Enhancing Clinical Decision Support Through Explainable AI: A Comparative Study of CNN and Vision Transformer Models for Skull Fracture Detection in CT Scans
यह अध्ययन सीटी स्कैन में खोपड़ी के फ्रैक्चर का पता लगाने के लिए ResNet-50 और DeiT-Tiny मॉडलों की तुलना करता है, जिसमें यह पाया गया है कि जहाँ सीमित डेटा स्थितियों के तहत ResNet-50 बेहतर वर्गीकरण सटीकता प्राप्त करता है, वहीं DeiT-Tiny अपने विज़ुअल स्पष्टीकरणों में मामूली रूप से बेहतर स्थानिक संरेखण (spatial alignment) प्रदान करता है, जो नैदानिक निर्णय समर्थन में भविष्य कहनेवाला प्रदर्शन (predictive performance) और व्याख्यात्मकता (interpretability) के बीच एक समझौते को उजागर करता है।
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
कल्पना कीजिए कि आप एक जासूस हैं जो एक बंद कमरे के भीतर रहस्य सुलझाने की कोशिश कर रहे हैं। चिकित्सा की दुनिया में, वह कमरा मानव मस्तिष्क है, और रहस्य खोपड़ी में एक छिपी हुई दरार है—जो किसी चोट या गिरने के कारण हुई फ्रैक्चर है। बिना दरवाजा तोड़े अंदर देखने के लिए, डॉक्टर सीटी स्कैन (CT scan) नामक एक विशेष प्रकार के एक्स-रे का उपयोग करते हैं, जो मस्तिष्क के सैकड़ों पतले स्लाइस लेता है जैसे कि एक किताब के पन्ने हों। लेकिन उन सभी पन्नों को पढ़ना थका देने वाला काम है। कभी-कभी, दरारें इतनी बारीक और पेचीदा होती हैं कि वे हड्डी की सामान्य रेखाओं जैसी ही दिखती हैं, और यहाँ तक कि विशेषज्ञ डॉक्टर भी उन्हें मिस कर सकते हैं। यहीं पर "आर्टिफिशियल इंटेलिजेंस" (AI) काम आता है। AI को एक सुपर-फास्ट रोबोट सहायक के रूप में सोचें जो सेकंडों में सभी पन्नों को पढ़ सकता है। लेकिन यहाँ एक पेंच है: रोबोट अक्सर 'ब्लैक बॉक्स' की तरह होते हैं। वे आपको एक उत्तर देते हैं, लेकिन वे यह नहीं बताते कि उन्हें ऐसा क्यों लगा। यदि कोई रोबोट कहता है, "यहाँ एक दरार है," लेकिन आप देख नहीं सकते कि वह कहाँ देख रहा है, तो डॉक्टर उस पर भरोसा नहीं कर पाएंगे। यह शोध एक ऐसा रोबोट बनाने के बारे में है जो न केवल दरारों को खोजता है, बल्कि अपनी उंगली ठीक उसी जगह रखता है जहाँ उसने उन्हें देखा था, ताकि डॉक्टर कह सकें, "आह, मैं समझ गया कि तुम्हारा क्या मतलब है।"
शोधकर्ताओं ने इस अध्ययन में दो अलग-अलग प्रकार के रोबोट जासूसों को परखने का निर्णय लिया: एक जो पारंपरिक मानवीय आँख की तरह सोचता है (जिसे CNN, विशेष रूप से ResNet-50 कहा जाता है), और दूसरा जो एक आधुनिक, पैटर्न खोजने वाले सुपर-ऑर्गनिज्म की तरह सोचता है (जिसे विजन ट्रांसफार्मर, विशेष रूप से DeiT-Tiny कहा जाता है)। वे यह देखना चाहते थे कि सीटी स्कैन में खोपड़ी के फ्रैक्चर को पहचानने में कौन बेहतर है और अधिक महत्वपूर्ण बात यह कि कौन स्पष्ट रूप से अपने सोचने के तरीके को समझा सकता है ताकि अस्पताल में उस पर भरोसा किया जा सके।
महान जासूसी मुकाबला
इस प्रयोग को चलाने के लिए, टीम ने श्रीलंका के एक अस्पताल के 15 रोगियों के 4,914 सीटी स्कैन स्लाइस का संग्रह इकट्ठा किया, जिन्होंने सिर की चोटों का सामना किया था। यह एक विशाल लाइब्रेरी के बजाय रहस्यमयी किताबों की एक छोटी लाइब्रेरी रखने जैसा है, जो काम को और कठिन बना देता है। उन्होंने छवियों को साफ किया, जिससे हड्डियाँ तेज और स्पष्ट दिखाई दें, और फिर दोनों रोबोटों को फ्रैक्चर पहचानना सिखाया।
पहला रोबोट, ResNet-50, एक ऐसे जासूस की तरह है जो सूक्ष्म विवरणों पर ज़ूम करता है। यह छवि के छोटे हिस्सों को देखता है, हर छोटी उभार और रेखा की जाँच करता है। दूसरा रोबोट, DeiT-Tiny, एक ऐसे जासूस की तरह है जो पूरी तस्वीर को एक साथ देखने के लिए पीछे हटता है, और पैटर्न खोजने के लिए पूरी छवि में बिंदुओं को जोड़ता है।
जब रोबोटों ने अपना काम शुरू किया, तो परिणाम स्पष्ट थे। पारंपरिक जासूस, ResNet-50, बेहतर खोजने वाला निकला। इसने लगभग 72.6% बार फ्रैक्चर की सही पहचान की और इसकी "स्कोर" (जिसे सामान्य हड्डी से दरार को अलग करने की क्षमता या AUC-ROC कहा जाता है) 0.800 थी। आधुनिक जासूस, DeiT-Tiny, थोड़ा धीमा और कम सटीक था, जिसने 67.3% बार सही उत्तर दिया और इसका स्कोर 0.746 था। यह अंतर केवल एक इत्तेफाक नहीं था; गणित ने दिखाया कि यह एक वास्तविक, महत्वपूर्ण अंतर था। वास्तव में, ResNet-50 झूठे अलार्म (यह कहना कि दरार है जबकि वास्तव में नहीं है) से बचने में बहुत बेहतर था, जबकि DeiT-Tiny थोड़ा अधिक उत्साहित होने और वहां दरार देखने की प्रवृत्ति रखता था जहाँ कोई दरार नहीं थी।
उत्तर के पीछे का "क्यों"
लेकिन एक अच्छा जासूस होने का मतलब सिर्फ उत्तर ढूंढना नहीं है; बल्कि अपना काम दिखाना भी है। यहीं से कहानी दिलचस्प हो जाती है। शोधकर्ता जानना चाहते थे: जब रोबोट "फ्रैक्चर" कहता है, तो वह वास्तव में कहाँ देख रहा होता है?
