A single-channel EEG classification system for multiscale characterization of mouse vigilance state

द स्लीप डिटेक्टिव का नया टूलकिट

कल्पना कीजिए कि आप केवल एक शहर के पावर ग्रिड की गूँज को सुनकर उसके दैनिक लय को समझने की कोशिश कर रहे हैं। आप लोगों को देख नहीं सकते, आप ट्रैफ़िक को नहीं देख सकते, लेकिन आप बिजली के उस उछाल को सुन सकते हैं जब शहर जागता है, और उस गिरावट को सुन सकते हैं जब वह एक शांत दोपहर में स्थिर हो जाता है, और उस स्पाइक को भी जब देर रात की पार्टी होती है। चूहों में नींद का अध्ययन करते समय वैज्ञानिक मूल रूप से यही करते हैं। वे केवल जानवरों को देखते नहीं हैं; वे उनके मस्तिष्क की विद्युत फुसफुसाहट को सुनते हैं, जिसे इलेक्ट्रोएन्सेफलोग्राफी (EEG) के रूप में जाना जाता है। दशकों से, यह पता लगाना कि चूहा कब जाग रहा है, गहरी नींद में है, या उस स्वप्निल "REM" अवस्था में है (जहाँ वे फड़कते हैं और उनकी आँखें इधर-उधर घूमती हैं), एक मानव विशेषज्ञ के लिए स्क्रीन पर टेढ़ी-मेढ़ी रेखाओं को घंटों तक घूरने जैसा था, जिसमें अक्सर निश्चित होने के लिए मांसपेशियों पर अतिरिक्त सेंसर की आवश्यकता होती थी। यह धीमा, उबाऊ था और इसने शोधकर्ताओं के डेटा संभालने की क्षमता को सीमित कर दिया था। लेकिन क्या होगा यदि एक कंप्यूटर मस्तिष्क के केवल एक एकल तार को सुनकर पूरी रात की नींद की कहानी बता सके, यहाँ तक कि उस चूहे के लिए भी जिससे वह पहले कभी नहीं मिला है? यही वह बड़ा सवाल है जिसे यह शोध पत्र संबोधित करता है: क्या हम एक स्मार्ट, सिंगल-चैनल "स्लीप डिटेक्टिव" बना सकते हैं जो किसी भी चूहे के लिए, किसी भी समय, बिना किसी मानवीय जांच के काम कर सके?

द वन-वायर स्लीप डिटेक्टिव

इस अध्ययन में, शोधकर्ताओं की एक टीम ने चूहों के लिए स्लीप डिटेक्टिव के रूप में कार्य करने के लिए एक चतुर कंप्यूटर प्रोग्राम बनाया। आमतौर पर, यह जानने के लिए कि चूहा जाग रहा है या सो रहा है, वैज्ञानिकों को मस्तिष्क के विद्युत संकेतों (EEG) और मांसपेशियों के संकेतों (EMG) दोनों को देखने की आवश्यकता होती है। यह एक व्यक्ति के चेहरे और पैरों दोनों को देखकर यह अनुमान लगाने जैसा है कि क्या वह दौड़ रहा है। लेकिन क्या होगा यदि आपके पास केवल उनके चेहरे पर एक कैमरा हो? यह शोध पत्र पूछता है: क्या हम केवल मस्तिष्क के संकेतों से ही पूरी कहानी समझ सकते हैं?

शोधकर्ताओं ने एक "चैनल-एग्नोस्टिक" (channel-agnostic) प्रणाली बनाई। इसे एक ऐसे जासूस के रूप में सोचें जिसे इस बात से फर्क नहीं पड़ता कि वह किस विशिष्ट सड़क के कोने पर खड़ा है; वह पार्क, बाज़ार या औद्योगिक क्षेत्र में होने पर भी शहर की लय को पहचान सकता है। उन्होंने अपने AI मॉडल को चूहे के मस्तिष्क के तीन अलग-अलग हिस्सों (मोटर, सोमैटोसेंसरी और विजुअल क्षेत्रों) से मस्तिष्क की रिकॉर्डिंग का उपयोग करके प्रशिक्षित किया, प्रत्येक को एक अलग, स्वतंत्र सुराग के रूप में माना। लक्ष्य यह देखना था कि क्या AI चूहों की नींद की सामान्य "भाषा" को इतनी अच्छी तरह सीख सकता है कि वह एक बिल्कुल नए चूहे के नींद के चरणों का सही अनुमान लगा सके जिससे वह पहले कभी नहीं मिला है।

