🤖 machine learning

GRASP: group-Shapley feature selection for patients

यह कार्य GRASP प्रस्तुत करता है, जो एक नवीन फीचर चयन ढांचा (framework) है जो चिकित्सा भविष्यवाणियों के लिए स्थिर, व्याख्या योग्य और गैर-अनावश्यक फीचर सेट प्राप्त करने के लिए शपली वैल्यू असाइनमेंट (Shapley value assignment) को ग्रुप- $L_{21}$ रेगुलराइजेशन के साथ जोड़ता है, जिससे यह सटीकता और फीचर स्थिरता दोनों में LASSO जैसे मौजूदा तरीकों से बेहतर प्रदर्शन करता है।

मूल लेखक: Yuheng Luo, Shuyan Li, Zhong Cao

प्रकाशित 2026-05-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yuheng Luo, Shuyan Li, Zhong Cao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक डॉक्टर हैं जिन्हें यह अनुमान लगाने का काम सौंपा गया है कि कौन से मरीज गंभीर स्वास्थ्य घटना के जोखिम में हैं। आपके पास प्रत्येक रोगी के लिए हजारों विवरणों वाली एक विशाल फाइलिंग कैबिनेट है: उनकी आयु, रक्तचाप, आहार, आनुवंशिक मार्कर और हजारों अन्य विवरण।

समस्या यह है कि इनमें से अधिकांश नोट्स या तो बेकार, दोहराव वाले, या इतने भ्रमित करने वाले रूप से समान हैं कि वास्तविक चेतावनी संकेतों को खोजना कठिन हो जाता है। इस अराजकता के माध्यम से छानने के पारंपरिक तरीके घास के ढेर में से केवल मुट्ठी भर घास पकड़ने की तरह हैं; वे काम तो कर सकते हैं, लेकिन वे अक्सर बहुत सारा बेकार सामान भी पकड़ लेते हैं, असली सुई को मिस कर देते हैं, या हर बार कोशिश करने पर एक अलग सुई ढूंढ निकालते हैं।

यह लेख GRASP से परिचय कराता है, जो इस मेडिकल फाइलिंग कैबिनेट में खोजने का एक नया, स्मार्ट तरीका है।

पुराने तरीकों के साथ समस्या

पुरानी फीचर सिलेक्शन विधियों (जैसे LASSO) की कल्पना एक सख्त संपादक के रूप में करें जो एक सरल नियम के आधार पर शब्दों को हटा देता है: "यदि कोई शब्द पर्याप्त बार नहीं आता है, तो उसे हटा दें।"

दोष: यह संपादक दो ऐसे शब्दों को हटा सकता है जिनका अर्थ एक ही है (अनावश्यकता/redundancy) या एक ऐसा शब्द रख सकता है जो सुनने में महत्वपूर्ण लगता है लेकिन वास्तव में उपयोगी नहीं है। इससे भी बदतर यह है कि: यदि आप इस संपादक को दो बार यह कार्य करने के लिए कहते हैं, तो वह हर बार शब्दों का थोड़ा अलग चयन कर सकता है, जिससे परिणाम अस्थिर हो जाता है।

GRASP समाधान: दो चरणों में एक जासूसी टीम

GRASP एक दो-चरणीय जासूसी टीम की तरह कार्य करता है, जो अंतर्ज्ञान (intuition) को कठोर अनुशासन (discipline) के साथ जोड़ता है।

चरण 1: अंतर्ज्ञान (SHAP मान)

सबसे पहले, GRASP SHAP (Shapley Additive exPlanations) नामक एक टूल का उपयोग करता है। कल्पना करें कि SHAP एक अत्यंत बुद्धिमान सलाहकार है जिसने पूरी फाइलिंग कैबिनेट को पढ़ लिया है और जानता है कि परिणाम की भविष्यवाणी करने के लिए कौन से नोट्स सबसे महत्वपूर्ण हैं।

अनुमान लगाने के बजाय, SHAP प्रत्येक व्यक्तिगत नोट को महत्व का एक "स्कोर" देता है।
GRASP समान नोट्स को एक साथ समूह में रखता है (जैसे कि सभी "ब्लड टेस्ट" नोट्स)। यह सलाहकार से पूछता है: "कौन से समूह के नोट्स वास्तव में भविष्यवाणी को संचालित करते हैं?"

