📄 संक्रामक रोग

SchistoTrackNet: machine learning for diagnosis of schistosomiasis-associated periportal fibrosis from ultrasound images

यह शोध पत्र SchistoTrackNet प्रस्तुत करता है, जो अल्ट्रासाउंड छवियों से सिस्टोसोमियासिसस-संबद्ध पेरीपोर्टल फाइब्रोसिस की विभिन्न तीव्रताओं का स्वतः निदान करने में सक्षम पहला डीप लर्निंग मॉडल है, जो वैश्विक उन्मूलन प्रयासों में सहायता के लिए कम संसाधन वाले परिवेशों में बड़े पैमाने पर निगरानी हेतु एक स्केलेबल समाधान प्रदान करता है।

मूल लेखक: Ockenden, E. S., Anguajibi, V., Mpooya, S., Ntegeka, B., Mugume, T., Nabatte, B., Kabatereine, N. B., Noble, A., Chami, G. F.

प्रकाशित 2026-06-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ockenden, E. S., Anguajibi, V., Mpooya, S., Ntegeka, B., Mugume, T., Nabatte, B., Kabatereine, N. B., Noble, A., Chami, G. F.

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

एक बड़ी तस्वीर: एक खामोश हत्यारे के लिए एक नई "स्मार्ट आँख"

कल्पना कीजिए कि एक परजीवी है जिसे "ब्लड फ्लूक" (रक्त कृमि) कहा जाता है, जो अफ्रीका के ग्रामीण इलाकों के पानी में रहता है। जब लोग इस पानी को पीते हैं या इसमें तैरते हैं, तो यह परजीवी उनके शरीर के अंदर चला जाता है। समय के साथ, ये परजीवी अंडे देते हैं जो लीवर (यकृत) में फंस जाते हैं, जिससे लीवर में निशान बन जाते हैं और वह सख्त हो जाता है। इस निशान बनने की प्रक्रिया को फाइब्रोसिस (fibrosis) कहा जाता है।

लंबे समय से, डॉक्टर इस बात को समझने के लिए संघर्ष कर रहे हैं कि यह निशान कितना गंभीर है। वे अल्ट्रासाउंड मशीनों का उपयोग करते हैं (जो ध्वनि तरंगों का उपयोग करके शरीर के अंदर की तस्वीरें लेती हैं), लेकिन इन तस्वीरों को पढ़ना अंधेरे में नक्शा पढ़ने जैसा है। इसके लिए वर्षों के प्रशिक्षण की आवश्यकता होती है, और फिर भी, दो अलग-अलग डॉक्टर एक ही तस्वीर को देखकर अलग-अलग राय रख सकते हैं।

यह शोध पत्र SchistoTrackNet पेश करता है, जो एक नया कंप्यूटर प्रोग्राम (एक AI) है जो इन अल्ट्रासाउंड तस्वीरों के लिए एक "सुपर-रीडर" के रूप में कार्य करता है। इसका काम तस्वीरों को देखना और डॉक्टरों को स्वचालित रूप से यह बताना है कि लीवर के निशान की गंभीरता कितनी है, हल्के से लेकर गंभीर तक।

समस्या: "नक्शा" पढ़ना कठिन था

डॉक्टर वर्तमान में लीवर के निशान के निदान के लिए नियामी प्रोटोकॉल (Niamey Protocol) नामक नियमों के एक सेट का उपयोग करते हैं। इस प्रोटोकॉल को एक कलरिंग बुक की तरह समझें जिसमें विशिष्ट पैटर्न होते हैं:

पैटर्न B: थोड़ी धूल या धुंधली रेखाएं (शायद यह परजीवी भी न हो)।
पैटर्न C: रक्त वाहिकाओं के चारों ओर छल्ले या पाइप (हल्का निशान)।
पैटर्न D: मुख्य पाइप के चारों ओर मोटाई (मध्यम निशान)।
पैटर्न E/F: लीवर के किनारे तक पहुँचने वाले बड़े, अवरुद्ध पाइप (गंभीर निशान)।

