Label-Free Threshold Selection for Out-of-Distribution Detection in Liver CT Segmentation

आधुनिक अस्पतालों में, कंप्यूटरों से मानव शरीर के भीतर अंगों की सटीक रूपरेखा खींचने का सूक्ष्म कार्य करने के लिए तेजी से कहा जा रहा है। जब कोई रोगी कंप्यूटेड टोमोग्राफी स्कैन करवाता है, तो एक मशीन हजारों क्रॉस-सेक्शनल चित्र उत्पन्न करती है, और सॉफ्टवेयर को लीवर की पहचान करनी होती है, उसे आसपास के ऊतकों से अलग करना होता है ताकि डॉक्टर उपचार की योजना बना सकें या ट्यूमर का माप ले सकें। हालांकि ये स्वचालित प्रणालियाँ सामान्य स्कैन पर उल्लेखनीय रूप से अच्छा काम करती हैं, लेकिन वे असामान्य शारीरिक संरचना या दुर्लभ छवि गुणों का सामना करने पर लड़खड़ा सकती हैं जो उस डेटा से भिन्न होते हैं जिस पर उन्हें मूल रूप से सिखाया गया था। यदि कंप्यूटर गलत तरीके से एक सीमा खींचता है और कोई ध्यान नहीं देता है, तो एक डॉक्टर दोषपूर्ण जानकारी के आधार पर उपचार का निर्णय ले सकता है। इसे रोकने के लिए, शोधकर्ताओं ने इन अनिश्चित क्षणों को चिह्नित करने के तरीके विकसित किए हैं, जो अनिवार्य रूप से कंप्यूटर को यह कहने का एक तरीका देते हैं कि, "मैं इस एक के बारे में निश्चित नहीं हूँ।" चुनौती ठीक यह पता लगाने की रही है कि बिना किसी मानव विशेषज्ञ द्वारा हजारों छवियों की समीक्षा किए, अलार्म कब बजाना है, क्योंकि यह प्रक्रिया धीमी, महंगी और अक्सर असंभव होती है जब विफलताएं दुर्लभ हों।

द यूनिवर्सिटी ऑफ टेक्सस एमडी एंडरसन कैंसर सेंटर के शोधकर्ताओं की एक टीम ने इन सुरक्षा अलार्मों को सेट करने का एक नया तरीका प्रस्तावित किया है, जो सिस्टम को यह सिखाने के लिए मानव लेबल पर निर्भर नहीं करता है कि विफलता कैसी दिखती है। अपने अध्ययन में, उन्होंने लीवर स्कैन पर ध्यान केंद्रित किया और पूछा कि क्या एक कंप्यूटर केवल अपने स्वयं के सफल कार्य के पैटर्न को देखकर अपनी गलतियों को पहचानना सीख सकता है। सिस्टम को खराब स्कैन के हजारों उदाहरण दिखाने के बजाय कि वह किससे बचना सीखे, उन्होंने सिस्टम को सामान्य, सफल स्कैन के एक बड़े समूह को दिए गए स्कोर का अध्ययन करने दिया। उन्होंने पाया कि अच्छे स्कैन के स्कोर एक अनुमानित गणितीय आकार का पालन करते थे, बिल्कुल वैसे ही जैसे एक बड़ी भीड़ में लोगों की ऊँचाई एक औसत के आसपास केंद्रित होती है। सफलता के इस आकार को मैप करके, वे किसी भी नए स्कैन की पहचान कर सकते थे जो अपेक्षित पैटर्न से बहुत दूर था।

शोधकर्ताओं ने पांच सौ लीवर स्कैन के एक संग्रह पर इस विचार का परीक्षण किया, जिसमें उनके अपने अस्पताल और सात देशों के सत्तर से अधिक विभिन्न चिकित्सा केंद्रों के चित्र शामिल थे। उन्होंने एक ऐसी विधि का उपयोग किया जो कंप्यूटर के आउटलाइन की तुलना कई तरीकों से स्वयं के साथ करती है ताकि एक एकल स्कोर उत्पन्न किया जा सके जो यह दर्शाता है कि सिस्टम कितना आश्वस्त है। जब उन्होंने अपने नए दृष्टिकोण को लागू किया, तो उन्होंने पाया कि वे इन स्कैनों को तीन समूहों में विभाजित कर सकते हैं: कम जोखिम, मध्यम जोखिम और उच्च जोखिम। कम-जोखिम वाले समूह में वे स्कैन शामिल थे जो उन सफल स्कैनों के बहुत समान दिखे जिन्हें सिस्टम ने अध्ययन किया था। उच्च-जोखखिम वाले समूह में वे स्कैन थे जो बहुत अजीब दिखे। महत्वपूर्ण रूप से, मध्यम-जोखिम वाले समूह को किसी भी चीज़ को पकड़ने के लिए डिज़ाइन किया गया था जो समस्या हो सकती है। जब उन्होंने परिणामों की जांच की, तो उन्होंने पाया कि प्रत्येक स्कैन जिसे मानव विशेषज्ञ ने बाद में एक विफलता के रूप में पहचाना था, उसे या तो मध्यम या उच्च-जोखिम श्रेणियों द्वारा पकड़ा गया था। वास्तव में, सिस्टम ने 100% संवेदनशीलता के साथ सभी विफलताओं को पकड़ा, जिसका अर्थ है कि उसने उनमें से एक को भी नहीं छोड़ा, जबकि उसने लगभग 80% अच्छे स्कैनों को सुरक्षित के रूप में सही ढंग से पहचाना।

