Dynamical Predictive Modelling of Cardiovascular Disease Progression Post-Myocardial Infarction via ECG-Trained Artificial Intelligence Model
यह शोध पत्र एक ऐसे फाउंडेशन मॉडल का प्रस्ताव करता है जो डेटा-दुर्लभ नैदानिक सेटिंग्स में पोस्ट-मायोकार्डियल इन्फार्क्शन परिणामों के पूर्वानुमान में महत्वपूर्ण सुधार करने के लिए अनलेबल ECG पर सेल्फ-सुपरवाइज्ड कॉन्ट्रास्टिव लर्निंग को सुपरवाइज्ड मल्टीटास्क फाइन-ट्यूनिंग के साथ जोड़ता 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
अपने हृदय की कल्पना एक जटिल ऑर्केस्ट्रा के रूप में करें। हर बार जब यह धड़कता है, तो यह एक अनूठा गीत बजाता है जिसे ECG (इलेक्ट्रोकार्डियोग्राम) नामक मशीन द्वारा पकड़ा जाता है। दशकों से, डॉक्टर इन रिकॉर्डिंग का उपयोग तत्काल समस्याओं, जैसे कि अभी हो रहे हार्ट अटैक को पहचानने के लिए करते आए हैं। लेकिन एक बार जब हार्ट अटैक समाप्त हो जाता है, तो डॉक्टर अक्सर ECG के "संगीत" को सुनना बंद कर देते हैं, भले ही वह गीत इस बात के संकेत दे सकता है कि क्या मरीज भविष्य में फिर से बीमार हो सकता है।
समस्या यह है कि कंप्यूटर को इन गीतों को समझना सिखाना कठिन है। आमतौर पर, आपको गीतों के एक विशाल पुस्तकालय की आवश्यकता होती है जहाँ प्रत्येक गीत को एक विशिष्ट निदान (जैसे कि "यह गीत हार्ट फेलियर का संकेत है") के साथ लेबल किया गया हो ताकि कंप्यूटर को सिखाया जा सके। चिकित्सा के क्षेत्र में, ऐसे लेबल वाले पुस्तकालय दुर्लभ और छोटे होते हैं। जब आप बहुत कम उदाहरणों के साथ कंप्यूटर को सिखाने की कोशिश करते हैं, तो यह भ्रमित हो जाता है और संगीत के वास्तविक नियमों को सीखने के बजाय मूर्खतापूर्ण शॉर्टकट के आधार पर अनुमान लगाने लगता है।
समाधान: एक "म्यूजिकल ईयर" (संगीत की समझ) जो खुद सीखता है
शोधकर्ताओं ने एक नए प्रकार का आर्टिफिशियल इंटेलिजेंस (AI) बनाया है जो अलग तरह से सीखता है। बिना किसी शिक्षक के हर गीत को लेबल करने का इंतज़ार किए, उन्होंने AI को एक विशाल डेटाबेस से 8,00,000 अनलेबल (बिना लेबल वाले) ECG रिकॉर्डिंग सुनने दिया।
इस AI को एक ऐसे छात्र के रूप में सोचें जिसके पास एक सुपरपावर है: पैटर्न रिकग्निशन (पैटर्न पहचानना)।
"एक ही व्यक्ति" वाला खेल (कंट्रास्टिव लर्निंग):
AI को एक सरल खेल सिखाया गया: "यदि आप एक ही व्यक्ति से 60 दिनों के भीतर रिकॉर्ड किए गए दो गीत सुनते हैं, तो वे संबंधित हैं, भले ही बैकग्राउंड शोर या मशीन को पकड़ने के तरीके के कारण वे थोड़े अलग क्यों न लगें।"- उपमा: कल्पना कीजिए कि आप अपने दोस्त की आवाज़ पहचानने की कोशिश कर रहे हैं। आप उसे फुसफुसाते, चिल्लाते या बेसुरा गाते हुए सुन सकते हैं। भले ही आवाज़ बदल जाए, फिर भी आप जानते हैं कि वह वही व्यक्ति है। AI ने "शोर" (जैसे कि खाँसना या हाथ का कांपना) को अनदेखा करना और मरीज की हृदय की अनूठी "आवाज़" पर ध्यान केंद्रित करना सीखा।
