GutCore: An Endoscopy Foundation Model for Whole-Case Gastric Cancer Analysis
यह अध्ययन GutCore को प्रस्तुत करता है, जो 5.6 मिलियन एंडोस्कोपिक छवियों पर प्रीट्रेन किया गया एक फाउंडेशन मॉडल है, जो चुनिंदा प्रतिनिधि फ्रेमों पर निर्भर हुए बिना गैस्ट्रिक कैंसर का पता लगाने, आक्रमण की गहराई, बायोमार्कर स्थिति और रोग के निदान के लिए उच्च-सटीक, रोगी-स्तरीय मूल्यांकन प्राप्त करने हेतु संपूर्ण-मामला (whole-case) डेटा को सफलतापूर्वक एकत्रित 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 केवल एक एकल, स्थिर फ्रेम को देखकर किसी फिल्म को समझने की कोशिश कर रहे हैं। आप शैली (genre) का अनुमान लगा सकते हैं, लेकिन आप कथानक, पात्र के विकास और ट्विस्ट एंडिंग को मिस कर देंगे। वर्तमान में अधिकांश मेडिकल एंडोस्कोपी के लिए काम करने वाले कंप्यूटर प्रोग्राम बिल्कुल ऐसे ही काम करते हैं। वे पेट की एक आदर्श तस्वीर को एक समय में देखने के लिए प्रशिक्षित होते हैं ताकि किसी समस्या का पता लगाया जा सके। लेकिन वास्तविक जीवन में, एक डॉक्टर केवल एक फोटो नहीं लेता; वे एक पूरा वीडियो रिकॉर्ड करते हैं, जिसमें दर्जनों कोण, आसपास के ऊतकों (tissue) की बनावट और पेट के हिलने-डुलने के तरीके को कैद किया जाता है। यह नया शोध, जिसका नेतृत्व सैमसंग मेडिकल सेंटर की एक टीम ने किया है, एक बड़ा सवाल पूछता है: क्या हम कंप्यूटर को पेट की जांच के पूरे "मूवी" को देखना सिखा सकते हैं, बजाय इसके कि वह केवल एक सिंगल स्नैपशॉट को घूरता रहे?
इसे करने के लिए, वैज्ञानिकों ने एक "फाउंडेशन मॉडल" की अवधारणा का उपयोग किया। इसे एक बहुत ही बुद्धिमान छात्र के रूप में सोचें जिसने किसी परीक्षा देने से पहले लाखों किताबें पढ़ ली हैं। केवल एक विशिष्ट विषय सीखने के बजाय, यह छात्र भाषा, व्याकरण और कहानी कहने के सामान्य नियमों को सीखता है। मेडिकल इमेजिंग की दुनिया में, एक फाउंडेशन मॉडल एक ऐसा AI है जिसने लाखों एंडोस्कोपिक छवियों को "पढ़ा" है ताकि यह सीख सके कि एक स्वस्थ पेट कैसा दिखता है, एक अजीब सा धब्बा कैसा दिखता है, और शरीर रचना के विभिन्न हिस्से एक-दूसरे से कैसे जुड़े होते हैं। इस अध्ययन का लक्ष्य यह देखना है कि क्या यह "सुपर-स्टूडेंट" एक मरीज की जांच से सभी छवियों को ले सकता है, उन्हें पहेली के टुकड़ों की तरह जोड़ सकता है, और मरीज के समग्र स्वास्थ्य के बारे में एक स्मार्ट अनुमान लगा सकता है, जिसमें यह भी शामिल है कि कैंसर कितना गहरा बढ़ रहा है या यहाँ तक कि यह भविष्यवाणी करना कि वे कब तक जीवित रह सकते हैं।
द होल-केस डिटेक्टिव: गटकोर (GutCore)
