Separating Voice from Age in COPD Screening
यह शोध पत्र प्रदर्शित करता है कि स्वर संकेतों (voice signals) में एक गैर-आयु ध्वनिक हस्ताक्षर (non-age acoustic signature) होता है जो COPD की स्क्रीनिंग करने में सक्षम है, लेकिन यह भी प्रकट करता है कि मानक मूल्यांकन प्रोटोकॉल त्रुटिपूर्ण हैं क्योंकि वे रिकॉर्डिंग की स्थितियों और आयु-संबंधी स्वर परिवर्तनों जैसे भ्रमित करने वाले कारकों से वास्तविक रोग मार्करों को अलग करने में विफल रहते 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
क्रोनिक ऑब्सट्रक्टिव पल्मोनरी डिजीज (COPD), जिसे आमतौर पर COPD के रूप में जाना जाता है, एक प्रगतिशील फेफड़ों की स्थिति है जो वायु प्रवाह को बाधित करके सांस लेने में कठिनाई पैदा करती है। यह दुनिया भर में मृत्यु का एक प्रमुख कारण है, फिर भी अक्सर तब तक निदान नहीं हो पाता जब तक कि महत्वपूर्ण क्षति न हो जाए क्योंकि शुरुआती लक्षण अक्सर अनुपस्थित होते हैं। इस बीमारी के निदान के लिए मानक तरीके में रोगी को क्लिनिक जाना पड़ता है और स्पाइरोमेट्री नामक एक विशिष्ट श्वसन परीक्षण करना पड़ता है, जिसके लिए प्रशिक्षित कर्मचारियों और रोगी के महत्वपूर्ण प्रयास की आवश्यकता होती है। चूंकि यह प्रक्रिया बड़ी आबादी के लिए बड़े पैमाने पर लागू करना कठिन है, इसलिए शोधकर्ता लंबे समय से एक सरल, सस्ते विकल्प की तलाश कर रहे हैं। एक आशाजनक मार्ग मानव आवाज है। इसका तर्क शारीरिक है: बीमारी बोलने के लिए आवश्यक वायु दबाव और प्रवाह को कम कर देती है, जिससे सैद्धांतな रूप से व्यक्ति की आवाज की ध्वनि बदल जानी चाहिए। यदि कोई कंप्यूटर एक निरंतर स्वर (vowel sound) को सुन सके और इन सूक्ष्म परिवर्तनों का पता लगा सके, तो यह बिना क्लिनिक जाए लाखों लोगों की इस बीमारी के लिए जांच कर सकता है।
हालांकि, इस शोध के क्षेत्र में एक बड़ी जटिलता मौजूद है। COPD उम्र से गहराई से जुड़ा हुआ है; यह बुजुर्गों में बहुत अधिक आम है। साथ ही, उम्र बढ़ने के साथ मानव आवाज स्वाभाविक रूप से बदल जाती है, जो वोकल कॉर्ड्स के पतला होने और सांस के समर्थन में बदलाव के कारण होता है। यह एक भ्रमित करने वाला ओवरलैप पैदा करता है: यदि एक कंप्यूटर प्रोग्राम बीमार और स्वस्थ लोगों के बीच अंतर करना सीखता है, तो क्या वह वास्तव में बीमारी का पता लगा रहा है, या वह केवल यह देख रहा है कि बीमार लोग उम्रदराज हैं? यह प्रश्न बहस का विषय रहा है, लेकिन क्रेते विश्वविद्यालय के शोधकर्ताओं के एक नए अध्ययन ने अधिक सख्त नियमों के साथ मौजूदा डेटा की पुन: जांच करके अंततः एक स्पष्ट उत्तर प्रदान किया है।
शोधकर्ताओं ने साठ-आठ स्वीडिश प्रतिभागियों के एक हजार से अधिक वॉयस रिकॉर्डिंग वाले एक सार्वजनिक डेटासेट की ओर अपना ध्यान केंद्रित किया। इस डेटा का उपयोग करने वाले पिछले अध्ययनों ने COPD का पता लगाने में उच्च सटीकता का दावा किया था, लेकिन उन्होंने रिकॉर्डिंग को स्वतंत्र डेटा पॉइंट के रूप में माना था। नई टीम ने महसूस किया कि यह दृष्टिकोण त्रुटिपूर्ण था क्योंकि कुछ प्रतिभागियों ने दर्जनों रिकॉर्डिंग दी थीं जबकि अन्य ने केवल कुछ ही योगदान दिया था। जब शोधकर्ताओं ने डेटा का पुन: विश्लेषण प्रत्येक विशिष्ट व्यक्ति के आधार पर समूहों में बांटकर किया, तो एक छिपा हुआ असंतुलन सामने आया। अध्ययन से पता चला कि COPD वाले लोगों का समूह, औसतन, स्वस्थ नियंत्रण समूह की तुलना में काफी अधिक उम्र का था। वास्तव में, उम्र का अंतर इतना बड़ा था कि एक साधारण कंप्यूटर मॉडल प्रतिभागी की उम्र का उपयोग करके, बिना एक भी वॉयस रिकॉर्डिंग सुने, दोनों समूहों के बीच उच्च सटीकता के साथ अंतर कर सकता था। पिछली सफलताएं संभवतः बीमारी को नहीं, बल्कि उम्र को माप रही थीं।
