Contrastive Representation Learning of Longitudinal Disease Trajectories on Temporal Graphs

कल्पना कीजिए कि आप किसी व्यक्ति के जीवन की कहानी को समझने की कोशिश कर रहे हैं, लेकिन एक किताब पढ़ने के बजाय, आप यादृच्छिक (random) समय पर ली गई बिखरी हुई तस्वीरों के ढेर को देख रहे हैं। कुछ तस्वीरें हर दिन ली जाती हैं; कुछ साल में एक बार। कुछ में एक खुशहाल जन्मदिन दिखता है, कुछ डॉक्टर के पास जाने का दृश्य दिखाते हैं, और कुछ बस एक पार्क बेंच की धुंधली तस्वीरें हैं। चिकित्सा विज्ञान की दुनिया में, "लॉन्जिट्यूडिनल डेटा" (longitudinal data) बिल्कुल ऐसा ही दिखता है: एक ही लोगों से बार-बार लिए गए मापों का संग्रह, जो अक्सर अव्यवस्थित और अनियमित अंतराल पर होते हैं।

बड़ी चुनौती वैज्ञानिकों के लिए यह समझना है कि वे इन लोगों को इस आधार पर कैसे समूह में बांटें कि उनके जीवन (या बीमारियों) में कैसे बदलाव आ रहे हैं। क्या दो मरीज एक ही पथ पर चल रहे हैं, भले ही उनके चेक-अप अलग-अलग दिनों पर हुए हों? पारंपरिक तरीके अक्सर इन अव्यवस्थित स्नैपशॉट्स को साफ, सुव्यवस्थित रेखाओं में बदलने की कोशिश करते हैं, यह मानकर कि हर किसी की कहानी एक अनुमानित वक्र (curve) का पालन करती है। लेकिन वास्तविक जीवन शायद ही कभी इतना सुचारू होता है। कभी-कभी, लोगों में लक्षणों के अचानक उछाल आते हैं, या उनकी स्थिति जटिल, गैर-रैखिक (non-linear) तरीकों से बदल जाती है जो एक सरल रेखा में फिट नहीं बैठतीं। यहीं पर "मशीन लर्निंग" का क्षेत्र काम आता है, विशेष रूप से "रिप्रेजेंटेशन लर्निंग" (representation learning) नामक एक शाखा। इसे ऐसे समझें जैसे कंप्यूटर को डेटा के एक बिखरे हुए ढेर को देखना और प्रत्येक व्यक्ति की कहानी का सबसे महत्वपूर्ण "सार" या "सारांश" निकालना सिखाना, ताकि वह आसानी से बता सके कि कौन किस समूह में आता है। आप जो शोध पत्र पढ़ने जा रहे हैं, वह इस समस्या का समाधान करता है कि जब डेटा समय और समानता का एक उलझा हुआ जाल हो, तो इसे सर्वोत्तम तरीके से कैसे किया जाए।

---

समस्या: अव्यवस्थित समयरेखा (The Messy Timeline)

कल्पना कीजिए कि आप संदिग्धों को उनकी दैनिक आदतों के आधार पर समूहों में बांटने के लिए एक जासूस हैं। आपके पास प्रत्येक व्यक्ति के लिए नोट्स की एक सूची है, लेकिन नोट्स बहुत अव्यवस्थित हैं। कुछ लोगों ने हर सुबह डायरी लिखी; दूसरों ने केवल तभी लिखा जब कुछ रोमांचक हुआ। कुछ नोट्स इस बारे में हैं कि उन्होंने क्या खाया, कुछ इस बारे में कि वे कैसा महसूस कर रहे थे, और कुछ बस कुछ लकीरें हैं।

