BoneAgeTW2: Automated Skeletal Maturation Assessment via the Tanner-Whitehouse 2 Method, Deep Learning, and Clinical Report Generation with Distribution Curves

कल्पना कीजिए कि आपका शरीर एक निर्माण स्थल (कंस्ट्रक्शन साइट) है, और आपकी हड्डियाँ वे स्टील के बीम हैं जिन्हें खड़ा किया जा रहा है। जबकि आपका जन्मदिन आपको बताता है कि आप इस कार्यस्थल पर कितने वर्षों से हैं, आपकी हड्डियों की अपनी एक आंतरिक घड़ी होती है, जो अपने स्वयं के तालमेल से बढ़ती और सख्त होती है। कभी-कभी यह जैविक घड़ी तेज़ चलती है, तो कभी धीमी, और डॉक्टरों को बच्चों में विकास संबंधी समस्याओं को समझने या किशोर के बढ़ने के लिए कितना समय बचा है, यह जानने के लिए अंतर पता होना आवश्यक है। दशकों से, इस 'बोन क्लॉक' (हड्डी की घड़ी) की जाँच करने के लिए "गोल्ड स्टैंडर्ड" (सर्वश्रेष्ठ मानक) टैनर-व्हाइटहाउस 2 (TW2) नामक एक विधि रही है। यह एक मास्टर बिल्डर की तरह है जो हाथ और कलाई के 20 विशिष्ट स्टील बीमों का निरीक्षण करता है, प्रत्येक की जाँच करता है कि वह अभी भी नरम और विकसित हो रहा है या पूरी तरह से सख्त हो चुका है। यह निरीक्षण अविश्वसनीय रूप से विस्तृत है लेकिन साथ ही अविश्वसनीय रूप से धीमा भी है, जिसमें एक मानव विशेषज्ञ को प्रति रोगी 10 से 20 मिनट लगते हैं, और फिर भी, दो विशेषज्ञ एक ही मामले में एक वर्ष तक के अंतर पर असहमत हो सकते हैं।

अब, इस प्रक्रिया को गति देने के लिए डिज़ाइन किए गए एक नए डिजिटल टूल के बारे में सोचें जो विवरण खोए बिना इस प्रक्रिया को तेज़ कर सके। यह शोध पत्र BoneAgeTW2 पेश करता है, जो एक आर्टिफिशियल इंटेलिजेंस सिस्टम है जो एक सुपर-फास्ट, अथक प्रशिक्षु रेडियोलॉजिस्ट (apprentice radiologist) की तरह कार्य करता है। केवल बच्चे की बोन एज (हड्डी की आयु) के लिए एक संख्या का अनुमान लगाने के बजाय, यह सिस्टम मानव विशेषज्ञ की सटीक प्रक्रिया की नकल करता है। यह हाथ का एक एक्स-रे देखता है, 20 विशिष्ट हड्डियों को ढूंढता है, और प्रत्येक को एक परिपक्वता चरण (maturity stage) प्रदान करता है, ठीक वैसे ही जैसे एक इंसान करेगा। फिर यह अंतिम आयु अनुमान देने के लिए गणना करता है, जिसमें विश्वास की सीमा (confidence range) और एक विज़ुअल रिपोर्ट शामिल होती है जो दिखाती है कि प्रत्येक हड्डी उस आयु के औसत से कैसे तुलना करती है। इसका लक्ष्य केवल तेज़ होना नहीं है; बल्कि पारदर्शी होना है, जो डॉक्टरों को एक स्पष्ट, चरण-दर-चरण विवरण दे सके कि सिस्टम अपने निष्कर्ष तक कैसे पहुँचा, न कि केवल एक रहस्यमय 'ब्लैक-बॉक्स' उत्तर।