यह दृष्टिकोण पिछले तरीकों की तुलना में एक महत्वपूर्ण लाभ प्रदान करता है, जिन्हें आमतौर पर यह तय करने के लिए सैकड़ों छवियों की मैन्युअल समीक्षा करने की आवश्यकता होती है कि सुरक्षित स्कैन और खतरनाक स्कैन के बीच रेखा कहाँ खींची जाए। वह मैन्युअल प्रक्रिया एक भारी बोझ है, विशेष रूप से इसलिए क्योंकि खराब स्कैन दुर्लभ होते हैं; सिस्टम को सिखाने के लिए पर्याप्त उदाहरण खोजने में आमतौर पर बहुत समय लगता है। यह नया तरीका इस आवश्यकता को पूरी तरह से दरकिनार करता है। सफल स्कैन के स्कोर पर एक वक्र (curve) फिट करके, शोधकर्ताओं ने एक संदर्भ बिंदु बनाया जो सामान्यता के मानक के रूप में कार्य करता है। कोई भी नया स्कैन जो इस मानक से बहुत दूर का स्कोर उत्पन्न करता है, उसे समीक्षा के लिए चिह्नित किया जाता है। अध्ययन ने दिखाया कि यह विधि तब भी प्रभावी रही जब उन स्कैनों के समूह में, जिनका उपयोग मानक बनाने के लिए किया गया था, खराब उदाहरणों की एक छोटी संख्या थी, जो यह सुझाव देता है कि यह प्रणाली वास्तविक दुनिया के उपयोग के लिए पर्याप्त मजबूत है जहाँ पूर्ण डेटा मिलना कठिन होता है।

शोधकर्ताओं ने विभिन्न प्रकार के स्कोरिंग सिस्टम को संभालने के तरीके भी तलाशे। जबकि एक प्रकार का स्कोर उस गणितीय आकार में पूरी तरह से फिट बैठता था जिसकी वे अपेक्षा कर रहे थे, दूसरे प्रकार का नहीं। उस एक के लिए जो फिट नहीं बैठा, उन्होंने डेटा को पुनर्व्यवस्थित करने के लिए एक अलग तकनीक का उपयोग किया ताकि यह पैटर्न में फिट हो सके, जिससे यह सिद्ध हुआ कि उनका ढांचा विभिन्न विश्वासों को मापने के तरीकों के साथ काम करने के लिए लचीला है। उन्होंने पाया कि दो अलग-अलग थ्रेशोल्ड (सीमाओं) का उपयोग करके, वे सिस्टम को विभिन्न आवश्यकताओं के अनुरूप बना सकते हैं। एक थ्रेशोल्ड को बहुत संवेदनशील होने के लिए सेट किया गया था, जो कुछ अच्छे स्कैनों को संदिग्ध के रूप में चिह्नित करने के बावजूद हर संभावित विफलता को पकड़ लेता है। दूसरा थ्रेशोल्ड अधिक सख्त था, जो उन स्कैनों के एक छोटे समूह की पहचान करता था जो लगभग निश्चित रूप से खराब थे, जो डॉक्टरों को उनके सीमित समय में प्राथमिकता देने में मदद करता है।

अंततः, यह कार्य प्रदर्शित करता है कि कंप्यूटर यह सीख सकते हैं कि उनकी अपनी सीमाओं को कैसे पहचानना है बिना यह स्पष्ट रूप से सिखाए कि गलती क्या है। सिस्टम डॉक्टर की जगह नहीं लेता है; बल्कि, यह एक स्पष्ट, डेटा-संचालित संकेत प्रदान करता है कि किन स्कैनों को करीब से देखने की आवश्यकता है। जटिल संख्याओं को सरल जोखिम श्रेणियों में बदलकर, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो अस्पतालों को स्वचालित इमेजिंग उपकरणों को अधिक सुरक्षित और कुशलता से तैनात करने में मदद कर सकता है। निष्कर्ष बताते हैं कि जैसे-जैसे चिकित्सा में आर्टिफिशियल इंटेलिजेंस आम होता जा रहा है, हम अपनी दुर्लभ विफलताओं से बचने के लिए इसकी अपनी सफलता के पैटर्न पर भरोसा कर सकते हैं, जिससे यह सुनिश्चित होता है कि तकनीक रोगी देखभाल में एक विश्वसनीय साथी बनी रहे।