A generalizable foundation model for intraoperative understanding across surgical procedures
यह शोध पत्र ZEN को प्रस्तुत करता है, जो स्व-पर्यवेक्षित मल्टी-टीचर डिस्टिलेशन (self-supervised multi-teacher distillation) के माध्यम से 21 सर्जिकल प्रक्रियाओं के 40 लाख से अधिक फ्रेमों पर प्रशिक्षित एक सामान्यीकरण योग्य फाउंडेशन मॉडल है, जो विविध डाउनस्ट्रीम कार्यों में मौजूदा मॉडलों से लगातार बेहतर प्रदर्शन करता है और इंट्राऑपरेटिव समझ के लिए सुदृढ़ क्रॉस-प्रोसीजर सामान्यीकरण प्रदर्शित करता है।
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 रोबोट को सर्जन बनने के लिए सिखाने की कोशिश कर रहे हैं। आप केवल यह नहीं चाहते कि वह स्कैल्पल (scalpel) पकड़ना सीख जाए; आप चाहते हैं कि वह सर्जरी की कहानी को समझे। क्या सर्जन एक लिगामेंट काट रहा है? क्या वे रक्तस्राव (bleeding) रोक रहे हैं? क्या वे कोई गलती करने वाले हैं?
लंबे समय तक, सर्जरी के लिए AI मॉडल विशेषज्ञ इंटर्न (specialized interns) की तरह रहे हैं। एक इंटर्न पित्ताशय (gallbladder) की सर्जरी में बहुत अच्छा है लेकिन हार्ट सर्जरी में खो जाता है। दूसरा टूल्स को पहचानने में माहिर है लेकिन यह नहीं बता सकता कि सर्जन क्या सोच रहा है या आगे क्या करने की योजना बना रहा है। वे संकीमित, कठोर और किसी भी एक कार्य को सीखने के लिए भारी मात्रा में मानव शिक्षकों की आवश्यकता रखते हैं।
यह पेपर ZEN को पेश करता है, जो एक नए प्रकार का AI है जो एक अनुभवी चीफ रेजिडेंट (seasoned Chief Resident) की तरह कार्य करता है जिसने हजारों सर्जरी देखी हैं और जो लगभग किसी भी स्थिति में ढल सकता है।
यहाँ बताया गया है कि ZEN कैसे काम करता है, सरल उपमाओं (analogies) का उपयोग करते हुए:
1. विशाल पुस्तकालय (डेटा)
स्मार्ट बनने के लिए, ZEN ने केवल कुछ पाठ्यपुस्तकें नहीं पढ़ीं। शोधकर्ताओं ने इसे 4,700 से अधिक सर्जरी के 4.3 मिलियन से अधिक वीडियो फ्रेम का एक विशाल पुस्तकालय खिलाया।
- उपमा: कल्पना कीजिए कि एक मेडिकल छात्र ने रिकॉर्ड की गई अब तक की हर एक सर्जरी का वीडियो देखा है, जिसमें 21 अलग-अलग प्रकार की प्रक्रियाएं (जैसे लिवर हटाना, पित्ताशय हटाना आदि) शामिल हैं। उन्होंने केवल देखा ही नहीं; उन्होंने संचालन की गतिविधियों, उपकरणों और ऑपरेशन के प्रवाह का अध्ययन भी किया।
2. "सुपर-टीचर" रणनीति (Multi-Teacher Distillation)
यही असली सफलता का मंत्र है। आमतौर पर, आप एक AI को एक शिक्षक के साथ प्रशिक्षित करते हैं। लेकिन शोधकर्ताओं ने महसूस किया कि अलग-अलग शिक्षक अलग-अलग चीजों में अच्छे होते हैं।
- शिक्षक A (MIS-DINOv2): यह शिक्षक एक स्थानिक जीनियस (spatial genius) की तरह है। यह समझने में अविश्वसनीय है कि चीजें कहाँ हैं, कट कितना गहरा है, और विशिष्ट उपकरणों और शरीर रचना (anatomy) को पहचानना। यह सर्जरी का "3D मैप" देखता है।
- शिक्षक B (PeskaVLP): यह शिक्षक एक भाषा विशेषज्ञ की तरह है। यह जो देखता है उसे शब्दों से जोड़ने में माहिर है। यह एक वीडियो देख सकता है और कह सकता है, "यह हेमोस्टेसिस (hemostasis) चरण है," या इस सवाल का जवाब दे सकता है कि, "सर्जन क्या कर रहा है?"
