MOSAIC: Modality-agnostic Spectral Alignment for Federated Image-level Weakly Supervised Tumor Segmentation under Client-specific Missing Modalities

आधुनिक चिकित्सा की दुनिया में, सबसे सटीक निदान अक्सर विभिन्न प्रकार के मेडिकल इमेजेस को संयोजित करने से आते हैं। एक डॉक्टर एक मानक एक्स-रे, एक मैग्नेटिक रेजोनेंस स्कैन और एक विशेष ऊतक (टिशू) स्कैन को एक साथ देख सकता है, जिससे एक की ताकत दूसरे की कमजोरी की भरपाई करती है। यह अभ्यास, जिसे मल्टीमॉडल फ्यूजन कहा जाता है, शरीर के भीतर क्या हो रहा है, इसकी बहुत स्पष्ट तस्वीर प्रदान करता है, विशेष रूप से मस्तिष्क के ट्यूमर जैसी जटिल स्थितियों का पता लगाने के लिए। हालांकि, इस शक्तिशाली संयोजन को वैश्विक स्तर पर उपयोग करने में एक महत्वपूर्ण बाधा खड़ी है: रोगी की गोपनीयता। अस्पताल अपने रोगी के स्कैन को एक केंद्रीय सर्वर पर नहीं भेज सकते क्योंकि सख्त कानून व्यक्तिगत चिकित्सा डेटा को स्थानीय संस्थान से बाहर जाने से रोकते हैं। इसके अलावा, भले ही अस्पताल सहयोग करने के लिए सहमत हों, उनके पास हर मरीज के लिए बिल्कुल एक ही तरह के इमेज सेट नहीं होते हैं। एक अस्पताल के पास स्कैन का पूरा सेट हो सकता है, जबकि दूसरे के पास, जो शायद किसी अलग देश में हो या जिसके पास पुराना उपकरण हो, केवल कुछ ही स्कैन हो सकते हैं। यह विसंगति एक ऐसी पहेली पैदा करती है जहाँ छवियों को संयोजित करने के लिए डिज़ाइन किए गए उपकरण अक्सर विफल हो जाते हैं क्योंकि वे उम्मीद करते हैं कि पहेली का हर हिस्सा मौजूद हो।

शोधकर्ताओं ने लंबे समय से एक ऐसा तरीका खोजने की कोशिश की है जिससे आर्टिफिशियल इंटेलिजेंस को इन बिखरे हुए, अधूरे डेटासेट से सीखने के लिए प्रशिक्षित किया जा सके, बिना कच्चे डेटा (रॉ डेटा) को उस अस्पताल से हटाए जहाँ उसे एकत्र किया गया था। यह दृष्टिकोण, जिसे फेडरेटेड लर्निंग कहा जाता है, अस्पतालों को केवल वही सबक साझा करने की अनुमति देता है जो उनके कंप्यूटर सीखते हैं, न कि स्वयं रोगियों को। फिर भी, एक नई समस्या उभरी है: आप एक कंप्यूटर को ट्यूमर को पहचानना कैसे सिखा सकते हैं जब वह उपलब्ध इमेज प्रकारों के केवल एक अंश को ही देख रहा हो, और जब उसके पास केवल रिपोर्ट पर "हाँ" या "नहीं" जैसे सरल लेबल हों, न कि ट्यूमर के आकार का विस्तृत रेखाचित्र? चुनौती एक ऐसा सिस्टम बनाने की है जो बिना सटीकता खोए या गोपनीयता से समझौता किए, इन विरल, निजी और अधूरे सुरागों से सीख सके।

