KHiM-Mamba: Injecting Pathology Knowledge into Mamba via Hidden-State Modulation for Whole Slide Image Analysis
KhiM-Mamba एक नवीन मल्टीपल इंस्टेंस लर्निंग आर्किटेक्चर है जो पैथोलॉजी ज्ञान और LLM-व्युत्पन्न सिमेंटिक विवरणों को मम्बा (Mamba) की हिडन स्टेट्स को मॉड्युलेट करने के लिए एकीकृत करके होल स्लाइड इमेज विश्लेषण को बढ़ाता है, जिससे अप्रासंगिक जानकारी के संचय को रोका जा सकता है और विविध नैदानिक कार्यों में अत्याधुनिक प्रदर्शन प्राप्त किया जा सकता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
आधुनिक चिकित्सा की दुनिया में, एक रोगविज्ञानी (पैथोलॉजिस्ट) का सबसे महत्वपूर्ण उपकरण मानव ऊतक का एक छोटा सा नमूना रखने वाली कांच की स्लाइड है, जिसे जीवन और रोग की कोशिकीय संरचना प्रकट होने तक आवर्धित (मैग्निफाइड) किया जाता है। आज, इन स्लाइड्स को विशाल डिजिटल छवियों में स्कैन किया जाता है, जो इतनी बड़ी होती हैं कि उनमें अरबों पिक्सेल होते हैं, और वे एक अकेली नज़र में मानवीय आँख के लिए देखना बहुत कठिन होता है। इन डिजिटल परिदृश्यों में डॉक्टरों को रास्ता दिखाने में मदद करने के लिए, वैज्ञानिकों ने कृत्रिम बुद्धिमत्ता (AI) प्रणालियाँ विकसित की हैं जो अथक सहायकों के रूप में कार्य करती हैं। ये प्रणालियाँ विशाल छवि को हजारों छोटे, प्रबंधनीय टुकड़ों में विभाजित करती हैं, प्रत्येक टुकड़े में कोशिकाओं की बनावट और आकार का विश्लेषण करती हैं, और फिर एक वैश्विक निदान (ग्लोबल डायग्नोसिस) को जोड़ने का प्रयास करती हैं। चुनौती विशाल पैमाने और शोर (नॉइज़) में निहित है; एक एकल स्लाइड में लाखों कोशिकाएं हो सकती हैं, लेकिन केवल कुछ बिखरे हुए क्लस्टर ही निदान की कुंजी रखते हैं, जबकि बाकी स्वस्थ ऊतक या अप्रासंगिक पृष्ठभूमि होती है। यदि कंप्यूटर बहुत अधिक महत्वहीन जानकारी से विचलित हो जाता है, तो वह कोनों में छिपे महत्वपूर्ण सुरागों को मिस कर सकता है।
शोधकर्ताओं ने इन विशाल डिजिटल स्लाइड्स को संभालने के लिए, मानव मस्तिष्क द्वारा समय के साथ सूचना के अनुक्रमों (सीक्वेंस) को संसाधित करने के तरीके से प्रेरित, एक नए प्रकार के आर्टिफिशियल इंटेलिजेंस आर्किटेक्चर की ओर रुख किया है। यह तकनीक एक लंबे अनुक्रम में पहले जो देखा गया था उसे याद रखने और आगे बढ़ते हुए स्मृति (मेमोरी) में क्या रखना है, इसका निर्णय लेने में उत्कृष्ट है। हालांकि, हांगकांग और चोंगकिंग के वैज्ञानिकों की एक टीम ने पाया कि इन प्रणालियों के उपयोग में एक खामी है। उन्होंने पाया कि जब ये AI मॉडल एक स्लाइड को स्कैन करते थे, तो वे पूरी तरह से इस पर निर्भर थे कि पिक्सेल कैसे दिखते हैं। यदि एक स्लाइड को थोड़े अलग रंग के डाई (रंजक) के साथ रंगा गया था—जो प्रयोगशालाओं में एक सामान्य भिन्नता है—तो मॉडल भ्रमित हो सकता है, और एक हानिरहित रंग परिवर्तन को एक महत्वपूर्ण चिकित्सा संकेत मान सकता है। इसके कारण सिस्टम अपनी मेमोरी में अप्रासंगिक विवरणों को जमा करने लगा, जिससे निदान के लिए आवश्यक महत्वपूर्ण साक्ष्य कम हो गए। इसे हल करने के लिए, शोधकर्ताओं ने एक नई विधि पेश की जो AI की मेमोरी प्रक्रिया में सीधे वास्तविक चिकित्सा ज्ञान को इंजेक्ट करती है, जिससे सिस्टम को शोर को अनदेखा करने और वास्तव में महत्वपूर्ण चीजों पर ध्यान केंद्रित करने के लिए प्रशिक्षित किया जाता है।
