FUSEP: A Multi-Center Benchmark for Diverse Tasks in Early Pregnancy Fetal Ultrasound Screening

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन पदचिह्नों या उंगलियों के निशान खोजने के बजाय, आप एक घूमते हुए, बादलों जैसे धुंध में छिपे छोटे, अदृश्य सुरागों की तलाश कर रहे हैं। यह मेडिकल अल्ट्रासाउंड की दुनिया है। डॉक्टर ध्वनि तरंगों का उपयोग करके गर्भ में विकसित हो रहे बच्चे की तस्वीरें लेने के लिए करते हैं, लेकिन ये चित्र अक्सर दानेदार, गहरे और "शोर" (noise) से भरे होते हैं जो महत्वपूर्ण विवरणों को छिपा सकते हैं। लंबे समय से, इन चित्रों को पढ़ना मोटे दस्ताने पहनकर घास के ढेर में सुई खोजने जैसा रहा है; यह काफी हद तक डॉक्टर के अनुभव पर निर्भर करता है, और कभी-कभी, छोटे लेकिन महत्वपूर्ण सुराग छूट जाते हैं। यह विशेष रूप से गर्भावस्था के बहुत शुरुआती चरणों में बहुत कठिन होता है, जब बच्चा अभी एक नन्हे पौधे की तरह होता है, और उसके अंग इतने छोटे होते हैं कि उन्हें पहचानना मुश्किल होता है। वैज्ञानिक कंप्यूटर को बेहतर जासूस बनने के लिए सिखाने की कोशिश कर रहे हैं, जिसे "डीप लर्निंग" नामक आर्टिफिशियल इंटेलिजेंस की एक शाखा कहा जाता है, जो कंप्यूटर को हजारों उदाहरण दिखाकर पैटर्न पहचानना सिखाने जैसा है। लेकिन कंप्यूटर को अच्छी तरह से सिखाने के लिए, आपको स्पष्ट लेबल वाले उच्च गुणवत्ता वाले उदाहरणों का एक विशाल पुस्तकालय चाहिए, और अब तक, शुरुआती गर्भावस्था के स्कैन के लिए ऐसा पुस्तकालय गायब था।

यह शोध पत्र एक नया, विशाल पुस्तकालय पेश करता है जिसे FUSEP (Fetal Ultrasound Screening in Early Pregnancy) कहा जाता है। FUSEP को एक विशाल, बहु-शहर खजाने की खोज की तरह समझें जहाँ तीन अलग-अलग अस्पतालों के शोधकर्ताओं ने 4,017 अल्ट्रासाउंड चित्र एकत्र किए। उन्होंने केवल तस्वीरें ही नहीं लीं; बल्कि उन्होंने बच्चे के शरीर के 14 विभिन्न सूक्ष्म हिस्सों, जैसे कि नाक, मस्तिष्क और हृदय के चारों ओर बॉक्स बनाने में अनगिनत घंटे बिताए, जिससे 45,000 से अधिक विशेषज्ञ लेबल तैयार हुए। शोधकर्ताओं ने पाया कि हालांकि कंप्यूटर इन छोटे हिस्सों को पहचानने में अच्छे हो रहे हैं, लेकिन वे तब संघर्ष करते हैं जब चित्र अलग-अलग अस्पतालों या अलग-अलग अल्ट्रासाउंड मशीनों से आते हैं, ठीक वैसे ही जैसे एक जासूस भ्रमित हो सकता है यदि रोशनी बदल जाए या कैमरा एंगल बदल जाए। यह पत्र सुझाव देता है कि इस नए डेटासेट का उपयोग करके, हम कंप्यूटरों को अधिक मजबूत बना सकते हैं, जिससे वे असामान्यताओं को और अधिक जल्दी और सटीकता से पकड़ सकें, भले ही चित्र आदर्श न हों। उन्होंने कई अलग-अलग कंप्यूटर "जासूसों" का परीक्षण किया और पाया कि कुछ तेज़ हैं, जबकि अन्य अधिक सटीक हैं, लेकिन अभी तक कोई भी पूर्ण नहीं है। अध्ययन बताता है कि यह नया बेंचमार्क स्मार्ट उपकरण बनाने की दिशा में एक महत्वपूर्ण पहला कदम है जो डॉक्टरों को स्वास्थ्य समस्याओं को गंभीर होने से पहले पकड़ने में मदद कर सके।

