🤖 machine learning

K-Survival Means

यह शोध पत्र K-SurvMeans प्रस्तुत करता है, जो सर्वाइवल डेटा क्लस्टरिंग के लिए एक नवीन K-Means विस्तार है, जो पार्टिकल स्वार्म ऑप्टिमाइज़ेशन और एक सीखे गए निम्न-आयामी लेटेंट स्पेस का उपयोग करके पेयरवाइज सर्वाइवल अंतर को अधिकतम करने के लिए क्लस्टर केंद्रों को अनुकूलित करता है, जो मौजूदा डीप लर्निंग विधियों की तुलना में सर्वाइवल वितरणों को अलग करने में बेहतर प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Abdallah Alabdallah

प्रकाशित 2026-07-28

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Abdallah Alabdallah

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 जासूस हैं जो लोगों की एक विशाल भीड़ को अलग-अलग टीमों में बांटने की कोशिश कर रहे हैं। आमतौर पर, आप उन्हें उनके दिखने के तरीके या उनके पहनावे के आधार पर समूहों में बांटेंगे—शायद लाल शर्ट वाले लोग एक समूह में जाएं, और नीली शर्ट वाले दूसरे समूह में। लेकिन क्या होगा अगर असली कहानी उनके कपड़ों के बारे में नहीं, बल्कि इस बारे में है कि वे पार्टी में कितनी देर तक रुकते हैं? चिकित्सा और सांख्यिकी की दुनिया में, इसे सर्वाइवल एनालिसिस (survival analysis) कहा जाता है। यह न केवल यह बताने की कला है कि क्या होता है, बल्कि यह भी कि वह कब होता है, जैसे कि किसी निदान के बाद एक मरीज कितने समय तक जीवित रह सकता है या कोई मशीन टूटने से पहले कितनी देर तक चल सकती है। पेचीदा बात यह है कि कभी-कभी लोग पार्टी से जल्दी बाहर निकल जाते हैं (घटना घटित हो जाती है), और कभी-कभी वे बस पार्टी खत्म होने से पहले ही बाहर चले जाते हैं (घटना अभी तक नहीं हुई है, जिसे "सेंसर्ड" (censored) डेटा के रूप में जाना जाता है)। वैज्ञानिक लंबे समय से एक क्लासिक टूल का उपयोग करते आए हैं जिसे K-Means कहा जाता है ताकि लोगों को उनके लक्षणों के आधार पर समूहों में बांटा जा सके, लेकिन यह टूल थोड़ा अंधा है; यह केवल दिखावट के आधार पर वर्गीकरण करता है और इस बात की परवाह नहीं करता कि समूहों की "रुकने की क्षमता" (staying power) अलग-अलग है या नहीं। यह शोध पत्र एक सरल लेकिन शक्तिशाली प्रश्न पूछता है: क्या हम इस छंटनी करने वाले टूल को 'समय' की परवाह करना सिखा सकते हैं, ताकि हमारे द्वारा बनाए गए समूह वास्तव में इस मामले में भिन्न हों कि वे कितने समय तक जीवित रहते हैं?

यहाँ आता है K-SurvMeans, जो पुराने K-Means एल्गोरिदम का एक नया और चतुर अपग्रेड है, जिसे अब्दुल्लाह अलबदला (Abdallah Alabdallah) द्वारा प्रस्तावित किया गया है। मूल K-Means को एक ऐसे शिक्षक के रूप में सोचें जो छात्रों को उनके बैगों की समानता के आधार पर समूहों में बांटता है। K-SurvMeans, हालांकि, एक ऐसे शिक्षक के रूप में है जो छात्रों को इस आधार पर बांटता है कि उनके स्कूल की घंटी बजने से पहले उनके कक्षा में रहने की कितनी संभावना है। केवल लक्षणों (बैगों) को देखने के बजाय, यह नया तरीका सर्वाइवल आउटकम (घंटी बजने तक का समय) को देखता है और उस जानकारी का उपयोग यह तय करने के लिए करता है कि किसे कहाँ बैठना है। लक्ष्य यह सुनिश्चित करना है कि बनाए गए समूह एक-दूसरे से सर्वाइवल समय के मामले में यथासंभव अधिक भिन्न हों। यदि समूह A कमरे से बहुत जल्दी बाहर निकल जाता है और समूह B घंटों तक रुकता है, तो यह एक बेहतरीन विभाजन है। यदि दोनों समूह एक ही समय में बाहर निकल जाते हैं, तो विभाजन बेकार है, भले ही वे दिखने में अलग हों।