शोधकर्ताओं ने एक नया AI सिस्टम बनाया जिसे उन्होंने GutCore नाम दिया। कल्पना कीजिए कि GutCore एक ऐसा जासूस है जो केवल एक अकेले सुराग को नहीं देखता, बल्कि पूरे अपराध स्थल की टेप की समीक्षा करता है। जबकि अन्य AI सिस्टम आमतौर पर विश्लेषण के लिए किसी मानव विशेषज्ञ द्वारा "सर्वश्रेष्ठ" फोटो चुने जाने का इंतजार करते हैं, GutCore पूरे वीडियो को निगल जाता है। यह एक नियमित पेट की जांच से संग्रहीत हर एक छवि को लेता है—औसally प्रति मरीज लगभग 30 फोटो—और उन सभी को एक साथ पचा लेता है।
टीम ने GutCore को दस से अधिक अलग-अलग अस्पतालों से प्राप्त 5.6 मिलियन डी-आइडेंटिफाइड (de-identified) एंडोस्कोपिक छवियों के एक विशाल पुस्तकालय पर प्रशिक्षित किया। यह ऐसा है जैसे AI को लाखों पेट की तस्वीरों की लाइब्रेरी खिलाना ताकि वह बिना यह बताए कि हर एक तस्वीर में वास्तव में क्या देखना है, आंत के अंदर की "भाषा" सीख सके। एक बार प्रशिक्षित होने के बाद, उन्होंने सैमसंग मेडिकल सेंटर के 11,035 मरीजों के एक नए समूह पर GutCore का परीक्षण किया ताकि देखा जा सके कि क्या यह वास्तविक दुनिया के चिकित्सा रहस्यों को सुलझा सकता है।
GutCore ने क्या पाया
परिणाम आश्चर्यजनक रूप से शक्तिशाली थे। जब बात केवल एक स्वस्थ पेट और कैंसर वाले पेट के बीच अंतर बताने की आई, तो GutCore लगभग पूर्ण था, जिसका स्कोर 0.996 था (जहाँ 1.0 एक परफेक्ट स्कोर है)। यह यह पता लगाने में भी बहुत अच्छा था कि क्या कैंसर पेट की दीवार में गहराई तक बढ़ गया है (मस्कुलरिस प्रोप्रिया इनवेजन), जिसका स्कोर 0.960 था।
हालाँकि, AI जादुई नहीं था। जब कार्य कठिन हो गया—जैसे कि एक ऐसे कैंसर और एक ऐसे कैंसर के बीच अंतर करना जो सतह के ठीक नीचे है बनाम जो थोड़ा गहरा हो गया है—तो स्कोर गिरकर लगभग 0.80 हो गया। यह समझ में आता है; एक मानव डॉक्टर की तरह ही, AI के लिए एक बड़ी, स्पष्ट समस्या को पहचानना एक छोटी, सूक्ष्म समस्या की तुलना में आसान होता है।
लेकिन GutCore ने कुछ और भी आश्चर्यजनक किया। इसने केवल चित्रों को देखकर अदृश्य जैविक मार्करों (biological markers) का अनुमान लगाने की कोशिश की।
- EBV स्टेटस: यह अनुमान लगाने में काफी अच्छा था कि क्या कैंसर एपस्टीन-बार वायरस (Epstein-Barr virus) से जुड़ा है, जिसका स्कोर 0.861 था।
- MLH1 लॉस: यह MLH1 लॉस नामक एक विशिष्ट आनुवंशिक परिवर्तन को पहचानने में भी ठीक-ठाक था, जिसका स्कोर 0.822 था।
- HER2 स्टेटस: यह HER2 नामक एक अन्य मार्कर के साथ संघर्ष कर रहा था, जिसका स्कोर केवल 0.648 था।
यह सुझाव देता है कि कुछ जैविक रहस्य पेट की दीवार पर अन्य की तुलना में अधिक स्पष्ट दृश्य निशान छोड़ते हैं। AI ने अनिवार्य रूप से ऐसे पैटर्न "देखे" जिन्हें मानवीय आँखें मिस कर सकती हैं, लेकिन यह पूरी तरह से लैब टेस्ट की जगह नहीं ले सका।