भारतीय विज्ञान संस्थान के शोधकर्ताओं ने इस सटीक समस्या को हल करने के लिए 'MOSAIC' नामक एक नया फ्रेमवर्क विकसित किया है। उनका कार्य एक आर्टिफिशियल इंटेलिजेंस को केवल इमेज-लेवल लेबल—यानी ट्यूमर की उपस्थिति या अनुपस्थिति के सरल संकेत—का उपयोग करके मस्तिष्क के ट्यूमर को सेगमेंट करने, या उनकी रूपरेखा (आउटलाइन) बनाने के लिए प्रशिक्षित करने पर केंद्रित है, जबकि वे एक ऐसे परिदृश्य में काम कर रहे हैं जहाँ विभिन्न अस्पतालों के पास एमआरआई (MRI) स्कैन के अलग-अलग और अधूरे सेट हैं। शोधकर्ताओं ने पाया कि एक ऐसा सिस्टम बनाकर, जो विशिष्ट स्कैन की पहचान करने के बजाय डेटा के अंतर्निहित पैटर्न पर ध्यान केंद्रित करता है, वे विस्तृत और समय लेने वाले एनोटेशन की आवश्यकता के बिना उच्च सटीकता प्राप्त कर सकते हैं।

उनके समाधान का मूल इस बात में निहित है कि सिस्टम लापता हिस्सों को कैसे संभालता है। एक सामान्य परिदृश्य में, यदि किसी अस्पताल के पास एक विशिष्ट प्रकार का एमआरआई स्कैन नहीं है, तो कंप्यूटर यह अनुमान लगाने की कोशिश कर सकता है कि वह गायब स्कैन कैसा दिखता होगा या उसे बस अनदेखा कर सकता है, जिससे अक्सर त्रुटियां होती हैं। MOSIC सिस्टम एक अलग दृष्टिकोण अपनाता है। यह एक विशेष मॉड्यूल का उपयोग करता है जो एक अनुवादक (ट्रांसलेटर) के रूप में कार्य करता है, जो अस्पताल के पास उपलब्ध स्कैन को एक साझा, सामान्य भाषा में परिवर्तित करता है। यह अनुवाद प्रत्येक अस्पताल में स्थानीय स्तर पर होता है, इसलिए कोई भी कच्चा चित्र साइट से बाहर नहीं जाता है। सिस्टम को केवल यह जानने की आवश्यकता होती है कि कितने प्रकार के स्कैन मौजूद हैं, न कि वे विशिष्ट रूप से कौन से हैं, जिससे एक अनोखे स्कैन संयोजन वाला अस्पताल बिना किसी विशेष सेटअप या पुन: प्रशिक्षण के नेटवर्क में शामिल हो सकता है।

सभी अस्पतालों को अलग-अलग डेटा के बावजूद एक ही "सत्य" से सीखने में सक्षम बनाने के लिए, शोधकर्ताओं ने फ्रीक्वेंसी पैटर्न (आवृत्ति पैटर्न) का उपयोग करके डेटा को संरेखित (अलाइन) करने की एक विधि पेश की। कल्पना कीजिए कि प्रत्येक मेडिकल इमेज में अलग-अलग सुरों और लय से बनी एक अनूठी संगीत संरचना होती है। जबकि उपलब्ध स्कैन के आधार पर विशिष्ट स्वर बदल सकते हैं, संगीत की समग्र लय और संरचना सुसंगत रहती है। MOSIC सिस्टम कच्चे दृश्य विवरणों के बजाय इन लयबद्ध पैटर्न, या स्पेक्ट्रल सिग्नेचर को सुनता है। इन संक्षिप्त, गैर-प्रतिवर्ती फ्रीक्वेंसी पैटर्न की तुलना करके, सिस्टम बिना वास्तविक रोगी छवियों को उजागर किए, यह समझ बना सकता है कि ट्यूमर कैसा दिखता है। यह विधि, जिसे लेखक 'स्पेक्ट्रल प्रोटोटाइप अलाइनमेंट' कहते हैं, अस्पतालों के बीच के अंतर को पाट देती है, यह सुनिश्चित करती है कि सामूहिक बुद्धिमत्ता मजबूत होती रहे भले ही व्यक्तिगत हिस्से गायब हों।