समस्या यह है कि ये पैटर्न बहुत समान दिखते हैं। एक डॉक्टर तस्वीर देखकर सोच सकता है, "क्या यह एक छल्ला (C) है या एक मोटा पाइप (D)?" क्योंकि तस्वीरों को समझना कठिन है, इसलिए डॉक्टरों को अक्सर अपना काम दोबारा जांचने के लिए दूसरे विशेषज्ञ की आवश्यकता होती है। लेकिन गरीब, ग्रामीण क्षेत्रों में, यह दोबारा जांच करने के लिए पर्याप्त विशेषज्ञ नहीं हैं।

समाधान: कंप्यूटर को देखना सिखाना

शोधकर्ताओं ने ग्रामीण युगांडा के लोगों से 1,533 अल्ट्रासाउंड तस्वीरें एकत्र कीं। उन्होंने इन तस्वीरों का उपयोग एक कंप्यूटर मस्तिष्क (एक डीप लर्निंग मॉडल) को विभिन्न पैटर्न को पहचानने के लिए प्रशिक्षित करने के लिए किया।

उन्होंने पांच अलग-अलग प्रकार के कंप्यूटर मस्तिष्क का परीक्षण किया:

SchistoTrackNet: यह विशेष था। लीवर के निशान के बारे में सीखने से पहले, इसे भ्रूण (fetus) की तस्वीरों (एक अलग डेटासेट से) पर पहले से प्रशिक्षित किया गया था। यह एक ऐसे मैकेनिक को काम पर रखने जैसा है जो पहले से जानता है कि इंजन कैसे काम करते हैं, और फिर उसे विशेष रूप से आपकी कार के बारे में सिखाया जाता है।
SchistoTrackNet-Random: डिज़ाइन समान है, लेकिन बिना किसी पूर्व ज्ञान के शुरू हुआ (जैसे एक मैकेनिक जो अभी-अभी स्कूल से स्नातक हुआ हो)।
तीन "ट्रांसफॉर्मर" मॉडल: ये नए प्रकार के AI हैं जो टुकड़ों में देखने के बजाय पूरी तस्वीर को एक साथ देखते हैं।

परिणाम: कंप्यूटर बनाम मानव

शोधकर्ताओं ने इन कंप्यूटर मस्तिष्क का परीक्षण नई तस्वीरों पर किया जिन्हें उन्होंने पहले कभी नहीं देखा था। यहाँ क्या हुआ:

विजेता: SchistoTrackNet सबसे अच्छा था। इसने लगभग 82% बार सही निदान किया।
तुलना: शोधकर्ताओं ने एक दूसरे मानव डॉक्टर से भी तस्वीरों को देखा (पहले डॉक्टर द्वारा ली गई तस्वीरों के बाद, बिना यह जाने कि पहले डॉक्टर ने क्या कहा था)।
- दो मानव डॉक्टर केवल 54% बार एक-दूसरे से सहमत हुए।
- कंप्यूटर (SchistoTrackNet) पहले डॉक्टर के साथ 77% बार सहमत हुआ।

उपमा (Analogy): कल्पना कीजिए कि दो लोग एक फोटो में अलग-अलग प्रकार के बादलों को पहचानने की कोशिश कर रहे हैं। वे अक्सर इस बात पर बहस करते हैं कि यह "क्यूमुलस" है या "स्ट्रेटस"। कंप्यूटर, हालांकि, फोटो को देखता है और कहता है, "यह निश्चित रूप से क्यूमुलस है," और वह पहले व्यक्ति के साथ बहुत अधिक बार सहमत होता है।

कंप्यूटर ने कहाँ गलती की (और कहाँ सही)

कंप्यूटर स्वस्थ लीवर और गंभीर निशान को पहचानने में बहुत अच्छा था। हालाँकि, यह उन पैटर्न के बीच भ्रमित हो गया जो दिखने में समान हैं, विशेष रूप से:

पैटर्न B (धुंधली रेखाएं) बनाम पैटर्न C2 (छल्ले)।
पैटर्न E/F (गंभीर रुकावट) बनाम पैटर्न C2।

शोध पत्र में उल्लेख है कि यह भ्रम इसलिए होता है क्योंकि ये पैटर्न अक्सर लीवर के एक ही "कोण" या दृश्य में दिखाई देते हैं। यह एक ही स्थान पर रखे लाल गेंद और लाल सेब के बीच अंतर करने की कोशिश करने जैसा है; कंप्यूटर (और मानव) कोण के कारण भ्रमित हो जाता है, न कि वस्तु के कारण।

