Swin Transformer for Automated Severity Classification of Aortic Regurgitation from Echocardiographic Images: A Multi-Center Study

कल्पना कीजिए कि आप एक जासूस हैं जो एक घर के अंदर के रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन आप केवल एक छोटी सी, धुंधली खिड़की से झाँक सकते हैं। आप पूरे कमरे को नहीं देख सकते, और रोशनी भी बदलती रहती है। यह कुछ वैसा ही है जैसा डॉक्टर इकोकार्डियोग्राफी नामक अल्ट्रासाउंड तकनीक का उपयोग करके हृदय को देखते समय अनुभव करते हैं। वे हृदय के वाल्वों (जो एक तरफ खुलने वाले दरवाजों की तरह होते हैं) की चलती हुई तस्वीरें बनाने के लिए ध्वनि तरंगों का उपयोग करते हैं। कभी-कभी, एक दरवाजा पूरी तरह से बंद नहीं होता, जिससे रक्त पीछे की ओर लीक होने लगता है। इसे एओर्टिक रिगर्जिटेशन (aortic regurgitation) कहा जाता है। डॉक्टरों को यह अनुमान लगाना होता है कि रिसाव कितना गंभीर है—हल्का, मध्यम या गंभीर—सिर्फ स्क्रीन पर रक्त के प्रवाह के रंगीन पैटर्न को देखकर। लेकिन पेचीदा हिस्सा यह है कि इन धुंधले, रंगीन मानचित्रों को देखना कठिन है। यह इस बात पर निर्भर करता है कि तस्वीर कितनी अच्छी है, डॉक्टर कितना अनुभवी है, और यहाँ तक कि वे कितने थके हुए हैं। दो अलग-अलग डॉक्टर एक ही तस्वीर को देख सकते हैं और रिसाव की गंभीरता पर अलग राय रख सकते हैं।

इसकी मदद के लिए, वैज्ञानिक कंप्यूटर को "डीप लर्निंग" नामक चीज़ का उपयोग करके एक बेहतर जासूस बनाना सिखा रहे हैं। डीप लर्निंग को एक बहुत ही बुद्धिमान छात्र के रूप में समझें जो पैटर्न सीखने के लिए हजारों तस्वीरों को देखता है, ठीक वैसे ही जैसे आप भीड़ में अपने दोस्त को पहचानना सीखते हैं। "ट्रांसफॉर्मर" नामक तकनीक का एक विशिष्ट प्रकार एक ऐसा जासूस है जो न केवल एक बिंदु को देखता है बल्कि यह भी समझता है कि तस्वीर के विभिन्न हिस्से एक-दूसरे से कैसे जुड़े हुए हैं। यह शोध पत्र एक कंप्यूटर को उन हृदय चित्रों को देखने और हमें यह बताने के लिए प्रशिक्षित करने के बारे में है कि रिसाव वास्तव में कितना गंभीर है, ताकि डॉक्टर उपचार के बारे में बेहतर निर्णय ले सकें।

---

बड़ी लीकेज और स्मार्ट जासूस

इस अध्ययन में, चीन के तीन अलग-अलग अस्पतालों के शोधकर्ताओं की एक टीम ने एओर्टिक रिगर्जिटेशन की गंभीरता को ग्रेड करने के लिए एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम बनाने का निर्णय लिया। वे यह देखना चाहते थे कि क्या "स्विन ट्रांसफॉर्मर" (Swin Transformer) नामक एक नया AI, पुराने कंप्यूटर मॉडलों की तुलना में बेहतर काम कर सकता है। हृदय के रिसाव को एक पानी के पाइप के रूप में कल्पना करें जो टैंक में पीछे की ओर स्प्रे कर रहा है। यदि स्प्रे एक मामूली फुहार है, तो यह हल्का है। यदि यह एक स्थिर धारा है, तो यह मध्यम है। यदि यह एक फायरहोज़ (firehose) की तरह है, तो यह गंभीर है। लक्ष्य यह था कि कंप्यूटर इस स्प्रे के एक एकल, स्थिर स्नैपशॉट को देखे और चिल्लाकर कहे, "हल्का!", "मध्यम!", या "गंभीर!"

टीम ने तीन चिकित्सा केंद्रों के 2,575 वयस्क रोगियों के हृदय चित्रों का एक विशाल संग्रह इकट्ठा किया। उन्होंने केवल कोई भी तस्वीर नहीं ली; उन्होंने सावधानीपूर्वक सबसे अच्छे "एपिकल फाइव-चैंबर" (apical five-chamber) दृश्य को चुना, जो एक विशिष्ट कोण है जो एओर्टिक वाल्व और लीकिंग जेट को स्पष्ट रूप से दिखाता है। उन्होंने प्रत्येक तस्वीर को हल्का, मध्यम या गंभीर के रूप में लेबल करने के लिए अमेरिकन सोसाइटी ऑफ इकोकार्डियोग्राफी द्वारा निर्धारित मानक नियमों का उपयोग किया। यह वह "उत्तर कुंजी" थी जिसकी कंप्यूटर को सीखने के लिए आवश्यकता थी।

प्रशिक्षण का खेल: पुराना बनाम नया

अपने नए स्विन ट्रांसफॉर्मर जासूस का परीक्षण करने के लिए, शोधकर्ताओं ने इसे दो पुराने, क्लासिक कंप्यूटर मॉडलों: ResNet18 और VGG के खिलाफ खड़ा किया। ResNet और VGG को "पुराने स्कूल" के जासूसों के रूप में सोचें जो सूक्ष्म विवरणों को पहचानने में माहिर हैं लेकिन कभी-कभी बड़ी तस्वीर को मिस कर देते हैं। दूसरी ओर, स्विन ट्रांसफॉर्मर एक ऐसा जासूस है जो पानी के स्प्रे के विवरणों पर ज़ूम इन कर सकता है और यह देखने के लिए ज़ूम आउट भी कर सकता है कि वह स्प्रे पूरे कमरे में कैसे फिट बैठता है।