चिकित्सा में, डॉक्टर इस तरह का डेटा हर समय एकत्र करते हैं। वे वर्षों तक मरीजों को ट्रैक करते हैं, रक्तचाप, हृदय गति और लक्षणों को रिकॉर्ड करते हैं। लेकिन डेटा "लॉन्जिट्यूडिनल" (समय के साथ फैला हुआ) और "हेटरोजेनियस" (विविध और हर किसी के लिए अलग) है। लक्ष्य "क्लस्टर्स" (समूह) खोजना है—ऐसे मरीजों के समूह जो एक ही बीमारी के पथ पर यात्रा कर रहे हैं। यदि आप इन समूहों को खोज सकते हैं, तो आप भविष्यवाणी कर सकते हैं कि कौन बीमार हो सकता है और बेहतर उपचार तैयार कर सकते हैं।

समस्या यह है कि पुराने जमाने की जासूसी (पारंपरिक सांख्यिकी) अक्सर यह मान लेती है कि हर किसी की कहानी एक चिकनी, सीधी रेखा है। लेकिन बीमारियाँ हमेशा सीधी रेखाओं में नहीं चलतीं। वे टेढ़ी-मेढ़ी चलती हैं, रुक जाती हैं, और कभी-कभी अचानक बदल जाती हैं। इसके अलावा, मानक तरीके अक्सर प्रत्येक मरीज को अलग-थलग देखते हैं, इस तथ्य को नजरअंदाज कर देते हैं कि मरीज A और मरीज B एक ही तालमेल में हो सकते हैं, भले ही वे अलग-अलग लोग हों।

समाधान: RankWalk और "टाइम-ट्रैवलिंग ग्राफ"

यहाँ लेखकों ने एक नया तरीका प्रस्तावित किया है जिसे RankWalk कहा जाता है। डेटा को एक सीधी रेखा में जबरदस्ती फिट करने के बजाय, वे एक विशाल, अदृश्य जाल (एक "ग्राफ") बनाने का निर्णय लेते हैं जो सभी बिंदुओं को जोड़ता है।

वे इस जाल को इस प्रकार बनाते हैं:

1. नोड्स (बिंदु): मरीज का किया गया हर एक माप मानचित्र पर एक बिंदु बन जाता है।
2. टेम्पोरल स्ट्रिंग्स (समय की डोरियां): यदि मरीज A का सोमवार को चेक-अप हुआ और मंगलवार को दूसरा, तो वे उन दो बिंदुओं को जोड़ने के लिए एक डोरी खींचते हैं। यह समय के क्रम को सुरक्षित रखता है। यह कंप्यूटर को बताता है, "यह उससे पहले हुआ था।"
3. सिमिलैरिटी स्ट्रिंग्स (समानता की डोरियां): यह सबसे चतुर हिस्सा है। यदि मरीज A और मरीज B दोनों का मंगलवार को चेक-अप हुआ, और उस सटीक क्षण में उनके स्वास्थ्य के आंकड़े बहुत समान थे, तो कंप्यूटर उन दोनों के बीच एक डोरी खींच देता है, भले ही वे अलग-अलग लोग हों। यह ऐसा है जैसे कहना, "अरे, तुम दोनों अभी एक ही नाव में सवार हो।"

लेकिन क्या होगा यदि चेक-अप अजीब समय पर हुए हों? क्या होगा यदि मरीज A को सुबह 10:00 बजे देखा गया और मरीज B को 10:05 बजे? लेखक एक "स्लाइडिंग विंडो" (sliding window) तकनीक का उपयोग करते हैं। कल्पना कीजिए कि एक खिड़की समयरेखा के ऊपर चल रही है। यदि किसी मरीज का चेक-अप उस खिड़की के भीतर आता है, तो उन्हें उस खिड़की में मौजूद अन्य सभी लोगों के साथ समूह में रखा जाता है। यह कहानी को खोए बिना अव्यवस्थित, अनियमित समय को सुचारू बनाता है।

गुप्त मंत्र: एंकर और रैंडम वॉक

अब जब जाल बन गया है, तो कंप्यूटर कैसे सीखता है कि कौन से मरीज एक साथ आते हैं? यहीं पर कॉन्ट्रास्टिव लर्निंग (Contrastive Learning) काम आती है। इसे "अंतर पहचानो" के खेल के रूप में सोचें।