हांगकांग यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी और चोंगकिंग यूनिवर्सिटी के शोधकर्ताओं के नेतृत्व में टीम ने एक प्रणाली विकसित की जिसे वे KHiM-Mamba कहते हैं। AI को खुद यह तय करने देने के बजाय कि स्लाइड को स्कैन करते समय क्या याद रखना है, उन्होंने इसे पैथोलॉजी की भाषा में लिखा गया एक मार्गदर्शक (गाइडबुक) दिया। इस मार्गदर्शक में विशिष्ट विवरण शामिल हैं कि विभिन्न प्रकार के ऊतक स्वस्थ या रोगग्रस्त होने पर कैसे दिखते हैं। जैसे ही AI स्लाइड के एक छोटे टुकड़े से दूसरे टुकड़े पर जाता है, वह इस बात का निर्णय लेने के लिए इस मार्गदर्शक का परामर्श करता है कि कौन सी जानकारी संग्रहीत करने योग्य है और किसे हटा दिया जाना चाहिए। कल्पना कीजिए कि एक लाइब्रेरियन जो, किताबों के एक विशाल ढेर को छाँटते समय, उसे रखी जाने वाली शीर्षकों की एक विशिष्ट सूची और अनदेखी करने वाले शीर्षकों की एक सूची दी जाती है; लाइब्रेरियन को अब यह अनुमान लगाने की आवश्यकता नहीं है कि कौन सी किताबें महत्वपूर्ण हैं। इस मामले में, "लाइब्रेरियन" AI है, "किताबें" छवि के छोटे पैच हैं, और "सूची" एक बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल) द्वारा प्रदान किया गया चिकित्सा ज्ञान है।
शोधकर्ताओं ने पाया कि AI को स्लाइड्स का निदान करने में मदद करने के लिए भाषा का उपयोग करने के पिछले प्रयास अक्सर बहुत अप्रत्यक्ष थे। वे विधियाँ भाषा का उपयोग विश्लेषण शुरू होने से पहले स्लाइड्स को चुनने के लिए, या विश्लेषण के बाद अंतिम उत्तर की जाँच करने के लिए करती थीं। नया दृष्टिकोण अलग है क्योंकि यह AI के सोचने के मूल तंत्र को बदल देता है। यह मेमोरी सिस्टम की आंतरिक "लिखने" (राइट) और "पढ़ने" (रीड) की प्रक्रियाओं को संशोधित करता है। जब AI एक नई स्मृति लिखता है, तो चिकित्सा ज्ञान उसे बीमारी से जुड़े विशिष्ट आकारों और पैटर्न पर ध्यान केंद्रित करने के लिए कहता है, न कि केवल उन रंगों या बनावटों पर जो भ्रामक हो सकते हैं। जब AI निर्णय लेने के लिए अपनी मेमोरी से पढ़ता है, तो ज्ञान उसे अब तक संचित सबसे प्रासंगिक साक्ष्य को खोजने के लिए निर्देशित करता है। यह सुनिश्चित करता है कि सिस्टम एक चिकित्सकीय रूप से सार्थक कनेक्शन के आधार पर स्लाइड का प्रतिनिधित्व बनाता है, न कि अप्रासंगिक दृश्य विविधताओं से भटक जाता है।
इसे काम करने के लिए, टीम ने एक स्मार्ट सिस्टम बनाया जो स्लाइड के प्रत्येक विशिष्ट भाग के लिए सही चिकित्सा विवरण उत्पन्न करता है। चूंकि एक एकल स्लाइड में कई अलग-अलग प्रकार के ऊतक होते हैं, इसलिए एक सामान्य विवरण पर्याप्त नहीं है। सिस्टम एक शक्तिशाली भाषा मॉडल का उपयोग करता है जो ऊतक के एक छोटे से पैच को देखता है, पहचानता है कि वह किस प्रकार का ऊतक है, और फिर एक सटीक, विस्तृत विवरण तैयार करता है कि वह ऊतक स्वस्थ या रोगग्रस्त होने पर कैसा दिखना चाहिए। यदि सिस्टम ऊतक के प्रकार के बारे में अनिश्चित है, तो वह गलतियाँ करने से बचने के लिए एक व्यापक, सुरक्षित विवरण का उपयोग करता है। यह गतिशील प्रक्रिया सुनिश्चित करती है कि AI को पहेली के हर एक टुकड़े को हल करने के लिए यथासंभव सटीक और विशिष्ट मार्गदर्शन प्राप्त हो।
