Feasibility of chronic kidney disease prediction using bilateral kidney ultrasound and foundation model representations
यह पूर्वव्यापी अध्ययन प्रदर्शित करता है कि यूनिवर्सल अल्ट्रासाउंड फाउंडेशन मॉडल (USFM), द्विपक्षीय किडनी अल्ट्रासाउंड छवियों से क्रोनिक किडनी रोग की भविष्यवाणी करने में पारंपरिक डीप लर्निंग आर्किटेक्चर से बेहतर प्रदर्शन करता है, जो परीक्षा स्तर पर 74.49% की संतुलित सटीकता और 84.80% का AUC प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जासूस हैं जो किसी व्यक्ति के शरीर के भीतर एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन सुराग दो सेम के आकार के अंगों, किडनी (वृक्क) के गहरे भीतर छिपे हुए हैं। ये किडनी आपके शरीर के जल उपचार संयंत्र (वॉटर ट्रीटमेंट प्लांट) की तरह काम करती हैं, जो आपके रक्त से कचरे को छानती हैं। कभी-कभी, यह संयंत्र वर्षों में धीरे-धीरे बंद या क्षतिग्रस्त हो जाता है, जिसे क्रोनिक किडनी डिजीज (CKD) के रूप में जाना जाता है। पेचीदा बात यह है कि जब तक नुकसान बहुत अधिक नहीं हो जाता, तब तक यह संयंत्र ठीक से काम करता रहता है, जिससे इसका पता समय रहते नहीं चल पाता। डॉक्टर आमतौर पर रक्त परीक्षणों के माध्यम से पानी की गुणवत्ता की जांच करते हैं, लेकिन वे परीक्षण पढ़ने में कठिन हो सकते हैं और वे पाइपों में आने वाली शुरुआती दरारों को हमेशा नहीं दिखा पाते।
बिना चीर-फाड़ किए किडनी के अंदर देखने के लिए, डॉक्टर अल्ट्रासाउंड का उपयोग करते हैं। अल्ट्रासाउंड को एक चमगादड़ द्वारा सोनार (sonar) के उपयोग की तरह समझें; यह ध्वनि तरंगें भेजता है जो अंगों से टकराकर वापस आती हैं और एक चित्र बनाती हैं। हालाँकि, इन चित्रों को देखना कठिन काम है। यह एक धुंधली खिड़की पर छोटे से खरोंच को पहचानने की कोशिश करने जैसा है; यह काफी हद तक उस व्यक्ति के कौशल पर निर्भर करता है जो कैमरा पकड़े हुए है, और कभी-कभी नुकसान मानवीय आँखों के लिए बहुत सूक्ष्म होता है। यहीं पर एक नया प्रकार का "सुपर-डिटेक्टिव" आता है: आर्टिफिशियल इंटेलिजेंस (AI)। विशेष रूप से, वैज्ञानिक "फाउंडेशन मॉडल्स" बना रहे हैं, जो AI के उन छात्रों की तरह हैं जिन्होंने किसी विशिष्ट मामले को देखने से पहले ही यह समझने के लिए लाखों किताबें पढ़ ली हैं कि चीजें कैसी दिखती हैं। वे पुराने AI मॉडल की तुलना में बहुत तेज़ी से नए करतब सीखने के लिए तैयार हैं, जिन्हें शून्य से शुरुआत करनी पड़ती है। बड़ा सवाल यह है कि क्या यह सुपर-स्मार्ट AI किडनी के इन धुंधले अल्ट्रासाउंड चित्रों को देख सकता है और पुराने तरीकों की तुलना में परेशानी के शुरुआती संकेतों को बेहतर ढंग से पहचान सकता है?