बड़ी तस्वीर: नन्हे बच्चों के लिए बेहतर "एक्स-रे" की आवश्यकता क्यों है

हर साल, लाखों बच्चे उन स्वास्थ्य समस्याओं के साथ पैदा होते हैं जिन्हें पहले पहचाना जा सकता था। जन्म से पहले बच्चे के स्वास्थ्य की जांच करने के सर्वोत्तम तरीकों में से एक अल्ट्रासाउंड है। यह प्रकाश के बजाय ध्वनि तरंगों का उपयोग करके बच्चे का लाइव वीडियो लेने जैसा है। यह सुरक्षित है, वास्तविक समय में है, और इसमें कोई दर्द नहीं होता है। लेकिन यहाँ एक पेंच है: गर्भावस्था के बहुत शुरुआती हफ्तों (11 से 14 सप्ताह के बीच) में, बच्चा अविश्वसनीय रूप से छोटा होता है। उसके अंग बहुत छोटे होते हैं, और चित्र धुंधले हो सकते हैं। डॉक्टरों को विशिष्ट "मानक दृश्यों" (standard views) की तलाश करनी होती है—जैसे कि बच्चे के चेहरे का एक सटीक साइड प्रोफाइल या फुल-बॉडी शॉट—ताकि गर्दन के पीछे की त्वचा की मोटाई (जिसे नचकल ट्रांसलूसेंसी या Nuchal Translucency कहा जाता है) या सिर से निचले हिस्से तक की लंबाई (क्राउन-रम्प लेंथ या Crown-rump Length) जैसी चीजों को मापा जा सके। यदि ये माप गलत हैं, या यदि नाक जैसी छोटी हड्डी गायब है, तो यह एक गंभीर समस्या का संकेत दे सकता है।

समस्या यह है कि मानवीय आँखें थक जाती हैं, और अलग-अलग डॉक्टर चीजों को अलग तरह से देख सकते हैं। इसके अलावा, चित्र स्वयं भी कठिन होते हैं। उनमें छाया, दानेदारपन और कभी-कभी बच्चा हिल जाता है, जिससे चित्र धुंधला हो जाता है। इसे ठीक करने के लिए, वैज्ञानिक आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करने की कोशिश कर रहे हैं। कल्पना कीजिए कि एक छात्र हजारों बिल्लियों की तस्वीरों को देखकर बिल्ली को पहचानना सीखता है। AI इसी तरह काम करता है। लेकिन AI को एक छोटी भ्रूण की नाक या एक विशिष्ट मस्तिष्क संरचना को पहचानने के लिए सिखाने हेतु, उसे उदाहरणों की एक विशाल पाठ्यपुस्तक की आवश्यकता होती है। अब तक, इन विशिष्ट शुरुआती-गर्भावस्था के चित्रों के लिए कोई अच्छी, सार्वजनिक पाठ्यपुस्तक नहीं थी। यही वह अंतर है जिसे यह शोध पत्र भरता है।

नया खजाना मानचित्र: FUSEP का परिचय

इस शोध पत्र के लेखकों ने उस लापता पाठ्यपुस्तक को बनाने का निर्णय लिया। उन्होंने एक डेटासेट बनाया जिसे वे FUSEP कहते हैं। यह केवल कुछ तस्वीरें नहीं हैं; यह तीन अलग-अलग अस्पतालों से एकत्र किए गए 4,017 अल्ट्रासाउंड चित्रों का एक विशाल संग्रह है। तीन क्यों? क्योंकि वास्तविक दुनिया में, अस्पताल अलग-अलग मशीनों, अलग-अलग सोनोग्राफरों (वे लोग जो अल्ट्रासाउंड प्रोब पकड़ते हैं), और अलग-अलग स्कैनिंग शैलियों का उपयोग करते हैं। विभिन्न स्थानों से डेटा एकत्र करके, शोधकर्ताओं ने यह सुनिश्चित किया कि उनकी "पाठ्यपुस्तक" विविध और यथार्थवादी हो, न कि केवल एक आदर्श, नकली दुनिया।

