Privacy-Preserving Detection of Rare Disease-Associated Cell Subsets via Secure Multi-Party Computation
यह शोध पत्र एक सुरक्षित मल्टी-पार्टी कंप्यूटेशन फ्रेमवर्क प्रस्तावित करता है जो सीक्रेट-शेयर्ड सिंगल-सेल डेटा पर CellCnn मॉडल के गोपनीयता-संरक्षण प्रशिक्षण और अनुमान (इन्फरेंस) को सक्षम बनाता है, जिससे संस्थान संवेदनशील रोगी जानकारी को उजागर किए बिना उच्च सटीकता के साथ दुर्लभ रोग-संबंधित सेल उपसमूहों का सहयोगात्मक रूप से पता लगा सकते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हमारे शरीर के भीतर सूक्ष्म दुनिया में, स्वास्थ्य और रोग अक्सर लाखों अन्य कोशिकाओं के बीच छिपी कुछ विशिष्ट कोशिकाओं की उपस्थिति पर निर्भर करते हैं। एक विशाल समुद्र तट पर रेत के एक अकेले, अद्वितीय कण को खोजने की कल्पना करें; यह वही चुनौती है जिसका सामना वैज्ञानिक दुर्लभ कोशिका आबादी को खोजने के लिए करते हैं जो ल्यूकेमिया या वायरल संक्रमण के शुरुआती चरणों का संकेत देती हैं। आधुनिक तकनीक ने शोधकर्ताओं को एक साथ हजारों व्यक्तिगत कोशिकाओं पर दर्जनों प्रोटीन को मापने की क्षमता दी है, जिससे प्रतिरक्षा प्रणाली का एक उच्च-रिज़ॉल्यूशन मानचित्र तैयार होता है। हालाँकि, जिस डेटा से ये खोजें संभव होती हैं, वह अत्यंत व्यक्तिगत भी है। यह किसी व्यक्ति की बीमारी की स्थिति, प्रतिरक्षा इतिहास और यहाँ तक कि आनुवंशिक प्रवृत्तियों को भी प्रकट कर सकता है। इस संवेदनशीलता के कारण, सख्त गोपनीयता कानून अस्पतालों को अपने रोगी डेटा को एक-दूसरे के साथ साझा करने से रोकते हैं। यह एक निराशाजनक बाधा उत्पन्न करता है: इन दुर्लभ कोशिकाओं को विश्वसनीय रूप से खोजने के लिए, वैज्ञानिकों को रोगियों के बड़े, विविध समूहों पर कंप्यूटर मॉडल को प्रशिक्षित करने की आवश्यकता है, लेकिन वे इसे करने के लिए आवश्यक डेटा को कानूनी रूप से एक साथ एकत्र नहीं कर सकते।
शोधकर्ताओं की एक टीम ने अब इस पहेली को सुलझाने का एक नया तरीका विकसित किया है, जो अस्पतालों को एक-दूसरे के कच्चे रोगी डेटा को देखे बिना दुर्लभ कोशिकाओं को खोजने के लिए सहयोग करने की अनुमति देता है। उनका काम एक विशिष्ट प्रकार के कृत्रिम बुद्धिमत्ता (AI) पर केंद्रित है जिसे 'CellCnn' कहा जाता है, जिसे इन दुर्लभ कोशिका उपसमूहों को पहचानने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने एक सुरक्षित प्रणाली बनाई है जो कई कंप्यूटरों को एक साझा गणितीय समस्या पर मिलकर काम करने देती है, जबकि वास्तविक संख्याओं को छिपाकर रखा जाता है। उन्होंने इसे हर डेटा के टुकड़े को यादृच्छिक, अर्थहीन अंशों में विभाजित करके और उन्हें विभिन्न कंप्यूटिंग सर्वरों में वितरित करके हासिल किया। ये सर्वर अंशों पर AI को प्रशिक्षित करने के लिए आवश्यक जटिल गणनाओं को निष्पादित करते हैं, और केवल एक-दूसरे के साथ संचार करके अपने परिणामों को जोड़ते हैं। किसी भी बिंदु पर, कोई भी एकल सर्वर, या स्वयं शोधकर्ता भी, मूल रोगी जानकारी या गणना के मध्यवर्ती चरणों को नहीं देख पाते हैं। प्रणाली को इस तरह से डिज़ाइन किया गया है कि अंतिम परिणाम उतना ही सटीक होता है जितना कि डेटा को खुले तौर पर संयोजित करने पर होता, लेकिन प्रत्येक व्यक्ति की गोपनीयता बरकरार रहती है।