- ट्विस्ट: AI को यह भी बताया गया था कि अलग-अलग लोगों के गाने, या वर्षों के अंतराल पर एक ही व्यक्ति के गाने, पूरी तरह से असंबंधित हैं। इससे AI यह समझने में सक्षम हुआ कि बीमारी बढ़ने के साथ हृदय का "गीत" कैसे बदलता है।
"म्यूजिक थ्योरी" की क्लास (सुपरवाइज्ड टास्क):
जब AI "एक ही व्यक्ति" वाला खेल खेल रहा था, तब शोधकर्ताओं ने इसे ट्रैक पर रखने के लिए कुछ विशिष्ट होमवर्क असाइनमेंट भी दिए। उन्होंने इसे विशिष्ट संगीत नोट्स (जैसे अनियमित हृदय ताल) को पहचानने और विशिष्ट बीट्स की लंबाई (जैसे हृदय की धड़कनों के बीच का समय) को मापने के लिए कहा।- उपमा: यह एक ऐसे संगीत छात्र की तरह है जो सुधार (इम्प्रोवाइजेशन) का अभ्यास करता है (अनलेबल गेम) लेकिन यह सुनिश्चित करने के लिए कुछ थ्योरी क्लासेज भी लेता है कि वह लय और पिच की बुनियादी बातों को समझता है। यह AI को शोर में खो जाने से रोकता है और यह सुनिश्चित करता है कि वह चिकित्सकीय रूप से उपयोगी जानकारी सीखे।
बड़ा परीक्षण: भविष्य की भविष्यवाणी करना
एक बार जब AI ने महीनों तक 8,00,000 धड़कनों को "सुना" और हृदय संगीत की संरचना को समझ लिया, तो शोधकर्ताओं ने इसका परीक्षण हाल ही में हार्ट अटैक से गुजरे मरीजों के एक नए, छोटे समूह पर किया। उन्होंने AI से दो प्रश्न पूछे:
- क्या यह मरीज मर जाएगा?
- क्या इस मरीज को हार्ट फेलियर होगा?
उन्होंने अपने "स्मार्ट" AI (जिसने पहले विशाल लाइब्रेरी को सुना था) की तुलना एक "डम्ब" (कम बुद्धि वाले) AI (एक मानक कंप्यूटर मॉडल जिसने शून्य ज्ञान के साथ शुरुआत की और केवल मरीजों के छोटे समूह को देखा) से की।
परिणाम
अंतर एक अनुभवी संगीत समीक्षक और उस व्यक्ति के बीच तुलना करने जैसा था जिसने पहले कभी सिम्फनी नहीं सुनी हो।
- "डम्ब" AI: इसका स्कोर खराब था (1.0 में से लगभग 0.60)। यह शोर में से संकेत खोजने में संघर्ष कर रहा था क्योंकि इसके पास सीखने के लिए पर्याप्त उदाहरण नहीं थे।
- "स्मार्ट" AI: इसका स्कोर बहुत अधिक था (1.0 में से लगभग 0.79)। क्योंकि इसने पहले ही विशाल लाइब्रेरी से हृदय संकेतों की "व्याकरण" सीख ली थी, इसलिए यह छोटे समूह के मरीजों में भविष्य की समस्याओं के सूक्ष्म संकेतों को पहचान सकता था।
मुख्य निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि AI को एक मरीज के हृदय की टेम्पोरल स्टोरी (समय के साथ बदलने वाली कहानी) (कैसे उनका विशिष्ट हृदय ताल समय के साथ विकसित होता है) को समझाने के लिए बड़ी मात्रा में अनलेबल डेटा का उपयोग करके, हम हार्ट अटैक के बाद जोखिम वाले लोगों की भविष्यवाणी करने के लिए एक बहुत बेहतर टूल बना सकते हैं।
संक्षेप में: एक छोटा शब्दकोश सिखाने के बजाय, शोधकर्ताओं ने इसे पहले एक विशाल लाइब्रेरी पढ़ने के लिए दी। अब, जब यह किसी नए मरीज को देखता है, तो यह केवल एक टेढ़ी-मेढ़ी रेखा नहीं देखता; यह एक संघर्षते हुए हृदय की कहानी सुनता है, जिससे यह पहले की तुलना में बहुत अधिक सटीकता से भविष्य के जोखिमों की भविष्यवाणी कर सकता 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।