Artificial Intelligence Algorithms for the Detection of Pathologies Related to Lung Cancer through Image Analysis using Convolutional Neural Networks and Data Augmentation: a systematic mapping of the literature

फेफड़ों का कैंसर वैश्विक स्तर पर सार्वजनिक स्वास्थ्य के लिए सबसे भीषण खतरों में से एक बना हुआ है, मुख्य रूप से इसलिए क्योंकि इसे जल्दी पहचान लेना जीवन और मृत्यु के बीच का अंतर होता है। इस बीमारी का पता लगाने की मानक विधि में एक्स-रे का उपयोग करके छाती की विस्तृत त्रि-आयामी तस्वीरें लेना शामिल है, जिसे कंप्यूटेड टोमोग्राफी कहा जाता है। ये चित्र फेफड़ों के भीतर की जटिल संरचनाओं को प्रकट करते हैं, जिससे डॉक्टरों को छोटे, असामान्य उभारों को देखने की अनुमति मिलती है जिन्हें नोड्यूल्स (nodules) कहा जाता है। हालांकि, इन स्कैन को पढ़ना एक कठिन कार्य है जिसके लिए अत्यधिक प्रशिक्षित विशेषज्ञों की आवश्यकता होती है जो हजारों छवियों को छान सकें, यह एक ऐसी बाधा है जो निदान में देरी कर सकती है और देखभाल तक पहुंच को सीमित कर सकती है। हाल के वर्षों में, इन विशेषज्ञों की सहायता के लिए एक नए प्रकार के उपकरण का उदय हुआ है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। विशेष रूप से, शोधकर्ता मानव मस्तिष्क से प्रेरित कंप्यूटर प्रोग्राम विकसित कर रहे हैं, जिन्हें न्यूरल नेटवर्क कहा जाता है, जो बिल्कुल एक व्यक्ति की तरह छवियों में पैटर्न पहचानना सीख सकते हैं। जब ये नेटवर्क विशेष रूप से चित्रों के लिए डिज़ाइन किए जाते हैं, तो उन्हें कनवल्शनल न्यूरल नेटवर्क (convolutional neural networks) कहा जाता है। वे एक छवि को स्कैन करके और उसके सबसे महत्वपूर्ण लक्षणों, जैसे कि नोड्यूल के आकार या बनावट को उजागर करके काम करते हैं, ताकि यह निर्धारित करने में मदद मिल सके कि क्या वह खतरनाक है।

ब्यूनस आयर्स में यूनिवर्सिडाड एबिएर्टा इंटरअमेरिकनाना के पाब्लो रामिरेज़ अमाडोर द्वारा किए गए वैज्ञानिक साहित्य के एक हालिया अध्ययन ने इस बात पर करीब से नज़र डाली है कि इन कंप्यूटर प्रणालियों का वर्तमान में फेफड़ों के कैंसर का पता लगाने के लिए कैसे उपयोग किया जा रहा है। इस अध्ययन में 2015 से वर्तमान तक प्रकाशित 96 शोध लेखों की जांच की गई, जिसमें क्षेत्र के सबसे प्रासंगिक कार्यों को खोजने के लिए प्रमुख वैज्ञानिक डेटाबेस की खोज की गई। इसका लक्ष्य किसी एक नई मशीन का परीक्षण करना नहीं था, बल्कि मौजूदा अनुसंधान के पूरे परिदृश्य का मानचित्रण करना था, यह समझना कि कौन सी विधियाँ सबसे अच्छा काम करती हैं और सबसे बड़ी बाधाएं कहाँ बनी हुई हैं। शोधकर्ताओं ने दो विशिष्ट तकनीकों पर ध्यान केंद्रित किया है जिन्होंने आशा दिखाई है: ट्रांसफर लर्निंग (transfer learning) और डेटा ऑग्मेंटेशन (data augmentation)। ट्रांसफर लर्निंग एक ऐसे कंप्यूटर प्रोग्राम को, जिसने पहले से ही सामान्य वस्तुओं, जैसे बिल्लियों या कारों को पहचानना सीखा है, को फेफड़ों के नोड्यूल्स को पहचानने के विशिष्ट कार्य के लिए अनुकूलित करने की अनुमति देती है, जिससे समय और संसाधनों की बचत होती है। डेटा ऑग्मेंटेशन मौजूदा छवियों को थोड़ा बदलकर—उन्हें घुमाकर, उनका आकार बदलकर, या थोड़ा दृश्य शोर (visual noise) जोड़कर—अधिक प्रशिक्षण सामग्री बनाने की एक विधि है, ताकि कंप्यूटर एक ही चीज़ के कई अधिक रूपांतर देखता है और अधिक सुदृढ़ बनना सीखता है।