टीम ने साइटोमेगालोवायरस संक्रमण और एक्यूट माइलॉयड ल्यूकेमिया से जुड़े वास्तविक डेटासेट पर अपने तरीके का परीक्षण किया। इन परीक्षणों में, उन्होंने अपने सुरक्षित सिस्टम की तुलना मानक, गैर-निजी संस्करण और एक पिछले गोपनीयता-केंद्रित प्रयास से की। परिणामों ने दिखाया कि उनका सुरक्षित दृष्टिकोण बीमारी से जुड़ी कोशिकाओं की पहचान लगभग उसी सटीकता के साथ कर सकता है जैसा कि मानक विधि। उदाहरण के लिए, वायरल संक्रमण से जुड़ी कोशिकाओं को देखते समय, उनके सिस्टम ने लगभग 73 प्रतिशत की सटीकता प्राप्त की, जो गैर-निजी संस्करण के लगभग समान थी। इसके विपरीत, एक पिछला गोपनीयता-संरक्षण विधि, जिसे एन्क्रिप्शन के साथ काम करने के लिए AI के मस्तिष्क को सरल बनाना पड़ा था, स्पष्ट रूप से खराब प्रदर्शन करती दिखी, जिसकी सटीकता गिरकर लगभग 63 प्रतिशत हो गई। नया सिस्टम AI के जटिल हिस्सों को बनाए रखने में सक्षम था, जैसे कि सक्रियण चरण (activation steps) जो कंप्यूटर को पैटर्न सीखने में मदद करते हैं, जिन्हें पुराने तरीके को छोड़ना पड़ा था।
केवल वर्गीकरण के अलावा, शोधकर्ताओं ने प्रदर्शित किया कि उनका सुरक्षित सिस्टम एक अधिक कठिन कार्य भी संभाल सकता है: नमूने में मौजूद दुर्लभ कैंसर कोशिकाओं की सटीक संख्या का अनुमान लगाना। यह न्यूनतम अवशिष्ट रोग (minimal residual disease) वाले रोगियों की निगरानी के लिए अत्यंत महत्वपूर्ण है, जहाँ डॉक्टरों को यह जानने की आवश्यकता होती है कि उपचार के बाद क्या कैंसर कोशिकाओं की एक बहुत छोटी संख्या शेष रह गई है। सुरक्षित प्रणाली ने वास्तविक मूल्यों के विरुद्ध 0.98 के सहसंबंध (correlation) के साथ दुर्लभ कोशिकाओं के अंश की भविष्यवाणी की, जो प्रदर्शन का एक स्तर है जो मानक, गैर-निजी मॉडल के काफी करीब है। यह क्षमता पिछले गोपनीयता-संरक्षण विधि के पास बिल्कुल नहीं थी। शोधकर्ताओं ने यह भी मापा कि इस प्रक्रिया में कितना समय लगा, और नोट किया कि स्थानीय नेटवर्क पर मॉडल को प्रशिक्षित करने में लगभग 20 मिनट लगे, हालांकि गति कंप्यूटरों के बीच कनेक्शन बैंडविड्थ पर अत्यधिक निर्भर थी।
यह अध्ययन पुष्टि करता है कि रोगी की गोपनीयता से समझौता किए बिना संवेदनशील डेटा पर शक्तिशाली चिकित्सा AI मॉडल को प्रशिक्षित करना संभव है। डेटा को पूर्ण रूप के बजाय गुप्त अंशों में साझा करने की तकनीक का उपयोग करके, शोधकर्ताओं ने दिखाया कि अस्पताल गोपनीयता नियमों का उल्लंघन किए बिना प्रभावी ढंग से सहयोग कर सकते हैं। जबकि वर्तमान प्रणाली यह मानती है कि कंप्यूटिंग सर्वर नियमों का पालन करेंगे और प्रोटोकॉल से विचलित नहीं होंगे, यह कार्य भविष्य के चिकित्सा अनुसंधान के लिए एक मजबूत आधार प्रदान करता है। यह एक ऐसे मार्ग का सुझाव देता जहाँ कई अस्पतालों की सामूहिक शक्ति का उपयोग दुर्लभ बीमारियों का पता लगाने के लिए किया जा सकता है, जबकि यह सुनिश्चित किया जा सके कि व्यक्तिगत रोगियों के निजी विवरण पूरी प्रक्रिया के दौरान पूरी तरह से छिपे रहें।
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।