An Interpretable AI Framework for Multiclass Classification of Thalassemia Using Combined CBC and HPLC Biomarkers
यह शोध पत्र एक व्याख्यात्मक मल्टीमॉडल मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जो एक स्टैकिंग एनसेम्बल मॉडल का उपयोग करके थैलेसीमिया के अत्यधिक सटीक (99.89%) और नैदानिक रूप से सुसंगत मल्टीक्लास वर्गीकरण को प्राप्त करने के लिए CBC और HPLC बायोमार्कर को संयोजित करता है, जिसमें SHAP विश्लेषण पुष्टि करता है कि शीर्ष भविष्य कहनेवाला लक्षण मानक नैदानिक मानदंडों के अनुरूप हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
थैलेसीमिया एक वंशानुगत रक्त विकार है जो दुनिया भर के लाखों लोगों, विशेष रूप से दक्षिण एशिया, दक्षिण-पूर्व एशिया और भूमध्यसागरीय क्षेत्रों को प्रभावित करता है। यह तब होता है जब शरीर उन प्रोटीनों का पर्याप्त उत्पादन नहीं कर पाता है जो हीमोग्लोबिन के निर्माण करते हैं, और हीमोग्लोबिन लाल रक्त कोशिकाओं में मौजूद वह पदार्थ है जो ऑक्सीजन ले जाता है। इन प्रोटीनों की पर्याप्त मात्रा के बिना, शरीर स्वस्थ लाल रक्त कोशिकाएं बनाने के लिए संघर्ष करता है, जिससे एनीमिया और अन्य कई स्वास्थ्य जटिलताएं उत्पन्न होती हैं। दशकों से, डॉक्टर सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे रक्त के नमूनों की जांच करके और विभिन्न प्रकार के हीमोग्लोबिन को मापने के लिए विशेष मशीनों का उपयोग करके इस स्थिति का निदान करते आए हैं। हालांकि यह प्रक्रिया सटीक है, लेकिन यह महंगी, समय लेने वाली है और परिणामों को पढ़ने वाले व्यक्तिगत डॉक्टर के कौशल पर बहुत अधिक निर्भर करती है। परिणामस्वरूप, बड़े पैमाने पर आबादी की तेजी से स्क्रीनिंग करना कठिन है, विशेष रूप से उन क्षेत्रों में जहां यह बीमारी सबसे अधिक आम है।
हाल के वर्षों में, वैज्ञानिकों ने इस प्रक्रिया को स्वचालित करने में मदद करने के लिए आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) की ओर रुख किया है। विचार यह है कि कंप्यूटर को रक्त परीक्षण के परिणामों में थैलेसीमिया का संकेत देने वाले पैटर्न को पहचानना सिखाया जाए, ठीक वैसे ही जैसे एक अनुभवी डॉक्टर करता है, लेकिन एक मशीन की गति और निरंतरता के साथ। हालांकि, ऐसा सिस्टम बनाना सरल नहीं है। रक्त परीक्षण डेटा की एक विशाल मात्रा उत्पन्न करते हैं, और बीमारी के विभिन्न प्रकारों के पैटर्न अक्सर एक-दूसरे से मिलते-जुलते होते हैं। इसके अलावा, स्क्रीनिंग किए जा रहे किसी भी बड़े समूह में, अधिकांश लोग स्वस्थ होते हैं, जबकि केवल एक बहुत छोटा हिस्सा ही वास्तव में बीमारी या आनुवंशिक लक्षण से ग्रसित होता है। यह कंप्यूटर प्रोग्रामों के लिए एक कठिन स्थिति पैदा करता है, क्योंकि वे दुर्लभ मामलों को अनदेखा करने लगते हैं और केवल यह अनुमान लगाते हैं कि हर कोई स्वस्थ है क्योंकि अधिकांश समय ऐसा ही होता है।