समीक्षा में पाया गया कि ये आर्टिफिशियल इंटेलिजेंस उपकरण वास्तव में फेफड़ों के कैंसर के शुरुआती निदान के लिए एक अत्यधिक प्रभावी विकल्प प्रदान करने में सक्षम हैं, जो अक्सर मानव विशेषज्ञों की संवेदनशीलता (sensitivity) और विशिष्टता (specificity) के बराबर होते हैं। विश्लेषण किए गए अध्ययनों ने दिखाया कि प्री-ट्रेंड नेटवर्क, जैसे कि VGG16 या ResNet के रूप में जाने जाते हैं, को डेटा ऑग्मेंटेशन के साथ मिलाने से नॉन-स्मॉल सेल लंग कैंसर (जो इस बीमारी का सबसे सामान्य रूप है) की पहचान करने में उच्च सटीकता प्राप्त होती है। कंप्यूटर मॉडल सीटी स्कैन से जटिल डेटा को संसाधित करने में सक्षम हैं और संभावित समस्याओं को सटीकता के स्तर के साथ चिह्नित कर सकते हैं जो यह सुझाव देता है कि वे नैदानिक प्रक्रिया का एक महत्वपूर्ण हिस्सा बन सकते हैं। हालांकि, यह पत्र स्पष्ट रूप से कहता है कि यह तकनीक अभी तक हर अस्पताल में तत्काल, व्यापक उपयोग के लिए तैयार कोई पूर्ण उत्पाद नहीं है। शोधकर्ताओं ने महत्वपूर्ण चुनौतियों की पहचान की है जिन्हें इन उपकरणों पर वास्तविक नैदानिक परिवेश में भरोसा करने से पहले हल किया जाना चाहिए। एक प्रमुख मुद्दा मानकीकृत डेटा की कमी है; विभिन्न अस्पताल अलग-अलग मशीनों और प्रोटोकॉल का उपयोग करते हैं, जो कंप्यूटर मॉडल को भ्रमित कर सकते हैं। रोगी की जानकारी की गोपनीयता के बारे में भी गंभीर चिंताएं हैं और कंप्यूटर अपने निष्कर्षों तक कैसे पहुँचता है, इसकी व्याख्यात्मकता (explainability) को समझने की आवश्यकता है, ताकि डॉक्टर प्राप्त सलाह पर भरोसा कर सकें।

अंततः, यह कार्य निष्कर्ष निकालता है कि हालांकि आर्टिफिशियल इंटेलिजेंस में फेफड़ों के कैंसर के रोगियों की देखभाल में सुधार करने की अपार क्षमता है, लेकिन यह मानव डॉक्टरों को बदलने वाला कोई जादुई समाधान नहीं है। आगे का रास्ता इन एल्गोरिदम को परिष्कृत करने के लिए अधिक शोध और यह सुनिश्चित करने के लिए नए नियमों की मांग करता है कि वे सुरक्षित, विश्वसनीय और नैतिक हों। समीक्षा बताती है कि फेफड़ों के कैंसर का पता लगाने का भविष्य एक साझेदारी में निहित है जहाँ ये शक्तिशाली कंप्यूटर सिस्टम एक 'दूसरी जोड़ी आँखों' के रूप में कार्य करेंगे, जो बीमारियों को जल्दी और अधिक सटीक रूप से पकड़ने में मदद करेंगे, लेकिन केवल तभी जब वैज्ञानिक समुदाय डेटा गुणवत्ता और मॉडल पारदर्शिता के संबंध में वर्तमान सीमाओं को संबोधित करे। तब तक, यह तकनीक एक पूर्ण साकार मानक देखभाल के बजाय एक शक्तिशाली वादे के रूप में बनी हुई है, जो इसे सुरक्षित रूप से क्लिनिक में लाने के लिए आवश्यक कदम उठाए जाने की प्रतीक्षा कर रही है।