Disease Spectrum Analysis and AI-Assisted Screening of Fundus Disorders Using Portable Handheld Fundus Imaging in Health Examination Populations

दुनिया को स्पष्ट रूप से देखना मानव होने का एक मौलिक हिस्सा है, फिर भी अरबों लोगों के लिए, वह स्पष्टता धुंधली होती जा रही है क्योंकि आंखों की बीमारियां अक्सर तब तक कोई चेतावनी संकेत नहीं देतीं जब तक कि बहुत देर न हो जाए। आंख का पिछला हिस्सा, जिसे रेटिना कहा जाता है, एक नाजुक ऊतक की परत है जो एक कैमरा सेंसर की तरह काम करती है, जो उस प्रकाश को पकड़ती है जिससे हम देख पाते हैं। जब इस ऊतक को मधुमेह, उच्च रक्तचाप या उम्र बढ़ने जैसी स्थितियों से नुकसान पहुँचता है, तो यह क्षति अक्सर स्थायी होती है। चूंकि ये समस्याएं चुपचाप शुरू होती हैं, इसलिए डॉक्टर उन्हें जल्दी पहचानने के लिए रेटिना की तस्वीरें लेने पर भरोसा करते हैं। पारंपरिक रूप से, ये तस्वीरें बड़ी, महंगी मशीनों से ली जाती हैं जिनमें रोगी को स्थिर बैठने और एक निश्चित उपकरण में देखने की आवश्यकता होती है। हालांकि, एक नए प्रकार का कैमरा इस परिदृश्य को बदल रहा है। ये छोटे, हाथ में पकड़े जाने वाले उपकरण हैं जिन्हें एक डॉक्टर एक हाथ से पकड़ सकता है, जिससे एक व्यस्त सामुदायिक क्लिनिक से लेकर नियमित शारीरिक जांच कक्ष तक, लगभग कहीं भी रेटिना की तस्वीर लेना संभव हो जाता है। चुनौती यह रही है कि ये पोर्टेबल कैमरे उपयोग करने में कठिन होते हैं; चित्र धुंधले या कम रोशनी वाले हो सकते हैं, और यह स्पष्ट नहीं है कि क्या आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता), जो बीमारियों को पहचानने के लिए डिज़ाइन किया गया कंप्यूटर सॉफ्टवेयर है, उन अपूर्ण चित्रों को उतनी ही अच्छी तरह संभाल सकता है जितना कि वह विशेषज्ञ क्लीनिकों में ली गई पूर्ण तस्वीरों को संभालता है।

शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए यह परीक्षण करने के उद्देश्य से काम शुरू किया कि क्या इन पोर्टेबल कैमरों का उपयोग केवल एक विशिष्ट स्थिति के लिए नहीं, बल्कि आंखों की बीमारियों की एक विस्तृत श्रृंखला के लिए स्वस्थ लोगों के बड़े समूहों की स्क्रीनिंग करने हेतु किया जा सकता है। उन्होंने बीजिंग के एक अस्पताल में नियमित स्वास्थ्य जांच के लिए आने वाले लगभग तीस हजार लोगों के पांच वर्षों के चित्रों के एक विशाल संग्रह पर काम किया। कुल मिलाकर, उन्होंने रेटिना के पचास हजार से अधिक चित्र एकत्र किए। चूंकि कैमरे हाथ में पकड़े जाने वाले थे और उनका उपयोग उन लोगों पर किया गया था जो नेत्र परीक्षण के लिए प्रतीक्षा कर रहे मरीज नहीं थे, इसलिए चित्रों की गुणवत्ता में बहुत विविधता थी। कुछ एकदम स्पष्ट थे, जबकि कुछ बहुत अंधेरे, बहुत धुंधले या उपयोग के लिए अनुपयुक्त थे। शोधकर्ताओं ने पहले एक कंप्यूटर सिस्टम बनाया जो एक सख्त द्वारपाल (gatekeeper) के रूप में कार्य करता है, जो चित्रों को तीन समूहों में वर्गीकृत करता है: वे जो पूर्ण थे, वे जो उपयोग के लिए पर्याप्त अच्छे थे, और वे जिन्हें फेंक दिया जाना चाहिए था। यह कदम महत्वपूर्ण था क्योंकि इसने यह सुनिश्चित किया कि आर्टिफिशियल इंटेलिजेंस मॉडल केवल उन्हीं चित्रों पर प्रशिक्षित हों जो वास्तव में आंख को स्पष्ट रूप से दिखाते हैं। इस सफाई प्रक्रिया के बाद, अध्ययन के लिए उनके पास वास्तविक जनसंख्या के स्वास्थ्य का अध्ययन करने के लिए पैंतीस हजार से अधिक उच्च-गुणवत्ता वाले चित्र बचे थे।

