Development and Bidirectional Cross-Database Validation of a Machine Learning Model for Predicting Invasive Fungal Infection in Critically Ill Patients

आईसीयू (ICU) की कल्पना एक उच्च-दांव वाले नियंत्रण कक्ष के रूप में करें जहाँ डॉक्टर गंभीर रूप से बीमार मरीजों को जीवित रखने के लिए संघर्ष करते हैं। इस अराजक वातावरण में, एक शांत, अदृश्य दुश्मन अक्सर हमला करता है: इनवेसिव फंगल संक्रमण (IFIs)। ये वे हानिरहित एथलीट फुट नहीं हैं जो आपको जिम के लॉकर रूम से मिल सकते हैं; ये शरीर के भीतर गहरे, खतरनाक आक्रमण हैं जो बहुत तेज़ी से घातक हो सकते हैं। समस्या यह है कि वे बहुत चालाक होते हैं। उनके लक्षण—बुखार, कम रक्तचाप, अंगों की समस्या—बिल्की बैक्टीरिया के संक्रमण या सर्जरी के प्रति शरीर की प्रतिक्रिया जैसे ही दिखते हैं। यह आग लगी हुई घास के ढेर में एक विशिष्ट सुई खोजने जैसा है। क्योंकि मानक परीक्षण अक्सर संक्रमण के पूरी तरह से पकड़ बनाने से पहले ही उन्हें पहचान नहीं पाते, इसलिए डॉक्टरों को एक ऐसे तरीके की आवश्यकता है जिससे वे संक्रमण के पूरी तरह फैलने से पहले ही सबसे अधिक जोखिम वाले मरीजों को पहचान सकें।

यहीं पर मशीन लर्निंग (ML) काम आता है। ML को एक सुपर-स्मार्ट डिजिटल जासूस के रूप में सोचें जो एक साथ हजारों मरीज रिकॉर्ड पढ़ सकता है ताकि उन छिपे हुए पैटर्न को खोज सके जिन्हें इंसान मिस कर सकते हैं। वैज्ञानिक इन डिजिटल जासूसों को हृदय विफलता से लेकर सेप्सिस तक, हर तरह के अस्पताल परिणामों की भविष्यवाणी करने के लिए बना रहे हैं। लेकिन एक बड़ी समस्या है: एक विशिष्ट शहर के मामलों पर प्रशिक्षित जासूस दूसरे शहर में भ्रमित हो सकता है जहाँ अलग कानून, भाषाएँ और आदतें हों। यह शोध पत्र ठीक उसी समस्या को संबोधित करता है। यह पूछता है: क्या एक अस्पताल के डेटा से प्रशिक्षित डिजिटल जासूस वास्तव में एक पूरी तरह से अलग अस्पताल में काम कर सकता है? और यदि नहीं, तो क्यों विफल होता है, और हम इसे कैसे ठीक कर सकते हैं?

डिजिटल जासूस का बड़ा परीक्षण

इस अध्ययन में, शोधकर्ताओं ने एक मशीन लर्निंग मॉडल बनाया जो इनवेसिव फंगल संक्रमण के लिए एक प्रारंभिक चेतावनी प्रणाली के रूप में कार्य करता है। उन्होंने दो विशाल डिजिटल पुस्तकालयों का उपयोग किया: MIMIC-IV, जिसमें बोस्टन के एक प्रसिद्ध एकल अस्पताल के रिकॉर्ड शामिल हैं, और eICU, जो संयुक्त राज्य अमेरिका के 208 विभिन्न अस्पतालों का एक विशाल संग्रह है।

टीम ने अपने मॉडल को बोस्टन के डेटा (MIMIC-IV) का उपयोग करके सिखाया। उन्होंने इसे देखने के लिए 50 अलग-अलग सुराग दिए, जैसे मरीज की उम्र, रक्त परीक्षण के परिणाम, आईसीयू में उनका समय, और क्या वे वेंटिलेटर पर थे। मॉडल ने उन सूक्ष्म संकेतों को पहचानने के लिए सीखा कि एक मरीज फंगल संक्रमण विकसित करने वाला है। जब उन्होंने इसे उसी बोस्टन अस्पताल के नए मरीजों पर टेस्ट किया, तो यह शानदार ढंग से काम कर गया, और लगभग 88% बार उच्च-जोखिम वाले मरीजों की सही पहचान की।