इन आदर्श समूहों को खोजने के लिए, लेखकों को एक कठिन गणितीय पहेली को हल करना पड़ा। चीजों को छांटने का सामान्य तरीका (जैसे K-Means) सबसे अच्छा उत्तर खोजने के लिए एक सुचारू, फिसलने वाले पथ का उपयोग करता है, लेकिन सर्वाइवल समय की तुलना करने का गणित "उबड़-खाबड़" (bumpy) है और सुचारू रूप से नहीं फिसलता है। इसलिए, लेखकों ने पार्टिकल स्वार्म ऑप्टिमाइजेशन (Particle Swarm Optimization) नामक एक अलग रणनीति का उपयोग किया। कल्पना कीजिए कि पक्षियों का एक झुंड जंगल में सबसे अच्छे बेरी के बागों की तलाश में उड़ रहा है। प्रत्येक पक्षी (या "कण") डेटा को वर्गीकृत करने का एक संभावित तरीका है। वे उड़ते हैं, इस जानकारी को साझा करते हैं कि उन्हें कहाँ अच्छे बेरी (अच्छे वर्गीकरण) मिले, और अपने उड़ान पथ को सर्वोत्तम स्थान खोजने के लिए समायोजित करते हैं। इस मामले में, "बेरीज" वे वर्गीकरण हैं जहाँ समूहों के बीच सर्वाइवल का अंतर बहुत अधिक है। एल्गोरिदम इन "पक्षी झुंडों" के हजारों परीक्षण करता है ताकि उस व्यवस्था को खोजा जा सके जो समूहों के बीच के अंतर को अधिकतम करती है।

शोध पत्र "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) नामक एक समस्या पर भी चर्चा करता है, जो एक ऐसी घास के ढेर में सुई खोजने जैसा है जो लगातार बड़ा होता जा रहा है। जब बहुत सारे फीचर्स को देखना होता है, तो गणित बहुत जटिल हो जाता है जिससे पक्षियों के लिए कुशलता से उड़ना मुश्किल हो जाता है। इसे ठीक करने के लिए, लेखकों ने K-SurvMeans (Latent) नामक एक संस्करण बनाया। उन्होंने पहले डेटा को एक सरल, कम-आयामी स्थान में सिकोड़ दिया (जैसे एक विशाल, विस्तृत मानचित्र को एक छोटे, आसानी से पढ़े जाने वाले रेखाचित्र में कंप्रेस करना) और फिर पक्षी झुंड को वहां समूहों को छांटने दिया। यह खोज को तेज़ बनाता है और अधिक स्पष्ट, विशिष्ट समूह खोजने में मदद करता है।