शोधकर्ताओं ने जो पाया वह इस बात की एक स्पष्ट तस्वीर थी कि उम्र बढ़ने के साथ आंखों का स्वास्थ्य कैसे बदलता है। उनके द्वारा विश्लेषण किए गए चित्रों के समूह में, लगभग एक-तिहाई में आंखों की समस्या के कुछ संकेत मिले। सबसे आम मुद्दा, अब तक, निकट दृष्टि दोष (नियर्सightedness) से संबंधित परिवर्तन थे, जिसने लगभग बीस प्रतिशत लोगों को प्रभावित किया। यह तर्कसंगत है क्योंकि इस अध्ययन में कई युवा और मध्यम आयु वर्ग के वयस्क शामिल थे। हालांकि, पाया गया रोग काफी हद तक उम्र पर निर्भर करता था। युवा लोगों में मुख्य रूप से निकट दृष्टि दोष से जुड़ी समस्याएं थीं, लेकिन जैसे-जैसे समूह की उम्र बढ़ी, समस्याएं बदल गईं। साठ वर्ष से अधिक आयु के लोगों में, सबसे आम निष्कर्ष आंख की रक्त वाहिकाओं से संबंधित बीमारियां और रेटिना के केंद्रीय भाग का क्षय (degeneration) थे, जो कि उम्र और समग्र स्वास्थ्य से जुड़ी स्थितियां हैं। यह खोज महत्वपूर्ण है क्योंकि यह सुझाव देती है कि नेत्र जांच कार्यक्रम 'एक ही आकार सबके लिए' (one-size-fits-all) नहीं होने चाहिए; तीस साल के व्यक्ति के लिए डॉक्टरों को जो देखना चाहिए, वह सत्तर साल के व्यक्ति के लिए देखने वाली चीज़ से अलग है।

कंप्यूटर डॉक्टरों को इन समस्याओं को तेजी से खोजने में मदद कर सकते हैं या नहीं, यह देखने के लिए टीम ने बारह अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल का परीक्षण किया। उन्होंने इन मॉडलों को दो काम करने के लिए कहा: पहला, यह तय करना कि क्या एक चित्र स्वस्थ आंख दिखाता है या अस्वस्थ आंख, और दूसरा, यदि आंख अस्वस्थ है तो ठीक से पहचानना कि किस प्रकार की बीमारी मौजूद है। पहले कार्य के लिए परिणाम उत्साहजनक थे। कंप्यूटर मॉडल यह पहचानने में बहुत अच्छे थे कि कुछ गलत है, उन्होंने नब्बे प्रतिशत से अधिक मामलों में असामान्य आंखों की सही पहचान की। इसका अर्थ है कि एक हैंडहेल्ड कैमरा इस तरह के सॉफ्टवेयर के साथ मिलकर उन लोगों को विश्वसनीय रूप से चिह्नित कर सकता है जिन्हें विशेषज्ञ को देखने की आवश्यकता है। हालांकि, दूसरा कार्य बहुत कठिन था। जब मॉडलों ने विशिष्ट बीमारी का नाम बताने की कोशिश की, तो उनकी सटीकता काफी गिर गई। उन्होंने अक्सर रक्त वाहिकाओं की विभिन्न प्रकार की समस्याओं को आपस में मिला दिया या ऊतक क्षति के विभिन्न प्रकारों के बीच अंतर करने में संघर्ष किया। यह सुझाव देता है कि जबकि कंप्यूटर संभावित मुद्दों को पकड़ने के लिए एक प्राथमिक फिल्टर के रूप में उत्कृष्ट हैं, वे हैंडहेल्ड फोटो से सटीक स्थिति का निदान करने के लिए अभी तक मानव डॉक्टर की जगह लेने के लिए तैयार नहीं हैं।