प्रशिक्षण प्रक्रिया को साधारण "हाँ" या "नहीं" लेबल से होने वाले शोर (नॉइज़) को संभालने के लिए दो अलग-अलग चरणों में विभाजित किया गया है। पहले चरण में, सिस्टम उपलब्ध स्कैन के आधार पर अनुमान लगाता है कि ट्यूमर कहाँ हो सकता है, जिन्हें 'स्यूडो-लेबल' कहा जाता है। चूंकि डेटा अधूरा है, इसलिए ये शुरुआती अनुमान अव्यवस्थित या गलत हो सकते हैं। दूसरा चरण एक समर्पित रिफाइनमेंट नेटवर्क के रूप में कार्य करता है, जो एक दूसरी परत वाली बुद्धिमत्ता है जो इन मोटे अनुमानों को लेती है और उन्हें साफ करती है। यह तकनीकों के संयोजन का उपयोग करता है, जिसमें एक "टीचर" मॉडल शामिल है जो स्थिर मार्गदर्शन प्रदान करता है और एक वोटिंग सिस्टम जो अंतिम ट्यूमर के आकार को तय करने के लिए विभिन्न सुरागों को तौलता है। यह दो-चरणीय प्रक्रिया सिस्टम को कमजोर पर्यवेक्षण (वीक सुपरविजन) की सामान्य सटीकता सीमाओं को तोड़ने में मदद करती है, जिससे मोटे, शोर वाले संकेतों को ट्यूमर की सटीक और विस्तृत रूपरेखा में बदला जा सके।

शोधकर्ताओं ने बहु-संस्थानों से जुड़े मस्तिष्क ट्यूमर के तीन अलग-अलग डेटासेट पर अपने फ्रेमवर्क का परीक्षण किया, जिसमें FeTS2022 चुनौती, मेनिन्जियोमा के लिए BraTS-MEN डेटासेट और उप-सहारा अफ्रीका से BraTS-SSA डेटासेट शामिल हैं। इन परीक्षणों में विभिन्न परिदृश्य शामिल थे जहाँ अस्पतालों के पास एमआरआई स्कैन के अलग-अलग संयोजन थे, जिनमें पूर्ण सेट से लेकर एकल स्कैन तक शामिल थे। परिणाम आश्चर्यजनक थे। केवल इमेज-लेवल लेबल का उपयोग करके और गायब स्कैनों के साथ काम करते हुए, MOSIC सिस्टम ने FeTS2022 डेटासेट पर 0.84 का डाइस स्कोर (Dice score) प्राप्त किया, जो एक मीट्रिक है कि कैसे अनुमानित ट्यूमर आउटलाइन वास्तविक ट्यूमर से मेल खाती है। इस प्रदर्शन ने उन सभी विधियों को पीछे छोड़ दिया जो अधिक विस्तृत पर्यवेक्षण, जैसे बाउंडिंग बॉक्स या पॉइंट एनोटेशन पर निर्भर करती हैं, और यहाँ तक कि उस केंद्रीकृत मॉडल से भी बेहतर प्रदर्शन किया जिसके पास सभी डेटा का संयुक्त एक्सेस था। वास्तव में, सिस्टम इतना अच्छा प्रदर्शन कर गया कि इसने पूरी तरह से सुपर्वइज्ड (fully supervised) विधियों की सटीकता को छू लिया, जिन्हें विशेषज्ञों द्वारा मैन्युअल रूप से प्रत्येक ट्यूमर की सीमा खींचने की आवश्यकता होती है, जबकि यह केवल सबसे सरल प्रकार के लेबल का उपयोग कर रहा था।

सबसे महत्वपूर्ण निष्कर्षों में से एक नए, अनदेखे अस्पतालों के प्रति सिस्टम की अनुकूलन क्षमता थी। क्योंकि ट्रांसलेशन मॉड्यूल केवल उपलब्ध स्कैन की संख्या पर निर्भर करता है न कि उनके विशिष्ट प्रकार पर, एक नया अस्पताल नेटवर्क में शामिल हो सकता है और तुरंत योगदान देना शुरू कर सकता है। शोधकर्ताओं ने प्रदर्शित किया कि एक नया संस्थान पहले से प्रशिक्षित नेटवर्क में शामिल हो सकता है और बिना पूरे सिस्टम को फिर से प्रशिक्षित किए मौजूदा सदस्यों के बहुत करीब प्रदर्शन प्राप्त कर सकता है। यह क्षमता वास्तविक दुनिया में तैनाती के लिए महत्वपूर्ण है, जहाँ चिकित्सा प्रोटोकॉल और उपकरणों की उपलब्धता व्यापक रूप से भिन्न होती है और समय के साथ बदलती रहती है। सिस्टम ने अपनी अनिश्चितता को मापने की भी उल्लेखनीय क्षमता दिखाई, जिससे यह सही ढंग से पहचान सका कि डेटा की कमी के कारण वह ट्यूमर की सीमाओं के बारे में कम आश्वस्त था, जो क्लिनिकल सेटिंग्स में विश्वास बनाने के लिए एक आवश्यक विशेषता है।