जब लेखकों ने कई वास्तविक दुनिया के डेटासेट्स (FLCHAIN, SUPPORT, METABRIC, और NWTCO जैसे मेडिकल डेटा सहित) पर इस नई पद्धति का परीक्षण किया, तो परिणाम काफी उत्साहजनक थे। उन्होंने K-SurvMeans की तुलना पुराने K-Means, "स्केच" कंप्रेशन वाले K-Means के संस्करण, और कुछ जटिल, डीप-लर्निंग आधारित तरीकों से की जो यही काम करने की कोशिश करते हैं। निष्कर्ष बताते हैं कि K-SurvMeans, विशेष रूप से "Latent" संस्करण, अपने काम में बहुत अच्छा है। कई मामलों में, इसने ऐसे समूह बनाए जहाँ समूहों के जोड़ों में से 100% ने सर्वाइवल समय में सांख्यिकीय रूप से महत्वपूर्ण अंतर दिखाया। उदाहरण के लिए, FLCHAIN डेटासेट पर, K-SurvMeans (Latent) ने 5 विशिष्ट समूह पाए, और उन समूहों के हर जोड़े के बीच मरीजों के जीवित रहने के समय में स्पष्ट अंतर था।

इसके विपरीत, डीप-लर्निंग विधियों (जैसे SCA और VaDeSC) ने अक्सर अधिक समूह पाए, लेकिन वे समूह हमेशा एक-दूसरे से इतने भिन्न नहीं थे। यह ऐसा है जैसे डीप लर्निंग मॉडल ने 15 अलग-अलग टीमें ढूंढ लीं, लेकिन उनमें से कई टीमों के खिलाड़ी लगभग एक ही समय पर पार्टी छोड़ रहे थे, जिससे टीमें समझने के लिए कम उपयोगी हो गईं। लेखकों ने यह भी नोट किया कि जबकि मानक K-Means (बिना सर्वाइवल जानकारी के) कभी-कभी ऐसे समूह पाता था जो सर्वाइवल समय में अलग दिखते थे, लेकिन वह आमतौर पर कम समूह पाता था और नए तरीके की तुलना में जनसंख्या की उतनी विविधता को नहीं पकड़ पाता था।

शोध पत्र यह निष्कर्ष निकालता है कि K-SurvMeans सर्वाइवल डेटा को छांटने का एक मजबूत, सरल और प्रभावी तरीका है। यह सुझाव देता है कि सीधे सर्वाइवल अंतर के लिए अनुकूलित करके, हम केवल फीचर्स को देखने या अत्यधिक जटिल डीप लर्निंग मॉडल का उपयोग करने की तुलना में अधिक स्पष्ट और अर्थपूर्ण समूह प्राप्त कर सकते हैं। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह विधि अभी भी पूर्ण नहीं है; यदि डेटा बहुत बड़ा है या यदि आप एक साथ बहुत अधिक समूह खोजने की कोशिश करते हैं, तो यह धीमी हो सकती है। वे यह भी बताते हैं कि डीप लर्निंग मॉडल के विपरीत, K-SurvMeans वर्तमान में प्रत्येक व्यक्ति के लिए व्यक्तिगत सर्वाइवल कर्व की भविष्यवाणी नहीं करता है, बल्कि केवल समूहों की भविष्यवाणी करता है। लेकिन रोगियों या प्रणालियों के स्पष्ट, अच्छी तरह से अलग किए गए समूह खोजने के विशिष्ट कार्य के लिए, यह नया "सर्वाइवल-अवेयर" छंटनी टूल एक बहुत ही प्रभावी मार्ग सुझाता है।

तकनीकी सारांश: K-सर्वाइवल मीन्स (K-SurvMeans)

