Attractor Image-Based Deep Learning of Arterial Pulse Waves for Age Classification

शरीर की गुप्त लय और डिजिटल जासूस

कल्पना कीजिए कि आपका शरीर एक हलचल भरा शहर है जहाँ आपका हृदय एक केंद्रीय बिजली घर है, जो धमनियों नामक सड़कों के एक विशाल नेटवर्क के माध्यम से जीवन देने वाले रक्त को पंप करता है। जिस तरह एक शहर की सड़कें समय के साथ बदलती हैं—जैसे-जैसे साल बीतते हैं वे सख्त, संकरी या कम लचीली होती जाती हैं—आपकी धमनियां भी उम्र के साथ बढ़ती हैं। यह प्रक्रिया, जिसे वैस्कुलर एजिंग (vascular ageing) कहा जाता है, बड़े होने का एक स्वाभाविक हिस्सा है, लेकिन कभी-कभी यह बहुत तेजी से होती है, जैसे समय से पहले कोई सड़क टूटकर बिखर जाए। जब ऐसा होता है, तो यह भविष्य की स्वास्थ्य समस्याओं के लिए एक चेतावनी संकेत हो सकता है, भले ही अभी आप पूरी तरह से ठीक महसूस कर रहे हों।

इन शुरुआती चेतावनी संकेतों को पकड़ने के लिए, वैज्ञानिक अक्सर "पल्स वेव" (pulse wave) को देखते हैं, जो दबाव की वह लहर है जो हर बार आपके दिल के धड़कने पर आपकी धमनियों से होकर गुजरती है। इस पल्स वेव को लय और आकार से बनी एक अनूठी उंगलियों के निशान (fingerprint) की तरह समझें। जैसे-जैसे आपकी उम्र बढ़ती है, इस उंगलियों के निशान का आकार अनुमानित तरीकों से बदल जाता है। पारंपरिक रूप से, इन परिवर्तनों को मापना एक आवर्धक लेंस (magnifying glass) के साथ एक जटिल मानचित्र को पढ़ने की कोशिश करने जैसा रहा है; इसके लिए महंगे उपकरणों और विशेषज्ञों की आवश्यकता होती है ताकि उन टेढ़ी-मेढ़ी रेखाओं को समझा जा सके। लेकिन क्या होगा अगर हम उन टेढ़ी-मेढ़ी रेखाओं को एक ऐसी तस्वीर में बदल सकें जिसे कंप्यूटर तुरंत पहचान सके, लगभग भीड़ में एक परिचित चेहरे को पहचानने जैसा? यह विज्ञान का वह रोमांचक कोना है जहाँ चिकित्सा और आर्टिफिशियल इंटेलिजेंस (AI) मिलते हैं, जिसका लक्ष्य अदृश्य जैविक परिवर्तनों को स्पष्ट, दृश्य सुरागों में बदलना है जिसे कोई भी समझ सके।

धड़कनों को तस्वीरों में बदलना

इस अध्ययन में, शोधकर्ताओं की एक टीम ने एक चतुर तरकीब आज़माने का निर्णय लिया: कंप्यूटर को संख्याओं की एक लंबी, भ्रमित करने वाली सूची का विश्लेषण करने के लिए कहने के बजाय (जो आमतौर पर स्क्रीन पर पल्स वेव की तरह दिखती है), उन्होंने उन संख्याओं को तस्वीरों में बदल दिया। उन्होंने 'सिमेट्रिक प्रोजेक्शन अट्रेक्टर रिकंस्ट्रक्शन' (Symmetric Projection Attractor Reconstruction) नामक एक विशेष गणितीय विधि का उपयोग किया, जिसे संक्षेप में SPAR कहा जाता है।

कल्पना कीजिए कि आपके पास कागज के एक टुकड़े पर बहती एक लंबी, घुमावदार नदी है। यदि आप केवल रेखा को देखते हैं, तो यह बताना कठिन है कि नदी युवा और ऊर्जावान है या पुरानी और सुस्त। लेकिन यदि आप उस नदी को एक 3D आकार में मोड़ सकें और फिर उस पर रोशनी डाल सकें ताकि दीवार पर उसकी छाया पड़े, तो वह छाया एक विशिष्ट पैटर्न प्रकट कर सकती है। SPAR मूल रूप से यही करता है। यह एक कच्चे पल्स वेव सिग्नल को लेता है—जिसे उंगली या धमनी से रिकॉर्ड किया गया हो—और उसे एक 3D आकार में मोड़ देता है, फिर उसे एक 2D प्लेन पर प्रोजेक्ट करके एक "डेंसिटी प्लॉट" (density plot) बनाता है। इसका परिणाम एक अनूठी, अमूर्त छवि है जो थोड़ी घूमती हुई आकाशगंगा या प्रकाश से बने उंगलियों के निशान जैसी दिखती है।

शोधकर्ताओं ने इन "पल्स वेव तस्वीरों" को 'कन्वोल्यूशनल न्यूरल नेटवर्क' (CNN) नामक एक प्रकार के आर्टिफिशियल इंटेलिजेंस में डाला। आप इस CNN को एक बहुत ही तेज नजर रखने वाले डिजिटल जासूस के रूप में समझ सकते हैं। इसका काम इन घूमती हुई छवियों को देखना और यह अनुमान लगाना था कि वे किस व्यक्ति की उम्र से संबंधित हैं। विशेष रूप से, जासूस को दो बहुत करीबी आयु समूहों के बीच चयन करना था: 35 से 40 वर्ष के लोग और 50 से 55 वर्ष के लोग। यह एक कठिन चुनौती है क्योंकि ये समूह जीवन की समयरेखा में पड़ोसी हैं, और उनकी धमनियों में अभी तक बहुत बड़ा बदलाव नहीं आया है।