अध्ययन ने यह भी पता लगाया कि जब विभिन्न अलाइनमेंट रणनीतियों का उपयोग किया जाता है तो क्या होता है। शोधकर्ताओं ने अपने फ्रीक्वेंसी-आधारित दृष्टिकोण की तुलना अन्य विधियों से की जो छवियों के सरल औसत या मानक विचलन (स्टैंडर्ड डेविएशन) को मिलाने का प्रयास करती हैं। उन्होंने पाया कि ये सरल विधियाँ उन जटिल, टेक्सचर-आधारित हस्ताक्षरों को पकड़ने में विफल रहीं जो विभिन्न प्रकार के मेडिकल स्कैन को अलग करते हैं। केवल फ्रीक्वेंसी-आधारित दृष्टिकोण ही सफल रहा, जो डेटा के अंतर्निहित लयबद्ध पैटर्न को देखता था, और विविध डेटासेट को सफलतापूर्वक संरेखित करने में सक्षम था। यह सुझाव देता है कि अधूरे और विषम डेटा से संबंधित कार्यों के लिए, डेटा के केवल "वॉल्यूम" को देखने के बजाय उसके "संगीत" को देखना कहीं अधिक प्रभावी रणनीति है।

इस कार्य के निहितार्थ केवल मस्तिष्क ट्यूमर तक ही सीमित नहीं हैं। रोगी डेटा को स्थानांतरित किए बिना शक्तिशाली मेडिकल AI मॉडल को प्रशिक्षित करने की क्षमता, जबकि इस वास्तविकता को स्वीकार करना कि विभिन्न अस्पतालों के पास अलग-अलग उपकरण और विवरण के स्तर हैं, वैश्विक स्वास्थ्य सेवा में एक मौलिक बाधा को दूर करती है। यह सिद्ध करके कि सरल लेबल और अधूरे डेटा के साथ उच्च सटीकता संभव है, शोधकर्ताओं ने अधिक अस्पतालों के लिए सहयोगात्मक AI अनुसंधान में भाग लेने का मार्ग प्रशस्त किया है। सिस्टम को न तो महंगे, समय लेने वाले मैन्युअल एनोटेशन की आवश्यकता है, और न ही यह मांग करता है कि हर अस्पताल के पास एक जैसा महंगा उपकरण हो। इसके बजाय, यह एक लचीला, गोपनीयता-संरक्षित नेटवर्क बनाता है जहाँ कई अपूर्ण स्रोतों के सामूहिक ज्ञान को एक अत्यधिक सटीक, विश्वसनीय मॉडल में संश्लेषित किया जा सकता है।

अंत में, MOSIC फ्रेमवर्क यह दर्शाता है कि गोपनीयता और अधूरे डेटा की सीमाएं प्रगति में बाधा नहीं बन सकतीं। वास्तविक दुनिया की बाधाओं का सम्मान करते हुए—जहाँ डेटा अलग-अलग स्थानों पर है, लेबल कम हैं और उपकरण भिन्न हैं—एक सिस्टम डिजाइन करके, शोधकर्ताओं ने दिखाया है कि एक ऐसा सहयोगी इंटेलिजेंस बनाना संभव है जो न केवल सुरक्षित है बल्कि पारंपरिक, केंद्रीकृत दृष्टिकोणों से बेहतर भी है। यह कार्य सुझाव देता है कि मेडिकल AI का भविष्य सारा डेटा एक जगह इकट्ठा करने में नहीं, बल्कि स्मार्ट, अनुकूलन योग्य सिस्टम बनाने में है जो वैश्विक स्वास्थ्य सेवा की विविध और खंडित वास्तविकता से सीख सकें।