Cascade Deep Learning (nnU-Net + ResNet-18) for Meniscus Segmentation and Three-Grade Injury Classification on Knee MRI: A Single-Centre Study with Reader Assistance Evaluation

मानव घुटना इंजीनियरिंग का एक चमत्कार है, जो जोड़ को सहारा देने और उसे स्थिर रखने के लिए मेनिस्काई (menisci) नामक कार्टिलेज के दो सी-आकार (C-shaped) के पैडों पर निर्भर करता है। जब ये पैड फट जाते हैं या घिस जाते हैं, तो इसका परिणाम दर्द, सूजन और गतिशीलता की कमी के रूप में सामने आता है, जिसके लिए अक्सर सर्जरी की आवश्यकता होती है। इन चोटों का निदान करने के लिए, डॉक्टर मैग्नेटिक रेजोनेंस इमेजिंग, या एमआरआई (MRI) पर भरोसा करते हैं, जो घुटने के अंदर के विस्तृत क्रॉस-सेक्शनल चित्र बनाता है। हालांकि, इन छवियों को पढ़ना एक धीमी और कठिन प्रक्रिया है। एक रेडियोलॉजिस्ट को सैकड़ों पतली परतों (slices) को स्कैन करना पड़ता है, और कार्टिलेज की बनावट में उन सूक्ष्म परिवर्तनों को खोजना पड़ता है जो फटने का संकेत देते हैं। यह प्रक्रिया न केवल समय लेने वाली है, बल्कि मानवीय त्रुटियों के प्रति भी संवेदनशील है; दो अलग-अलग डॉक्टर एक ही स्कैन को देख सकते हैं और इस बात पर असहमत हो सकते हैं कि मरीज को मामूली टूट-फूट की समस्या है या गंभीर फटन है जिसके लिए तत्काल मरम्मत की आवश्यकता है। यह विसंगति उपचार में देरी कर सकती है या अनावश्यक प्रक्रियाओं का कारण बन सकती है।

इस प्रक्रिया को तेज़ और अधिक विश्वसनीय बनाने के प्रयास में, शोधकर्ताओं ने कंप्यूटर को ये स्कैन पढ़ना सिखाना शुरू कर दिया है। यह क्षेत्र, जिसे डीप लर्निंग (deep learning) कहा जाता है, इसमें कंप्यूटर प्रोग्रामों को छवियों में पैटर्न पहचानना सिखाया जाता है, ठीक वैसे ही जैसे मानव मस्तिष्क चेहरों को पहचानना सीखता है। लक्ष्य डॉक्टर को बदलना नहीं है, बल्कि एक ऐसा उपकरण बनाना है जो 'दूसरी जोड़ी आँखों' के रूप में कार्य करे, जो चिंता के क्षेत्रों को उजागर करे और एक दूसरी राय दे सके। चीन के एक अस्पताल का एक नया अध्ययन इस बात की जांच करता है कि मेनिस्कस की चोटों के लिए ऐसा सिस्टम कितनी अच्छी तरह काम करता है। शोधकर्ताओं ने एक दो-चरणीय कंप्यूटर सिस्टम बनाया जो पहले एमआरआई स्कैन में मेनिस्कस को ढूंढता है और फिर यह निर्धारित करने के लिए उसका विश्लेषण करता है कि वह स्वस्थ है, क्षय (degeneration) हो रहा है, या फटा हुआ है। उन्होंने इस सिस्टम का परीक्षण सैकड़ों मरीजों पर किया और फिर यह देखा कि यह कम अनुभवी चिकित्सकों को बेहतर और तेज़ निदान करने में कैसे मदद करता है।

