A Bibliometric Review of Explainable AI in Diabetes Risk Prediction: Trends, Gaps, and Knowledge Graph Opportunities
1,933 दस्तावेजों का यह बिब्लियोमेट्रिक रिव्यू टाइप 2 मधुमेह जोखिम भविष्यवाणी के लिए मशीन लर्निंग, व्याख्यात्मक एआई (एक्सप्लेनेबल एआई) और नॉलेज ग्राफ को संयोजित करने में एक महत्वपूर्ण अंतराल को प्रकट करता है, जो बेहतर नैदानिक निर्णय सहायता के लिए सांख्यिकीय स्पष्टीकरणों को संरचित नैदानिक मार्गों के साथ जोड़ने हेतु एक नए ढांचे का प्रस्ताव 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
बड़ी तस्वीर: एक "ब्लैक बॉक्स" के साथ मधुमेह (डायबिटीज) की भविष्यवाणी करना
कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि किसे टाइप 2 डायबिटीज (एक गंभीर स्थिति जहाँ शरीर चीनी को प्रबंधित करने में संघर्ष करता है) हो सकती है। वैज्ञानिकों ने शक्तिशाली कंप्यूटर प्रोग्राम (मशीन लर्निंग) बनाए हैं जो किसी व्यक्ति के डेटा—जैसे उनका वजन, उम्र और रक्तचाप—को देखने और यह कहने में अविश्वसनीय रूप से कुशल हैं कि, "हाँ, यह व्यक्ति उच्च जोखिम पर है।"
हालाँकि, एक समस्या है। ये कंप्यूटर प्रोग्राम अति-बुद्धिमान लेकिन मौन जादूगरों की तरह हैं। वे टोपी से खरगोश निकाल देते हैं (एक भविष्यवाणी), लेकिन वे आपको यह नहीं बताते कि उन्होंने यह कैसे किया। वे "ब्लैक बॉक्स" हैं।
डॉक्टरों को जानने की आवश्यकता है कि कंप्यूटर ने वह भविष्यवाणी क्यों की। क्या यह वजन के कारण है? आहार के कारण? या जेनेटिक्स के कारण? बिना स्पष्टीकरण के, डॉक्टर कंप्यूटर पर भरोसा करने में हिचकिचाते हैं। यहीं पर एक्सप्लेनेबल एआई (XAI - व्याख्या योग्य एआई) काम आता है। यह जादूगर को माइक्रोफ़ोन देने जैसा है ताकि वह कह सके, "मैंने खरगोश इसलिए निकाला क्योंकि मैंने आपकी जेब में एक गाजर देखी थी।"
इस शोध पत्र ने क्या किया: एक लाइब्रेरी डिटेक्टिव स्टोरी
इस पेपर के लेखक, थियू एनह वान (Thieu Anh Van) ने एक लाइब्रेरी डिटेक्टिव (पुस्तकालय जासूस) की तरह काम किया। उन्होंने दो विशाल डिजिटल पुस्तकालयों (Scopus और PubMed) की छानबीन की और 2015 से 2026 के बीच प्रकाशित 2,048 शोध पत्रों को देखा।
उनका लक्ष्य तीन मुख्य प्रश्नों का उत्तर देना था:
- यह क्षेत्र कितनी तेजी से बढ़ रहा है? (स्पॉइलर: यह विस्फोट की तरह बढ़ रहा है!)
- यह काम कौन कर रहा है? (चीन, अमेरिका और भारत इस दौड़ में सबसे आगे हैं।)
- वे किन उपकरणों (टूल्स) का उपयोग कर रहे हैं? (स्पष्टीकरण के लिए ज्यादातर "SHAP" और "LIME", और भविष्यवाणियों के लिए "XGBoost"।)
बड़ी खोज: गायब "मानचित्र" (Map)
यहाँ सबसे महत्वपूर्ण खोज दी गई है, जिसे एक उपमा (analogy) के माध्यम से समझाया गया है:
कल्पना कीजिए कि कंप्यूटर प्रोग्राम एक जीपीएस (GPS) है जो आपको अस्पताल तक पहुँचने का सबसे तेज़ रास्ता बताता है।
- भविष्यवाणी (जीपीएस): "500 फीट में बाएं मुड़ें।" (सटीक है, लेकिन शायद आप नहीं जानते कि क्यों)।
- स्पष्टीकरण (XAI): "बाएं मुड़ें क्योंकि आगे का रास्ता अवरुद्ध है।" (बेहतर है, लेकिन यह अभी भी केवल एक ट्रैफिक रिपोर्ट ही है)।
- गायब हिस्सा (नॉलेज ग्राफ्स): शहर के इतिहास और भूगोल का एक विस्तृत मानचित्र (Detailed Map)। यह समझाता है कि रास्ता क्यों अवरुद्ध है (शहर परिषद द्वारा 10 साल पहले शुरू की गई एक निर्माण परियोजना) और यह शहर के बाकी बुनियादी ढांचे से कैसे जुड़ता है।
पेपर ने पाया कि जबकि हर कोई बेहतरीन जीपीएस सिस्टम (भविकीकरण) और ट्रैफिक रिपोर्ट (XAI) बना रहा है, लगभग कोई भी विस्तृत सिटी मैप (नॉलेज ग्राफ्स) का उपयोग नहीं कर रहा है।
- आंकड़ा: 2,048 शोध पत्रों में से, 906 ने "एक्सप्लेनेबल एआई" (ट्रैफिक रिपोर्ट) के बारे में बात की।
- अंतराल (Gap): केवल 17 शोध पत्रों ने "नॉलेज ग्राफ्स" (सिटी मैप) के बारे में बात की।
- अनुपात: यह 53-से-1 का अंतर है। यह कमरे में मौजूद उन लोगों की तरह है जो ड्राइविंग के बारे में बात कर रहे हैं, लेकिन केवल एक व्यक्ति नक्शा पढ़ने के बारे में बात कर रहा है।
यह अंतराल क्यों मायने रखता है?