"वन-वे स्ट्रीट" का आश्चर्य

यहाँ कहानी वास्तव में दिलचस्प हो जाती है। शोधकर्ताओं ने अपने बोस्टन-प्रशिक्षित मॉडल को 208 अन्य अस्पतालों (eICU) के डेटा पर टेस्ट करने का निर्णय लिया। उन्हें उम्मीद थी कि यह ठीक-ठाक काम करेगा, शायद एकदम सटीक नहीं, लेकिन ठीक-ठाक। इसके बजाय, यह बुरी तरह विफल रहा। मॉडल का प्रदर्शन इतना गिर गया कि यह केवल अनुमान लगाने से भी बदतर था। यह न्यूयॉर्क के नक्शों पर प्रशिक्षित जासूस को टोक्यो के सबवे सिस्टम में नेविगेट करने के लिए भेजने जैसा था; सड़कें अलग थीं, संकेत अलग भाषा में थे, और जासूस पूरी तरह से खो गया।

लेकिन फिर, उन्होंने प्रयोग को उल्टा करके देखा। उन्होंने 208 अस्पतालों (eICU) के डेटा का उपयोग करके एक नया मॉडल प्रशिक्षित किया और उसे अकेले बोस्टन अस्पताल (MIMIC-IV) पर टेस्ट किया। इस बार, इसने बहुत अच्छा काम किया! 208 अस्पतालों के विविध डेटा से प्रशिक्षित मॉडल ने अकेले बोस्टन अस्पताल को सफलतापूर्वक समझ लिया।

इसने सफलता का एक "वन-वे स्ट्रीट" (एकतरफा रास्ता) बना दिया। कई अलग-अलग अस्पतालों पर प्रशिक्षित एक मॉडल एक एकल अस्पताल को संभाल सकता है, लेकिन एक एकल अस्पताल पर प्रशिक्षित मॉडल कई अलग-अलग अस्पतालों को नहीं संभाल सकता।

बोस्टन मॉडल क्यों विफल हुआ?

शोधकर्ताओं ने यह पता लगाने के लिए जासूसों की तरह काम किया कि बोस्टन मॉडल अपने घर छोड़ने पर क्यों विफल हुआ। उन्होंने कुछ "लैंडमाइन्स" (खतरे) पाए जिन्होंने इसे उलझा दिया:

1. स्कोर का बेमेल होना: बोस्टन मॉडल के लिए सबसे महत्वपूर्ण सुराग "SOFA" नामक एक स्कोर था, जो यह मापता है कि मरीज कितना बीमार है (0 से 24 तक)। हालांकि, अन्य 208 अस्पतालों ने "APACHE" नामक एक अलग स्कोर का उपयोग किया (0 से 300 तक)। जब बोस्टन मॉडल ने "50" जैसा नंबर देखा (जो एक मध्यम APACHE स्कोर है), तो उसने सोचा, "ओह, यह एक बहुत बड़ी संख्या है, इस मरीज की हालत बहुत खराब होगी!" क्योंकि उसकी दुनिया में, 50 नामुमकिन था। वह भाषाओं का अनुवाद करना नहीं जानता था।
2. गायब सुराग: बोस्टन मॉडल एक मरीज के आईसीयू यूनिट के प्रकार के बारे में 16 विशिष्ट सुरागों पर निर्भर था। लेकिन अन्य अस्पतालों के रिकॉर्ड में वे विशिष्ट यूनिट प्रकार मौजूद नहीं थे। यह एक ऐसे जासूस की तरह था जो केवल "बैंक डकैती" के मामलों को सुलझाने के लिए प्रशिक्षित है, लेकिन जब उसे "दुकान चोरी" के मामले में भेजा जाता है, तो उसे पता ही नहीं चलता कि क्या करना है क्योंकि वे सुराग गायब थे।
3. अलग परिभाषाएं: बोस्टन टीम ने फंगल संक्रमण को बहुत सख्ती से परिभाषित किया था, जिसके लिए एक पॉजिटिव लैब कल्चर (जैसे पॉजिटिव प्रेगनेंसी टेस्ट) की आवश्यकता थी। अन्य अस्पतालों ने बीमा कोड और दवा के रिकॉर्ड का उपयोग करके इसे अधिक ढीले तौर पर परिभाषित किया था। इसका मतलब था कि मॉडल कभी-कभी उस लक्ष्य को ढूंढ रहा था जिसे खोजने के लिए उसे प्रशिक्षित किया गया था, जबकि लक्ष्य कुछ और था।