इस डेटासेट में, चिकित्सा विशेषज्ञों ने दो विशिष्ट दृश्यों में 14 विभिन्न शारीरिक संरचनाओं के चारों ओर सावधानीपूर्वक बॉक्स बनाए: क्राउन-रम्प लेंथ (CRL) दृश्य, जो पूरे बच्चे को दिखाता है, और नचकल ट्रांसलूसेंसी (NT) दृश्य, जो गर्दन और सिर पर ध्यान केंद्रित करता है। उन्होंने इन संरचनाओं के 45,820 से अधिक लेबल बनाए। यह एक बहुत बड़ी बात है क्योंकि यह शुरुआती गर्भावस्था की संरचनाओं की सबसे विस्तृत लेबलिंग है जिसे कभी भी सार्वजनिक डेटासेट में डाला गया है।

शोधकर्ताओं ने केवल डेटा एकत्र ही नहीं किया; उन्होंने यह भी जांचा कि विभिन्न AI मॉडल इसका उपयोग कितनी अच्छी तरह कर सकते हैं। उन्होंने डेटासेट को विभिन्न प्रकार के "डिटेक्टिव एल्गोरिदम" के लिए एक परीक्षण मैदान के रूपक के रूप में इस्तेमाल किया। उन्होंने पूछा: क्या AI बच्चे की नाक को ढूंढ सकता है यदि उसने पहले कभी उस विशिष्ट मशीन को नहीं देखा है? क्या यह तब काम कर सकता है जब उसे केवल कुछ लेबल किए गए चित्र दिखाई दें और उसे बाकी का अनुमान लगाना पड़े? क्या यह उस "शोर" और "छाया" को संभाल सकता है जो वास्तविक अल्ट्रासाउंड छवियों में होती है?

जासूसों ने क्या पाया (और कहाँ वे लड़खड़ाए)

पत्र ने कई अलग-अलग AI मॉडल का परीक्षण किया, जिनमें पुराने, क्लासिक तरीकों से लेकर नए, फैंसी "ट्रांसफॉर्मर" (एक प्रकार का AI आर्किटेक्चर जो संदर्भ को समझने में बहुत अच्छा है) पर आधारित मॉडल तक शामिल थे। यहाँ उनकी खोजें दी गई हैं:

