के लिए सिखा रहे हैं।

1. पुराना तरीका (सुपरवाइज्ड लर्निंग): आप रोबोट को नदियों की 200 तस्वीरें दिखाते हैं, जिनमें से 10 को "धीमी" और 10 को "तेज़" के रूप में लेबल किया गया है। रोबोट उन्हें याद करने की कोशिश करता है। वह संघर्ष करता है क्योंकि 200 तस्वीरें अंतर सीखने के लिए पर्याप्त नहीं हैं।
2. जेनेरिक AI तरीका (सेल्फ-सुपरवाइज्ड लर्निंग): आप रोबोट को 170,000 नदियों की तस्वीरें दिखाते हैं, लेकिन कोई भी लेबल नहीं लगा है। आप उसे कहते हैं, "ऐसे पैटर्न खोजो जो एक जैसे दिखते हों।" रोबोट रंग या आकार के आधार पर नदियों को समूहों में बांटना सीख जाता है, लेकिन वह सूक्ष्म "प्रवाह गति" को मिस कर सकता है जिसकी आपको परवाह है।
3. PiLA का तरीका (फिजियोलॉजी-गाइडेड): आप रोबोट को 170,000 नदियों की तस्वीरें दिखाते हैं, और आप उसे पानी वास्तव में कैसे व्यवहार करता है, इस पर आधारित एक विशेष नियम पुस्तिका देते हैं। आप कहते हैं, "उन लहरों को देखो जो धीरे-धीरे ऊपर उठती हैं और देर से चरम पर पहुँचती हैं (जैसे एक भारी दरवाजा खुल रहा हो)" और "उन लहरों को देखो जो तेज़ी से ऊपर उठती हैं और अचानक गिर जाती हैं (जैसे एक लीक होने वाला पाइप)।" रोबक उन 170,000 तस्वीरों को समूहों में वर्गीकृत करने के लिए इन वास्तविक-दुनिया के भौतिकी नियमों का उपयोग करता है। वह सीख जाता है कि एक "भारी" लहर कैसी महसूस होती है और एक "लीकी" लहर कैसी महसूस होती है।

एक बार जब रोबोट ने इन भौतिकी नियमों का उपयोग करके सभी 170,000 लहरों पर अभ्यास कर लिया, तो अंत में आप उसे 200 लेबल वाले उदाहरण दिखाते हैं। क्योंकि वह पहले से ही लहरों के "अहसास" को समझता है, वह विशिष्ट हृदय वाल्व की समस्याओं को अविश्वसनीय रूप से तेज़ी से सीख लेता है।

उन्होंने क्या पाया

टीम ने PiLA का परीक्षण उन लोगों के समूह पर किया जहाँ वे जानते थे कि किसे हृदय वाल्व की समस्या है और किसे नहीं। परिणाम प्रभावशाली थे:

• एओर्टिक स्टेनोसिस (सख्त दरवाज़ा) के लिए, PiLA ने लगभग 80% बार (एक AUROC 0.8025) समस्या की सही पहचान की।
• एओर्टिक रिगर्जिटेशन (लीकी गेट) के लिए, यह लगभग 77% बार (एक AUROC 0.7669) सही था।

इसे समझने के लिए, यदि उन्होंने पुराने "200 फोटो दिखाने" वाले तरीके का उपयोग किया होता, तो कंप्यूटर केवल 65-70% बार ही सही होता। भौतिकी के नियमों के साथ "स्मार्ट ट्रेनिंग" ने एक बड़ा अंतर पैदा किया।

शोधकर्ताओं ने यह भी जाँच की कि क्या कंप्यूटर केवल आसान सुराग देख रहा था, जैसे कि "बुजुर्ग लोगों को हृदय रोग होते हैं।" उन्होंने इस सिस्टम का परीक्षण एक ऐसे समूह पर किया जहाँ उन्होंने उम्र, वजन और रक्तचाप को पूरी तरह से मैच किया था। इसके बावजूद, PiLA अभी भी रैंडम अनुमान लगाने से बेहतर काम कर रहा था, जिससे पता चलता है कि यह वास्तव में हृदय की लय को पढ़ रहा था, न कि केवल व्यक्ति की उम्र को।