समाधान: "द वाइल्ड" में प्रशिक्षण

अध्ययन सुझाव देता है कि एक विश्वसनीय डिजिटल जासूस बनाने के लिए, आपको इसे केवल एक शांत, आदर्श वातावरण में प्रशिक्षित नहीं करना चाहिए। आपको इसे "वाइल्ड" (जंगली/वास्तविक दुनिया) में प्रशिक्षित करने की आवश्यकता है, जहाँ डेटा अव्यवस्थित होता है, नियम बदलते हैं, और सुराग अलग होते हैं। 208 अस्पतालों पर प्रशिक्षित मॉडल ने एक स्थान की विशिष्ट विचित्रताओं को अनदेखा करना और खतरे के सार्वभौमिक संकेतों (जैसे उच्च श्वेत रक्त कोशिका गणना, लंबा आईसीयू प्रवास और रक्तचाप सहायता की आवश्यकता) पर ध्यान केंद्रित करना सीख लिया।

शोधकर्ताओं ने यह भी दिखाया कि यदि आप बोस्टन मॉडल को "APACHE" स्कोर को "SOFA" में अनुवाद करना सिखा दें और गायब सुरागों को हटा दें, तो इसे ठीक किया जा सकता है। लेकिन सबसे आसान रास्ता एक ऐसे मॉडल से शुरू करना है जिसने पहले से ही कई अस्पतालों की अराजकता देखी हो।

भविष्य के लिए इसका क्या अर्थ है

शोध पत्र निष्कर्ष निकालता है कि जबकि मशीन लर्निंग जीवन बचाने के लिए एक शक्तिशाली उपकरण हो सकती है, हम केवल एक मॉडल को एक अस्पताल से दूसरे अस्पताल में कॉपी और पेस्ट नहीं कर सकते और उम्मीद नहीं कर सकते कि यह काम करेगा। यदि हम चाहते हैं कि ये उपकरण वास्तविक दुनिया में सुरक्षित और उपयोगी हों, तो हमें उन्हें पहले कई स्थानों के विविध डेटा पर प्रशिक्षित करना होगा। अध्ययन यह भी रेखांकित करता है कि ये मॉडल "स्क्रीनिंग" टूल के रूप में सबसे अच्छे हैं—जैसे हवाई अड्डे पर मेटल डिटेक्टर। वे आपको यह बताने में बहुत अच्छे हैं कि किसे पूरी तलाशी की आवश्यकता नहीं है (उच्च नेगेटिव प्रेडिक्टिव वैल्यू), लेकिन चूंकि फंगल संक्रमण दुर्लभ होते हैं, इसलिए वे कभी-कभी गलत अलार्म भी बजा सकते हैं।

अंततः, यह शोध बेहतर मेडिकल AI बनाने के लिए एक रोडमैप प्रदान करता है। यह हमें बताता है कि एक मजबूत मॉडल की कुंजी केवल एक स्मार्ट एल्गोरिदम होना नहीं है, बल्कि एक स्मार्ट ट्रेनिंग ग्राउंड होना है जो AI को विभिन्न अस्पतालों की वास्तविक दुनिया के लिए तैयार करे। इससे पहले कि इन उपकरणों का उपयोग हर आईसीयू में किया जाए, उन्हें और अधिक परीक्षण की आवश्यकता है ताकि यह सुनिश्चित हो सके कि वे केवल कंप्यूटर सिमुलेशन में नहीं, बल्कि वास्तविक मरीजों के लिए काम करते हैं।