समस्या विवरण
सर्वाइवल एनालिसिस (survival analysis) स्वास्थ्य सेवा, प्रेडिक्टिव मेंटेनेंस और जोखिम मूल्यांकन जैसे क्षेत्रों में 'टाइम-टू-इवेंट' डेटा को मॉडल करने के लिए अत्यंत महत्वपूर्ण है। इस क्षेत्र में एक मौलिक चुनौती रोगी स्तरीकरण (patient stratification) है: ऐसे उपसमूहों (subgroups) की पहचान करना जिनके जोखिम प्रोफाइल अलग हों ताकि व्यक्तिगत हस्तक्षेपों में सहायता मिल सके। हालांकि क्लस्टरिंग तकनीकें ऐसे उपसमूहों की खोज के लिए स्वाभाविक उम्मीदवार हैं, पारंपरिक एल्गोरिदम जैसे कि K-Means केवल इनपुट फीचर स्पेस पर ही कार्य करते हैं। वे फीचर स्पेस में समान अवलोकनों (observations) के समूहों की खोज करते हैं, लेकिन अनुकूलन प्रक्रिया (optimization process) के दौरान सर्वाइवल परिणामों (समय-से-घटना और सेंसिंग स्टेटस) पर स्पष्ट रूप से विचार नहीं करते हैं। फलस्वरूप, मानक तरीकों द्वारा उत्पन्न क्लस्टर समान सर्वाइवल वितरण प्रदर्शित कर सकते हैं, जो जोखिम स्तरीकरण के लिए उनकी उपयोगिता को सीमित करता है। यद्यपि डीप लर्निंग दृष्टिकोण (जैसे SCA, VaDeSC) विकसित किए गए हैं जो लेटेंट रिप्रेजेंटेशन और सर्वाइवल उद्देश्यों को संयुक्त रूप से सीखते हैं, वे अक्सर अत्यधिक मॉडल जटिलता पेश करते हैं, बड़े डेटासेट की आवश्यकता रखते हैं, और व्यापक हाइपरपैरामीटर ट्यूनिंग की मांग करते हैं। सर्वाइवल डेटा के संदर्भ में पारंपरिक क्लस्टरिंग एल्गोरिदम अपनी सरलता और व्याख्यात्मकता के बावजूद कम खोजे गए हैं।

कार्यप्रणाली (Methodology)
यह शोध पत्र K-SurvMeans का प्रस्ताव करता है, जो विशेष रूप से सर्वाइवल डेटा क्लस्टरिंग के लिए डिज़ाइन किया गया K-Means एल्गोरिदम का एक नया विस्तार है। मुख्य नवाचार क्लस्टरिंग ऑब्जेक्टिव फंक्शन में सर्वाइवल परिणामों का स्पष्ट समावेश है ताकि क्लस्टरों के बीच युग्मवार (pairwise) सर्वाइवल अंतर को अधिकतम किया जा सके।

ऑब्जेक्टिव फंक्शन: मानक K-Means के विपरीत, जो इंट्रा-क्लस्टर वेरिएंस को कम करता है, K-SurvMeans एक लॉग-रैंक टेस्ट (log-rank test) पर आधारित लॉस फंक्शन को परिभाषित करता है। $k$ क्लस्टर सेंटर्स के एक सेट के लिए, एल्गोरिदम अवलोकनों को निकटतम केंद्र को असाइन करता है और प्रत्येक क्लस्टर के जोड़े के लिए लॉग-रैंक सांख्यिकी ( $\chi^2_{ij}$ ) और p-वैल्यू ( $p_{ij}$ ) की गणना करता है। उद्देश्य उन जोड़ों के लिए लॉग-रैंक सांख्यिकी के योग को अधिकतम करना है जो सांख्यिकीय रूप से महत्वपूर्ण (थ्रेशोल्ड $\alpha$ से नीचे) हैं। लॉस फंक्शन को इस प्रकार सूत्रित किया गया है:
$L(C; X, k) = - \left( \sum_{0 \le i < j \le k-1} \mathbb{1}(p_{ij} < \alpha) \right) \left( \sum_{0 \le i < j \le k-1} \chi^2_{ij} \right)$
लक्ष्य ऐसे क्लस्टर सेंटर्स $C^*$ खोजना है जो इस लॉस को कम करें।
अनुकूलन (Optimization): चूंकि लॉग-रैंक टेस्ट और इंडिकेटर फंक्शन से जुड़ा ऑब्जेक्टिव फंक्शन नॉन-डिफरेंशिएबल (non-differentiable) है, इसलिए लेखक पार्टिकल स्वार्म ऑप्टिमाइजेशन (PSO) का उपयोग करते हैं। इस ढांचे में, प्रत्येक पार्टिकल एक उम्मीदवार समाधान का प्रतिनिधित्व करता है जिसे सभी $k$ क्लस्टर सेंटर कोऑर्डिनेट्स के कॉनकैटिनेशन (concatenation) के रूप में एनकोड किया गया है। पार्टिकल्स व्यक्तिगत और वैश्विक सर्वश्रेष्ठ फिटनेस स्कोर के आधार पर अपनी स्थिति को पुनरावृत्ति (iteratively) के माध्यम से अपडेट करते हैं, जहाँ फिटनेस ऑब्जेक्टिव फंक्शन मान द्वारा निर्धारित होती है।
डायमेंशनलिटी रिडक्शन: "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) को कम करने और अनुकूलन दक्षता में सुधार करने के लिए, इस पद्धति को एक सीखे गए लो-डायमेंशनल लेटेंट स्पेस में संचालित होने के लिए विस्तारित किया गया है। एक डायमेंशनलिटी रिडक्शन फंक्शन $f_\theta$ (जैसे PCA) मूल हाई-डायमेंशनल इनपुट को एक लो-डायमेंशनल स्पेस $z$ में मैप करता है। क्लस्टरिंग अनुकूलन फिर इन लेटेंट रिप्रेजेंटेशन्स पर किया जाता है। वर्तमान फॉर्मूलेशन में, एनकोडर को क्लस्टरिंग लूप से स्वतंत्र रूप से सीखा जाता है (अनुकूलन के दौरान स्थिर रहता है), हालांकि लेखक नोट करते हैं कि संयुक्त शिक्षण (joint learning) एक संभावित भविष्य की दिशा है।

