Construction of a Multi-Class Intelligent Diagnostic System for Thyroid Follicular Carcinoma, Lymphoma, and Follicular Adenoma Based on Improved Swin-Transformer and Ultrasound Radiomics

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन उंगलियों के निशान या पैरों के निशान के बजाय, आपके सुराग शरीर के भीतर मौजूद सूक्ष्म, टेढ़े-मेढ़े पैटर्न हैं। यह मेडिकल इमेजिंग की दुनिया है, जहाँ डॉक्टर बिना एक भी चीरा लगाए हमारे भीतर झाँकने के लिए ध्वनि तरंगों (अल्ट्रासाउंड) का उपयोग करते हैं। कभी-कभी, थायराइड ग्रंथि में एक गांठ एक हानिरहित उभार जैसी दिखती है, और कभी-कभी वह एक खतरनाक समस्या पैदा करने वाली होती है। पेचीदा बात यह है कि कुछ समस्या पैदा करने वाले तत्व मानक अल्ट्रासाउंड चित्र पर हानिरहित गांठों के लगभग समान दिखते हैं। यह एक हीरे और कांच के बहुत ही विश्वसनीय टुकड़े के बीच अंतर करने जैसा है, जिसे केवल मंद रोशनी में देखकर पहचाना जाए। वर्षों से, डॉक्टरों को अक्सर अनुमान लगाना पड़ता था, जिससे अनावश्यक सर्जरी या छूटे हुए उपचार होते थे। लेकिन अब, वैज्ञानिक कंप्यूटरों को मानव आँखों से भी बेहतर जासूस बनने की शिक्षा दे रहे हैं, जो एक विशेष प्रकार के "डिजिटल मस्तिष्क" का उपयोग करते हैं जो उन पैटर्न को देख सकता है जिन्हें हम नहीं देख सकते।

यह शोध पत्र एक नए, अत्यंत स्मार्ट कंप्यूटर सिस्टम की कहानी बताता है जिसे थायराइड के सबसे कठिन रहस्यों में से एक को सुलझाने के लिए डिज़ाइन किया गया है: तीन विशिष्ट प्रकार की गांठों के बीच अंतर करना जो दिखने में बहुत समान हैं। इनमें से दो कैंसर के विभिन्न प्रकार हैं (एक जिसे फॉलिकुलर कार्सिनोमा कहा जाता है और दूसरा एक दुर्लभ प्रकार का लिंफोमा) और एक हानिरहित वृद्धि (फॉलिकुलर एडेनोमा) है। अंतर बहुत महत्वपूर्ण है क्योंकि दुर्लभ कैंसर को सर्जरी के बजाय दवा की आवश्यकता होती है, जबकि दूसरे कैंसर को सर्जरी की आवश्यकता होती है। शोधकर्ताओं ने एक "डिजिटल जासूस" बनाया है जो दो शक्तिशाली उपकरणों को जोड़ता है: एक उच्च-तकनीकी इमेज एनालाइज़र जो पूरी तस्वीर को देखता है, और एक "टेक्सचर स्कैनर" जो ध्वनि तरंगों के सूक्ष्म विवरणों को गिनता है। उन्होंने इस सिस्टम को 1,200 से अधिक वास्तविक रोगी मामलों का उपयोग करके प्रशिक्षित किया और फिर इसे एक अलग अस्पताल के 260 रोगियों के एक नए समूह पर परीक्षण किया ताकि यह सुनिश्चित हो सके कि यह केवल उत्तरों को रट नहीं रहा है।

परिणाम प्रभावशाली हैं। कंप्यूटर सिस्टम ने पहले परीक्षण में लगभग 91% बार सही प्रकार की गांठ की पहचान की, और नए, अलग समूह के रोगियों पर लगभग 87% बार। यह आज के मानक तरीकों से बेहतर है और यहाँ तक कि सबसे अनुभवी मानव आँखों से भी बेहतर है। जब डॉक्टरों ने कंप्यूटर को एक सहायक के रूप में उपयोग किया, तो उनकी सटीकता लगभग 11 प्रतिशत अंक बढ़ गई, और वे एक-दूसरे के साथ बहुत अधिक सहमत हुए। सिस्टम ने केवल अनुमान नहीं लगाया; इसने अपना काम दिखाया कि इसने अल्ट्रासाउंड इमेज के उन सटीक स्थानों को हाइलाइट किया जहाँ से इसे सुराग मिले, जो विशेषज्ञों द्वारा देखे गए स्थानों से मेल खाते थे। हालांकि शोधकर्ता स्वीकार करते हैं कि उन्हें पूरी तरह से आश्वस्त होने के लिए और भी अधिक लोगों पर और विभिन्न प्रकार की अल्ट्रासाउंड मशीनों के साथ इसका परीक्षण करने की आवश्यकता है, उनके निष्कर्ष बताते हैं कि यह नया उपकरण डॉक्टरों को अनावश्यक सर्जरी से बचने और रोगियों को तेजी से सही उपचार भेजने में मदद कर सकता है।

