Natural Language Processing Based Solution for Labeling Brain Metastasis Identified in Radiology Reports
इस अध्ययन ने तीन कनाडाई प्रांतों में रेडियोलॉजी रिपोर्टों में ब्रेन मेटास्टेसिसस (brain metastases) की सटीक पहचान करने के लिए Bio_ClinicalBERT मॉडल्स का उपयोग करके एक नेचुरल लैंग्वेज प्रोसेसिंग पाइपलाइन विकसित और मान्य किया है, जो उन एसिंक्रोनस (asynchronous) मामलों की स्केलेबल जनसंख्या-स्तरीय निगरानी को सक्षम बनाता है जो वर्तमान में कैंसर रजिस्ट्रियों द्वारा कम कैप्चर किए जा रहे हैं।
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 समस्या: घास के ढेर में सुई ढूँढना
कल्पना कीजिए कि एक विशाल पुस्तकालय है जिसमें लाखों किताबें भरी हुई हैं (ये मरीजों के रेडियोलॉजी रिपोर्ट्स हैं)। इन किताबों के भीतर, डॉक्टर मरीजों के मस्तिष्क में जो देखते हैं, उसका वर्णन करते हैं। अधिकांश समय, ये विवरण सामान्य चीजों या अन्य प्रकार के ट्यूमर के बारे में होते हैं।
हालाँकि, एक विशिष्ट, खतरनाक स्थिति है जिसे ब्रेन मेटास्टेसिस (कैंसर जो शरीर के अन्य हिस्सों से मस्तिष्क में फैल गया है) कहा जाता है। यह प्राथमिक ब्रेन ट्यूमर की तुलना में बहुत अधिक बार होता है, लेकिन इसे ट्रैक करना कठिन है। वर्तमान में, "लाइब्रेरियन" (कैंसर रजिस्ट्री) केवल उन मामलों को दर्ज करते हैं जहाँ मस्तिष्क का कैंसर ठीक उसी समय पाया गया था जब मरीज का मुख्य कैंसर पहली बार निदान किया गया था। वे उन मामलों को छोड़ देते हैं जहाँ मस्तिष्क का कैंसर महीनों या वर्षों बाद दिखाई देता है।
इन बाद के मामलों को खोजने के लिए, मानव लाइब्रेरियन को लाइब्रेरी की हर एक किताब को मैन्युअल रूप से पढ़ना होगा। यह एक आवर्धक लेंस (magnifying glass) से घास के हर एक तिनके को देखते हुए घास के ढेर में एक विशिष्ट सुई खोजने की कोशिश करने जैसा है। इसमें बहुत समय लगता है, बहुत अधिक पैसा खर्च होता है, और यह थका देने वाला काम है।
समाधान: एक सुपर-रीडिंग रोबोट
शोधकर्ताओं ने उनके लिए पढ़ने के लिए एक कंप्यूटर प्रोग्राम (एक AI) बनाया है। इस AI को एक सुपर-फास्ट, अथक रोबोट लाइब्रेरियन के रूप में समझें जिसने लाखों मेडिकल किताबें पढ़ी हैं और ठीक से सीखा है कि टेक्स्ट में "ब्रेन मेटास्टेसिस" कैसा दिखता है।
रोबोट कैसे पढ़ता है:
जब एक मानव रेडियोलॉजिस्ट रिपोर्ट लिखता है, तो उसमें आमतौर पर दो मुख्य भाग होते हैं:
- फाइंडिंग्स (Findings): स्कैन में क्या दिख रहा है, इसका एक विस्तृत, चरण-दर-चरण विवरण (जैसे एक जासूस द्वारा हर एक सुराग की सूची बनाना)।
- इंप्रेशंस (Impressions): डॉक्टर का अंतिम निष्कर्ष या सारांश (जैसे एक जासूस का अंतिम फैसला)।
स्वचालन (automation) के पिछले प्रयास केवल "इंप्रेशंस" (सारांश) को पढ़ते थे। शोधकर्ताओं ने महसूस किया कि यह एक रहस्यमयी उपन्यास का केवल अंतिम पृष्ठ पढ़ने जैसा है; आप बीच के अध्यायों में छिपे महत्वपूर्ण सुरागों को मिस कर सकते हैं।
इसलिए, उन्होंने एक दो-भागों वाली टीम बनाई:
- रोबोट A "फाइंडिंग्स" को पढ़ता है।
- रोबोट B "इंप्रेशंस" को पढ़ता है।
- कैप्टन: यदि चाहे रोबोट A या रोबोट B को लगता है कि ब्रेन मेटास्टेसिस की उच्च संभावना है, तो सिस्टम उस रिपोर्ट को फ्लैग (चिह्नित) कर देता है। यह सुनिश्चित करता है कि वे कुछ भी मिस न करें।