यह शोध पत्र इस प्रश्न का उत्तर देने के प्रयास में किए गए शोधकर्ताओं की टीम की कहानी बताता है। उन्होंने 1,400 से अधिक रोगियों के किडनी अल्ट्रासाउंड चित्रों का एक विशाल संग्रह एकत्र किया। इनमें से कुछ रोगियों को क्रोनिक किडनी डिजीज थी, और कुछ को नहीं। यह सुनिश्चित करने के लिए कि वे निष्पक्ष खेल रहे हैं, उन्होंने केवल एक किडनी को नहीं देखा; उन्होंने बाएं और दाएं दोनों किडनी को देखा, और इस जोड़ी को सुरागों के एक पूर्ण सेट के रूप में माना। उन्होंने यह भी सुनिश्चित किया कि उनका "ग्राउंड ट्रुथ" (ground truth)—वह उत्तर कुंजी जिसका उपयोग वे AI की जांच करने के लिए करते हैं—सख्त हो। उन्होंने केवल एक रक्त परीक्षण के आधार पर अनुमान नहीं लगाया; उन्होंने KDIGO 2024 नामक नियमों के एक सेट का उपयोग किया, जो यह देखता है कि किडनी समय के साथ रक्त को कितनी अच्छी तरह छानती है और मूत्र में प्रोटीन जैसे नुकसान के अन्य संकेतों की जांच करती है।
शोधकर्ताओं ने अपने नए "सुपर-डिटेक्टिव" को, जिसे यूनिवर्सल अल्ट्रासाउंड फाउंडेशन मॉडल (USFM) कहा जाता है, पांच अन्य AI जासूसों के विरुद्ध खड़ा किया। ये अन्य डिटेक्टिव पुराने, प्रसिद्ध प्रकार के AI थे, जिनमें से कुछ बहुत बड़े और भारी थे जिनमें लाखों "न्यूरॉन्स" (वे हिस्से जो सीखते हैं) थे। नया USFM अलग था; यह छोटा था, जिसमें केवल 39,000 प्रशिक्षण योग्य भाग थे, लेकिन इसे दुनिया भर के अल्ट्रासाउंड चित्रों के एक विशाल पुस्तकालय पर प्री-ट्रेन किया गया था।
परिणाम काफी आश्चर्यजनक थे। छोटा USFM डिटेक्टिव वास्तव में विशाल, भारी AI मॉडल से बेहतर प्रदर्शन करता है। जब शोधकर्ताओं ने व्यक्तिगत छवियों पर मॉडल का परीक्षण किया, तो USFM लगभग 73.5% बार सही उत्तर देता था। लेकिन असली जादू तब हुआ जब उन्होंने पूरे "परीक्षण" (दोनों किडनी को एक साथ) को देखा। बाएं और दाएं किडनी के सुरागों को मिलाने से, USFM की सटीकता बढ़कर लगभग 74.5% हो गई, और यह उन लोगों की सही पहचान करने में बहुत अच्छा था जिन्हें बीमारी नहीं थी (विशिष्टता/specificity 63.2%)। पुराने, विशाल AI मॉडल, जैसे कि VGG16, बहुत भारी (134 मिलियन से अधिक पैरामीटर) थे लेकिन वे उतना अच्छा काम नहीं कर सके।
शोध पत्र सुझाव देता है कि यह फाउंडेशन मॉडल विशेष रूप से अल्ट्रासाउंड में उन सूक्ष्म, धुंधली बनावटों (textures) को पहचानने में अच्छा है जिन्हें मानवीय आँखें शायद मिस कर दें। एक उदाहरण में, AI ने गंभीर किडनी रोग वाले रोगी की सही पहचान की, भले ही अल्ट्रासाउंड चित्र मानवीय आँख के लिए लगभग सामान्य दिख रहा था। दूसरे मामले में, AI एक ऐसे रोगी से भ्रमित हो गया जिसमें एक विशिष्ट प्रकार का किडनी नुकसान (मूत्र में उच्च प्रोटीन) था लेकिन स्कैन पर सामान्य दिखने वाली किडनी थी, जो दर्शाता है कि AI की अभी भी सीमाएं हैं।
लेखक सावधानी बरतते हुए कहते हैं कि हालांकि यह बहुत आशाजनक दिखता है, लेकिन यह तो बस शुरुआत है। उन्होंने इसका परीक्षण केवल एक अस्पताल के रोगियों पर किया है, इसलिए उन्हें अभी तक यह नहीं पता है कि क्या यह AI अलग-अलग स्थानों के रोगियों या अलग-अलग अल्ट्रासाउंड मशीनों पर भी उतना ही अच्छा काम करेगा। उन्होंने यह भी उल्लेख किया कि उनका अध्ययन पुराने रिकॉर्डों को देखकर किया गया था, न कि नए रोगियों को वास्तविक समय में देखते हुए। इसलिए, जबकि शोध पत्र यह सुझाव देता है कि ये अल्ट्रासाउंड फाउंडेशन मॉडल किडनी की समस्याओं को पहचानने के लिए एक शक्तिशाली नया उपकरण हैं, यह दावा नहीं करता है कि इसने रहस्य को पूरी तरह से सुलझा लिया है। यह एक बहुत ही तेज नए आवर्धक लेंस (magnifying glass) को खोजने जैसा है जिसे हमें और अधिक जंगलों में परीक्षण करने की आवश्यकता है ताकि हम हर खोए हुए खजाने को खोजने के लिए इस पर भरोसा कर सकें।
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।