चरण 2: अनुशासन (Group L21 Regularization)

एक बार जब सलाहकार स्कोर प्रदान कर देता है, तो GRASP एक सख्त प्रशिक्षक (Group L21 Regularization) को लाता है।

यह प्रशिक्षक कहता है: "हमें केवल सबसे महत्वपूर्ण समूहों की आवश्यकता है। यदि किसी समूह के नोट्स महत्वपूर्ण नहीं हैं, तो हम पूरे समूह को हटा देते हैं। यदि कोई समूह महत्वपूर्ण है, तो हम उसके भीतर के सभी नोट्स को रखते हैं, लेकिन हम यह सुनिश्चित करते हैं कि हम बहुत अधिक दोहराव वाले नोट्स न रखें।"
यह सुनिश्चित करता है कि अंतिम सूची संक्षिप्त (छोटा और सटीक), स्थिर (आप इसे हर बार चलाने पर समान सूची प्राप्त करते हैं), और व्याख्यात्मक (मानव के लिए समझने में आसान) है।

उपमा: यात्रा के लिए अंतिम पैकिंग लिस्ट

कल्पना कीजिए कि आप एक यात्रा के लिए पैकिंग कर रहे हैं लेकिन आपके पास चुनने के लिए 1,000 वस्तुएं हैं।

पुराने तरीके आपको 50 वस्तुओं से भरा सूटकेस दे सकते हैं, जिसमें तीन अलग-अलग प्रकार के मोजे और दो छाते शामिल हैं जो बिल्कुल एक जैसा काम करते हैं। यह काम तो करता है, लेकिन यह भारी और अव्यवस्थित है।
GRASP आपकी यात्रा पर विचार करता है, एक विशेषज्ञ से पूछता है कि आपको वास्तव में क्या चाहिए, और फिर केवल 23 आवश्यक वस्तुओं के साथ एक छोटा, सटीक बैग पैक करता है। यह सुनिश्चित करता है कि आपके पास सही मोजे और सही छाता हो, लेकिन कोई डुप्लिकेट न हो।

लेख ने क्या पाया

लेखकों ने दो विशाल मेडिकल डेटाबेस (NHANES और UK Biobank) से वास्तविक डेटा का उपयोग करके GRASP का पुराने तरीकों के विरुद्ध परीक्षण किया। यहाँ उनकी खोजें दी गई हैं:

कम ही बेहतर है: GRASP ने अन्य तरीकों (जिन्होंने 40 से 60 चुने) की तुलना में सबसे कम संख्या में फीचर्स (औसतन केवल 23) चुने।
कम अव्यवस्था: GRASP द्वारा चुने गए फीचर्स एक-दूसरे को दोहराते नहीं हैं। पुराने तरीके "दोहराव वाले" फीचर्स (जैसे एक ही चीज़ को मापने के तीन अलग-अलग तरीके) से भरे हुए थे, जिससे मॉडल भ्रमित हो जाते थे।
स्थिरता: यदि आप परीक्षण को 1,000 बार चलाते हैं, तो GRASP लगभग हर बार वही 23 फीचर्स चुनता है। अन्य तरीके लगातार अपना निर्णय बदलते रहते हैं।
उतनी ही सटीक: कम फीचर्स का उपयोग करने के बावजूद, GRASP ने सैकड़ों फीचर्स का उपयोग करने वाले तरीकों के समान ही सटीक रूप से रोगी के परिणामों की भविष्यवाणी की।
वास्तविक दुनिया की प्रासंगिकता: "लैक्टेट डिहाइड्रोजनेज" (LDH) नामक एक विशिष्ट मेडिकल मार्कर की जांच करते समय, GRASP ने एक खतरा थ्रेशोल्ड (सीमा) की पहचान की जो अन्य तरीकों की तुलना में वास्तविक क्लिनिकल गाइडलाइन्स के साथ बहुत बेहतर मेल खाती थी। इसने उस "टिपिंग पॉइंट" को खोजा जहाँ जोखिम वास्तव में बदल जाता है, जबकि अन्य तरीकों ने थोड़ा अलग नंबर पाया।