प्रमुख योगदान

एल्गोरिदम विस्तार: K-SurvMeans का परिचय, जो यूक्लिडियन डिस्टेंस ऑब्जेक्टिव को सर्वाइवल-ड्रिवन लॉग-रैंक ऑब्जेक्टिव से बदलकर सर्वाइवल एनालिसिस के लिए K-Means फ्रेमवर्क को अनुकूलित करता है।
अनुकूलन रणनीति: नॉन-डिफरेंशिएबल क्लस्टरिंग समस्या को हल करने के लिए पार्टिकल स्वार्म ऑप्टिमाइजेशन का अनुप्रयोग, जो ग्रेडिएंट-आधारित बैकप्रोपेगेशन की आवश्यकता के बिना सर्वाइवल सेपरेशन को सीधे अधिकतम करने की अनुमति देता है।
लेटेंट स्पेस इंटीग्रेशन: एक ढांचा जो हाई-डायमेंशनल डेटा को संभालने और सर्च स्पेस कॉम्प्लेक्सिटी को कम करने के लिए डायमेंशनलिटी रिडक्शन को सर्वाइवल क्लस्टरिंग के साथ जोड़ता है।
बेंचमार्किंग: कई सार्वजनिक सर्वाइवल डेटासेट्स पर पारंपरिक बेसलाइन्स (PCA के साथ/बिना K-Means) और स्टेट-ऑफ-द-आर्ट डीप लर्निंग विधियों (SCA और VaDeSC) के विरुद्ध एक व्यापक मूल्यांकन।

परिणाम
प्रयोग चार सार्वजनिक रूप से उपलब्ध बेंचमार्क डेटासेट्स (FLCHAIN, SUPPORT, METABRIC, NWTCO) पर किए गए। मूल्यांकन मेट्रिक सभी क्लस्टर जोड़ों के बीच युग्मवार महत्वपूर्ण अंतरों (लॉग-रैंक टेस्ट के आधार पर) का प्रतिशत था।