नवाचार: एक शिक्षक को चुनने के बजाय, उन्होंने ZEN को एक ऐसे छात्र के रूप में बनाया जो दोनों से एक साथ सीखता है। उन्होंने "डिस्टिलेशन" (distillation) नामक तकनीक का उपयोग किया, जो एक मास्टर शेफ द्वारा प्रशिक्षु (apprentice) को सिखाने जैसा है। प्रशिक्षु (ZEN) दोनों उस्तादों को काम करते हुए देखता है और मास्टर शेफ के चाकू चलाने के कौशल को मास्टर के रेसिपी के ज्ञान के साथ जोड़ना सीखता है।
3. "जीरो-शॉट" सुपरपावर
अधिकांश AI मॉडल को हर नए अस्पताल या हर नई तरह की सर्जरी के लिए शून्य से फिर से प्रशिक्षित करने की आवश्यकता होती है। यदि आप एक मानक AI को ऐसी सर्जरी दिखाते हैं जो उसने पहले नहीं देखी है, तो वह अक्सर घबरा जाता है।
ZEN अलग है। इसमें सामान्यीकरण (generalization) की क्षमता है।
- उपमा: कल्पना कीजिए कि आप एक इंसान को सेडान चलाना सिखाते हैं। यदि आप उन्हें पिकअप ट्रक या स्पोर्ट्स कार में रखते हैं, तो वे थोड़े डगमगा सकते हैं, लेकिन वे अभी भी गाड़ी चलाना जानते हैं क्योंकि वे ड्राइविंग के सिद्धांतों (स्टीयरिंग, ब्रेकिंग, आगे देखना) को समझते हैं।
- ZEN की उपलब्धि: शोधकर्ताओं ने ZEN का परीक्षण उन सर्जरी पर किया जो प्रशिक्षण के दौरान उसने कभी नहीं देखी थीं (जैसे ब्रेन सर्जरी या रोबोटिक प्रक्रियाएं)। बिना किसी विशिष्ट प्रशिक्षण के भी, ZEN मौजूदा मॉडलों से बेहतर प्रदर्शन करता है। इसने सर्जरी के सिद्धांत को समझा, न कि केवल उस विशिष्ट वीडियो को जिसे उसने रटा था।
4. ZEN वास्तव में क्या कर सकता है?
पेपर में ZEN का परीक्षण 20 अलग-अलग "परीक्षाओं" (कार्यों) पर किया गया, और उसने उन सभी में उत्कृष्ट प्रदर्शन किया:
- अनुवादक (Vision-Language): आप ZEN से पूछ सकते हैं, "सर्जन अभी क्या कर रहा है?" या "कितने उपकरण दिखाई दे रहे हैं?" और वह साधारण अंग्रेजी में उत्तर देता है। यह सर्जरी के अगले चरण का वर्णन भी कर सकता है।
- मैप मेकर (Spatial Understanding): यह वीडियो में प्रत्येक उपकरण और अंग के चारों ओर एक सटीक रूपरेखा (segmentation) खींच सकता है और यहाँ तक कि यह भी अनुमान लगा सकता है कि कैमरा कितनी गहराई तक देख रहा है (depth estimation)।
- समय यात्री (Workflow): यह एक वीडियो देख सकता है और कह सकता है, "हम वर्तमान में 'कटिंग' चरण में हैं, और हम 'स्टिचिंग' चरण की ओर बढ़ने वाले हैं।"
- सुरक्षा निरीक्षक (Skill Assessment): यह जांच सकता है कि क्या सर्जन ने "सेफ्टी का क्रिटिकल व्यू" (पित्ताशय की सर्जरी में एक महत्वपूर्ण सुरक्षा चेकलिस्ट) पूरा किया है और बता सकता है कि क्या आगे बढ़ना सुरक्षित है।
यह क्यों मायने रखता है?
वर्तमान में, सर्जिकल AI एक कैलकुलेटर की तरह है: यह एक विशिष्ट गणितीय समस्या के लिए बहुत अच्छा है लेकिन कविता लिखने के लिए बेकार है।
ZEN एक स्विस आर्मी नाइफ (Swiss Army Knife) की तरह है। यह एक "फाउंडेशन मॉडल" है, जिसका अर्थ है कि यह एक एकल, शक्तिशाली मस्तिष्क है जिसे कई अलग-अलग कार्यों के लिए अनुकूलित किया जा सकता है:
- प्रशिक्षण: यह मेडिकल छात्रों के लिए एक वास्तविक समय के कोच के रूप में कार्य कर सकता है, गलतियों की ओर इशारा कर सकता है या समझा सकता है कि क्या हो रहा है।
- सुरक्षा: यह सर्जन को सतर्क कर सकता है यदि वे गलत चीज़ काटने वाले हों।
- दक्षता: यह स्वचालित रूप से लॉग कर सकता है कि सर्जरी के दौरान क्या हुआ, जिससे कागजी कार्रवाई के घंटों की बचत होती है।
निष्कर्ष
लेखकों ने ZEN को ऑपरेटिंग रूम के लिए पहला "यूनिवर्सल ट्रांसलेटर" बनाने के लिए बनाया है। इसे कई विशेषज्ञ शिक्षकों से सीखने के लिए सिखाकर और इसे सर्जिकल वीडियो के विशाल, विविध आहार से खिलाकर, उन्होंने एक ऐसा AI बनाया है जो केवल सर्जरी को "देखता" नहीं है—बल्कि वह उसे समझता है। यह सर्जरी को अधिक सुरक्षित, अधिक सुसंगत और सिखाने में आसान बनाने की दिशा में एक बड़ा कदम 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।