इसे हल करने के लिए, शोधकर्ताओं ने अपने वॉयस मॉडल का परीक्षण करने का एक नया तरीका डिजाइन किया। सारा डेटा एक साथ देखने के बजाय, उन्होंने कई छोटे, संतुलित समूह बनाए जहां COPD वाले प्रत्येक व्यक्ति को ठीक उसी उम्र के एक स्वस्थ व्यक्ति के साथ जोड़ा गया। इन पूरी तरह से मेल खाने वाले जोड़ों में, उम्र का अंतर समाप्त हो गया, और कंप्यूटर मॉडल मजबूर होकर केवल आवाज पर निर्भर रहे। परिणाम चौंकाने वाले थे। जब मॉडलों को उम्र का सुराग (clue) इस्तेमाल करने की अनुमति दी गई, तो उम्र का अंतर हटने के बाद उनका प्रदर्शन रैंडम गेसिंग (random guessing) के स्तर तक गिर गया। लेकिन जब मॉडलों को उम्र की जानकारी के बिना प्रशिक्षित किया गया, तो उन्होंने भेदभाव का एक सांख्यिकीय माप (ROC-AUC) लगभग 0.72 बनाए रखा, हालांकि व्यापक कॉन्फिडेंस इंटरवल का मतलब था कि कुछ कॉन्फ़िगरेशन के लिए, यह प्रदर्शन संयोग से अलग नहीं था। इससे पता चला कि बीमारी से संबंधित एक वास्तविक वॉयस सिग्नल मौजूद हो सकता है, जो उम्र के प्रभाव से अलग है, लेकिन प्रमाण हर मॉडल के लिए निर्णायक नहीं था।
अध्ययन ने यह भी उजागर किया कि ये कंप्यूटर मॉडल कैसे सीखते हैं, इसके बारे में एक आश्चर्यजनक सबक भी मिला। जब शोधकर्ताओं ने उम्र की जानकारी शामिल करते हुए एक मॉडल को प्रशिक्षित किया, तो मॉडल उम्र के सुराग पर बहुत अधिक निर्भर रहा और आवाज के सूक्ष्म विवरणों को सीखने में विफल रहा। जब उन्होंने बाद में उसी मॉडल का उपयोग आयु-मैच किए गए समूहों पर करने की कोशिश की, तो इसने खराब प्रदर्शन किया क्योंकि इसने वास्तव में आवाज के पैटर्न को कभी सीखा ही नहीं था। हालांकि, जो मॉडल शुरुआत से ही बिना उम्र की जानकारी के प्रशिक्षित किए गए थे, उन्होंने आवाज के पैटर्न को गहराई से सीखा और संतुलित समूहों पर परीक्षण के दौरान भी अपने भेदभाव स्कोर को बनाए रखा, जबकि उम्र के साथ प्रशिक्षित मॉडलों का प्रदर्शन काफी गिर गया। यह सुझाव देता है कि चिकित्सा स्क्रीनिंग टूल में जनसांख्यिकीय जानकारी जैसे उम्र को शामिल करना वास्तव में टूल की वास्तविक बीमारी का पता लगाने की क्षमता को कमजोर कर सकता है, क्योंकि कंप्यूटर जटिल जैविक सिग्नल सीखने के बजाय जनसांख्यिकीय शॉर्टकट का उपयोग करने का आसान रास्ता चुन लेता है।
इसके अलावा, शोधकर्ताओं ने पाया कि पारंपरिक वॉयस मेजरमेंट्स का एक बहुत छोटा सेट, जिसमें ध्वनि की स्थिरता और गुणवत्ता से संबंधित चौदह विशिष्ट गुण शामिल थे, एक विशाल और जटिल सत्ता (set) जिसमें इक्यावन अलग-अलग माप थे, के समान ही प्रदर्शन करता था। यह इंगित करता है कि बीमारी का पता लगाने के लिए सबसे उपयोगी जानकारी किसी जटिल डिजिटल कोड में छिपी नहीं है, बल्कि सरल, शास्त्रीय ध्वनिक विशेषताओं (acoustic features) में मौजूद है। अध्ययन ने यह भी नोट किया कि हालांकि वॉयस सिग्नल वास्तविक है, शोधकर्ता अभी भी इस बात को खारिज नहीं कर सकते कि रिकॉर्डिंग विशिष्ट माइक्रोफोन या उपयोग किए गए वातावरण से प्रभावित थी, क्योंकि डेटासेट में इनका विवरण शामिल नहीं था।
अंततः, यह कार्य यह दावा नहीं करता है कि वॉयस-आधारित स्क्रीनिंग आज अस्पतालों के लिए तैयार है। अध्ययन में कम संख्या में लोग और एक ही देश के प्रतिभागी शामिल थे, और मॉडलों ने अभी भी गलतियाँ कीं। हालांकि, इसने इस क्षेत्र में एक बड़ी बाधा को सफलतापूर्वक पार कर लिया है, यह साबित करके कि आवाज वास्तव में उम्र से अलग बीमारी का संकेत देती है। इसने यह भी दिखाया कि अतीत में इन मॉडलों के परीक्षण का मानक तरीका अपर्याप्त था, जो अक्सर जनसांख्यिकीय शॉर्टकट के पीछे उनके वास्तविक प्रदर्शन को छिपा देता था। यह दिखाकर कि एक गैर-आयु वॉयस सिग्नल मौजूद है, और सही परीक्षण विधियां इसे प्रकट कर सकती हैं, शोधकर्ताओं ने एक स्पष्ट मार्ग प्रदान किया है जिससे भविष्य में एक सरल बोले गए शब्द के माध्यम से फेफड़ों की बीमारी का पता लगाने वाले उपकरणों को विकसित किया जा सके।
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।