ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

तकनीकी सारांश: वास्तविक और सिंथेटिक दोनों डेटा के आधार पर मशीन लर्निंग का उपयोग करके ICU मृत्यु दर और LOS भविष्यवाणी मॉडल

समस्या विवरण
कम संसाधन वाले परिवेशों, विशेष रूप से इथियोपिया में, गहन देखभाल इकाई (ICU) के परिणामों के लिए सटीक मशीन लर्निंग (ML) मॉडल विकसित करने में दो प्राथमिक चुनौतियाँ बाधा डालती हैं: उच्च गुणवत्ता वाले प्रशिक्षण डेटा की कमी और महत्वपूर्ण क्लास असंतुलन (class imbalance)। अध्ययन किए गए पांच इथियोपियाई सार्वजनिक अस्पतालों के 10,669 रोगियों के कोहॉर्ट में, मृत्यु दर केवल 13.9% थी, जिससे एक गंभीर असंतुलन पैदा हुआ जो आमतौर पर मॉडलों को बहुसंख्यक वर्ग (उत्तरजीविता/survival) की ओर पक्षपाती बनाता है। इसके अलावा, मानक गंभीरता सूचकांक (जैसे SAPS-II, SOFA) इस संदर्भ में अक्सर लागू नहीं होते हैं क्योंकि विशिष्ट प्रयोगशाला परीक्षणों (जैसे आर्टेरियल ब्लड गैस, बिलीरुबिन) की अनुपलब्धता और समय पर हस्तक्षेप को प्रभावित करने वाले संसाधन संबंधी बाधाएं मौजूद हैं। जबकि डीप लर्निंग आर्किटेक्चर (जैसे Transformers, TCNs) उच्च-संसाधन वाले वातावरण में घने टाइम-सीरीज डेटा के साथ उत्कृष्ट प्रदर्शन करते हैं, वे उन सेटिंग्स में सीमित हैं जहाँ डेटा विरल (sparse), सारणीबद्ध (tabular) और अक्सर पेपर-आधारित होता है। यह अध्ययन उन भविष्य कहने वाले उपकरणों की आवश्यकता को संबोधित करता है जो इन डेटा-सीमित वातावरणों में प्रभावी ढंग से कार्य कर सकें।

कार्यप्रणाली (Methodology)
अध्ययन ने इथियोपिया के पांच सार्वजनिक अस्पतालों (2013–2016 इथियोपियाई कैलेंडर) के डेटा का उपयोग करके एक पूर्वव्यापी तुलनात्मक प्रयोगात्मक डिजाइन (retrospective comparative experimental design) नियोजित किया। डेटासेट में 10,669 वयस्क ICU रिकॉर्ड शामिल थे जिनमें जनसांख्यिकी, महत्वपूर्ण संकेत (vital signs), प्रयोगशाला परिणाम और परिणाम शामिल थे।

1. डेटा प्रीप्रोसेसिंग और संतुलन:

   • प्रमुख प्रशासनिक क्षेत्रों में >20% डेटा की अनुपस्थिति वाले रिकॉर्ड को हटा दिया गया।
   • लुप्त संख्यात्मक मानों को माध्यिका (median) से और श्रेणीबद्ध (categorical) मानों को बहुलक (mode) से भरा गया।
   • क्लास असंतुलन को संबोधित करने के लिए, बहुसंख्यक वर्ग (जीवित बचे लोग) का अंडरसैंपलिंग किया गया, जिससे 2,942 रोगियों का एक संतुलित प्रशिक्षण सेट (50% मृत्यु दर) बनाया गया। इस प्रक्रिया में 7,631 मूल रिकॉर्ड हटा दिए गए।
   • आउटलेयर्स को 1st और 99th पर्सेंटाइल पर कैप किया गया, और श्रेणीबद्ध विशेषताओं को लेबल-एनकोड किया गया।

2. सिंथेटिक डेटा जनरेशन:
   वास्तविक डेटासेट को बढ़ाने के लिए तीन अलग-अलग एल्गोरिदम का मूल्यांकन किया गया:

   • SMOTE-NC (Nominal and Continuous के लिए Synthetic Minority Over-sampling Technique): इसका उपयोग मौजूदा अल्पसंख्यक उदाहरणों और उनके k-निकटतम पड़ोसियों के बीच रैखिक इंटरपोलेशन (linear interpolation) के लिए किया गया। यह गणनात्मक रूप से कुशल (2.1 सेकंड) और नियत (deterministic) है।
   • CTGAN (Conditional Tabular Generative Adversarial Network): एक जेनरेटर-डिस्क्रिमिनेटर आर्किटेक्चर जो जटिल, गैर-रैखिक सारणीबद्ध वितरण के लिए डिज़ाइन किया गया है। यह गणनात्मक रूप से गहन (187.4 सेकंड) और स्टोकेस्टिक (stochastic) है।
   • Variational Autoencoder (VAE): एक संभावabilistic लेटेंट वेरिएबल मॉडल। इस विशिष्ट कार्यान्वयन में यह मिश्रित डेटा प्रकारों के साथ संघर्ष करता रहा, जिसके परिणामस्वरूप खराब प्रदर्शन हुआ।