1. "सर्वश्रेष्ठ" जासूस: उनके द्वारा परीक्षण किए गए मॉडलों में से, Relation-DETR नामक एक विधि सबसे अच्छा प्रदर्शन करती है। इसने फुल-बॉडी व्यू के लिए 85.6% की सटीकता (mAP द्वारा मापी गई) और नेक व्यू के लिए 95.6% की सटीकता हासिल की। हालांकि यह उच्च लगता है, लेखक नोट करते हैं कि यह अभी भी पूर्ण नहीं है। दूसरा सबसे अच्छा तरीका थोड़ा पीछे था, जो दर्शाता है कि अभी भी सुधार की गुंजाइश है।
2. गति बनाम सटीकता का समझौता: कुछ मॉडल अविश्वसनीय रूप से तेज़ थे। उदाहरण के लिए, YOLOX एक छवि को केवल 8.942 मिलीसेकंड (जो एक पलक झपकने से भी तेज़ है!) में प्रोसेस कर सकता था, लेकिन यह धीमे, अधिक जटिल मॉडलों की तुलना में उतना सटीक नहीं था। यह एक ऐसे धावक को चुनने जैसा है जो तेज़ है लेकिन शायद लड़खड़ा जाए, और एक मैराथन धावक के बीच चुनाव करने जैसा है जो धीमा है लेकिन बहुत स्थिर है।
3. "अलग मशीन" की समस्या: शोध पत्र में हाइलाइट किया गया सबसे बड़ा चैलेंज डोमेन शिफ्ट (Domain Shift) है। यह एक तकनीकी शब्द है जिसका अर्थ है: "क्या होता है जब अस्पताल A के चित्रों पर प्रशिक्षित AI अस्पताल B के चित्रों को देखने की कोशिश करता है?" परिणामों ने दिखाया कि जब AI एक अस्पताल से दूसरे अस्पताल में गया, तो इसके प्रदर्शन में काफी गिरावट आई। उदाहरण के लिए, अस्पताल 1 से अस्पताल 3 में जाने पर, कुछ सूक्ष्म संरचनाओं के लिए सटीकता गिरकर केवल 6.9% रह गई। यह सुझाव देता है कि AI उस विशिष्ट मशीन के "लुक" पर बहुत अधिक निर्भर है जिस पर इसे प्रशिक्षित किया गया था।
4. "छोटा सुराग" की समस्या: पत्र इंगित करता है कि नेज़ल बोन (Nasal Bone) जैसी कुछ संरचनाएं अविश्वसनीय रूप से छोटी हैं, जो कुल छवि क्षेत्र का केवल 0.2% से 0.5% हिस्सा लेती हैं। यह ब्लाइंडर्स (आंखों पर पट्टी) पहनकर समुद्र तट पर रेत के एक अकेले कण को खोजने जैसा है। AI इन "अत्यधिक स्केल विविधताओं" के साथ संघर्ष करता है, और अक्सर उन्हें पूरी तरह से मिस कर देता है।

कम डेटा के साथ AI को सिखाना: सेमी-सुपरवाइज्ड प्रयोग

शोधकर्ताओं ने एक कठिन प्रश्न भी पूछा: "क्या होगा यदि हमारे पास पर्याप्त लेबल किए गए चित्र नहीं हैं?" वास्तविक दुनिया में, विशेषज्ञों को हजारों छवियों पर बॉक्स बनाने के लिए कहना बहुत समय लेने वाला काम है। इसलिए, उन्होंने सेमी-सुपरवाइज्ड लर्निंग (Semi-Supervised Learning) का परीक्षण किया, जहाँ AI को कुछ लेबल किए गए चित्र (जैसे 5% या 10% डेटा) दिखाए जाते हैं और कई बिना लेबल वाले चित्र दिखाए जाते हैं, और इसे बिना लेबल वाले चित्रों से भी सीखना होता है।

परिणाम मिले-जुले लेकिन आशाजनक थे। मॉडल ने अधिक लेबल किए गए डेटा के साथ बेहतर प्रदर्शन किया, लेकिन वे अभी भी कठिन हिस्सों के साथ संघर्ष करते रहे। उदाहरण के लिए, जब केवल 5% डेटा लेबल किया गया था, तो नेज़ल बोन को खोजने की AI की क्षमता अस्पताल के आधार पर 14.9% से 22.3% सटीकता तक गिर गई। यह सुझाव देता है कि हालांकि सेमी-सुपरवाइज्ड लर्निंग एक सहायक उपकरण है, लेकिन यह अभी कोई जादुई छड़ी नहीं है। पत्र का सुझाव है कि हमें अभी भी सबसे कठिन संरचनाओं के लिए उच्च-गुणवत्ता वाले लेबल की आवश्यकता है।

"सोर्स-फ्री" चुनौती: मूल पुस्तक के बिना सीखना

शायद सबसे दिलचस्प प्रयोग सोर्स-फ्री अनसुपरवाइज्ड डोमेन अडैप्टेशन (SFDA) था। कल्पना कीजिए कि आपके पास एक जासूस है जिसने एक शहर के सुरागों की किताब का अध्ययन किया है, लेकिन अब उसे दूसरे शहर में अपराध को सुलझाना है, और उसे मूल पुस्तक देखने या उन लोगों से बात करने की अनुमति नहीं है जिन्होंने वह पुस्तक लिखी थी। उसके पास केवल मूल पुस्तक की अपनी स्मृति और नया अपराध स्थल है।