शायद सबसे नाटकीय खोज उत्तरजीविता (survival) के बारे में थी। उन्नत पेट के कैंसर वाले मरीजों के लिए, GutCore ने पूरी जांच को देखा और एक "रिस्क स्कोर" बनाया। इसने सफलतापूर्वक मरीजों को लो-रिस्क और हाई-रिस्क समूहों में विभाजित किया। अध्ययन अवधि के दौरान हाई-रिस्क समूह के मृत्यु की संभावना लो-रिस्क समूह की तुलना में 13.18 गुना अधिक थी। इससे भी अधिक प्रभावशाली बात यह है कि यह उन मरीजों के बीच भी इन समूहों के बीच अंतर कर सका जो पहले से ही एक ही मानक रोग चरण (Stage II या Stage III) में थे, जिससे पता चलता है कि AI ने उन सूक्ष्म विवरणों को देखा जो मानक स्टेजिंग से छूट गए थे।
यह कैसे काम करता है (पर्दे के पीछे का जादू)
यह समझने के लिए कि GutCore ये निर्णय कैसे लेता है, छात्रों की एक कक्षा की कल्पना करें। जब AI किसी मरीज की जांच को देखता है, तो वह हर फोटो के साथ समान व्यवहार नहीं करता है। कुछ फोटो उबाऊ होते हैं (केवल पेट की एक सामान्य तह), जबकि अन्य रोमांचक होते हैं (एक अजीब, उभरा हुआ धब्बा)। GutCore एक विशेष "अटेंशन सिस्टम" का उपयोग करता है यह कहने के लिए, "हे, यह फोटो वास्तव में महत्वपूर्ण है, आइए इस पर 20% ध्यान दें," जबकि उबाऊ वाली चीज़ों को अनदेखा कर देता है।
शोधकर्ताओं ने इन "अटेंशन मैप्स" को देखा और पाया कि जब GutCore ने कैंसर की भविष्यवाणी की, तो वह वास्तव में अजीब, उभरे हुए धब्बों को देख रहा था। जब इसने गहरे आक्रमण (deep invasion) की भविष्यवाणी की, तो इसने उन क्षेत्रों पर ध्यान केंद्रित किया जहाँ पेट की दीवार मोटी और सख्त दिख रही थी। यह ऐसा है जैसे AI फोटो के सटीक स्थान की ओर अपनी उंगली उठाकर कह रहा हो, "समस्या यहीं है।"
निष्कर्ष
यह अध्ययन बताता है कि हमें डॉक्टरों को मजबूर करने की आवश्यकता नहीं है कि वे कंप्यूटर के विश्लेषण के लिए "परफेक्ट" फोटो चुनें। इसके बजाय, हम कंप्यूटर को पूरा शो देखने दे सकते हैं। GutCore ने साबित कर दिया कि एक नियमित जांच से प्राप्त छवियों के पूरे संग्रह को देखकर, एक AI कैंसर का पता लगा सकता है, यह पता लगा सकता है कि यह कितना गहरा जाता है, और यहाँ तक कि प्रभावशाली सटीकता के साथ उत्तरजीविता जोखिमों की भविष्यवाणी भी कर सकता है।
हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक बड़ा कदम है, अंतिम रेखा नहीं। वे इस बात पर जोर देते हैं कि यह एक "रिट्रोस्पेक्टिव" (retrospective) अध्ययन था, जिसका अर्थ है कि उन्होंने पुराने डेटा को देखा। इससे पहले कि GutCore को मरीजों की मदद के लिए वास्तविक अस्पताल में उपयोग किया जा सके, इसे अन्य अस्पतालों से नए, ताज़ा डेटा पर परीक्षण करने की आवश्यकता है ताकि यह साबित हो सके कि यह हर जगह काम करता है। फिलहाल, GutCore एक बहुत ही आशाजनक प्रोटोटाइप है जो दिखाता है कि एंडोस्कोपी का भविष्य केवल एक फोटो चुनने के बारे में नहीं बल्कि पूरी कहानी को समझने के बारे में 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।