3. प्रयोगात्मक डिजाइन:
   तीन कॉन्फ़िगरेशन के तहत मॉडलों को प्रशिक्षित किया गया:

   • Real-Only (RO): केवल वास्तविक डेटा पर प्रशिक्षण।
   • Synthetic-Only (SO): केवल सिंथेटिक डेटा पर प्रशिक्षण।
   • Hybrid (HY): 80% वास्तविक और 20% सिंथेटिक डेटा के संयोजन पर प्रशिक्षण।

4. मशीन लर्निंग एल्गोरिदम:
   वर्गीकरण (मृत्यु दर) और रिग्रेशन (ठहराव की अवधि - LOS) दोनों के लिए तीन एल्गोरिदम का परीक्षण किया गया:

   • लॉजिस्टिक रिग्रेशन (बेसलाइन)
   • रैंडम फॉरेस्ट (Random Forest)
   • XGBoost

5. सत्यापन (Validation):
   एक स्ट्रैटिफाइड 80/20 होल्ड-आउट स्प्लिट का उपयोग किया गया, जिसमें टेस्ट सेट (n=589) को अंतिम मूल्यांकन तक अलग रखा गया। प्रदर्शन का आकलन मृत्यु दर के लिए Accuracy, F1-score, AUC और LOS के लिए Mean Absolute Error (MAE) और R² का उपयोग करके किया गया। स्थिरता को 5×5 रिपीटेड स्ट्रैटिफाइड क्रॉस-वैलिडेशन के माध्यम से सत्यापित किया गया।

मुख्य परिणाम

• सिंथेटिक डेटा की गुणवत्ता:

  • CTGAN ने बेहतर डाउनस्ट्रीम उपयोगिता प्रदर्शित की, जिसने एक वास्तविक टेस्ट सेट पर 91.7% सटीकता प्राप्त की (SMOTE-NC के 86.4% के मुकाबले), हालांकि इसके लिए काफी अधिक प्रशिक्षण समय की आवश्यकता थी।
  • VAE भविष्य कहने वाली शक्ति उत्पन्न करने में विफल रहा (51.6% सटीकता, जो रैंडम गेसिंग के बराबर है) और इसे आगे के हाइब्रिड प्रयोगों से बाहर रखा गया।
  • SMOTE-NC उच्च सहसंबंध संरक्षण और गणनात्मक दक्षता का एक व्यावहारिक संतुलन प्रदान करता है।

• मृत्यु दर भविष्यवाणी (Mortality Prediction):

  • हाइब्रिड मॉडल ने लगातार रियल-ओनली और सिंथेटिक-ओनली मॉडलों से बेहतर प्रदर्शन किया।
  • सबसे अच्छा प्रदर्शन करने वाला मॉडल हाइब्रिड कॉन्फ़िगरेशन में CTGAN + XGBoost था, जिसने 0.998 की सटीकता (95% CI: 0.995–1.000), F1-स्कोर 0.996 और AUC 0.99 प्राप्त की।
  • SMOTE-NC + Random Forest ने भी उच्च सटीकता (0.996) प्राप्त की।
  • नोट: लेखक स्पष्ट रूप से चेतावनी देते हैं कि ये उच्च सटीकता आंकड़े एक कृत्रिम रूप से संतुलित टेस्ट सेट (50% मृत्यु दर) पर आधारित हैं और वास्तविक दुनिया के क्लास वितरण को प्रतिबिंबित नहीं करते हैं।

• ठहराव की अवधि (LOS) भविष्यवाणी:

  • हाइब्रिड कॉन्फ़िगरेशन में CTGAN + XGBoost ने सबसे अच्छा प्रदर्शन किया, जिसमें MAE 4.08 दिन (95% CI: 3.58–4.67) और R² 0.601 प्राप्त हुआ।
  • सिंथेटिक-ओनली डेटा पर प्रशिक्षित CTGAN + Random Forest ने आश्चर्यजनक रूप से रियल-ओनली बेसलाइन (MAE 3.76 दिन) से बेहतर प्रदर्शन किया, जो सुझाव देता है कि CTGAN ने नैदानिक रूप से सार्थक टेम्पोरल पैटर्न को सफलतापूर्वक संरक्षित किया।

• विशेषता महत्व (Feature Importance):