भारत में एसआर यूनिवर्सिटी और ज्योतिष्मती इंस्टीट्यूट ऑफ टेक्नोलॉजी एंड साइंस के शोधकर्ताओं की एक टीम ने इन विशिष्ट समस्याओं को हल करने के लिए एक नया फ्रेमवर्क विकसित किया है। उन्होंने एक ऐसा कंप्यूटर सिस्टम बनाया है जिसे दो अलग-अलग प्रकार के रक्त परीक्षण परिणामों को एक साथ देखने के लिए डिज़ाइन किया गया है: एक मानक पूर्ण रक्त गणना (कम्प्लीट ब्लड काउंट), जो लाल रक्त कोशिकाओं के आकार और संख्या को मापता है, और एक अधिक विस्तृत परीक्षण जिसे हाई-परफॉर्मेंस लिक्विड क्रोमैटोग्राफी कहा जाता है, जो हीमोग्लोबिन के विशिष्ट अंशों को अलग करता है और मापता है। इन दोनों सूचना स्रोतों को जोड़कर, शोधकर्ताओं का लक्ष्य एक ऐसा मॉडल बनाना था जो न केवल बीमारी का पता लगा सके, बल्कि तीन अलग-अलग समूहों के बीच अंतर भी कर सके: वे लोग जो स्वस्थ हैं, वे लोग जो आनुवंशिक लक्षण के वाहक हैं (और इसे अपने बच्चों को दे सकते हैं), और वे लोग जिनमें बीमारी का सक्रिय, गंभीर रूप मौजूद है।
शोधकर्ताओं ने 13,000 से अधिक रोगियों के रिकॉर्ड वाले एक विशाल डेटासेट के साथ शुरुआत की। इस संग्रह में नौ प्रमुख रक्त संकेतकों (मार्कर) के विस्तृत माप के साथ-साथ आयु और लिंग जैसी जनसांख्यिकीय जानकारी भी शामिल थी। डेटा अत्यधिक असंतुलित था, जिसमें स्वस्थ व्यक्तियों की संख्या 90 प्रतिशत से अधिक थी, जबकि गंभीर बीमारी के मामले आधे प्रतिशत से भी कम थे। इस असंतुलन को संभालने के लिए, टीम ने पहले डेटा को साफ किया, सूचना रिकॉर्ड करने की त्रुटियों को सुधारा और आयु विवरणों को सरल संख्याओं में परिवर्तित किया। फिर उन्होंने मूल रिकॉर्ड में पाए गए तेरह अलग-अलग नैदानिक लेबल को तीन व्यापक श्रेणियों में समूहित किया। महत्वपूर्ण रूप से, उन्होंने प्रशिक्षण डेटा के भीतर दुर्लभ बीमारी के मामलों के अधिक उदाहरण कृत्रिम रूप से बनाने के लिए एक तकनीक का उपयोग किया, जिससे यह सुनिश्चित हुआ कि कंप्यूटर उन्हें सामान्य स्वस्थ मामलों की तरह ही अच्छी तरह से पहचान सके।
इन रोगियों को वर्गीकृत करने का सबसे अच्छा तरीका खोजने के लिए, टीम ने चार अलग-अलग प्रकार के उन्नत कंप्यूटर लर्निंग एल्गोरिदम का परीक्षण किया। पहले दो 'डिसीजन ट्री' (निर्णय वृक्ष) पर आधारित थे, जो एक ऐसी विधि है जहाँ कंप्यूटर निष्कर्ष तक पहुँचने के लिए रक्त मूल्यों के बारे में 'हाँ' या 'नहीं' के प्रश्नों की एक श्रृंखला पूछता है। तीसरा एक 'डीप लर्निंग' मॉडल था जिसे विशेष रूप से सारणीबद्ध (टेबुलर) डेटा के लिए डिज़ाइन किया गया है, जो संख्याओं के बीच जटिल, गैर-रेखीय संबंधों को खोजने का प्रयास करता है। चौथा दृष्टिकोण एक "स्टैकिंग एंसेम्बल" था, जो किसी एक एल्गोरिदम पर निर्भर नहीं था, बल्कि अंतिम निर्णय लेने के लिए अन्य मॉडलों के भविष्यवाणियों को जोड़ता था। शोधकर्ताओं ने इन मॉडलों को एक कठोर परीक्षण प्रक्रिया के माध्यम से चलाया, यह सुनिश्चित करते हुए कि कंप्यूटर को सिखाने के लिए उपयोग किया गया डेटा वही नहीं है जिसका उपयोग परीक्षण के लिए किया गया है, यह कदम यह साबित करने के लिए आवश्यक है कि सिस्टम नए, अनदेखे रोगियों पर काम करता है।