निष्कर्ष

GRASP एक नया उपकरण है जो डॉक्टरों और शोधकर्ताओं को विशाल चिकित्सा डेटा के शोर से निपटने में मदद करता है। AI (SHAP) के "अंतर्ज्ञान" को एक "अनुशासित" गणितीय फिल्टर के साथ जोड़कर, यह दोहराव वाले डेटा के भ्रम के बिना सबसे महत्वपूर्ण स्वास्थ्य संकेतकों की एक छोटी, स्थिर और समझने में आसान सूची बनाता है।

यहाँ "GRASP: GROUP-SHAPLEY FEATURE SELECTION FOR PATIENTS" नामक शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

चिकित्सा संबंधी भविष्यवाणी (medical prediction) में, उच्च-आयामी फेनोटाइपिक डेटा (इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स, इमेजिंग, वियरेबल्स से प्राप्त) शोर (noise) और आयामीता (dimensionality) के कारण ज्ञान की खोज के लिए महत्वपूर्ण चुनौतियाँ पेश करता है। मौजूदा फीचर चयन विधियाँ कई गंभीर सीमाओं से ग्रस्त हैं:

अस्थिरता और अतिरेक (Instability and Redundancy): LASSO जैसी विधियाँ अक्सर विभिन्न डेटा स्प्लिट्स के बीच अस्थिर फीचर सेट उत्पन्न करती हैं और मल्टीकोलिनैरिटी (multicollinearity) को प्रभावी ढंग से संभालने में सक्षम नहीं होती हैं।
व्याख्यात्मकता का अभाव (Lack of Interpretability): जबकि SHAP जैसे डाउनस्ट्रीम टूल्स अंतर्दृष्टि प्रदान करते हैं, वे अक्सर चयन प्रक्रिया से अलग होते हैं, जिससे चयनित फीचर्स को विशिष्ट रोग तंत्रों (disease mechanisms) के साथ संरेखित करना कठिन हो जाता है।
नैदानिक प्रासंगिकता (Clinical Relevance): कई दृष्टिकोण नैदानिक व्याख्यात्मकता और स्थिरता के बजाय भविष्यवाणी सटीकता को प्राथमिकता देते हैं, जो चिकित्सा स्वीकृति के लिए अत्यंत महत्वपूर्ण हैं।

लेखक इन अंतरालों को भरने के लिए GRASP (GRoup-shApley feature Selection for Patients) का प्रस्ताव करते हैं, जो भविष्यवाणी प्रदर्शन, स्थिरता और नैदानिक व्याख्यात्मकता को एकीकृत करता है।

2. कार्यप्रणाली (Methodology)

GRASP एक नवीन ढांचा है जो दंडित लॉजिस्टिक रिग्रेशन (penalized logistic regression) ढांचे के भीतर Shapley-value-driven attribution को Group L2,1 regularization के साथ जोड़ता है। यह वर्कफ़्लो तीन मुख्य चरणों से मिलकर बना है:

A. फीचर महत्व की गणना (SHAP एकीकरण)

प्री-ट्रेनिंग (Pre-training): ट्रेनिंग फोल्ड पर एक XGBoost क्लासिफायर को प्रशिक्षित किया जाता है।
SHAP गणना (SHAP Calculation): प्रत्येक फीचर के योगदान को निर्धारित करने के लिए एक होल्ड-आउट वैलिडेशन फोल्ड पर SHAP मानों की गणना की जाती है।
ग्रुप एकत्रीकरण (Group Aggregation): फीचर्स को $G$ विच्छिन्न समूहों (disjoint groups) में विभाजित किया जाता है। एक समूह का महत्व ( $s_g$ ) उसके सदस्य फीचर्स के पूर्ण SHAP मानों (absolute SHAP values) का माध्य होता है।
वेट ट्रांसफॉर्मेशन (Weight Transformation): समूह महत्व मानों को एक एक्सपोनेंशियल डिके फंक्शन का उपयोग करके पेनल्टी वेट ( $\omega_g$ ) में परिवर्तित किया जाता है:
$\tilde{\omega}_g = \exp(-s_g/\tau_0) + \epsilon$
यह सुनिश्चित करता है कि उच्च SHAP मानों (उच्च महत्व) वाले समूहों को कम पेनल्टी वेट प्राप्त हो और इस प्रकार उनके चुने जाने की संभावना अधिक हो।