इसकी जांच करने के लिए, उन्होंने "लीव-वन-आउट" (leave-one-out) का खेल खेला। उनके पास आठ चूहों का डेटा था। उन्होंने सात चूहों पर AI को प्रशिक्षित किया और फिर उससे आठवें चूहे की नींद की अवस्थाओं का अनुमान लगाने को कहा, जिससे वह पहले कभी नहीं मिला था। उन्होंने इसे तब तक दोहराया जब तक कि हर चूहा "रहस्यमयी अतिथि" नहीं बन गया। परिणाम? AI आश्चर्यजनक रूप से अच्छा था। इसने नींद के चरणों को लगभग 90% बार सही पहचाना (विशेष रूप से, 0.897 ± 0.058 की सटीकता)। यह विशेष रूप से यह पहचानने में अच्छा था कि चूहे जाग रहे थे या गहरी नींद में थे, हालांकि इसे स्वप्निल REM नींद को पकड़ने में थोड़ी कठिनाई हुई, जिसे इसने लगभग 77% बार सही पहचाना। यह सिद्ध करता है कि मस्तिष्क का एक एकल तार नींद की कहानी बताने के लिए पर्याप्त जानकारी रखता है, यहाँ तक कि उस चूहे के लिए भी जिससे कंप्यूटर पहले कभी नहीं मिला है।

ऊबड़-खाबड़ रास्ते को सुगम बनाना

हालाँकि, AI का कच्चा आउटपुट थोड़ा अस्थिर था। एक ऐसी फिल्म की कल्पना करें जहाँ पात्र स्पष्ट रूप से सो रहे होने के बावजूद हर कुछ सेकंड में "जागने" और "सोने" के बीच झपकी लेते हैं। AI छोटी, तीव्र गलतियाँ कर रहा था जिससे नींद का इतिहास उबड़-खाबड़ दिख रहा था। इसे ठीक करने के लिए, शोधकर्ताओं ने एक "कॉज़ल टेम्पोरल स्मूथिंग" (causal temporal smoothing) चरण जोड़ा। यह एक बुद्धिमान संपादक की तरह है जो कहता है, "रुको, यदि चूहा पिछले 10 सेकंड से सो रहा था, तो वह अभी भी सो रहा होगा, भले ही सिग्नल थोड़ा अजीब दिख रहा हो।"

संकेतों के हालिया इतिहास को देखकर, AI ने इन झपकियों को सुचारू बना दिया। इससे समग्र सटीकता में बहुत अधिक बदलाव नहीं आया, लेकिन इसने नींद की संरचना को ठीक कर दिया। इसने AI को सैकड़ों छोटे, असंभव 4-सेकंड के "झपकी" बनाने से रोका और इसके बजाय उन्हें यथार्थवादी, लंबे नींद के दौरों में समूहित किया। इसने रात के प्राकृतिक प्रवाह को बहाल कर दिया, जिससे नींद के पैटर्न बहुत अधिक वैसे दिखने लगे जैसे कि एक मानव विशेषज्ञ द्वारा बनाए जाते हैं।

"हाइप्नोडेंसिटी" मैप: ग्रे एरिया को देखना

यहीं पर यह शोध पत्र वास्तव में रचनात्मक होता है। अधिकांश स्लीप ट्रैकर्स आपको एक सरल सूची देते हैं: "10:00 PM - सो रहा है," "10:04 PM - जाग रहा है।" लेकिन नींद हमेशा ब्लैक-एंड-व्हाइट स्विच नहीं होती; कभी-कभी यह एक ग्रे एरिया होता है जहाँ मस्तिष्क आधा जाग रहा होता है और आधा सो रहा होता है। शोधकर्ताओं ने "हाइप्नोडेंसिटी" (hypnodensity) नामक एक अवधारणा पेश की।