समस्या: धीमा, मानवीय तरीका

लंबे समय से, बच्चे की बोन एज की जाँच करना एक बहुत ही जटिल, हस्तलिखित मानचित्र को पढ़ने जैसा रहा है। टैनर-व्हाइटहाउस 2 (TW2) विधि वह मानचित्र है जिसका उपयोग लैटिन अमेरिका और यूरोप में किया जाता है। इसे पढ़ने के लिए, एक रेडियोलॉजिस्ट को हाथ के एक्स-रे को देखना होता है और 20 विशिष्ट हड्डियों की पहचान करनी होती है, उंगलियों की लंबी हड्डियों से लेकर कलाई की छोटी, पहेली के टुकड़ों जैसी हड्डियों तक। प्रत्येक हड्डी के लिए, उन्हें यह तय करना होता है कि वह किस "चरण" (stage) में है, जो एक नरम, प्रारंभिक चरण (A) से लेकर पूरी तरह से सख्त, वयस्क चरण (I) तक होता है।

एक बार जब वे सभी 20 हड्डियों को स्कोर कर लेते हैं, तो उन्हें अंतिम "बोन एज" प्राप्त करने के लिए विशेष तालिकाओं का उपयोग करके अंक जोड़ने होते हैं। परिणाम को समझने के लिए, वे अक्सर बेल-आकार के वक्र (गौसियन वितरण/Gaussian distributions) खींचते हैं ताकि यह देखा जा सके कि कोई विशिष्ट हड्डी समय से आगे है या पीछे रह गई है। समस्या क्या है? यह पूरी प्रक्रिया प्रति रोगी 10 से 20 मिनट लेती है। इसके लिए वर्षों के प्रशिक्षण की आवश्यकता होती है, और चूंकि यह इतना मैनुअल है, इसलिए दो अलग-अलग डॉक्टर एक ही एक्स-रे के लिए अलग-अलग उत्तर दे सकते हैं, जो कभी-कभी 12 महीनों तक का अंतर हो सकता है। हालांकि कुछ व्यावसायिक उपकरण हैं जो बोन एज का अनुमान लगा सकते हैं, वे महंगे, क्लोज्ड-सोर्स (आप देख नहीं सकते कि वे कैसे काम करते हैं) हैं, और वे आमतौर पर बिना कोई कार्य दिखाए केवल एक संख्या ही देते हैं।

समाधान: BoneAgeTW2

इस शोध पत्र के लेखकों ने BoneAgeTW2 बनाया है, जो एक ओपन-सोर्स सिस्टम है जो संपूर्ण TW2 वर्कफ़्लो को स्वचालित करता है। इसे एक डिजिटल असेंबली लाइन के रूप में समझें जो एक तरफ से एक्स-रे लेती है और दूसरी तरफ से 5 सेकंड से कम समय में एक पूर्ण नैदानिक रिपोर्ट (clinical report) निकाल देती है।

यहाँ बताया गया है कि मशीन चरण-दर-चरण कैसे काम करती है:

