CardioState-JEPA: Delay-Aware Cross-Modal Learning of a Shared Cardiac Representation

कल्पना कीजिए कि आप एक हलचल भरे शहर में एक एकल दिन की कहानी को समझने की कोशिश कर रहे हैं। आप रेडियो प्रसारण (विद्युत संकेत) सुन सकते हैं, हाईवे पर यातायात के प्रवाह (रक्त प्रवाह) को देख सकते हैं, या सड़क के कोने पर खड़े होकर शोर-शराबे और चिल्लाने की आवाज़ों (गतिविधि की ध्वनि) को सुन सकते हैं। इनमें से प्रत्येक आपको पहेली का एक टुकड़ा देता है, लेकिन वे थोड़े अलग समय पर होते हैं और बहुत अलग दिखते हैं। हृदय स्वास्थ्य की दुनिया में, डॉक्टर हृदय को सुनने के तीन मुख्य तरीकों का उपयोग करते हैं: एक ECG (जो हृदय की विद्युत चिंगारी को पकड़ता है), एक PPG (जो आपके रक्त वाहिकाओं के माध्यम से पल्स वेव के यात्रा करने को देखता है, जैसे तालाब में लहर), और एक PCG (जो हृदय के वाल्व बंद होने की वास्तविक "लब-डब" ध्वनियों को सुनता है)। लंबे समय तक, वैज्ञानिकों ने प्रत्येक संकेत के लिए अलग-अलग "AI जासूस" बनाए, और उन्हें ऐसे व्यवहार किया जैसे वे असंबंधित रहस्य हों। लेकिन हृदय एक ही मशीन है, और ये संकेत उसी घटना के विभिन्न दृश्य हैं। बड़ा सवाल यह है: क्या हम एक ऐसा सुपर-स्मार्ट AI बना सकते हैं जो तीनों दृश्यों को एक साथ सीखकर हृदय की सच्ची कहानी को समझ सके, भले ही वे अलग-अलग समय पर पहुँचते हों?

यही वह काम है जिसे CardioState-JEPA के पीछे के शोधकर्ताओं ने करने का लक्ष्य रखा। उन्होंने महसूस किया कि जबकि हृदय की विद्युत चिंगारी पहले होती है, वाल्वों की यांत्रिक "धमक" एक सेकंड के सूक्ष्म हिस्से बाद आती है, और आपकी कलाई तक पहुँचने वाला रक्त का स्पंदन और भी देर से आता है। यदि आप एक घड़ी के आधार पर इन संकेतों को संरेखित करके कंप्यूटर को इन्हें समझना सिखाने की कोशिश करते हैं, तो वह भ्रमित हो जाता है क्योंकि वह गलत क्षणों की तुलना कर रहा होता है। इसके बजाय, टीम ने एक नए प्रकार का AI मॉडल बनाया जो एक मास्टर अनुवादक की तरह कार्य करता है। यह केवल यह नहीं सीखता कि ECG तरंग कैसी दिखती है; यह हृदय की छिपी हुई अवस्था (hidden state) को सीखता है। इसे एक फिल्म के कथानक को सीखने जैसा समझें, न कि केवल एक भाषा में उपशीर्षक (subtitles) को रटने जैसा। मॉडल एक चतुर तकनीक का उपयोग करता है जिसे "डिली-अवेयर लर्निंग" (विलंब-जागरूक शिक्षण) कहा जाता है, जो एक स्मार्ट सहायक की तरह है जिसे पता है कि दरवाजे के टकराने की आवाज़ (हृदय की ध्वनि) हमेशा उस व्यक्ति के दरवाजा धकेलने के ठीक कुछ अंश सेकंड बाद होती है (विद्युत संकेत)। इन सूक्ष्म समय विलंबों को ध्यान में रखते हुए हृदय की कहानी के लापता हिस्सों की भविष्यवाणी करने के लिए AI को प्रशिक्षित करके, मॉडल हृदय की एक साझा भाषा सीखता है।

इसके परिणाम काफी प्रभावशाली हैं। शोधकर्ताओं ने अपने नए "CardioState-JEPA" मॉडल का परीक्षण 25 अलग-अलग कार्यों पर किया, अनियमित हृदय गति को पहचानने से लेकर रक्तचाप मापने और हृदय की मर्मर ध्वनि (heart murmurs) का पता लगाने तक। जब उन्होंने मॉडल के मस्तिष्क को स्थिर कर दिया और विशिष्ट समस्याओं को हल करने के लिए केवल सरल उपकरणों को जोड़ा, तो इसने किसी भी पिछले AI से बेहतर प्रदर्शन किया जो केवल एक प्रकार के संकेत को देखता था। उदाहरण के लिए, इसने हृदय की मर्मर ध्वनि (असामान्य हृदय ध्वनियाँ) का पता लगाने की क्षमता में एक मानक स्कोरिंग स्केल पर 18.8 अंक की भारी वृद्धि की, और रक्तचाप एवं पल्स डिटेक्शन में 8.2 अंक का सुधार किया। यहाँ तक कि और भी आश्चर्यजनक रूप से, इसने उन मॉडलों की बराबरी की या उन्हें पीछे छोड़ दिया जिन्हें महंगे, विशेषाधिकार प्राप्त चिकित्सा नोट्स और लेबल के साथ प्रशिक्षित किया गया था, जबकि यह केवल कच्चे संकेतों का उपयोग कर रहा था। अध्ययन बताता है कि इन विभिन्न संकेतों को एक-दूसरे को "पर्यवेक्षित" (supervise) करने देकर—हृदय की ध्वनि को मॉडल को विद्युत चिंगारी के बारे में सिखाने में मदद करने और इसके विपरीत—हम मानव शरीर विज्ञान की कहीं अधिक गहरी समझ विकसित कर सकते हैं। यह हर सेंसर के लिए अलग उपकरण बनाने से हटकर एक एकीकृत, स्मार्ट फाउंडेशन मॉडल की ओर एक कदम है जो वास्तव में जीवन की लय को समझता है।