Automated Extraction of Cancer Registry Data from Pathology Reports: Comparing LLM-Based and Ontology-Driven NLP Platforms
यह अध्ययन प्रदर्शित करता है कि एक LLM-आधारित प्लेटफॉर्म (Brim Analytics) पैथोलॉजी रिपोर्ट से कैंसर रजिस्ट्री डेटा निकालने के लिए उच्च सटीकता और कुशल प्रसंस्करण प्राप्त करता है, जो विशेष रूप से अग्नाशय और स्तन कैंसर के मामलों में T स्टेज वर्गीकरण के मामले में एक ऑन्टोलॉजी-संचालित प्रणाली (DeepPhe) से बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप चिकित्सा कहानियों का एक विशाल पुस्तकालय चला रहे हैं। हर बार जब किसी मरीज की सर्जरी होती है, तो एक डॉक्टर शरीर के अंदर जो कुछ भी पाया गया, उसकी एक विस्तृत रिपोर्ट लिखता है। ये रिपोर्ट कैंसर शोधकर्ताओं के लिए "सोने की खान" हैं, लेकिन वे अव्यवस्थित और अनस्ट्रक्चर्ड भाषा में लिखी जाती हैं—जैसे हस्तलिखित नोट्स, अलग-अलग फोंट और विविध शैलियाँ।
इस जानकारी का उपयोग अनुसंधान या कैंसर के रुझानों को ट्रैक करने के लिए करने हेतु, किसी को हर एक रिपोर्ट को पढ़ना होगा और उन बिखरे हुए नोट्स को व्यवस्थित डेटा बॉक्स (जैसे "ट्यूमर का आकार," "लिम्फ नोड की स्थिति," आदि) में बदलना होगा। अभी, यह काम मानव विशेषज्ञों द्वारा किया जाता है, जो धीमा, महंगा और थका देने वाला है।
यह शोध दो अलग-अलग "रोबोट पुस्तकालयाध्यक्षों" (robot librarians) के बीच एक दौड़ है, यह देखने के लिए कि कौन सा एक इस छंटनी के काम को अधिक तेज़ी से और अधिक सटीकता से कर सकता है।
दो दावेदार
1. "स्मार्ट इंटर्न" (ब्रिम एनालिटिक्स - Brim Analytics)
- यह कैसे काम करता है: यह सिस्टम एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करता है, जो एक सुपर-स्मार्ट AI की तरह है जिसने लाखों मेडिकल किताबें पढ़ी हैं। केवल कीवर्ड्स (keywords) खोजने के बजाय, यह रिपोर्ट को एक इंसान की तरह "पढ़ता" है, संदर्भ और बारीकियों को समझता है।
- रणनीति: शोधकर्ताओं ने इस AI को एक बहुत ही विशिष्ट सेट निर्देश (एक नियम पुस्तिका) दिए कि उसे वास्तव में क्या खोजना है। इसे एक अत्यधिक प्रशिक्षित इंटर्न की तरह समझें जिसे पता है कि एक विस्तृत चेकलिस्ट के आधार पर फॉर्म कैसे भरना है।
- परिणाम: यह अविश्वसनीय रूप से सटीक था। इसने अग्नाशय के कैंसर (pancreatic cancer) के लिए लगभग 97% और स्तन कैंसर (breast cancer) के लिए 94% उत्तर सही दिए। इससे भी बेहतर, जब रिपोर्ट की शैली एक बिखरे हुए पैराग्राफ से बदलकर एक स्ट्रक्चर्ड चेकलिस्ट हो गई, तब भी यह भ्रमित नहीं हुआ। यह एक ऐसे अनुवादक की तरह था जो "डॉक्टर-भाषा" और "डेटा-भाषा" दोनों में धाराप्रवाह बोल सकता है।
2. "कीवर्ड डिटेक्टिव" (डीपफी - DeepPhe)
- यह कैसे काम करता है: यह एक पुराना, "ऑन्टोलॉजी-ड्रिवन" (ontology-driven) सिस्टम है। यह वास्तव में वाक्यों को "समझता" नहीं है; इसके बजाय, यह एक कीवर्ड जासूस की तरह काम करता है। इसके पास चिकित्सा शब्दों का एक विशाल शब्दकोश है और यह विशिष्ट मिलान खोजता है (जैसे, "यदि मैं 'size' के पास 'tumor' शब्द देखता हूँ, तो मैं वह नंबर ले लूँगा")।
- रणनीति: यह कठोर नियमों और पूर्व-निर्धारित सूचियों पर निर्भर करता है। यह एक ऐसे रोबोट की तरह है जो केवल विशिष्ट शब्दों को खोजने के लिए जाना जाता है।