लेखक का तर्क है कि सिर्फ यह कहना कि "बीएमआई (BMI) का कारण है" (एक सांख्यिकीय तथ्य) एक डॉक्टर के लिए पर्याप्त नहीं है। एक डॉक्टर को बीमारी की कहानी समझने की आवश्यकता होती है।
- वर्तमान एआई: "आपका बीएमआई अधिक है, इसलिए आपको मधुमेह का 78% जोखिम है।"
- गायब "मैप" वाला एआई: "आपका बीएमआई अधिक है। चिकित्सा विज्ञान में, हम जानते हैं कि उच्च बीएमआई 'इंसुलिन रेजिस्टेंस' (आपका शरीर चीनी को अनदेखा करना) की ओर ले जाता है। यह प्रतिरोध, आपके उच्च रक्तचाप के साथ मिलकर, एक ऐसी श्रृंखला बनाता है जो मधुमेह की ओर ले जाती है। यहाँ वह मार्ग है जिस पर आपका शरीर चल रहा है।"
पेपर सुझाव देता है कि एआई में एक नॉलेज ग्राफ (चिकित्सा तथ्यों का एक संरचित मानचित्र) जोड़ने से डॉक्टरों को केवल अंतिम संख्या के बजाय, घटनाओं की श्रृंखला को समझने में मदद मिलेगी। यह एआई को डॉक्टरों के लिए एक बेहतर साथी बनाता है।
प्रस्तावित समाधान: एक थ्री-लेयर केक (Three-Layer Cake)
इसे ठीक करने के लिए, लेखक इन एआई सिस्टमों को बनाने का एक नया तरीका प्रस्तावित करता है, जो एक थ्री-लेयर केक की तरह है:
- निचला स्तर (भविकीकरण): कंप्यूटर अनुमान लगाता है कि कौन जोखिम पर है (XGBoost जैसे मानक उपकरणों का उपयोग करके)।
- मध्यम स्तर (स्पष्टीकरण): कंप्यूटर बताता है कि कौन से नंबर सबसे अधिक महत्वपूर्ण थे (SHAP जैसे टूल्स का उपयोग करके)।
- ऊपरी स्तर (ज्ञान का मानचित्र): कंप्यूटर उन नंबरों को वास्तविक चिकित्सा कहानियों से जोड़ता है। यह कहता है, "उच्च बीएमआई केवल एक नंबर नहीं है; यह एक जैविक श्रृंखला प्रतिक्रिया को ट्रिगर करता है जिसे हम जानते हैं कि मधुमेह का कारण बनता है।"
आम लोगों के लिए इसका "क्या मतलब है?"
- क्षेत्र तेजी से बढ़ रहा है: 2020 के बाद से इस विषय में रुचि आसमान छू गई है।
- "ब्लैक बॉक्स" खुल रहा है: हम कंप्यूटर से यह पूछने में बेहतर हो रहे हैं कि वे निर्णय क्यों लेते हैं।
- अगली सीमा (Frontier): अगला बड़ा कदम केवल कंप्यूटर को स्मार्ट बनाना नहीं है; बल्कि कंप्यूटर को चिकित्सा ज्ञान का उपयोग करके एक बेहतर कहानी सुनाने के योग्य बनाना है।
- एक चेतावनी: इन कंप्यूटरों को प्रशिक्षित करने के लिए उपयोग किया जाने वाला अधिकांश डेटा पुराने, छोटे अध्ययनों (जैसे 1988 के 768 लोगों का एक छोटा नमूना) से आता है। हमें इन नए विचारों को बड़े, आधुनिक आबादी पर टेस्ट करने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि वे केवल अतीत के कुछ लोगों के लिए नहीं, बल्कि सभी के लिए काम करें।
संक्षेप में
यह पेपर एक आह्वान (Call to Action) है। यह कहता है: "हमने मधुमेह की भविष्यवाणी करने और इसके गणित को समझाने के लिए अद्भुत उपकरण बनाए हैं। लेकिन हम सबसे महत्वपूर्ण हिस्से को भूल रहे हैं: गणित को मानव जीव विज्ञान की वास्तविक दुनिया की कहानी से जोड़ना। यदि हम अपने एआई में एक 'मेडिकल नॉलेज मैप' जोड़ते हैं, तो हम डॉक्टरों को बेहतर, सुरक्षित निर्णय लेने में मदद कर सकते हैं।"
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।