जासूस का टूलकिट: यह कैसे काम करता है

यह समझने के लिए कि यह नया सिस्टम कैसे काम करता है, कल्पना कीजिए कि आप भीड़ में किसी संदिग्ध की पहचान करने की कोशिश कर रहे हैं। आपके पास इसके दो तरीके हैं:

1. बड़ी तस्वीर: आप पूरे व्यक्ति को देखते हैं, उसकी ऊंचाई और उसके चलने के तरीके को देखते हैं। यह Swin-Transformer करता है। यह एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो संपूर्ण अल्ट्रासाउंड इमेज को देखता है, बड़ी आकृतियों को समझता है और इमेज के विभिन्न हिस्सों के बीच के संबंध को समझता है।
2. सूक्ष्म विवरण: आप उनके कपड़ों की बनावट या उनके जूतों के विशिष्ट पैटर्न पर ज़ूम करते हैं। यह Radiomics करता है। यह इमेज को हजारों सूक्ष्म गणितीय संख्याओं में तोड़ देता है जो बनावट, चमक और ध्वनि तरंगों के पैटर्न का वर्णन करती हैं—ऐसी चीजें जिन्हें मानव आँख नहीं देख सकती लेकिन एक कंप्यूटर गिन सकता है।

पिछले AI सिस्टमों के साथ समस्या यह थी कि वे आमतौर पर इन दोनों सूचनाओं को बस आपस में जोड़ देते थे, जैसे किसी फोटो को संख्याओं की सूची के बगल में चिपका दिया गया हो। कभी-कभी फोटो बहुत "लाउड" होती थी, और संख्याओं की सूची को अनदेखा कर दिया जाता था। या सूची बहुत लंबी होती थी, और फोटो खो जाती थी।

नया "स्मार्ट ग्लू"

लेखकों ने इन उपकरणों को मिलाने का एक नया तरीका ईजाद किया है, जिसे वे Adaptive Weighted Fusion (AWF) कहते हैं। इसे एक स्मार्ट मिक्सर के रूप में सोचें। फोटो और सूची को एक कटोरे में डालने के बजाय, इस मिक्सर में एक विशेष सेंसर होता है। प्रत्येक रोगी के लिए, यह पूछता है: "क्या इस विशिष्ट मामले को बड़ी तस्वीर से अधिक मदद की आवश्यकता है, या सूक्ष्म विवरणों से अधिक मदद की आवश्यकता है?"

• यदि इमेज धुंधली है लेकिन टेक्सचर स्पष्ट है, तो मिक्सर टेक्सचर की आवाज़ (वॉल्यूम) बढ़ा देता है।
• यदि टेक्सचर शोर भरा है लेकिन आकार स्पष्ट है, तो यह आकार की आवाज़ बढ़ा देता है।

यह "स्मार्ट ग्लू" इस बात की अनुमति देता है कि कंप्यूटर प्रत्येक विशिष्ट मामले के लिए सही सुरागों को सुन सके, न कि एक "वन-साइज़-फिट्स-ऑल" दृष्टिकोण अपनाए। उन्होंने कंप्यूटर को बेहतर ध्यान केंद्रित करने में मदद करने के लिए दो विशेष मॉड्यूल भी जोड़े: एक जो इमेज को विभिन्न आकारों पर देखता है (जैसे ज़ूम इन और ज़ूम आउट करना) और दूसरा जो एक स्पॉटलाइट की तरह कार्य करता है, जो इमेज के सबसे महत्वपूर्ण हिस्सों को उजागर करता है और बैकग्राउंड के शोर को अनदेखा करता है।

महान परीक्षण: क्या यह विशेषज्ञों को हरा सकता है?