भविष्य की ओर देखना

अध्ययन का सबसे दिलचस्प हिस्सा समय की ओर देखना था। शोधकर्ताओं ने जाँच की कि क्या PiLA डॉक्टर द्वारा आधिकारिक निदान किए जाने से पहले परेशानी को पहचान सकता है। उन्होंने पाया कि सिस्टम उन लोगों में समस्याओं को पहचानने में सबसे अच्छा था जिन्हें 1 से 3 साल के भीतर निदान किया गया था। लेकिन उन लोगों के लिए भी जिनका निदान 10 साल से अधिक समय बाद हुआ, सिस्टम ने कुछ संदिग्ध देखा। यह सुझाव देता है कि PiLA एक प्रारंभिक चेतावनी प्रणाली के रूप में कार्य कर सकता है, जो लोगों को बीमारी महसूस होने से वर्षों पहले ही करीब से जांच के लिए चिह्नित कर सकता है।

उन्होंने यह भी देखा कि कंप्यूटर हृदय की धड़कनों को कैसे "देखता" है। एक विज़ुअलाइज़ेशन टूल का उपयोग करते हुए, उन्होंने देखा कि जब कंप्यूटर ने "सख्त दरवाजे" (एओर्टिक स्टेनोसिस) को फ्लैग किया, तो इसने उस लहर के हिस्से पर ध्यान केंद्रित किया जहाँ हृदय रक्त को बाहर धकेलता है। जब इसने "लीकी गेट" (एओर्टिक रिगर्जिटेशन) को फ्लैग किया, तो इसने उस हिस्से पर ध्यान दिया जहाँ रक्त वापस गिरता है। यह पुष्टि करता है कि कंप्यूटर वास्तव में हृदय के काम करने के वास्तविक भौतिक गुणों को सीख रहा है, न कि केवल रैंडम पैटर्न को।

कमी (The Catch)

बेशक, विज्ञान शायद ही कभी पूर्ण होता है। लेखक कुछ बातें स्वीकार करते हैं:

• नियम थोड़े अनुमानित हैं: उन्होंने कंप्यूटर को प्रशिक्षित करने के लिए जिन "भौतिकी नियमों" का उपयोग किया, वे सामान्य चिकित्सा ज्ञान पर आधारित थे, सटीक माप पर नहीं। अभ्यास डेटा को लेबल करने में कुछ शोर या त्रुटियां हो सकती हैं।
• डेटा मुख्य रूप से एक समूह का है: अध्ययन में UK बायोबैंक के डेटा का उपयोग किया गया है, जो मुख्य रूप से यूरोपीय मूल के लोगों का है। हमें अभी तक नहीं पता कि क्या यह सिस्टम सभी अलग-अलग पृष्ठभूमियों या उम्र के लोगों के लिए समान रूप से काम करता है।
• यह एक स्नैपशॉट है: डेटा संक्षिप्त, नियंत्रित रिकॉर्डिंग से आया था। हमें अभी तक यह नहीं पता कि क्या यह एक घड़ी पर पूरी तरह से काम करेगा जिसे कोई व्यक्ति दौड़ते या सोते समय पहन रहा हो।

निष्कर्ष

यह शोध पत्र बताता है कि हमें स्मार्ट स्वास्थ्य उपकरण बनाने के लिए लाखों आदर्श मेडिकल रिकॉर्ड की प्रतीक्षा करने की आवश्यकता नहीं है। कंप्यूटर को पहले हमारे शरीर के काम करने के भौतिकी को समझने के लिए सिखाकर, हम पहले से मौजूद लाखों "अस्त-व्यस्त" संकेतों का उपयोग गंभीर हृदय समस्याओं को जल्दी पहचानने के लिए कर सकते हैं। यह एक भविष्य की ओर एक कदम है जहाँ आपकी स्मार्टवॉच केवल आपके कदमों को नहीं गिनती, बल्कि शायद एक दिन धीरे से कहेगी, "हे, आपके हृदय का वाल्व थोड़ा सख्त लग रहा है; शायद आपको डॉक्टर को दिखाना चाहिए।" यह अभी तक कोई रामबाण इलाज नहीं है, लेकिन यह हृदय की गुप्त भाषा को सुनने का एक बहुत ही आशाजनक नया तरीका है।