शोधकर्ताओं ने एक कंप्यूटर फ्रेमवर्क विकसित किया जो एक विशिष्ट क्रम में काम करता है, बिल्कुल एक टीम की तरह जहाँ एक व्यक्ति वस्तु का स्थान पाता है और दूसरा उसका निरीक्षण करता है। सबसे पहले, सिस्टम एक परिष्कृत एल्गोरिदम का उपयोग करके एमआरआई छवियों को स्कैन करता है और मेनिस्कस के चारों ओर एक सटीक रूपरेखा (outline) खींचता है, जिससे इसे आसपास की हड्डी और तरल पदार्थ से अलग किया जा सके। यह चरण महत्वपूर्ण है क्योंकि यह कंप्यूटर को बताता है कि उसे वास्तव में कहाँ देखना है, जिससे वह बाकी घुटने को अनदेखा कर सके। एक बार जब मेनिस्कस अलग हो जाता है, तो सिस्टम का दूसरा भाग अलग की गई छवि की जांच करता है और चोट को वर्गीकृत करता है। यह स्थिति को तीन श्रेणियों में विभाजित करता है: स्वस्थ, क्षयकारी (घिसावट के लक्षण दिखाना), या ग्रेड-III फटन (एक पूर्ण फटन जिसके लिए अक्सर सर्जरी की आवश्यकता होती है)। इस सिस्टम को चार वर्षों में एकत्र किए गए 608 घुटने के स्कैन के डेटा पर प्रशिक्षित किया गया था, जो सभी एक ही प्रकार की 1.5-टेस्ला एमआरआई मशीन पर लिए गए थे। इन छवियों में आगे-से-पीछे और बगल-से-बगल के दृश्य शामिल थे, जिससे कंप्यूटर मेनिस्कस को कई कोणों से देख सका।

जब शोधकर्ताओं ने सिस्टम का अपने आप परीक्षण किया, तो परिणाम मिले-जुले लेकिन उत्साहजनक थे। स्वस्थ मेनिस्कस को खोजने में कंप्यूटर बहुत अच्छा था, जिसने अधिकांश मामलों में इसकी रूपरेखा सफलतापूर्वक खींची। हालांकि, जब मेनिस्कस घायल था, तो कंप्यूटर रूपरेखा को उतनी सटीकता से नहीं खींच पाया, संभवतः इसलिए क्योंकि फटन ऊतक की आकृति और बनावट को बदल देती है, जिससे इसे पृष्ठभूमि से अलग करना कठिन हो जाता है। इस रूपरेखा बनाने की कठिनाई के बावजूद, चोट का निदान करने की क्षमता ठीक-ठाक थी। जब सामने और बगल के दोनों कोणों के दृश्यों को मिलाया गया, तो कंप्यूटर ने लगभग 74 प्रतिशत बार सही ढंग से पहचाना कि मेनिस्कस फटा हुआ है या नहीं। यह बगल के दृश्य की तुलना में घुटने के सामने के दृश्य को देखकर फटन को पहचानने में बेहतर था। हालांकि सिस्टम अकेले मामूली घिसावट और पूर्ण फटन के बीच पूरी तरह से अंतर नहीं कर सका, लेकिन इसमें गंभीर चोटों को चिह्नित करने की स्पष्ट क्षमता दिखाई दी।

हालांकि, अध्ययन का सबसे महत्वपूर्ण हिस्सा यह नहीं था कि कंप्यूटर अकेले कैसा प्रदर्शन करता है, बल्कि यह था कि उसने मानव डॉक्टरों की मदद कैसे की। शोधकर्ताओं ने दो जूनियर ऑर्थोपेडिक रेजिडेंट्स को नियुक्त किया, जिनमें से प्रत्येक के पास मस्कुलोस्केलेटल छवियों को पढ़ने का तीन साल से कम का अनुभव था, ताकि 100 घुटने के मामलों का निदान किया जा सके। पहले, डॉक्टरों ने बिना किसी सहायता के स्कैन देखे। बाद में, दो सप्ताह के ब्रेक के बाद (यह सुनिश्चित करने के लिए कि उन्हें मामले याद न रहें), उन्होंने फिर से उन्हीं स्कैनों को देखा, इस बार कंप्यूटर की सहायता के साथ। कंप्यूटर ने उन्हें एक 'प्रोबेबिलिटी स्कोर' प्रदान किया जो यह दर्शाता था कि फटन होने की कितनी संभावना है, साथ ही एक विजुअल मैप भी दिया जो मेनिस्कस के उन विशिष्ट क्षेत्रों को उजागर करता था जिन्हें कंप्यूटर संदिग्ध मानता था।

