Comorbidity structure as an inductive bias: Comparing output-head designs for multi-label prediction of diabetes and myocardial infarction complications

कल्पना कीजिए कि आप एक डॉक्टर हैं जो यह अनुमान लगाने की कोशिश कर रहे हैं कि एक मरीज को किन जटिलताओं (complications) का सामना करना पड़ सकता है। आमतौर पर, डॉक्टर (और वे कंप्यूटर प्रोग्राम जो उनकी मदद करते हैं) प्रत्येक संभावित जटिलता को एक पूरी तरह से अलग अनुमान के रूप में देखते हैं। यह छह अलग-अलग भविष्यवक्ताओं के होने जैसा है, जिनमें से प्रत्येक मरीज को देखकर कहता है, "मुझे लगता है कि आपको किडनी की समस्या हो सकती है," जबकि दूसरा कहता है, "मुझे लगता है कि आपको तंत्रिका क्षति (nerve damage) हो सकती है," और इनमें से कोई भी आपस में बात नहीं कर रहा है।

यह शोध पत्र एक सरल प्रश्न पूछता है: क्या होगा यदि ये जटिलताएं वास्तव में आपस में जुड़ी हुई हैं? चूंकि ये अक्सर एक ही जैविक कारणों से उत्पन्न होती हैं, तो क्या कंप्यूटर के "भविष्यवक्ताओं" को एक-दूसरे से बात करने की अनुमति नहीं मिलनी चाहिए?

शोधकर्ताओं ने इस विचार का परीक्षण दो बहुत ही अलग चिकित्सा परिदृश्यों का उपयोग करके किया, जिसमें उन्होंने कंप्यूटर के "आउटपुट लेयर" (वह हिस्सा जो अंतिम अनुमान लगाता है) को जासूसों की एक टीम की तरह माना।

दो केस फाइलें

केस 1: टाइप 2 मधुमेह (द "माइक्रोवैस्कुलर" टीम)
इस परिदृश्य में, जटिलताओं में किडनी रोग, तंत्रिका क्षति और आंखों की क्षति शामिल हैं। शोधकर्ता जानते थे कि ये तीनों ही सूक्ष्म रक्त वाहिकाओं (tiny blood vessels) के नुकसान के कारण होते हैं। यह एक घर के तीन कमरों में एक ही लीकेज वाली पाइप से होने वाले नुकसान जैसा है।

• परीक्षण: उन्होंने छह अलग-अलग तरीकों का परीक्षण किया जिनसे कंप्यूटर अपने अनुमान लगा सकता था। कुछ तरीकों ने अनुमानों को पूरी तरह से स्वतंत्र रहने दिया। अन्य तरीकों ने गणितीय नियमों का उपयोग करके अनुमानों को मिलकर काम करने के लिए मजबूर किया, जो यह मानकर चलते हैं कि समस्याएं आपस में जुड़ी हुई हैं।
• विजेता: सबसे अच्छा प्रदर्शन करने वाला तरीका सिमेट्रिक CRF (Symmetric CRF) था। इसे एक ऐसे जासूसी दल के रूप में समझें जो यह मानता है कि तीनों समस्याएं समान रूप से एक ही मूल कारण से जुड़ी हुई हैं। यह एक छोटा, सरल दल था (केवल तीन अतिरिक्त "नियमों" के साथ), लेकिन इसने अविश्वसनीय रूप से अच्छा काम किया, विशेष रूप से तब जब कंप्यूटर के पास अध्ययन करने के लिए बहुत कम डेटा था। यह एकमात्र ऐसा दल था जिसने डेटा की कमी होने पर भी लगातार "स्वतंत्र" दृष्टिकोण को पछाड़ दिया।
• हारने वाला: उन्होंने एक बहुत ही जटिल टीम (एक रेसिडुअल MLP) का भी परीक्षण किया जिसमें 100 से अधिक अतिरिक्त नियम थे। आश्चर्यजनक रूप से, यह "सुपर-टीम" भ्रमित हो गई और बेसलाइन से भी खराब प्रदर्शन किया, जिससे यह सिद्ध हुआ कि अधिक जटिलता हमेशा बेहतर नहीं होती।

केस 2: दिल का दौरा (द "इलेक्ट्रिकल" टीम)
इस परिदृश्य में, जटिलताओं में हृदय की लय (heart rhythm) से जुड़ी विभिन्न समस्याएं शामिल हैं। मधुमेह के मामले के विपरीत, ये समस्याएं हृदय में विभिन्न विद्युत गड़बड़ियों (electrical glitches) के कारण होती हैं। यह एक लीकेज वाली पाइप जैसा नहीं है, बल्कि एक अराजक विद्युत तूफान जैसा है जहाँ ग्रिड के अलग-अलग हिस्से अलग-अलग कारणों से विफल होते हैं।

• परीक्षण: उन्होंने यहाँ चार अलग-अलग टीम संरचनाओं का परीक्षण किया।
• परिणाम: कोई स्पष्ट विजेता नहीं था। कंप्यूटर के पास अध्ययन करने के लिए कितना डेटा है, इस पर निर्भर करते हुए, "सर्वश्रेष्ठ" टीम बदलती रही। कभी-कभी वह टीम जीत गई जिसने माना कि समस्याएं जुड़ी हुई हैं, और कभी-कभी वह टीम जीत गई जिसने माना कि वे पूरी तरह से अलग हैं। क्योंकि अंतर्निध जैविक प्रक्रिया अव्यवस्थित और विविध थी, इसलिए कोई भी एकल "टीम संरचना" परिणाम की विश्वसनीय भविष्यवाणी नहीं कर सकी।

बड़ा सबक

शोध पत्र निष्कर्ष निकालता है कि हमें अपने कंप्यूटर के "अनुमान लगाने वाले इंजन" को केवल एक यादृच्छिक तकनीकी विकल्प या एक मानक सेटिंग के रूप में नहीं चुनना चाहिए जिसे हम बस ट्यून करते हैं। इसके बजाय, इसे बीमारी के काम करने के तरीके के बारे में एक परिकल्पना (hypothesis) होना चाहिए।

• यदि बीमारियां एक लीकेज वाली पाइप की तरह हैं जो कई कमरों को प्रभावित करती है (जैसे मधुमेह में), तो एक सरल, जुड़ी हुई टीम संरचना सबसे अच्छा काम करती है।
• यदि बीमारियां एक अराजक विद्युत तूफान की तरह हैं (जैसे दिल के दौरे में), तो एक विशिष्ट संबंध थोपना किसी काम का नहीं होगा।

संक्षेप में: केवल इसलिए कोई उपकरण न चुनें क्योंकि वह लोकप्रिय है। एक ऐसा उपकरण चुनें जो उस बीमारी की कहानी से मेल खाता हो जिसे आप अनुमान लगाने की कोशिश कर रहे हैं। यदि जीव विज्ञान जुड़ा हुआ है, तो आपके कंप्यूटर का डिज़ाइन उस जुड़ाव को प्रतिबिंबित करना चाहिए। यदि जीव विज्ञान अव्यवस्थित है, तो आपका डिज़ाइन इतना लचीला होना चाहिए कि वह यह स्वीकार कर सके कि वह अभी तक उत्तर नहीं जानता है।