परिणामों ने दिखाया कि संयुक्त दृष्टिकोण सबसे प्रभावी था। 'स्टैकिंग एंसेम्बल' मॉडल ने, जिसने अन्य एल्गोरिदम की शक्तियों को संकलित किया था, तीन समूहों को सही ढंग से पहचानने में 99.89 प्रतिशत की सटीकता प्राप्त की। इसने वास्तविक बीमारी और वाहक मामलों में से 94.7 प्रतिशत की सफलतापूर्वक पहचान की, जो चिकित्सा में एक महत्वपूर्ण पैमाना है क्योंकि किसी निदान को चूक जाना गंभीर परिणाम दे सकता है। अन्य मॉडल भी अच्छा प्रदर्शन करते हैं, जिसमें डिसीजन-ट्री आधारित मॉडल काफी करीब रहे, लेकिन संयुक्त मॉडल ने लगातार उन सभी से बेहतर प्रदर्शन किया। शोधकर्ताओं ने यह समझने के लिए भी एक पद्धति का उपयोग किया कि कंप्यूटर अपने निर्णय कैसे ले रहा है। उन्होंने पाया कि सिस्टम सबसे अधिक पांच विशिष्ट बायोमार्कर पर निर्भर था: HbA2 नामक हीमोग्लोबिन का स्तर, लाल रक्त कोशिकाओं का औसत आकार, उन कोशिकाओं के भीतर हीमोग्लोबिन की मात्रा, लाल रक्त कोशिकाओं की कुल संख्या, और भ्रूण हीमोग्लोबिन (फीटल हीमोग्लोबिन) का स्तर।
ये निष्कर्ष महत्वपूर्ण हैं क्योंकि वे स्थापित चिकित्सा ज्ञान के साथ पूरी तरह मेल खाते हैं। डॉक्टर लंबे समय से जानते हैं कि बढ़े हुए HbA2 स्तर और औसत से छोटे लाल रक्त कोशिकाएं थैलेसीमिया वाहकों की पहचान हैं, जबकि भ्रूण हीमोग्लोबिन में परिवर्तन अक्सर बीमारी के अधिक गंभीर रूपों का संकेत देते हैं। तथ्य यह है कि आर्टिफिशियल इंटेलिजेंस ने स्वतंत्र रूप से इन्हीं कारकों को सबसे महत्वपूर्ण कारक के रूप में पहचाना, डॉक्टरों को विश्वास दिलाता है कि सिस्टम केवल अनुमान नहीं लगा रहा है बल्कि वास्तव में बीमारी के जैविक नियमों को सीख रहा है। अध्ययन ने यह भी रेखांकित किया कि हालांकि डीप लर्निंग मॉडल शक्तिशाली हैं, लेकिन संरचित चिकित्सा डेटा पर काम करते समय उन्हें पारंपरिक डिसीजन-ट्री विधियों से बेहतर प्रदर्शन करने के लिए और भी बड़े डेटासेट की आवश्यकता हो सकती है।
शोधकर्ता स्वीकार करते हैं कि उनका सिस्टम अभी हर स्थिति के लिए एक आदर्श समाधान नहीं है। डेटा भारत के एक ही क्षेत्र से आया है, और बीमारी के आनुवंशिक पैटर्न दुनिया के अन्य हिस्सों में भिन्न हो सकते हैं। इसके अतिरिक्त, सिस्टम जटिल है, और सबसे सटीक मॉडल को एक एकल डिसीजन ट्री की तुलना में समझाना कठिन है। हालांकि, यह अध्ययन प्रदर्शित करता है कि वास्तविक दुनिया के चिकित्सा डेटा की अव्यवस्थित वास्तविकता को संभालने वाला एक अत्यधिक सटीक, स्वचालित स्क्रीनिंग टूल बनाना संभव है। विभिन्न प्रकार के रक्त परीक्षणों को जोड़कर और कंप्यूटर एल्गोरिदम के स्मार्ट संयोजन का उपयोग करके, यह फ्रेमवर्क थैलेसीमिया के लिए तेज़, अधिक विश्वसनीय स्क्रीनिंग की दिशा में एक आशाजनक मार्ग प्रदान करता है, जो संभावित रूप से वर्तमान तरीकों की तुलना में वाहकों और रोगियों की पहचान अधिक प्रभावी ढंग से और जल्दी करने में मदद कर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।