B. लॉस फंक्शन का निर्माण (Construction of the Loss Function)

GRASP Group L2,1 regularization के साथ लॉजिस्टिक रिग्रेशन का उपयोग करता है। ऑब्जेक्टिव फंक्शन $J(\beta)$ क्रॉस-एन्ट्रॉपी लॉस को एक स्ट्रक्चर्ड स्पैरसिटी पेनल्टी के साथ जोड़ता है:
$J(\beta) = L(\beta) + \lambda \sum_{g=1}^{G} \omega_g \|\beta_g\|_2$

$L(\beta)$ : बाइनरी क्लासिफिकेशन के लिए मानक क्रॉस-एन्ट्रॉपी लॉस।
$\|\beta_g\|_2$ : समूह $g$ के कोएफिशिएंट वेक्टर का यूक्लिडियन नॉर्म (Euclidean norm)।
प्रभाव: यह पेनल्टी ग्रुप स्तर पर स्पैरसिटी (sparsity) लागू करती है (पूरे समूह या तो चुने जाते हैं या हटा दिए जाते हैं), जबकि चयनित समूहों के भीतर घने (dense) कोएफिशिएंट्स की अनुमति देती है। यह सह-संबंधित फीचर्स को एक साथ रखकर मल्टीकोलिनैरिटी को संबोधित करता है।

C. अनुकूलन (Optimization)

ऑब्जेक्टिव को Armijo backtracking line search का उपयोग करने वाले Proximal Gradient Algorithm द्वारा अनुकूलित किया जाता है:

ग्रेडिएंट स्टेप (Gradient Step): लॉस फंक्शन के ग्रेडिएंट के आधार पर कोएफिशिएंट्स को अपडेट करता है।
प्रॉक्सिमल स्टेप (Proximal Step): स्पैरसिटी लागू करने के लिए Group Soft-Thresholding ऑपरेटर लागू करता है।
अनुकूली स्टेप साइज (Adaptive Step Size): ऑब्जेक्टिव फंक्शन में पर्याप्त कमी सुनिश्चित करने के लिए स्टेप साइज को गतिशील रूप से समायोजित किया जाता है।
चयन (Selection): गैर-शून्य नॉर्म वाले समूह ( $\|\beta_g\|_2 > 0$ ) रखे जाते हैं; अन्य सभी फीचर्स को हटा दिया जाता है।

3. मुख्य योगदान (Main Contributions)

एकीकृत ढांचा (Unified Framework): पहली बार, SHAP-आधारित फीचर एट्रिब्यूशन को सीधे रेगुलराइजेशन के साथ जोड़ा गया है, जिससे अनुकूलन एल्गोरिदम स्वाभाविक रूप से नैदानिक रूप से व्याख्या योग्य फीचर्स को सुरक्षित रखता है।
ग्रुप-आधारित चयन तंत्र (Group-Based Selection Mechanism): एक ऐसी रणनीति का परिचय जहाँ सह-संबंधित फीचर्स को मॉडल में संयुक्त रूप से शामिल या बाहर किया जाता है, जो स्थिरता और सामान्यीकरण (generalization) में काफी सुधार करता है।
व्यापक मूल्यांकन (Comprehensive Evaluation): केवल सटीकता मेट्रिक्स के अलावा, रेडंडेंसी (VIF, कोरिलेशन), स्थिरता (Jaccard Index, Adjusted Stability Measure), और नैदानिक संरेखण (threshold analysis) का मूल्यांकन किया गया है।

4. प्रयोगात्मक परिणाम (Experimental Results)