जासूस की रिपोर्ट

टीम ने अपने जासूस का परीक्षण दो अलग-अलग प्रकार के डेटा पर किया। पहला बेल्जियम के स्वस्थ लोगों के एक बड़े समूह से आया, जहाँ उन्होंने कलाई की धमनी पर सीधे दबाव को मापा (एक विधि जिसे आर्टेरियल टोनोमेट्री कहा जाता है)। दूसरा लंदन के एक छोटे समूह से आया, जहाँ उन्होंने एक फिंगर सेंसर (जिसे फोटोप्लेथिस्मोग्राफी या PPG कहा जाता है) का उपयोग किया जो पल्स का पता लगाने के लिए त्वचा के माध्यम से प्रकाश चमकाता है।

परिणाम काफी उत्साहजनक थे। AI जासूस उन लोगों को सही आयु समूहों में 70% से अधिक बार सही ढंग से वर्गीकृत करने में सफल रहा। यह एक ठोस स्कोर है, विशेष रूप से यह देखते हुए कि आयु समूह इतने करीब थे। मॉडल विशेष रूप से पुराने समूह (50-55 वर्ष) को पहचानने में अच्छा था, जिसने परीक्षण के आधार पर उन्हें लगभग 67% से 87% बार सही ढंग से पहचाना।

जब शोधकर्ताओं ने उन "तस्वीरों" को देखा, तो वे देख सके कि AI क्यों काम कर रहा था। युवा लोगों (35-40) की छवियों में, घूमते हुए पैटर्न में एक विशिष्ट "लूप" या एक माध्यमिक उभार (secondary bump) था, जो लगभग दो कूबड़ वाले ऊंट की तरह था। पुराने लोगों (50-55 और ऊपर) की छवियों में, वह दूसरा उभार फीका पड़ गया या गायब हो गया, जिससे पैटर्न अधिक खुला और कम लूप वाला रह गया। AI ने इन सूक्ष्म आकार परिवर्तनों को पहचानना सीख लिया, प्रभावी रूप से पल्स की ज्यामिति में लिखे गए "आयु" को पढ़ लिया।

दिलचस्प बात यह है कि जासूस ने फिंगर सेंसर (PPG) से प्राप्त शोर भरी, थोड़ी अस्त-व्यस्त तस्वीरों पर भी उतना ही अच्छा काम किया जितना कि कलाई के सेंसर से प्राप्त साफ तस्वीरों पर। यह सुझाव देता है कि SPAR विधि बहुत मजबूत (robust) है; भले ही सिग्नल एकदम सटीक न हो, फिर भी पल्स वेव का अंतर्निहित आकार AI को एक अच्छा अनुमान लगाने के लिए पर्याप्त स्पष्ट रूप से चमकता रहता है।

इसका क्या अर्थ है (और क्या नहीं)

शोधकर्ता इसे सावधानी से एक "प्रूफ-ऑफ-कांसेप्ट" (proof-of-concept) कहते हैं। वे यह नहीं कह रहे हैं कि यह एक पूर्ण चिकित्सा उपकरण है जो कल हर डॉक्टर के क्लिनिक में तैयार है। वे स्वीकार करते हैं कि उनका प्रशिक्षण सेट अपेक्षाकृत छोटा था, और उन्हें यह सुनिश्चित करने के लिए कि यह केवल किस्मत से अनुमान नहीं लगा रहा है, कुछ सांख्यिकीय युक्तियों (जैसे मॉडल का दस अलग-अलग तरीकों से परीक्षण करना) का उपयोग करना पड़ा। उन्होंने यह भी नोट किया कि वे लोगों के दूसरे समूह के सभी स्वास्थ्य विवरणों की जांच नहीं कर सके, इसलिए इस बात की थोड़ी संभावना है कि उनमें से कुछ में छिपी हुई स्वास्थ्य समस्याएं रही हों।

हालाँकि, मुख्य निष्कर्ष स्पष्ट है: यह विधि काम करती है। अध्ययन बताता है कि पल्स वेव्स को छवियों में बदलकर, हम एक स्वस्थ वयस्क के बीच एक दशक के अंतर को पहचानने के लिए पर्याप्त जानकारी प्राप्त कर सकते हैं। यह एक बड़ी बात है क्योंकि यह संकेत देता है कि हम भविष्य में सरल, पहनने योग्य उपकरणों—जैसे कि स्मार्टवॉच—का उपयोग करके किसी भी लक्षण के प्रकट होने से पहले वैस्कुलर एजिंग के शुरुआती संकेतों का पता लगा सकते हैं।

यह शोध पत्र यह दावा नहीं करता है कि उसने हृदय रोग को हल कर दिया है या कोई जादुई इलाज खोज लिया है। इसके बजाय, यह एक पुरानी समस्या को देखने का एक नया, मनोरंजक और प्रभावी तरीका पेश करता है। यह सुझाव देता है कि स्वास्थ्य निगरानी का भविष्य जटिल ग्राफों को घूरने के बारे में नहीं होगा, बल्कि हमारे अपने दिल की धड़कनों की सुंदर, घूमती हुई तस्वीरों को देखने और कंप्यूटर को यह बताने देने के बारे में होगा कि हमारी आंतरिक सड़कें अभी भी सुचारू रूप से चल रही हैं या नहीं।