1. सेटअप: सबसे पहले, सिस्टम एक्स-रे इमेज को साफ़ करता है। यह डिजिटल फ़ाइल की जाँच करता है कि क्या इमेज मैग्निफाइड (जैसे खिड़की के बहुत करीब से ली गई फोटो) है और आकार को स्वचालित रूप से ठीक करता है। यह इमेज को पलट भी देता है यदि यह दाहिने हाथ की है, जिससे कंप्यूटर हमेशा एक "बाएं हाथ" का दृश्य देखता है, जैसा कि इसके प्रशिक्षण डेटा में है।
2. हड्डियों को खोजना: एक स्मार्ट डिटेक्टर YOLOv8 का उपयोग करके, सिस्टम हाथ की 20 विशिष्ट हड्डियों को खोजता है। यह प्रत्येक हड्डी के चारों ओर एक बॉक्स बनाता है, जो रेडियोलॉजिस्ट द्वारा जाँच किए जाने वाले स्थानों को मार्क करने वाले हाइलाइटर पेन की तरह कार्य करता है।
3. वर्गीकरण (Classification): यह कठिन हिस्सा है। सिस्टम को यह जानना आवश्यक है कि प्रत्येक हड्डी किस चरण (A से I) में है। चूंकि प्रशिक्षण डेटा में प्रत्येक हड्डी के चरण के लिए लेबल नहीं थे, इसलिए लेखकों ने "स्यूडो-लेबलिंग" (pseudo-labeling) नामक एक चतुर तकनीक का उपयोग किया। उन्होंने रोगी की ज्ञात बोन एज का उपयोग करके प्रत्येक हड्डी के लिए सबसे संभावित चरण का अनुमान लगाया, जिससे एक ट्रेनिंग सेट तैयार हुआ। फिर, उन्होंने एक डीप लर्निंग मॉडल (EfficientNet-B3) को 20 अलग-अलग "हेड्स" (heads) के साथ प्रशिक्षित किया, जहाँ प्रत्येक हेड केवल एक विशिष्ट हड्डी का विशेषज्ञ है।
4. स्कोरिंग: एक बार जब सिस्टम के पास प्रत्येक हड्डी के लिए एक चरण होता है, तो यह आधिकारिक TW2 नियमों के अनुसार अंकों को जोड़ता है। यह लंबी हड्डियों (RUS) और कलाई की हड्डियों (Carpal) के लिए स्कोर की गणना करता है।
5. रिपोर्ट: अंत में, यह एक पूर्ण रिपोर्ट तैयार करता है। यह केवल एक संख्या नहीं है। इसमें 20 बॉक्सों वाला एक एनोटेटेड चित्र, प्रत्येक हड्डी के स्कोर के साथ एक तालिका, और—यह सबसे दिलचस्प हिस्सा है—इंटरैक्टिव बेल कर्व्स (bell curves) शामिल हैं। ये कर्व्स डॉक्टर को दिखाते हैं कि रोगी की हड्डी औसत जनसंख्या की तुलना में कहाँ स्थित है। यदि कोई हड्डी देरी से विकसित हो रही है, तो डॉक्टर देख सकता है कि कर्व वास्तविक आयु के काफी बाईं ओर शिखर पर है।

यह सिस्टम क्या प्राप्त करता है (और क्या नहीं)

शोध पत्र BoneAgeTW2 को एक ऐसे सिस्टम के रूप में प्रस्तुत करता है जो कच्चे एक्स-रे से लेकर डाउनलोड करने योग्य PDF रिपोर्ट तक, पूरे TW2 वर्कफ़्लो को सफलतापूर्वक स्वचालित करता है। सिस्टम को मानक कंप्यूटर हार्डवेयर (CPU) पर 5 सेकंड से कम समय में, या ग्राफिक्स कार्ड (GPU) पर इससे भी तेज़ चलने के लिए डिज़ाइन किया गया है।

लेखक सटीकता के संबंध में अपेक्षाओं को प्रबंधित करने में सावधानी बरतते हैं। वे स्वीकार करते हैं कि चूंकि सिस्टम को TW2 पद्धति के कठोर, चरण-दर-चरण नियमों का पालन करने के लिए मजबूर किया गया है (जो A, B, C जैसे अलग-अलग चरणों का उपयोग करता है), यह उन "ब्लैक बॉक्स" AI सिस्टम जितना गणितीय रूप से सटीक नहीं हो सकता है जो सीधे एक संख्या का अनुमान लगाते हैं। वास्तव में, उन्हें उम्मीद है कि उनके सिस्टम में कुछ सरल AI मॉडल की तुलना में त्रुटि की दर (Mean Absolute Error) थोड़ी अधिक हो सकती है। हालांकि, उनका तर्क है कि यह एक अच्छा समझौता है। लक्ष्य केवल सबसे सटीक नंबर-क्रंचर होना नहीं है; बल्कि, व्याख्या योग्य (explainable) होना है।