- परिणाम: इसने कुछ चीजों पर (जैसे लिम्फ नोड्स) ठीक काम किया, लेकिन अन्य चीजों पर बुरी तरह संघर्ष किया। जब बात ट्यूमर के आकार (T-stage) की आई, तो इसने स्तन कैंसर की रिपोर्टों में लगभग 30% बार गलतियाँ कीं। यह अक्सर "हाँ" का अनुमान लगाने लगा (जहाँ ट्यूमर का आकार स्पष्ट रूप से नहीं बताया गया था, वहाँ भी उसने उसे मौजूद मान लिया)। यह एक ऐसे जासूस की तरह था जो केवल "बंदूक" शब्द को देखता है और मान लेता है कि अपराध हुआ है, भले ही शब्द का उल्लेख किसी खिलौने की कहानी में किया गया हो।
बड़ा परीक्षण: "वास्तविक दुनिया" की चुनौती
शोधकर्ताओं ने इन रोबोटों का परीक्षण केवल आदर्श, साफ डेटा पर नहीं किया। उन्होंने उन्हें एक वास्तविक अस्पताल की अव्यवस्थित वास्तविकता में झोंक दिया:
- टाइम ट्रैवल टेस्ट: उन्होंने 2006 से लेकर 2025 तक की रिपोर्टों का उपयोग किया। चिकित्सा लेखन की शैलियाँ समय के साथ बदलती हैं (जैसे कि हमने पत्र लिखना छोड़कर टेक्स्टिंग शुरू कर दी)।
- स्टाइल टेस्ट: कुछ रिपोर्ट लंबी, बिखरी हुई पैराग्राफ (नैरेटिव) थीं, जबकि अन्य व्यवस्थित, खाली स्थान भरने वाले फॉर्म (सिनोप्टिक) थीं।
- स्विच टेस्ट: उन्होंने "स्मार्ट इंटर्न" को अग्नाशय के कैंसर के लिए प्रशिक्षित किया, फिर बिना दोबारा प्रशिक्षण के उससे स्तन कैंसर के बारे में पूछा।
उन्होंने क्या पाया (मुख्य निष्कर्ष)
"स्मार्ट इंटर्न" (ब्रिम) की दौड़ में जीत हुई।
- अनुकूलन क्षमता (Adaptability): इसने पुरानी और नई, दोनों तरह की रिपोर्टों को समान रूप से संभाला।
- सामान्यीकरण (Generalization): भले ही इसे केवल अग्नाशय के कैंसर के बारे में सिखाया गया था, फिर भी इसने स्तन कैंसर को लगभग उतना ही अच्छा समझा। इसने समझ लिया कि "ट्यूमर" का अर्थ वही है, भले ही डॉक्टर ने इसे अलग तरह से लिखा हो।
- सुरक्षा: जब इसने गलती की, तो यह आमतौर पर "रूढ़िवादी" (conservative) थी (यानी इसने एक विवरण को छोड़ दिया लेकिन कोई नया तथ्य मनगढ़ंत नहीं बनाया)। चिकित्सा में, एक विवरण को छोड़ देना और मानव द्वारा उसकी जांच करवाना अक्सर सुरक्षित होता है, बजाय इसके कि कोई फर्जी विवरण बनाकर घबराहट पैदा की जाए।
"कीवर्ड डिटेक्टिव" (डीपफी) संघर्ष करता रहा।
- जब रिपोर्ट पूरी तरह से स्ट्रक्चर्ड नहीं थी, तो यह बिखर गया।
- इसने डेटा बनाया (फॉल्स पॉजिटिव), जो एक मेडिकल सेटिंग में खतरनाक है।
- जब कैंसर के प्रकार को बदला गया, तो यह अच्छी तरह से अनुकूलित नहीं हो सका।
गति
दोनों रोबोट तेज़ थे। वे एक रिपोर्ट को 5 सेकंड से कम समय में प्रोसेस कर सकते थे। जटिल रिपोर्टों पर "स्मार्ट इंटर्न" थोड़ा धीमा था, लेकिन दोनों ही इंसानों की तुलना में हजारों गुना तेज़ थे।
निचोड़
यह अध्ययन बताता है कि कैंसर डेटा का भविष्य केवल अधिक कंप्यूटर होने के बारे में नहीं है; यह अधिक स्मार्ट कंप्यूटरों के बारे में है जो केवल कीवर्ड खोजने के बजाय संदर्भ को पढ़ और समझ सकें।
भविष्य के लिए उपमा:
एक ऐसे अस्पताल की कल्पना करें जहाँ "स्मार्ट इंटर्न" प्रत्येक पैथोलॉजी रिपोर्ट को लिखे जाने के तुरंत बाद पढ़ लेता है। वह 95% डेटा फॉर्म अपने आप भर देता है। फिर, एक मानव विशेषज्ञ (ट्यूमर रजिस्ट्रार) को केवल उन 5% मामलों की समीक्षा करनी होती है जहाँ AI अनिश्चित था या रिपोर्ट अजीब थी। यह एक ऐसे काम को जो घंटों लेता है, मिनटों के काम में बदल देता है, जिससे इंसान डेटा एंट्री के बजाय जटिल मामलों पर ध्यान केंद्रित कर पाते हैं।
संक्षेप में: AI मदद के लिए तैयार है, लेकिन इसे उस तरह का AI होना चाहिए जो भाषा को समझता है, न कि केवल शब्दों को खोजता है।
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।