Automated ICD Classification of Psychiatric Diagnoses: From Classical NLP to Large Language Models
यह अध्ययन प्रदर्शित करता है कि फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स, विशेष रूप से e5_large, स्पेनिश मनोरोग मुक्त-पाठ विवरणों को ICD कोड में मैप करने को स्वचालित करने में शास्त्रीय एनएलपी (NLP) विधियों से काफी बेहतर प्रदर्शन करते हैं, जो 145,000 से अधिक रिकॉर्डों के एक डेटासेट पर 0.866 का माइक्रो-एवरेज्ड F1 स्कोर प्राप्त करते हैं।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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
एक व्यस्त अस्पताल की कल्पना करें जहाँ डॉक्टर मानसिक स्वास्थ्य के बारे में हर दिन हज़ारों नोट्स लिखते हैं। ये नोट्स मुक्त-प्रवाह वाली भाषा में लिखे जाते हैं—जैसे "खालीपन महसूस होना," "नींद नहीं आना," या "हर चीज़ की चिंता करना।" अस्पताल के रिकॉर्ड और आंकड़ों को प्रबंधित करने के लिए, इन नोट्स को एक सख्त, मानकीकृत कोड (जैसे कि बारकोड) में अनुवादित करने की आवश्यकता होती है जिसे ICD कोड कहा जाता है।
अभी, इंसान यह अनुवाद करते हैं। यह धीमा, थकाऊ और गलतियों से भरा हो सकता है। यह शोध पत्र एक स्मार्ट रोबोट बनाने के बारे में है जो उन अव्यवस्थित नोट्स को पढ़ सके और स्वचालित रूप से सही बारकोड असाइन कर सके।
यहाँ बताया गया है कि शोधकर्ताओं ने सरल उपमाओं के माध्यम से इस रोबोट को बनाने का प्रयास कैसे किया:
1. चुनौती: "लॉन्ग टेल" (Long Tail) की समस्या
शोधकर्ताओं के पास 145,000 स्पेनिश मनोरोग संबंधी नोट्स का एक विशाल पुस्तकालय था। वे कंप्यूटर को उन्हें 85 विभिन्न श्रेणियों (जैसे "चिंता/Anxiety," "अवसाद/Depression," आदि) में वर्गीकृत करना सिखाना चाहते थे।
हालाँकि, डेटा असंतुलित था। एक कैंडी जार की कल्पना करें जहाँ 80% कैंडी लाल (सामान्य निदान) हैं, लेकिन कुछ ही नीली, हरी और बैंगनी कैंडी (दुर्लभ निदान) हैं। इसे "लॉन्ग-टेल" वितरण कहा जाता है। अधिकांश सॉर्टिंग रोबोट लाल कैंडी खोजने में बहुत अच्छे हो जाते हैं लेकिन दुर्लभ, रंगीन कैंडी को पूरी तरह से मिस कर देते हैं।
2. प्रतियोगिता: पुराना तरीका बनाम नई तकनीक
शोधकर्ताओं ने यह देखने के लिए विभिन्न प्रकार के "मस्तिष्कों" के बीच एक प्रतियोगिता आयोजित की कि कौन नोट्स को सबसे अच्छी तरह से वर्गीकृत कर सकता है।
पुरानी शैली की टीम (BoW और TF-IDF):
इन रोबोटों को कीवर्ड मैचर्स के रूप में सोचें। वे एक नोट को स्कैन करते हैं और कहते हैं, "मुझे 'दुखी' शब्द दिख रहा है, इसलिए मैं इसे 'डिप्रेशन' का कोड दूँगा।" वे तेज़ हैं लेकिन बहुत शाब्दिक हैं। यदि डॉक्टर "दुखी" कहने के बजाय लिखता है "मेरे सीने पर भारीपन महसूस हो रहा है," तो ये रोबमा उलझन में पड़ सकते हैं।- परिणाम: वे ठीक थे, लेकिन वे बारीकियों को समझने में चूक गए।
मध्यम मार्ग (LSA, LDA, Doc2Vec):
ये विषय अनुमान लगाने वाले (Topic Guessers) की तरह हैं। वे उन शब्दों के समूहों को खोजने की कोशिश करते हैं जो अक्सर एक साथ आते हैं ताकि सामान्य विषय को समझा जा सके।- परिणाम: वे संघर्ष करते रहे। वे स्पेनिश मनोरोग संबंधी नोट्स में उपयोग की जाने वाली विशिष्ट चिकित्सा शब्दावली (Medical Jargon) को पूरी तरह से नहीं समझ सके।
सुपरस्टार्स (लार्ज लैंग्वेज मॉडल्स - LLMs):