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

शोध पत्र का दावा है कि यह पहली बार है जब किसी कंप्यूटर को इस विशिष्ट प्रकार के लीवर के निशान (जो इस परजीवी के कारण होते हैं) के बीच अंतर करने के लिए बनाया गया है।

यह एक "सेकंड रीडर" है: कंप्यूटर एक "दूसरी जोड़ी आँखों" के रूप में कार्य कर सकता है जो निदान की पुष्टि करने में मदद करता है, जो अत्यंत महत्वपूर्ण है क्योंकि मानव डॉक्टर अक्सर असहमत होते हैं।
यह वास्तविक जीवन को संभालता है: कंप्यूटर तब भी अच्छा काम करता है जब मरीजों ने उपवास (fasting) नहीं किया हो (जिससे पेट में गैस बनती है जो दृश्य को बाधित करती है), या फैटी लीवर हो, या वे गर्भवती हों। यह इन अतिरिक्त कारकों से भ्रमित नहीं हुआ।
यह अभी भी पूर्ण नहीं है: शोध पत्र स्वीकार करता है कि इसे अन्य देशों के डेटा और सस्ते अल्ट्रासाउंड मशीनों के साथ और अधिक परीक्षण की आवश्यकता है, इससे पहले कि इसे वास्तविक क्लीनिकों में उपयोग किया जा सके।

सारांश

SchistoTrackNet को अफ्रीका के ग्रामीण इलाकों में डॉक्टरों के लिए एक नए, अत्यधिक प्रशिक्षित सहायक के रूप में समझें। यह लीवर की अल्ट्रासाउंड तस्वीरों को देखता है और कहता है, "यह हल्का निशान है," या "यह गंभीर निशान है।" यह उस दूसरे मानव डॉक्टर की तुलना में कम गलतियाँ करता है जो केवल एक फोटो से अनुमान लगाने की कोशिश कर रहा है। हालाँकि इसे अभी भी और अभ्यास की आवश्यकता है, यह डॉक्टरों को एक खतरनाक बीमारी का निदान करने में मदद करने का एक आशाजनक तरीका प्रदान करता है जिसे पहचानना वर्तमान में कठिन है।

SchistoTrackNet का तकनीकी सारांश

समस्या विवरण
यकृत फाइब्रोसिस (liver fibrosis) निम्न- और मध्यम-आय वाले देशों (LMICs) में मृत्यु दर और विकलांगता का एक प्रमुख कारण है, जिसमें उप-सहारा अफ्रीका में आंतों के सिस्टोसोमियासिस (विशेष रूप से Schistosoma mansoni) को ऐतिहासिक रूप से कम करके आंका गया है। जबकि विश्व स्वास्थ्य संगठन (WHO) का लक्ष्य 2030 तक सिस्टोसोमियासिस को सार्वजनिक स्वास्थ्य समस्या के रूप में समाप्त करना है, वर्तमान दिशा-निर्देश रुग्णता (morbidity) के प्रॉक्सी के रूप में संक्रमण की तीव्रता पर निर्भर करते हैं, बावजूद इसके कि साक्ष्य दर्शाते हैं कि वर्तमान संक्रमण स्तर और यकृत फाइब्रोसिस के बीच कोई सहसंबंध नहीं है। सिस्टोसोमियासिस-जुड़े पेरीपोर्टल फाइब्रोसिस (PPF) के निदान के लिए नाइमी प्रोटोकॉल (Niamey protocol) पर निर्भर किया जाता है, जो B-मोड अल्ट्रासाउंड इमेजिंग का उपयोग करता है। हालांकि, इस प्रोटोकॉल के लिए व्यापक विशेषज्ञता और विविध फाइब्रोटिक पैटर्न के अनुभव की आवश्यकता होती है, जो अक्सर स्थानिक क्षेत्रों में उपलब्ध संसाधनों की कमी के कारण कठिन होता है। इसके अलावा, PPF की गंभीरता के विभेदक निदान (differential diagnosis) के लिए स्वचालित, नैदानिक रूप से मान्य उपकरणों में एक महत्वपूर्ण अंतर है। इस क्षेत्र में मौजूदा डीप लर्निंग अनुप्रयोग सीमित हैं, बहुत कम अध्ययनों ने निदान को मान्य करने के लिए 'सेकंड रीडर' का उपयोग किया है, और ज्ञात मॉडलों में से कोई भी सिस्टोसोमिक PPF के विशिष्ट, भिन्न होते गंभीरता पैटर्नों के बीच अंतर करने में सक्षम नहीं है।