कंप्यूटर एक "एंकर" (एक विशिष्ट मरीज का चेक-अप) चुनता है और अन्य बिंदुओं को खोजने की कोशिश करता है जो उसके जैसा दिखता है। लेकिन केवल निकटतम पड़ोसियों को देखने के बजाय, कंप्यूटर एक "रैंडम वाकर" (यादृच्छिक यात्री)—एक छोटा खोजकर्ता—को भेजता है जो डोरियों के सहारे एक बिंदु से दूसरे बिंदु पर कूदता है।

यहाँ मोड़ यह है: खोजकर्ता एंकर-निर्देशित (anchor-guided) है। वह बिना किसी उद्देश्य के इधर-उधर नहीं भटकता। वह उन बिंदुओं को खोजने के लिए पक्षपाती है जो संरचनात्मक रूप से एंकर के समान हैं। यदि एंकर एक "बीमार" मरीज है, तो खोजकर्ता अन्य "बीमार" मरीजों को खोजने की अधिक संभावना रखता है, भले ही वे जाल में दूर क्यों न हों।

कंप्यूटर इस बात का स्कोर रखता है कि खोजकर्ता कितनी तेजी से एक मिलान पाता है। यदि वह मिलान तेजी से पाता है, तो वह मिलान अधिक "महत्वपूर्ण" होता है। इसे रैंक-वेटेड पॉजिटिव पेयर जनरेशन (Rank-Weighted Positive Pair Generation) कहा जाता है। यह कहने जैसा है, "यदि आपने अपनी खोज के पहले चरण में ही जुड़वां को ढूंढ लिया, तो वह जुड़वां एक आदर्श मिलान है। यदि आपको जुड़वां को खोजने के लिए दस चरणों तक खोजना पड़ा, तो शायद वे इतने समान नहीं हैं।"

अंत में, कंप्यूटर एक "कॉन्ट्रास्टिव" उद्देश्य का उपयोग करता है। यह कोशिश करता है कि "जुड़वां" बिंदु उसकी आंतरिक भाषा (एम्बेडिंग्स) में बहुत समान दिखें और "गैर-जुड़वां" बिंदु बहुत अलग दिखें। समय के साथ, कंप्यूटर हर मरीज की यात्रा को एक छोटे, शक्तिशाली कोड में सारांशित करने का एक सुपर-कुशल तरीका सीख जाता है।

उन्होंने क्या पाया: परिणाम

लेखकों ने अपने नए "RankWalk" तरीके का परीक्षण पुराने जासूसों (पारंपरिक सांख्यिकी) और अन्य नए मशीन लर्निंग उपकरणों के विरुद्ध किया। उन्होंने इसे दो तरीकों से किया:

1. सिमुलेशन लैब (नकली डेटा)
सबसे पहले, उन्होंने कंप्यूटर पर नकली मरीज डेटा बनाया।

• परिदृश्य A (सुचारू यात्रा): उन्होंने ऐसा डेटा बनाया जहाँ मरीज सुचारू, अनुमानित वक्रों का पालन करते थे। यहाँ, पुराने तरीकों (जैसे fPCA) ने अच्छा प्रदर्शन किया, लेकिन RankWalk ने भी उनके बराबर ही प्रदर्शन बनाए रखा।
• परिदृश्य B (शोर वाली यात्रा): उन्होंने इसमें "नॉइज़" (शोर)—यादृच्छिक त्रुटियां या खराब डेटा बिंदु—मिला दी। पुराने तरीके भ्रमित हो गए और लोगों को गलत समूहों में बांटने लगे। हालाँकि, RankWalk शांत रहा। क्योंकि इसने कई अलग-अलग "सबस्पेस" (डेटा के विभिन्न कोणों) को देखा और एक रैंकिंग प्रणाली का उपयोग किया, इसने शोर वाले हिस्सों को अनदेखा कर दिया और वास्तविक समूहों को खोज लिया।
• परिदृश्य C (अराजक यात्रा): उन्होंने ऐसा डेटा बनाया जहाँ मरीज अलग-अलग "रेजीम" (जैसे एक बीमारी जो अचानक अपना व्यवहार बदल देती है) के बीच स्विच करते हैं और गैर-रैखिक उछाल रखते हैं। पुराने तरीके यहाँ पूरी तरह विफल रहे क्योंकि वे अराजकता को संभाल नहीं सके। RankWalk ने यहाँ उत्कृष्ट प्रदर्शन किया, लगभग पूर्ण सटीकता के साथ समूहों को खोजा। इसने साबित किया कि आपको वक्र के आकार को पहले से जानने की आवश्यकता नहीं है; ग्राफ इसे सीख सकता है।