शोधकर्ताओं ने उन्नत कंप्यूटर मॉडलों की एक नई पीढ़ी का भी परीक्षण किया जिन्हें बड़े क्लीनिकों से लाखों मानक, उच्च-गुणवत्ता वाले आंखों के चित्रों पर प्रशिक्षित किया गया था। उन्हें उम्मीद थी कि ये "फाउंडेशन मॉडल्स" स्मार्ट होंगे और हैंडहेल्ड कैमरों से मिलने वाले अव्यवस्थित, वास्तविक दुनिया के चित्रों को बेहतर ढंग से संभाल पाएंगे। आश्चर्यजनक रूप से, ये उन्नत मॉडल सरल, हल्के मॉडलों की तुलना में बेहतर प्रदर्शन नहीं कर सके। वास्तव में, विशेष मॉडल अधिक संघर्ष करते दिखे, संभवतः इसलिए क्योंकि छोटे हैंडहेल्ड कैमरों के चित्र उन पूर्ण चित्रों से बहुत अलग थे जिन पर उन्हें प्रशिक्षित किया गया था। सरल मॉडल, जो तेज़ हैं और जिनमें कम कंप्यूटिंग शक्ति की आवश्यकता होती है, वास्तव में सबसे अच्छा काम करते हैं। यह खोज भविष्य के लिए एक व्यावहारिक मार्गदर्शिका है: पोर्टेबल उपकरणों के साथ व्यापक स्क्रीनिंग के लिए, हमें सबसे जटिल, भारी-भरकम आर्टिफिशियल इंटेलिजेंस की आवश्यकता नहीं है। हमें ऐसे उपकरणों की आवश्यकता है जो अपूर्ण चित्रों को संभालने के लिए पर्याप्त मजबूत हों और हजारों छवियों को संसाधित करने के लिए पर्याप्त तेज़ हों।

अंततः, यह अध्ययन सिद्ध करता है कि छोटे, पोर्टेबल कैमरों का उपयोग आंखों की कई बीमारियों के लिए बड़ी संख्या में लोगों की स्क्रीनिंग करने के लिए किया जा सकता है, बशर्ते कि चित्रों की गुणवत्ता की जांच के लिए एक प्रणाली मौजूद हो। शोध से पता चलता है कि नेत्र रोग उम्र के आधार पर एक अनुमानित पैटर्न का पालन करते हैं, जिसमें युवाओं में निकट दृष्टि दोष हावी है और वृद्धों में संवहनी (vascular) रोग बढ़ जाते हैं। यह यह भी दिखाता है कि जबकि आर्टिफिशियल इंटेलिजेंस इन समस्याओं को पहचानने में एक शक्तिशाली साथी हो सकता है, तकनीक अभी भी हर विशिष्ट बीमारी का नाम बताने में पूर्ण नहीं है। यह कार्य दृष्टि सुरक्षा के एक नए तरीके की नींव रखता है, जहाँ नियमित स्वास्थ्य जांच में रेटिना की एक त्वरित, दर्द रहित जांच शामिल हो सकती है, जिससे अंधापन होने से पहले समस्याओं को पकड़ा जा सके। एक साधारण हैंडहेल्ड डिवाइस को स्मार्ट सॉफ्टवेयर और जीवनकाल के दौरान आंखों के स्वास्थ्य में होने वाले परिवर्तनों की स्पष्ट समझ के साथ जोड़कर, हम एक ऐसे भविष्य की ओर बढ़ सकते हैं जहाँ आंखों के स्वास्थ्य की निगरानी रक्तचाप या वजन की तरह ही नियमित रूप से की जा सके।