उन्होंने रोबोट को कैसे सिखाया
आप बस रोबोट को चालू नहीं कर सकते और उम्मीद नहीं कर सकते कि वह सब कुछ जान जाएगा। उन्हें इसे एक विशेष प्रशिक्षण पद्धति का उपयोग करके सिखाना था:
- चरण 1 (बुनियादी बातें): उन्होंने उन मरीजों की कई रिपोर्ट एकत्र कीं जिन्हें मस्तिष्क संबंधी समस्याएं थीं। उन्होंने विशेषज्ञों को काम पर रखा जिन्होंने इन रिपोर्टों को पढ़ा और उन्हें लेबल किया कि "हाँ, यह ब्रेन कैंसर है" या "नहीं, यह नहीं है।" उन्होंने इसका उपयोग रोबोट को बुनियादी बातें सिखाने के लिए किया।
- चरण 2 (शिकार): रोबोट को फिर से रिपोर्टों के एक बड़े ढेर को स्कैन करने के लिए कहा गया। उसने अनुमान लगाया कि किनमें ब्रेन कैंसर हो सकता है। शोधकर्ताओं ने उन रिपोर्टों को लिया जिनके बारे में रोबोट अनिश्चित था (कठिन वाले) और मनुष्यों से उन्हें भी लेबल करवाया। इससे रोबोट को "एसिंक्रोनस" (asynchronous) मामलों को पहचानने में मदद मिली (वे मामले जो बाद में दिखाई देते हैं)।
टेस्ट ड्राइव
एक बार जब रोबोट प्रशिक्षित हो गया, तो उन्होंने इसे तीन अलग-अलग कनाडाई प्रांतों में टेस्ट किया: अलबर्टा, ओंटारियो और ब्रिटिश कोलंबिया।
इसे एक कार की टेस्ट ड्राइव की तरह समझें। उन्होंने कार अलबर्टा में बनाई, फिर उसे ओंटारियो के राजमार्गों और ब्रिटिश कोलंबिया की पहाड़ी सड़कों पर चलाया ताकि यह देखा जा सके कि क्या यह अलग-अलग परिस्थितियों में भी ठीक से काम करती है।
- परिणाम: रोबोट "सुइयों" (ब्रेन मेटास्टेससिस) को खोजने में बहुत अच्छा था।
- अपने होम प्रांत (अलबर्टा) में, इसने लगभग 89% मामलों को पकड़ा।
- ओंटारियो में, इसने 92% मामलों को पकड़ा।
- ब्रिटिश कोलंबिया में, इसने 73% मामलों को पकड़ा।
यह एकदम परफेक्ट नहीं था (यह कुछ मामलों को मिस कर गया), लेकिन यह केवल "इंप्रेशंस" अनुभाग को देखने की तुलना में बहुत बेहतर था। "दो-रोबोट टीम" दृष्टिकोण ने रिपोर्ट के केवल एक हिस्से का उपयोग करने की तुलना में काफी अधिक मामले पकड़े।
निचोड़ (The Bottom Line)
शोधकर्ताओं ने एक ऐसा टूल बनाया और टेस्ट किया है जो ब्रेन मेटास्टेसिस के संकेतों को खोजने के लिए हजारों रेडियोलॉजी रिपोर्ट को स्वचालित रूप से स्कैन कर सकता है, जिन्हें पहले मिस कर दिया जाता था।
उनका दावा है कि यह टूल वास्तविक दुनिया में उपयोग के लिए तैयार है ताकि कैंसर रजिस्ट्री को मरीजों को बेहतर तरीके से ट्रैक करने में मदद मिल सके। इस "घास के ढेर में सुई" की खोज को स्वचालित करके, वे उम्मीद करते हैं कि वे मानव विशेषज्ञों को अन्य कार्यों के लिए मुक्त कर सकें जबकि यह सुनिश्चित कर सकें कि अधिक से अधिक मरीजों की पहचान और निगरानी की जाए।
महत्वपूर्ण नोट: पेपर में कहा गया है कि यह टूल रिकॉर्ड में इन मामलों को पहचानने और ट्रैक करने में मदद करने के लिए एक उपकरण है। यह यह दावा नहीं करता है कि रोबोट अंतिम चिकित्सा निदान करने या मरीजों का इलाज करने के लिए डॉक्टरों की जगह लेता है; यह एक निगरानी उपकरण (surveillance tool) है जो सिस्टम को पूरी तस्वीर देखने में मदद करता 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।