इसकी जाँच करने के लिए, उन्होंने एक मानव विशेषज्ञ से कुछ परीक्षण छवियों पर वास्तविक फ्रैक्चर के चारों ओर बॉक्स बनाने के लिए कहा। फिर, उन्होंने उन बॉक्सों की तुलना उन "हीटमैप्स" (heatmaps) से की जो रोबोटों ने अपने फोकस को दिखाने के लिए बनाए थे। कल्पना कीजिए कि रोबोट छवि के ऊपर एक चमकता हुआ बादल बना रहे हैं ताकि यह दिखाया जा सके कि वे दरार कहाँ समझते हैं।
यहाँ, पासा थोड़ा पलट गया। जबकि ResNet-50 दरारों को खोजने में बेहतर था, DeiT-Tiny उन्हें इशारा करने में थोड़ा बेहतर था। आधुनिक रोबोट का चमकता हुआ बादल पारंपरिक रोबोट की तुलना में वास्तविक फ्रैक्चर के साथ थोड़ा अधिक ओवरलैप (overlap) करता था। हालाँकि, दोनों के लिए ओवरलैप अभी भी काफी कम था—इसे ऐसे समझें कि रोबलेट सामान्य रूप से सही पड़ोस की ओर इशारा कर रहा है, लेकिन बिल्कुल सटीक घर के नंबर पर नहीं। संख्याएँ कम थीं: DeiT-Tiny ने मामूली ओवरलैप स्कोर 0.021 प्राप्त किया, जबकि ResNet-50 0.006 पर था। यहाँ तक कि "बेहतर" रोबोट भी सटीक स्थान बताने में पूर्ण नहीं था।
भविष्य के लिए इसका क्या अर्थ है
तो, फैसला क्या है? अध्ययन सुझाव देता है कि यदि आपको एक रोबोट की आवश्यकता है जो आपको बताए कि क्या रोगी को फ्रैक्चर है, तो पारंपरिक ResNet-50 वर्तमान में अधिक विश्वसनीय विकल्प है, विशेष रूपकर जब आपके पास प्रशिक्षण के लिए बहुत अधिक डेटा न हो। यह एक स्थिर, अनुभवी जासूस है जो काम पूरा करता है। हालाँकि, यदि आप इस बात की परवाह करते हैं कि रोबोट आपको कहाँ देख रहा है, इसे एक ऐसे तरीके से दिखाए जो मानवीय आँख के लिए थोड़ा अधिक तार्किक लगे, तो आधुनिक DeiT-Tiny को थोड़ा लाभ मिलता है, भले ही वह वास्तविक पहचान में उतना अच्छा न हो।
शोधकर्ता सावधानी बरतते हुए कहते हैं कि कोई भी रोबोट अभी डॉक्टर की जगह लेने के लिए तैयार नहीं है। दोनों रोबोटों ने लगभग आधे वास्तविक फ्रैक्चर मिस किए (लगभग 0.49 का "रिकॉल"), जिसका अर्थ है कि उन्हें अपने काम की दोबारा जाँच के लिए एक इंसान की आवश्यकता है। लेकिन यह अध्ययन एक दिलचस्प ट्रेड-ऑफ (trade-off) को उजागर करता है: कभी-कभी जो रोबोट रहस्य सुलझाने में सबसे अच्छा होता है, वह वह नहीं होता जो अपने तर्क को सबसे अच्छी तरह समझा पाता है।
टीम निष्कर्ष निकालती है कि इन रोबोटों के अस्पताल में वास्तविक भागीदार बनने के लिए, हमें उन्हें विभिन्न अस्पतालों के अधिक डेटा पर प्रशिक्षित करने की आवश्यकता है और उन्हें चोट के सटीक स्थान को इंगित करने में और भी बेहतर बनाने में मदद करनी होगी। तब तक, वे एक सहायक दूसरी जोड़ी आँखों के रूप में सबसे अच्छे हैं, जो रेडियोलॉजिस्ट के लिए संदिग्ध स्लाइस को फ्लैग करने के लिए तैयार हैं, ताकि यह सुनिश्चित किया जा सके कि कोई छिपी हुई दरार अनसुनी न रह जाए।
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।