इस दृष्टिकोण के परिणामों का परीक्षण विभिन्न प्रकार के कैंसर और रोगी परिणामों से जुड़े ग्यारह अलग-अलग सार्वजनिक डेटासेट्स पर किया गया था। नया सिस्टम लगातार मौजूदा सर्वोत्तम विधियों से बेहतर प्रदर्शन करता रहा। उन कार्यों में जहाँ AI को स्तन कैंसर के विभिन्न उपप्रकारों के बीच अंतर करना था, इसने किसी भी पिछले मॉडल की तुलना में उच्च सटीकता प्राप्त की। रोगी के जीवित रहने के समय (सर्वाइवल टाइम) की भविष्यवाणी करने के मामले में, इसने अधिक विश्वसनीय जोखिम मूल्यांकन प्रदान किया, जिससे उच्च-जोखिम और निम्न-जोखिम वाले रोगियों को बेहतर ढंग से अलग किया जा सका। शायद सबसे महत्वपूर्ण बात यह है कि यह सिस्टम विभिन्न अस्पतालों के स्लाइड्स पर परीक्षण किए जाने पर भी मजबूत साबित हुआ जिन्होंने अलग-अलग स्टेनिंग तकनीकों का उपयोग किया था। जबकि अन्य मॉडल इन विविधताओं के साथ संघर्ष करते थे, और अक्सर रंग बदलने पर विफल हो जाते थे, नए सिस्टम ने अपना उच्च प्रदर्शन बनाए रखा। यह सुझाव देता है कि चिकित्सा ज्ञान को AI में स्थापित करके, इसने स्लाइड के केवल स्वरूप को नहीं, बल्कि स्वयं बीमारी को देखना सीख लिया है।
अध्ययन ने यह भी देखा कि जब सिस्टम के पास सीखने के लिए बहुत कम डेटा होता है, तो यह कितनी अच्छी तरह काम करता है, जो चिकित्सा में एक आम समस्या है जहाँ लेबल किए गए उदाहरण दुर्लभ होते हैं। उन परीक्षणों में जहाँ AI को सीखने के लिए बीमारी के केवल आठ या सोलह उदाहरण दिखाए गए थे, नए तरीके ने अपने प्रतिस्पर्धियों को काफी पीछे छोड़ दिया। यह इंगित करता है कि सिस्टम में इंजेक्ट किया गया चिकित्सा ज्ञान एक मजबूत नींव के रूप में कार्य करता है, जिससे यह न्यूनतम प्रशिक्षण डेटा के साथ भी प्रभावी ढंग से सीखने में सक्षम होता है। शोधकर्ताओं ने यह भी पुष्टि की कि ज्ञान का यह स्तर जोड़ने से सिस्टम धीमा नहीं हुआ या यह मानक कंप्यूटर हार्डवेयर पर चलाने के लिए बहुत बड़ा नहीं हुआ। सिस्टम तेज़ और कुशल बना रहा, जो सेकंडों में हजारों इमेज पैच को प्रोसेस करने में सक्षम था।
मेडिकल इमेज को प्रोसेस करने के तरीके को बदलकर, यह कार्य प्रदर्शित करता है कि दृश्य डेटा को स्पष्ट चिकित्सा ज्ञान के साथ जोड़ना एक अधिक विश्वसनीय और सटीक नैदानिक उपकरण बनाता है। शोधकर्ताओं ने दिखाया कि विशाल, शोर वाले डेटा की समस्या को हल करने की कुंजी केवल बड़े कंप्यूटर बनाना नहीं है, बल्कि कंप्यूटर को यह सिखाना है कि उसे क्या देखना है। यह दृष्टिकोण कम्प्यूटेशनल पैथोलॉजी के लिए एक नया मार्ग प्रदान करता है, जहाँ लक्ष्य अप्रासंगिक को फ़िल्टर करना और महत्वपूर्ण को उजागर करना है, जिससे यह सुनिश्चित हो सके कि अंतिम निदान सबसे मजबूत साक्ष्य पर आधारित है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।