प्रत्येक हड्डी के आधार पर उत्तर को तोड़कर, सिस्टम डॉक्टर को यह देखने की अनुमति देता है कि कौन सी हड्डियाँ देरी या प्रगति का कारण बन रही हैं। यदि किसी बच्चे की बोन एज कम है, तो डॉक्टर रिपोर्ट देख सकता है और कह सकता है, "आह, रेडियस (radius) चरण F पर है, लेकिन अल्ना (ulna) चरण E पर है," जो उन्हें एक एकल संख्या की तुलना में रोगी की स्थिति की बहुत स्पष्ट तस्वीर देता है।

"बेल कर्व" विशेषता

BoneAgeTW2 की सबसे अनूठी विशेषताओं में से एक यह है कि यह डेटा को कैसे विज़ुअलाइज़ करता है। प्रत्येक 20 हड्डियों के लिए, सिस्टम एक बेल कर्व बनाता है। एक ग्राफ की कल्पना करें जहाँ क्षैतिज रेखा आयु है, और कर्व दिखाता है कि विभिन्न आयु में एक निश्चित हड्डी का चरण कितना सामान्य है।

• यदि रोगी की हड्डी चरण "E" पर है, तो सिस्टम "E" कर्व को हाइलाइट करता है।
• फिर यह रोगी की वास्तविक आयु के लिए एक ऊर्ध्वाधर (vertical) रेखा खींचता है।
• यदि रेखा कर्व के शिखर के दाईं ओर है, तो डॉक्टर जानता है कि वह हड्डी "विलंबित" (delayed) है (यह रोगी की आयु से कम उम्र की तरह व्यवहार कर रही है)।
• यदि रेखा बाईं ओर है, तो हड्डी "अग्रिम" (advanced) है।

यह विज़ुअल टूल, जिसे आमतौर पर हाथ से बनाया जाता है या समय की कमी के कारण छोड़ दिया जाता है, प्रत्येक हड्डी के लिए स्वचालित रूप से उत्पन्न किया जाता है, जो बच्चे की कंकाल परिपक्वता का एक समृद्ध, विस्तृत दृश्य प्रदान करता है।

निष्कर्ष

BoneAgeTW2 एक प्रूफ-ऑफ-कांसेप्ट सिस्टम है जो टैनर-व्हाइटहाउस 2 पद्धति की विस्तृत, मानव जैसी तर्क क्षमता को डिजिटल युग में लाता है। यह रेडियोलॉजिस्ट की जगह नहीं लेता है; इसके बजाय, यह एक शक्तिशाली सहायक के रूप में कार्य करता है जो हड्डियों को खोजने, स्कोर करने और चार्ट बनाने के भारी काम को सेकंडों में कर देता है। लेखक इस बात पर जोर देते हैं कि यह एक निर्णय-सहायता उपकरण (decision-support tool) है जिसे अभी भी एक योग्य डॉक्टर द्वारा समीक्षा की जानी चाहिए, विशेष रूप से क्योंकि यह सिस्टम ऐसे प्रशिक्षण डेटा पर निर्भर करता है जो हर आबादी (जैसे कोलंबिया, जहाँ से यह अध्ययन शुरू हुआ) के साथ पूरी तरह से मेल नहीं खा सकता है।

हालाँकि यह सिस्टम अभी तक हर अस्पताल के लिए तैयार कोई पूर्ण चिकित्सा उपकरण नहीं है, फिर भी यह प्रदर्शित करता है कि एक जटिल, मैनुअल चिकित्सा प्रोटोकॉल को पारदर्शी तर्क बनाए रखते हुए स्वचालित करना संभव है। यह एक 20 मिनट के, विशेषज्ञ-मात्र कार्य को 5 सेकंड की प्रक्रिया में बदल देता है जो इतनी विस्तृत रिपोर्ट तैयार करता है कि एक डॉक्टर देख सकता है कि AI प्रत्येक हड्डी के आधार पर अपने निष्कर्ष तक कैसे पहुँचा।