कार्यप्रणाली (Methodology)
इस अध्ययन में SchistoTrack कोहोर्ट अध्ययन के डेटा का उपयोग किया गया, जिसमें युगांडा (पाक्वाच, बुलीसा और मयुगे) के तीन ग्रामीण जिलों से 1,533 प्रतिभागी (आयु 5-84 वर्ष) शामिल थे। अल्ट्रासाउंड छवियां C5-2 कर्विलिनियर ट्रांसड्यूसर के साथ फिलिप्स लुमिफाई (Philips Lumify) सिस्टम का उपयोग करके प्राप्त की गईं। डेटासेट में यकृत फाइब्रोसिस पैटर्न की 3,710 क्यूरेटेड छवियां और स्वस्थ प्रतिभागियों के 400 फ्रेम (100 स्वस्थ व्यक्तियों के वीडियो स्वीप से प्राप्त, क्योंकि स्वस्थ यकृत के लिए स्थिर छवियां कैप्चर नहीं की गई थीं) शामिल थे।

शोधकर्ताओं ने 6-क्लास वर्गीकरण समस्या के लिए पांच डीप लर्निंग मॉडल विकसित और मूल्यांकित किए:

SchistoTrackNet: एक कनवल्शनल न्यूरल नेटवर्क (CNN) जो PULSENet एनकोडर (भ्रूण अल्ट्रासाउंड शरीर रचना पर प्री-ट्रेन्ड) का उपयोग करता है और जिसे सुपरवाइज्ड कॉन्ट्रास्टिव (SupCon) लॉस के साथ इनिशियलाइज किया गया है।
SchistoTrackNet-Random: SchistoTrackNet के समान आर्किटेक्चर वाला एक CNN, लेकिन रैंडम वेट इनिशियलाइजेशन के साथ।
ViT-SupCon, ViT-Focal, ViT-CE: तीन विजन ट्रांसफॉर्मर (ViT) मॉडल जिन्हें ImageNet वेट्स के साथ इनिशियलाइज किया गया था, और क्रमशः SupCon लॉस, Focal लॉस, और Cross-Entropy लॉस का उपयोग करके प्रशिक्षित किया गया था।

इन मॉडलों को 10-फोल्ड क्रॉस-वैलिडेशन (प्रतिभागी द्वारा स्ट्रैटिफाइड) का उपयोग करके प्रशिक्षित किया गया और एक होल्ड-आउट टेस्ट सेट पर मूल्यांकित किया गया। प्रदर्शन का आकलन सटीकता (accuracy), बैलेंस्ड एक्यूरेसी, F1-स्कोर, संवेदनशीलता (sensitivity), विशिष्टता (specificity) और कोहेन के $\kappa$ (Cohen's $\kappa$ ) का उपयोग करके किया गया। मॉडलों की तुलना एक "सेकंड सोनोग्राफर" के विरुद्ध की गई, जिसने ब्लाइंडेड सेटिंग में (बिना रोगी के संदर्भ के) छवियों को फिर से पढ़ा ताकि एक वैलिडेशन परिदृश्य का अनुकरण किया जा सके। इसके अतिरिक्त, मॉडल एक्टिवेशन और व्याख्यात्मकता (interpretability) को विज़ुअलाइज़ करने के लिए GRAD-CAM और अटेंशन रोलआउट तकनीकों का उपयोग किया गया।