इस मानव-मशीन साझेदारी के परिणाम चौंकाने वाले थे। जब जूनियर डॉक्टर अकेले काम कर रहे थे, तो उन्होंने 0.64 का AUC प्राप्त किया। जब उन्होंने कंप्यूटर के मार्गदर्शन का उपयोग किया, तो उनका प्रदर्शन सुधरकर 0.78 AUC तक पहुँच गया। इससे भी महत्वपूर्ण बात यह थी कि कंप्यूटर ने उन्हें गंभीर फटन पकड़ने में मदद की। बिना मदद के, जूनियर डॉक्टरों ने ग्रेड-III फटन के 40 प्रतिशत मामलों को मिस कर दिया; कंप्यूटर की सहायता से, उन्होंने उनमें से 80 प्रतिशत को पकड़ लिया। इस टूल ने डॉक्टरों को तेज़ भी बनाया। एक एकल मामले का निदान करने में लगने वाला औसत समय लगभग 45 सेकंड से घटकर 28 सेकंड से भी कम हो गया, जो 38 प्रतिशत की कमी है। यह गति वृद्धि यह दर्शाती है कि कंप्यूटर ने डॉक्टरों को अपना ध्यान केंद्रित करने में मदद की, जिससे चोट खोजने में लगने वाला समय कम हो गया। इसके अतिरिक्त, जब दोनों डॉक्टरों ने कंप्यूटर का उपयोग किया, तो उनके बीच का तालमेल भी सुधरा, जिससे पता चलता है कि इस टूल ने एक सुसंगत मानक प्रदान किया जो उनके व्यक्तिगत निर्णयों के अंतर को कम करने में मदद करता है।

अध्ययन यह निष्कर्ष निकालता है कि हालांकि यह कंप्यूटर सिस्टम अभी विशेषज्ञ की जगह लेने के लिए पर्याप्त पूर्ण नहीं है, लेकिन यह एक शक्तिशाली सहायक के रूप में कार्य करता है। यह एक सुरक्षा जाल (safety net) के रूप में कार्य करता है, विशेष रूप से कम अनुभवी चिकित्सकों के लिए, जो उन्हें उन गंभीर चोटों को पहचानने में मदद करता है जिन्हें वे अन्यथा मिस कर सकते थे, और वह भी तेज़ी से। शोधकर्ताओं ने नोट किया कि सिस्टम का प्रदर्शन फटे हुए ऊतक की सटीक सीमाओं को परिभाषित करने की कठिनाई और क्षय एवं शुरुआती फटन के बीच सूक्ष्म दृश्य समानताओं के कारण सीमित था। उन्होंने यह भी बताया कि उनका अध्ययन एक ही अस्पताल में किया गया था, जिसका अर्थ है कि इसे व्यापक रूप से अपनाने से पहले विभिन्न स्थानों के मरीजों और विभिन्न प्रकार की एमआरआई मशीनों पर परीक्षण करने की आवश्यकता है। फिर भी, निष्कर्षों से पता चलता है कि एक अच्छी तरह से डिज़ाइन किया गया कंप्यूटर टूल मानव निर्णय लेने की प्रक्रिया को प्रभावी ढंग से समर्थन दे सकता है, जिससे एक धीमी और परिवर्तनशील प्रक्रिया को तेज़ और अधिक विश्वसनीय बनाया जा सकता है।