उन्होंने अपने डेटा को समूहों में विभाजित किया। पहले, उन्होंने कंप्यूटर को एक अस्पताल (सेंटर A) के चित्रों के एक बड़े सेट पर अभ्यास करने दिया। फिर, उन्होंने उसी अस्पताल के चित्रों के एक नए सेट पर उनका परीक्षण किया ताकि यह देखा जा सके कि उन्होंने कितनी अच्छी तरह सीखा। अंत में, उन्होंने अन्य दो अस्पतालों (सेंटर B और C) के चित्रों का उपयोग करके उनकी "फाइनल परीक्षा" ली, जिन्हें कंप्यूटर ने पहले कभी नहीं देखा था। यह अंतिम चरण महत्वपूर्ण था यह देखने के लिए कि क्या कंप्यूटर विभिन्न मशीनों और विभिन्न डॉक्टरों की शैलियों को संभाल सकता है, या वह भ्रमित हो जाएगा।

परिणाम: किसने टेस्ट पास किया?

परिणाम काफी रोमांचक थे। जब कंप्यूटरों ने उस अस्पताल के चित्रों पर टेस्ट दिया जिस पर उन्होंने अभ्यास किया था, तो तीनों मॉडलों ने बहुत अच्छा प्रदर्शन किया। स्विन ट्रांसफॉर्मर ने 93.36% उत्तर सही दिए, जबकि ResNet18 ने 93.05% और VGG ने 91.71% प्राप्त किए। वे सभी काफी करीब थे।

लेकिन असली जादू नए अस्पतालों के साथ "फाइनल एग्जाम" के दौरान हुआ। यहाँ, पुराने मॉडल लड़खड़ाने लगे। ResNet18 का स्कोर गिरकर 80.81% हो गया, और VGG 87.63% पर आ गया। वे तब संघर्ष करने लगे जब तस्वीरें थोड़ी अलग दिख रही थीं। हालाँकि, स्विन ट्रांसफॉर्मर मजबूत बना रहा और उसने 92.11% का स्कोर बनाया। यह नए, अपरिचित डेटा को संभालने में बहुत बेहतर था।

शोधकर्ताओं ने यह भी देखा कि कंप्यूटर कहाँ गलतियाँ कर रहे थे। पुराने मॉडल अक्सर "मध्यम" लीकेज को "हल्के" या "गर्व" के रूप में, यानी पड़ोसियों के साथ भ्रमित कर देते थे। स्विन ट्रांसफॉर्मर बहुत सटीक था और श्रेणियों को स्पष्ट रखता था। यह सुनिश्चित करने के लिए कि कंप्यूटर केवल अनुमान नहीं लगा रहा है, टीम ने Grad-CAM नामक एक विशेष विज़ुअलाइज़ेशन टूल का उपयोग किया। यह टूल छवि के उन हिस्सों को हाइलाइट करता है जिन्हें कंप्यूटर देख रहा है। परिणामों ने दिखाया कि स्विन ट्रांसफॉर्मर वास्तव में लीकिंग रक्त के रंगीन स्प्रे पर ध्यान केंद्रित कर रहा था, ठीक वैसे ही जैसे एक मानव डॉक्टर करता है, न कि किसी यादृच्छिक बैकग्राउंड शोर पर।

इसका क्या अर्थ है (और क्या नहीं है)

यह अध्ययन सुझाव देता है कि यह स्विन ट्रांसफॉर्मर मॉडल एओर्टिक रिगर्जिटेशन को ग्रेड करने में डॉक्टरों की मदद करने के लिए एक बहुत ही आशाजनक उपकरण है। यह पुराने कंप्यूटर मॉडलों की तुलना में अधिक विश्वसनीय प्रतीत होता है, विशेष रूप से अलग-अलग अस्पतालों की छवियों को देखते समय। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह डॉक्टरों को बदलने वाला कोई जादू का डंडा नहीं है। कंप्यूटर ने केवल लीकेज की एक एकल तस्वीर देखी। वास्तविक जीवन में, डॉक्टरों को कई अलग-अलग कोणों को देखने, रक्त की गति को मापने और हृदय कक्षों के आकार की जांच करने की आवश्यकता होती है ताकि पूर्ण निदान किया जा सके।

शोधकर्ता यह भी बताते हैं कि उनके कंप्यूटर ने विशेषज्ञों द्वारा लेबल की गई छवियों से सीखा है, इसलिए इसने भौतिकी को सीधे मापने के बजाय मानवीय निर्णय की नकल करना सीखा है। उन्होंने बच्चों या बहुत जटिल हृदय दोषों वाले लोगों पर इसका परीक्षण नहीं किया है, इसलिए हमें अभी तक नहीं पता कि यह उन मामलों को कैसे संभालेगा।

संक्षेप में, यह शोध पत्र दिखाता है कि एक नए प्रकार का AI जासूस प्रभावशाली सटीकता और स्थिरता के साथ हृदय के रिसाव को पहचानने में सीख रहा है। यह सुझाव देता है कि भविष्य में, यह उपकरण डॉक्टरों के साथ मिलकर काम कर सकता है, एक दूसरी राय (second opinion) प्रदान कर सकता है ताकि यह सुनिश्चित किया जा सके कि मरीजों को सही उपचार मिले, लेकिन यह अभी पूरी तरह से काम संभालने के लिए तैयार नहीं है।