अध्ययन का मूल्यांकन दो बड़े पैमाने के डेटासेट्स पर किया गया: NHANES (डेवलपमेंट) और UK Biobank (एक्सटर्नल वैलिडेशन)। GRASP की तुलना LASSO, मानक SHAP चयन, और AFS एल्गोरिदम से की गई।

फीचर सेट दक्षता (Feature Set Efficiency): LASSO (44), SHAP (43), और AFS (59) की तुलना में GRASP ने सबसे छोटा फीचर सेट चुना (औसत 23 फीचर्स)।
स्थिरता और अतिरेक (Stability & Redundancy):
- स्थिरता (Stability): GRASP ने उच्चतम Adjusted Stability Measure (0.593) प्राप्त किया, जो LASSO (0.382) और SHAP (0.398) से काफी बेहतर है।
- अतिरेक (Redundancy): GRASP का वेरिएंस इन्फ्लेशन फैक्टर (VIF) सबसे कम था (VIF = 2.942), जबकि LASSO और SHAP में मल्टीकोलिनैरिटी देखी गई (परिणामों में "—" के रूप में चिह्नित)।
भविष्यवाणी प्रदर्शन (Prediction Performance):
- GRASP ने दोनों डेटासेट्स (NHANES और UKB) पर लॉजिस्टिक रिग्रेशन, रैंडम फॉरेस्ट और XGBoost मॉडल्स में तुलनीय या बेहतर सटीकता प्राप्त की।
- UKB डेटासेट में, GRASP ने कम फीचर्स के साथ उच्च सटीकता (LR के लिए 0.755) बनाए रखी, जो मजबूत सामान्यीकरण (robust generalization) को प्रदर्शित करता है।
नैदानिक व्याख्यात्मकता (Clinical Interpretability):
- Lactate Dehydrogenase (LDH) के विश्लेषण ने दिखाया कि GRASP ने 168.8 U/L का ट्रांजिशन पॉइंट पहचाना, जो LASSO (144.66 U/L) और SHAP (144.04 U/L) की तुलना में स्थापित नैदानिक थ्रेसहोल्ड के सबसे करीब था।
- कैलिब्रेशन कर्व्स और कपलान-मेयर सर्वाइवल एनालिसिस ने पुष्टि की कि GRASP बेहतर जोखिम वर्गीकरण (risk stratification) और देखे गए नैदानिक जोखिमों के साथ संरेखण प्रदान करता है।

5. महत्व (Significance)

GRASP भविष्यवाणी शक्ति (predictive power) और नैदानिक व्याख्यात्मकता (clinical interpretability) के बीच के अंतर को पाटकर मेडिकल मशीन लर्निंग में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।

मजबूती (Robustness): ग्रुप स्पैरसिटी को लागू करके और वेटिंग के लिए SHAP मानों का उपयोग करके, यह LASSO में आम अस्थिरता और अतिरेक की समस्याओं को दूर करता है।
नैदानिक उपयोगिता (Clinical Utility): यह विधि ऐसे फीचर सेट्स तैयार करती है जो न केवल सटीक हैं बल्कि ज्ञात जैविक तंत्रों और नैदानिक थ्रेसहोल्ड के साथ बेहतर संरेखित हैं, जिससे स्वास्थ्य सेवा में विश्वास और स्वीकृति बढ़ती है।
स्केलेबिलिटी (Scalability): प्रॉक्सिमल ग्रेडिएंट ऑप्टिमाइज़ेशन का उपयोग करना इस पद्धति को बड़े पैमाने के इलेक्ट्रॉनिक हेल्थ रिकॉर्ड डेटा के लिए कम्प्यूटेशनल रूप से व्यवहार्य बनाता है।

लेखक निष्कर्ष निकालते हैं कि GRASP प्रिसिजन मेडिसिन के लिए एक स्थिर, व्याख्यात्मक और कुशल फीचर चयन समाधान प्रदान करता है, जिसका भविष्य का लक्ष्य अल्ट्रा-हाई-डायमेंशनल डेटासेट्स के लिए दक्षता को अनुकूलित करना है।