2. वास्तविक दुनिया (वास्तविक डेटा)
इसके बाद, उन्होंने हृदय रोग, लिवर रोग, संज्ञानात्मक बुढ़ापे और एड्स से जुड़े चार वास्तविक चिकित्सा डेटासेट पर RankWalk का परीक्षण किया।

• उन्होंने केवल यह नहीं देखा कि समूह कितनी अच्छी तरह बने, बल्कि उन्होंने यह भी जांचा कि क्या वे समूह जीवित रहने (survival) के लिए वास्तव में मायने रखते हैं। उन्होंने एक "कॉनकॉर्डेंस इंडेक्स" (यह स्कोर कि समूह कितनी अच्छी तरह भविष्यवाणी करते हैं कि कौन लंबे समय तक जीवित रहेगा) और एक "लॉग-रैंक टेस्ट" (यह देखने के लिए एक सांख्यिकीय जांच कि क्या समूह वास्तव में भिन्न थे) का उपयोग किया।
• परिणाम: RankWalk ने लगातार मौजूदा सर्वश्रेष्ठ विधि (fPCA) को पछाड़ दिया। उदाहरण के लिए, हृदय रोग (HEART) के डेटासेट में, पुराने तरीके का उत्तरजीविता भविष्यवाणी स्कोर 0.57 (अनुमान लगाने से थोड़ा ही बेहतर) था, जबकि RankWalk ने इसे बढ़ाकर 0.71 कर दिया। और भी आश्चर्यजनक बात यह है कि समूहों के भिन्न होने का सांख्यिकीय प्रमाण 4.81 के कमजोर स्तर से बढ़कर 52.25 के विशाल स्तर पर पहुँच गया।
• यह सुझाव देता है कि डेटा को समय और समानता के एक जुड़े हुए जाल के रूप में मानकर, RankWalk ने उन पैटर्न को खोज लिया जो पुराने तरीकों ने छोड़ दिए थे, जिससे ऐसे रोगी समूह मिले जो स्वास्थ्य परिणामों के मामले में बहुत अधिक स्पष्ट रूप से भिन्न थे।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि हमें वास्तविक दुनिया के जटिल चिकित्सा डेटा को समझने के लिए उसे सुंदर, सीधी रेखाओं में ढालने की आवश्यकता नहीं है। समय के प्रवाह और विभिन्न लोगों के बीच की समानता दोनों का सम्मान करने वाले एक गतिशील जाल का निर्माण करके, और एक स्मार्ट "खोज और तुलना" रणनीति का उपयोग करके, हम बीमारियों के बढ़ने के छिपे हुए पैटर्न को उजागर कर सकते हैं।

RankWalk केवल मरीजों को समूहबद्ध नहीं करता है; यह सही समूहों को खोजता है। यह अव्यवस्थित डेटा को संभालता है, शोर को अनदेखा करता है, और जटिल, बदलते रोग पैटर्न के अनुकूल होने में दशकों से उपयोग किए जा रहे उपकरणों से बेहतर है। हालाँकि लेखक नोट करते हैं कि यह एक पद्धतिगत सफलता है और भविष्य के कार्यों की आवश्यकता है (जैसे गायब डेटा या एक साथ कई प्रकार के डेटा को संभालना), अब तक के परिणाम बताते हैं कि यह ग्राफ-आधारित दृष्टिकोण मानव स्वास्थ्य के लंबे, घुमावदार मार्ग को देखने के लिए एक शक्तिशाली नया लेंस है।