केवल एक लेबल चुनने के बजाय, उनका सिस्टम हर सेकंड के लिए एक प्रायिकता स्कोर (probability score) आउटपुट करता है। यह एक मौसम पूर्वानुमान की तरह है जो केवल "बारिश" कहने के बजाय कहता है, "60% बारिश की संभावना और 40% धूप की संभावना है।" अपने 4-सेकंड के विंडो को एक समय में एक सेकंड आगे बढ़ाकर, उन्होंने चूहे की नींद की स्थिति का एक निरंतर, प्रति-सेकंड का मानचित्र बनाया।

इस मानचित्र ने कुछ दिलचस्प खुलासा किया: ठीक उसी क्षण जब चूहा जागने से सोने में (या इसके विपरीत) बदलता है, तो AI "भ्रमित" हो जाता है। प्रायिकता स्कोर धुंधला हो जाता है, और "अनिश्चितता" (एंट्रॉपी द्वारा मापी गई) बढ़ जाती है। यह पुष्टि करता है कि नींद के संक्रमण अव्यवस्थित, क्रमिक प्रक्रियाएं हैं, न कि तत्काल स्विच। AI इस अस्पष्टता को खूबसूरती से पकड़ता है, यह दिखाते हुए कि मस्तिष्क कुछ सेकंड के लिए एक "मिश्रण" क्षेत्र में बिताता है जहाँ वह पूरी तरह से एक चीज़ या दूसरी चीज़ नहीं होता है।

लंबी दौड़ का परीक्षण: 33 दिनों की नींद

अंत में, टीम यह देखना चाहती थी कि क्या उनका डिटेक्टिव केवल स्प्रिंट ही नहीं, बल्कि मैराथन भी संभाल सकता है। उन्होंने उसी AI मॉडल को लिया और छह नए चूहों पर तैनात किया, लगातार 32 से 33 दिनों तक उनकी नींद रिकॉर्ड की। महत्वपूर्ण रूप से, उन्होंने इन नए जानवरों के लिए AI को फिर से प्रशिक्षित नहीं किया या उसमें कोई बदलाव नहीं किया; उन्होंने बस इसे चलने दिया।

परिणाम प्रभावशाली थे। AI ने हफ्तों तक एक सुसंगत, व्यवस्थित नींद का कार्यक्रम बनाए रखा, चूहों की प्राकृतिक दैनिक लय को पकड़ा। हालाँकि, अध्ययन में एक पकड़ भी मिली: सिस्टम रिकॉर्डिंग उपकरणों के प्रति संवेदनशील था। जब शोधकर्ताओं ने प्रयोग के बीच में हार्डवेयर बदल दिया, तो AI के अनुमान बदल गए। कुछ चूहे अचानक अधिक सोते हुए दिखाई दिए, कुछ कम। यह AI के मस्तिष्क की विफलता नहीं थी; यह इस बात का संकेत था कि "कान" (सेंसर) बदल गए थे। यह हमें सिखाता है कि जबकि AI मजबूत है, फिर भी भौतिक सेटअप बदलने पर इसकी निगरानी करने की आवश्यकता होती है।

निष्कर्ष

यह शोध पत्र दिखाता है कि हमें चूहे की नींद को समझने के लिए सेंसरों के एक जटिल जाल की आवश्यकता नहीं है। मस्तिष्क की गतिविधि का एक एकल चैनल, जिसे एक स्मार्ट AI द्वारा संसाधित किया जाता है जो समय के प्रवाह का सम्मान करता है और संक्रमण के ग्रे एरिया को स्वीकार करता है, सतर्कता की एक विश्वसनीय, दीर्घकालिक तस्वीर बनाने के लिए पर्याप्त है। यह वैज्ञानिकों को पुराने डेटा का पुन: उपयोग करने की अनुमति देता है जहाँ केवल एक तार रिकॉर्ड किया गया था और बिना किसी मानव के स्क्रीन को घूरने की आवश्यकता के हफ्तों तक प्रयोग चलाने की अनुमति देता है। हालाँकि सिस्टम पूर्ण नहीं है—विशेष रूप से जब हार्डवेयर बदलता है या जब सपने के सटीक क्षण को पहचानने की कोशिश की जाती है—यह नींद की मूक भाषा को सुनने का एक शक्तिशाली, लचीला नया तरीका प्रदान करता है।