शोधकर्ताओं ने उन AI मॉडलों का परीक्षण किया जिन्हें मूल प्रशिक्षण डेटा तक पहुंच के बिना नए अस्पतालों के अनुकूल होना था। परिणामों ने दिखाया कि वे मॉडल अभी भी उचित रूप से प्रदर्शन कर सकते थे, लेकिन वे मूल डेटा के साथ उतने अच्छे नहीं थे। यह सुझाव देता है कि हालांकि विभिन्न अस्पतालों में काम करने वाले AI बनाना संभव है बिना निजी रोगी डेटा साझा किए, लेकिन यह अभी भी एक बहुत कठिन पहेली है जिसे सुलझाना है। पत्र सुझाव देता है कि वे तरीके जो "संरचना" और "टोपोलॉजी" (शरीर के हिस्से एक-दूसरे से कैसे जुड़ते हैं) पर ध्यान केंद्रित करते हैं, वे उन तरीकों से बेहतर प्रदर्शन करते हैं जो केवल कच्चे पिक्सेल को देखते हैं।

इसका भविष्य के लिए क्या अर्थ है

लेखक यह कहने में सावधान हैं कि उन्होंने प्रारंभिक गर्भावस्था स्क्रीनिंग की समस्या को "हल" कर दिया है। इसके बजाय, वे सुझाव देते हैं कि FUSEP एक महत्वपूर्ण मील का पत्थर है। एक सार्वजनिक, विविध और अत्यधिक विस्तृत डेटासेट प्रदान करके, वे अन्य वैज्ञानिकों को अपने विचारों का परीक्षण करने के लिए एक सामान्य मैदान दे रहे हैं।

यह शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि वर्तमान AI डॉक्टरों को बदलने के लिए तैयार है। अस्पतालों के बीच जाने पर प्रदर्शन में गिरावट और सूक्ष्म संरचनाओं को पहचानने में कठिनाई यह दर्शाती है कि मानव विशेषज्ञ अभी भी आवश्यक हैं। हालांकि, अध्ययन सुझाव देता है कि AI एक शक्तिशाली सहायक बन सकता है, जो संभावित समस्याओं को फ्लैग करने, इमेज क्वालिटी की जांच करने और यह सुनिश्चित करने में मदद कर सकता है कि कोई भी छोटा सुराग छूट न जाए।

लेखक यह भी बताते हैं कि यह तो बस शुरुआत है। वे डेटासेट का विस्तार करने की योजना बना रहे हैं ताकि इसमें अधिक प्रकार के दृश्य शामिल किए जा सकें और यहाँ तक कि "सेगमेंटेशन मास्क" (जो केवल बॉक्स बनाने के बजाय रेखाओं के भीतर रंग भरने जैसा है) भी जोड़े जा सकें ताकि बच्चे के विकास को अधिक सटीकता से मापा जा सके।

संक्षेप में, FUSEP प्रारंभिक गर्भावस्था के अल्ट्रासाउंड छवियों का एक नया, विशाल और विविध पुस्तकालय है जो हमें यह समझने में मदद करता है कि कंप्यूटर सूक्ष्म भ्रूण संरचनाओं को पहचानने में कितनी अच्छी तरह सीख सकते हैं। यह दिखाता है कि हालांकि कंप्यूटर बेहतर हो रहे हैं, फिर भी वे विभिन्न मशीनों और सूक्ष्म विवरणों की जटिल वास्तविकता के साथ संघर्ष करते हैं। लेकिन इस नए बेंचमार्क के साथ, आगे का रास्ता अधिक स्पष्ट है, और अधिक स्मार्ट, अधिक विश्वसनीय चिकित्सा उपकरणों की क्षमता पहले से कहीं अधिक उज्ज्वल है।