मुख्य परिणाम

मॉडल प्रदर्शन: SchistoTrackNet ने टेस्ट सेट पर सभी मॉडलों में उच्चतम प्रदर्शन प्राप्त किया, जिसकी सटीकता 0.8222, बैलेंस्ड एक्यूरेसी 0.8121 और F1-स्कोर 0.8223 थी। सांख्यिकीय विश्लेषण (Friedman's $\chi^2$ -test) ने मॉडलों के बीच प्रदर्शन में महत्वपूर्ण अंतर दर्शाया, जहाँ SchistoTrackNet ने F1-स्कोर में ViT-Focal और ViT-CE को पछाड़ दिया।
मानव रीडर्स के साथ तुलना: SchोTrackNet ने फील्ड सोनोग्राफर के साथ उच्च सहमति (Cohen's $\kappa$ = 0.772) प्रदर्शित की, बजाय इसके कि दूसरे सोनोग्राफर की फील्ड सोनोग्राफर के साथ कितनी सहमति थी ( $\kappa$ = 0.54)। मॉडल ने अधिकांश पैटर्न के लिए दूसरे सोनोग्राफर द्वारा सहमत छवियों की तुलना में अधिक छवियों को सही ढंग से वर्गीकृत किया।
पैटर्न विशिष्टता: मॉडल ने D पैटर्न के लिए उच्च संवेदनशीलता (91.4%) और B, C1, और D पैटर्न के लिए उच्च पॉजिटिव प्रेडिक्टिव वैल्यूज (PPV) दिखाई। हालांकि, समान ट्रांसवर्स व्यू (B, C2, और E/F) साझा करने वाले पैटर्न के बीच भ्रम बना रहा, जो मानव रीडर्स में देखे गए भ्रम को ही दर्शाता है।
मजबूती (Robustness): रोगी-स्तरीय कारक जैसे आयु, लिंग, उपवास की स्थिति, गर्भावस्था और सह-रुग्णता (हेपेटाइटिस बी, फैटी लिवर) का मॉडल त्रुटि दरों पर बहुत कम या कोई महत्वपूर्ण प्रभाव नहीं पड़ा, जो यह सुझाव देता है कि मॉडल सामान्य नैदानिक विविधताओं के प्रति मजबूत हैं।
व्याख्यात्मकता (Interpretability): एक्टिवेशन मैप्स (GRAD-CAM) ने संकेत दिया कि मॉडल ने प्रासंगिक शारीरिक विशेषताओं, जैसे कि D पैटर्न के लिए मुख्य पोर्टल वेन (main portal vein) पर ध्यान केंद्रित किया, हालांकि कुछ एक्टिवेशन गैस इंटरफेरेंस या डायाफ्राम वाले क्षेत्रों में भी हुआ।

महत्व और दावे
लेखक दावा करते हैं कि वे सिस्टोसोमिक पेरीपोर्टल फाइब्रोसिस पैटर्न के पूर्णतः स्वचालित, विभेदक वर्गीकरण (differential classification) में सक्षम पहले डीप लर्निंग-आधारित मॉडल प्रस्तुत कर रहे हैं। अध्ययन दर्शाता है कि ये मॉडल विशेषज्ञ मानव सोनोग्राफरों के तुलनीय, और कुछ मेट्रिक्स में बेहतर प्रदर्शन कर सकते हैं, जो कि दूसरे रीडर के रूप में कार्य करते हैं, बावजूद इसके कि उनके पास प्रारंभिक स्कैन के दौरान उपलब्ध रोगी इतिहास या प्रोब पोजीशन जैसा संदर्भ नहीं था।

यह शोध पत्र तर्क देता है कि इन उपकरणों में अल्ट्रासाउंड छवियों की स्वचालित रीडिंग सक्षम करने की क्षमता है, जिससे सिस्टोसोमियासिस रुग्णता की बड़े पैमाने पर निगरानी को सुगम बनाया जा सकता है। इस क्षमता को सिस्टोसोमियासिस को एक सार्वजनिक स्वास्थ्य समस्या के रूप में समाप्त करने के WHO लक्ष्यों को पूरा करने की दिशा में एक आवश्यक कदम के रूप में प्रस्तुत किया गया है। लेखक सुझाव देते हैं कि ये मॉडल संसाधन-सीमित सेटिंग्स में क्षमता निर्माण का समर्थन करने वाले उपकरणों के रूप में कार्य कर सकते हैं और मानक इमेज बैंक एवं प्रशिक्षण सहायता प्रदान करके नाइमी प्रोटोकॉल को अपडेट करने में योगदान दे सकते हैं। अध्ययन सीमाओं को स्वीकार करता है, जिसमें स्वस्थ क्लास के लिए वीडियो फ्रेम का उपयोग, एकल देश और एकल अल्ट्रासाउंड मशीन प्रकार से प्राप्त डेटा, और रोगी के परिणामों पर प्रभाव का आकलन करने के लिए आगे के नैदानिक परीक्षणों की आवश्यकता शामिल है।