ये संदर्भ को समझने वाले (Contextual Understanders) हैं। एक ऐसे रोबोट की कल्पना करें जिसने लाखों किताबें पढ़ी हैं और समझता है कि "खालीपन महसूस होना" और "प्रेरणा की कमी" वास्तव में डिप्रेशन के पर्यायवाची हैं, भले ही वहां "डिप्रेशन" शब्द मौजूद न हो। वे केवल कीवर्ड नहीं, बल्कि भाव और कहानी को समझते हैं।- परिणाम: इन मॉडलों ने, विशेष रूप से e5 large ने, प्रतियोगिता में सबको पीछे छोड़ दिया।
3. जीतने की रणनीति: फाइन-ट्यूनिंग (Fine-Tuning)
शोधकर्ताओं ने केवल एक बना-बनाया "सुपरस्टार" रोबोट नहीं खरीदा और यह उम्मीद नहीं की कि वह काम करेगा। वे समझ गए कि एक सामान्य रोबोट को एक विशिष्ट स्पेनिश अस्पताल के विशिष्ट नियमों का ज्ञान नहीं होता।
इसलिए, उन्होंने फाइन-ट्यूनिंग नामक तकनीक का उपयोग किया।
- उपमा: एक प्रतिभाशाली विश्वविद्यालय स्नातक (प्री-ट्रेंड AI) को लेने और उसे अस्पताल में एक विशिष्ट इंटर्नशिप देने की कल्पना करें। आप उन्हें दिखाते हैं कि इस विशिष्ट अस्पताल के डॉक्टर अपने नोट्स कैसे लिखते हैं।
- परिणाम: रोबोट ने डॉक्टरों की विशिष्ट "बोली" को सीख लिया। वह केवल भाषा समझने से बढ़कर चिकित्सा भाषा समझने तक पहुँच गया। इस दृष्टिकोण ने उच्चतम स्कोर प्राप्त किया: 0.866 (एक बहुत उच्च सटीकता दर)।
4. टीम वर्क: मस्तिष्क और मांसपेशी
शोध पत्र में यह भी पाया गया कि "मस्तिष्क" (AI जो टेक्स्ट पढ़ता है) और "मांसपेशी" (वह सिस्टम जो अंतिम निर्णय लेता है) को डेटा के आधार पर अलग-अलग तरह से मिलकर काम करने की आवश्यकता होती है:
- स्मार्ट, कॉन्टेक्स्टुअल AI (LLMs) के लिए: सबसे अच्छा "मांसपेशी" XGBoost था। XGBoost को एक अनुशासित, नियम का पालन करने वाले प्रबंधक के रूप में सोचें जो जटिल जानकारी को व्यवस्थित करने में माहिर है और अभिभूत नहीं होता।
- पुरानी शैली के कीवर्ड AI के लिए: सबसे अच्छा "मांसपेशी" MLP (एक प्रकार का न्यूरल नेटवर्क) था। इसे एक लचीले, रचनात्मक कलाकार के रूप में सोचें जो बिखरे हुए और अस्त-व्यस्त डेटा में पैटर्न खोजने में अच्छा है।
5. वास्तविकता की जाँच: दुर्लभ मामले
सबसे अच्छे रोबोट के साथ भी, एक पेंच था।
- समस्या: बहुत दुर्लभ निदानों (उन "नीली और हरी कैंडी" के लिए) के लिए, रोबोट अभी भी संघर्ष कर रहा था। कुछ दुर्लभ स्थितियों के लिए प्रशिक्षण डेटा में इतने कम उदाहरण थे कि रोबोट उन्हें बिल्कुल भी नहीं सीख सका।
- सबक: पेपर स्वीकार करता है कि केवल सिमेंटिक समृद्धि (Semantic Richness) ही पर्याप्त नहीं है। यदि रोबोट ने पहले कभी किसी विशिष्ट दुर्लभ बीमारी को नहीं देखा है, तो भाषा को समझने की कोई भी क्षमता उसे सही अनुमान लगाने में मदद नहीं करेगी। उसे अधिक डेटा की आवश्यकता है।
सारांश
यह शोध पत्र सिद्ध करता है कि मनोरोग कोडिंग को स्वचालित करने के लिए, आप केवल सरल कीवर्ड खोज का उपयोग नहीं कर सकते। आपको आधुनिक AI की आवश्यकता है जो संदर्भ को समझता हो, और आपको इसे अस्पताल के नोट्स पर विशेष रूप से प्रशिक्षित (Fine-tuning) करना होगा।
जबकि यह नई प्रणाली पुराने तरीकों की तुलना में बहुत बेहतर है और सामान्य मामलों को शानदार ढंग से संभालती है, यह अभी भी सबसे दुर्लभ स्थितियों के साथ एक बाधा का सामना करती है, क्योंकि वहां डेटा की कमी है कि रोबोट को यह सिखाया जा सके कि वे दुर्लभ स्थितियाँ कैसी दिखती हैं।
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।