शोधकर्ताओं ने केवल सिस्टम बनाया ही नहीं; उन्होंने इसे एक कठोर परीक्षण से गुजारा।

• प्रशिक्षण (The Training): उन्होंने सिस्टम को 1,224 रोगियों के डेटा से प्रशिक्षित किया।
• परीक्षण (The Test): उन्होंने उसी अस्पताल के 184 रोगियों के एक नए समूह पर इसका परीक्षण किया।
• वास्तविक दुनिया की जाँच (The Real-World Check): उन्होंने एक अलग अस्पताल के 260 रोगियों पर परीक्षण किया जिनके पास अलग-अलग अल्ट्रासाउंड मशीनें थीं। यह महत्वपूर्ण है क्योंकि यह साबित करता है कि सिस्टम केवल पहले अस्पताल की तस्वीरों को रट नहीं रहा है; यह वास्तव में बीमारी के नियमों को सीख रहा है।

परिणाम:

• सटीकता (Accuracy): कंप्यूटर आंतरिक परीक्षण में 90.76% बार सही था और बाहरी परीक्षण में 87.31% बार।
• बेसलाइन को हराना: यह छह अन्य लोकप्रिय AI तरीकों और बिना विशेष अपग्रेड वाले मानक "Swin-Transformer" की तुलना में काफी बेहतर था।
• मानव सहायता: जब दो वरिष्ठ डॉक्टरों (एक 10 साल के अनुभव के साथ और एक 8 साल के अनुभव के साथ) ने दूसरे विचार के रूप में कंप्यूटर का उपयोग किया, तो उनकी सटीकता औसतन 10.60 प्रतिशत अंक बढ़ गई। कंप्यूटर से पहले, वे एक-दूसरे के साथ लगभग 65% बार सहमत थे; कंप्यूटर के साथ, वे 82% बार सहमत थे।

यह क्यों मायने रखता है (और यह अभी क्या नहीं करता है)

इस कहानी का सबसे रोमांचक हिस्सा यह है कि कंप्यूटर Primary Thyroid Lymphoma (PTL) को पहचानने में विशेष रूप से अच्छा है। यह कैंसर का एक दुर्लभ प्रकार है जो अन्य दो के समान दिखता है लेकिन जिसके लिए सर्जरी के बजाय कीमोथेरेपी की आवश्यकता होती है। यदि कोई डॉक्टर इसे अन्य प्रकारों के रूप में गलती से पहचान लेता है, तो रोगी को बिना कारण चीरा लगाया जा सकता है। कंप्यूटर ने इस दुर्लभ प्रकार की बहुत उच्च सटीकता (आंतरिक परीक्षण में लगभग 97%) के साथ पहचान की, जो सुझाव देता है कि यह एक जीवन रक्षक प्रारंभिक चेतावनी प्रणाली हो सकता है।

हालाँकि, लेखक यह कहने में सावधान हैं कि यह कोई जादुई छड़ी नहीं है जो सब कुछ हल कर देगी।

• यह पूर्ण नहीं है: अभी भी कुछ गलतियाँ हो रही थीं, विशेष रूप से जब कैंसरयुक्त गांठ हानिरहित गांठ के बहुत समान दिख रही थी।
• इसे और डेटा की आवश्यकता है: दुर्लभ लिंफोमा वाले रोगियों का समूह छोटा (मुख्य समूह में 131) था। लेखक कहते हैं कि उन्हें यह सुनिश्चित करने के लिए कि यह सभी के लिए काम करता है, और भी अधिक लोगों पर इसका परीक्षण करने की आवश्यकता है।
• यह एक सहायक है, प्रतिस्थापन नहीं: सिस्टम को डॉक्टरों की सहायता करने के लिए डिज़ाइन किया गया है, उन्हें बदलने के लिए नहीं। सबसे अच्छे परिणाम तब आए जब डॉक्टरों ने अपने स्वयं के काम की दोबारा जाँच करने के लिए कंप्यूटर की सलाह का उपयोग किया।

संक्षेप में, यह शोध पत्र दिखाता है कि कंप्यूटर को बड़ी तस्वीर और सूक्ष्म विवरण दोनों को देखने के लिए सिखाकर, और उन्हें यह तय करने देकर कि प्रत्येक रोगी के लिए कौन से सुराग सबसे अधिक मायने रखते हैं, हम एक ऐसा उपकरण बना सकते हैं जो डॉक्टरों को बेहतर, तेज़ और अधिक सटीक निर्णय लेने में मदद करता है। यह एक उज्ज्वल भविष्य की ओर एक आशाजनक कदम है जहाँ कम से कम लोग अनावश्यक सर्जरी से बचेंगे और अधिक लोगों को तुरंत सही उपचार मिलेगा।