  • ऑक्सीजनेशन (Oxygenation) प्रमुख भविष्यवक्ता के रूप में उभरा। ऑक्सीजन की आवश्यकता (r = 0.327) और SpO2 (r = 0.299) शीर्ष-रैंक वाली विशेषताएं थीं।
  • हीमोग्लोबिन ने मृत्यु दर के साथ नगण्य संबंध दिखाया (r = -0.023, रैंक 15/19)।
  • आयु (Age) एक सांख्यिकीय रूप से महत्वपूर्ण भविष्यवक्ता नहीं थी (p = 0.39)।
  • SHAP विश्लेषण ने पुष्टि की कि इस विशिष्ट कोहॉर्ट में ऑक्सीजनेशन चर, हीमोग्लोबिन या आयु की तुलना में मृत्यु दर के जोखिम को अधिक संचालित करते हैं।

महत्व और दावे
यह शोध दावा करता है कि यह तीन प्राथमिक योगदान देता है:

1. तुलनात्मक प्रदर्शन: यह कम संसाधन वाले इथियोपियाई परिवेश में वास्तविक, सिंथेटिक और हाइब्रिड डेटा कॉन्फ़िगरेशन में मशीन लर्निंग मॉडलों का एक व्यवस्थित तुलनात्मक अध्ययन प्रदान करता है।
2. संदर्भ-विशिष्ट भविष्यवक्ता: यह इथियोपियाई ICU संदर्भ के विशिष्ट नैदानिक भविष्यवक्ताओं की पहचान करता है, विशेष रूप से ऑक्सीजनेशन को महत्वपूर्ण कारक के रूप में उजागर करता है और अन्य अध्ययनों में पाए जाने वाले हीमोग्लोबिन और आयु के महत्व को चुनौती देता है।
3. प्रोटोटाइप विकास: इसने स्वास्थ्य हितधारकों के लिए मॉडल अंतर्दृष्टि, विशेषता महत्व और "व्हाट-इफ" परिदृश्यों को विज़ुअलाइज़ करने के लिए एक इंटरैक्टिव स्ट्रीमलिट (Streamlit) प्रोटोटाइप विकसित किया।

लेखक इस बात पर जोर देते हैं कि हाइब्रिड मॉडलिंग (वास्तविक और सिंथेटिक डेटा को जोड़ना) उन संसाधन-सीमित सेटिंग्स में प्रभावी भविष्यवाणी मॉडल बनाने के लिए एक व्यवहार्य समाधान है जहाँ डेटा दुर्लभ और असंतुलित है। उनका तर्क है कि सिंथेटिक डेटा संवर्धन (augmentation) महत्वपूर्ण पूर्वाग्रह पेश किए बिना मॉडल भेदभाव को बेहतर बना सकता है, बशर्ते कि जनरेशन पद्धति (जैसे CTGAN या SMOTE-NC) को डाउनस्ट्रीम उपयोगिता के लिए मान्य किया गया हो।

विनम्रता और सीमाएं
यह शोध नैदानिक तत्परता (clinical readiness) के संबंध में एक विनम्र लहजा बनाए रखता है:

• सत्यापन स्थिति: परिणाम पांच अस्पतालों के आंतरिक सत्यापन (पूर्वव्यापी डेटा) पर आधारित हैं। लेखक स्पष्ट रूप से कहते हैं कि उच्च सटीकता (99.5%) संभवतः कृत्रिम रूप से संतुलित टेस्ट सेट के कारण आशावादी है और इसमें अनदेखे संस्थानों पर बाहरी सत्यापन की कमी है।
• नैदानिक उपयोगिता: प्रोटोटाइप को अनुसंधान प्रदर्शन और परिकल्पना सृजन के लिए एक "प्रूफ-ऑफ-कॉन्सेप्ट" के रूप में वर्णित किया गया है। यह नैदानिक उपयोग के लिए अनुमोदित नहीं है और न ही इसे रोगी देखभाल निर्णयों को सूचित करना चाहिए।
• सामान्यीकरण: निष्कर्ष इथियोपिया के सार्वजनिक तृतीयक अस्पतालों के लिए विशिष्ट हैं और इन्हें बिना पुन: अंशांकन (recalibration) और बाहरी सत्यापन के निजी अस्पतालों, ग्रामीण सुविधाओं या अन्य देशों के लिए सामान्यीकृत नहीं किया जाना चाहिए।
• कारणता (Causality): लेखक स्पष्ट करते हैं कि SHAP मान और विशेषता महत्व जुड़ाव (association) दर्शाते हैं, कारणता (causation) नहीं। देखे गए संबंध (जैसे SpO2 और मृत्यु दर के बीच) अनमापे गए कारकों जैसे हस्तक्षेप के समय और संसाधन उपलब्धता द्वारा प्रभावित होते हैं।

अध्ययन निष्कर्ष निकालता है कि जबकि सिंथेटिक डेटा संवर्धन प्रभावी भविष्य कहने वाले मॉडल बनाने के लिए आशाजनक दिखता है, किसी भी नैदानिक तैनाती से पहले भविष्योन्मुखी बाहरी सत्यापन और कार्यान्वयन विज्ञान परीक्षण अनिवार्य आवश्यकताएं हैं।