प्रदर्शन: K-SurvMeans, विशेष रूप से लेटेंट स्पेस में संचालित होने वाला वेरिएंट (K-SurvMeans(Latent)), ने सभी अन्य विधियों की तुलना में लगातार उच्चतम प्रतिशत महत्वपूर्ण युग्मवार अंतर प्राप्त किया। इसने स्पष्ट रूप से अलग सर्वाइवल वितरण वाले क्लस्टरों की सफलतापूर्वक पहचान की।
क्लस्टर ग्रैनुलैरिटी (Granularity): जबकि डीप लर्निंग विधियां (SCA, VaDeSC) अक्सर अधिक संख्या में क्लस्टर की पहचान करती हैं, ये क्लस्टर अक्सर कमजोर सर्वाइवल सेपरेशन (कम महत्वपूर्ण अंतर प्रतिशत) प्रदर्शित करते हैं। इसके विपरीत, K-SurvMeans(Latent) ने अधिक संख्या में क्लस्टरों की खोज और उच्च सर्वाइवल सेपरेशन के बीच संतुलन बनाया, जो यह सुझाव देता है कि यह सूक्ष्म-स्तरीय, नैदानिक रूप से सार्थक उपसमूहों को कैप्चर करता है।
बेसलाइन तुलना: मानक K-Means और K-Means(Latent) ने अपेक्षाकृत उच्च सेपरेशन प्रतिशत प्राप्त किया लेकिन वे कम क्लस्टर बनाने की ओर झुके रहे, जिससे वे प्रस्तावित विधि की तुलना में कम जनसंख्या विषमता (heterogeneity) को कैप्चर कर पाए।
विज़ुअलाइज़ेशन: कपलान-मेयर (Kaplan-Meier) सर्वाइवल कर्व्स ने प्रदर्शित किया कि K-SurvMeans(Latent) द्वारा खोजे गए क्लस्टरों ने सीमित ओवरलैप के साथ स्पष्ट सेपरेशन दिखाया, जो विशिष्ट सर्वाइवल प्रोफाइल के मामले में डीप लर्निंग बेसलाइन्स से बेहतर प्रदर्शन करता है।

महत्व और दावे
शोध पत्र का दावा है कि K-SurvMeans सर्वाइवल क्लस्टरिंग के लिए जटिल डीप लर्निंग मॉडल्स के एक सम्मोहक विकल्प के रूप में कार्य करता है। सर्वाइवल सेपरेशन के लिए स्पष्ट रूप से अनुकूलित करके, यह विधि ऐसे क्लस्टर बनाती है जो जोखिम स्तरीकरण और निर्णय लेने के लिए अधिक उपयोगी होते हैं। लेखक इस बात पर जोर देते हैं कि यह विधि सर्वाइवल जानकारी को प्रभावी ढंग से शामिल करते हुए भी सेंट्रॉइड-आधारित क्लस्टरिंग की सरलता और व्याख्यात्मकता को बनाए रखती है।

लेखक विनम्रतापूर्वक सीमाओं को स्वीकार करते हैं, विशेष रूप से बहुत उच्च आयामों और क्लस्टरों की बड़ी संख्या के लिए इसकी स्केलेबिलिटी, जिसे वे डायमेंशनलिटी रिडक्शन के माध्यम से संबोधित करते हैं। वे यह भी नोट करते हैं कि SCA और VaDeSC के विपरीत, K-SurvMeans वर्तमान में क्लस्टरिंग पर केंद्रित है और व्यक्तिगत सर्वाइवल कर्व्स की भविष्यवाणी नहीं करता है। भविष्य के कार्य में एम्बेडिंग लर्निंग को सीधे अनुकूलन प्रक्रिया में एकीकृत करना और व्यक्तिगत सर्वाइवल कर्व्स की भविष्यवाणी करने के लिए विधि का विस्तार करना शामिल है। पुनरुत्पादकता (reproducibility) को सुगम बनाने के लिए पूर्ण कार्यान्वयन GitHub पर उपलब्ध कराया गया है।

तकनीकी सारांश: K-सर्वाइवल मीन्स (K-SurvMeans)

इसी तरह के और पेपर