Using Explainable Machine Learning to Examine Community, Food-Access, and Built-Environment Factors Associated with Census-Tract Diabetes Prevalence in Collin and Denton Counties, Texas

स्वास्थ्य का अदृश्य मानचित्र

कल्पना कीजिए कि आपका पड़ोस एक विशाल, जीवित पहेली है। लंबे समय से, डॉक्टर व्यक्तिगत टुकड़ों—व्यक्ति की आयु, उनका आहार और उनके पारिवारिक इतिहास—को देखते रहे हैं ताकि यह समझ सकें कि कुछ लोग बीमार क्यों होते हैं जबकि अन्य स्वस्थ रहते हैं। लेकिन इस पहेली में एक और पूरा स्तर है: वह चित्र जो टुकड़े आपस में जुड़ने पर बनाते हैं। यह स्वास्थ्य के सामाजिक निर्धारकों (social determinants of health) की दुनिया है। इसे एक समुदाय के "मौसम" के रूप में सोचें। जिस तरह एक तूफानी आसमान बगीचा उगाने में कठिनाई पैदा करता है, उसी तरह कुछ पड़ोस की स्थितियाँ—जैसे कि किराने की दुकान तक पैदल जाना कितना आसान है, आस-पास कितने पार्क हैं, या औसत परिवार कितनी कमाई करता है—लोगों के लिए स्वस्थ रहना कठिन बना सकती हैं, चाहे उनकी व्यक्तिगत पसंद कुछ भी हो।

वैज्ञानिक कंप्यूटरों का उपयोग करके बीमारी के लिए "मौसम का पूर्वानुमान" बनाने की कोशिश कर रहे हैं। वे मशीन लर्निंग (machine learning) का उपयोग करते हैं, जो कंप्यूटर को डेटा के पहाड़ में छिपे हुए पैटर्न खोजने के लिए सिखाने जैसा है, जो एक इंसान की तुलना में बहुत तेज़ है। बड़ा सवाल यह है: क्या हम एक पड़ोस के मानचित्र, उसके खाद्य स्टोर और उसके स्कूलों को देखकर यह अनुमान लगा सकते हैं कि मधुमेह (एक गंभीर स्थिति जहाँ शरीर चीनी को प्रबंधित करने के लिए संघर्ष करता है) कहाँ सबसे अधिक आम होगा? यदि हम ऐसा कर सकते हैं, तो हम लोगों के भीगने का इंतज़ार करने और फिर उनका इलाज करने के बजाय, तूफान आने से पहले ही "मौसम" को ठीक कर सकते हैं।

---

पड़ोस का जासूस: मानचित्रों, मॉडलों और गलतियों की एक कहानी

टेक्सास के कॉलिन और डेंटन काउंटियों के हलचल भरे उपनगरों में, एशान निदी नामक एक हाई स्कूल शोधकर्ता ने जासूस बनने का निर्णय लिया। मामला क्या था? यह समझना कि मधुमेह की दर एक पड़ोस (जिसे "सेंसस ट्रैक्ट" कहा जाता है) से दूसरे पड़ोस में इतनी अधिक भिन्न क्यों होती है, भले ही वे एक-दूसरे के बिल्कुल बगल में हों।

एशान ने केवल मेडिकल रिकॉर्ड नहीं देखे; इसके बजाय, उन्होंने केवल सार्वजनिक जानकारी का उपयोग करके एक डिजिटल जासूसी किट बनाई। उन्होंने सामुदायिक जीवन (जैसे कितने लोगों के पास कॉलेज की डिग्री है या परिवार कितना पैसा कमाते हैं), खाद्य पहुंच (यह देखने के लिए USDA के एक विशेष मानचित्र का उपयोग करना कि कहाँ "फूड डेजर्ट्स" हो सकते हैं), और निर्मित वातावरण (OpenStreetMap नामक एक विशाल ओपन-सोर्स मानचित्र का उपयोग करके प्रति वर्ग मील कितने किराने के स्टोर, क्लीनिक और पार्क मौजूद हैं, इसकी गिनती करना) पर डेटा एकत्र किया।

उन्होंने इस जानकारी को चार अलग-अलग कंप्यूटर "मस्तिष्कों" (एल्गोरिदम) में डाला यह देखने के लिए कि कौन सा प्रत्येक 412 पड़ोसों के लिए मधुमेह की दर का सबसे अच्छा अनुमान लगा सकता है। लक्ष्य यह देखना था कि क्या केवल ये "क्रियाशील" सामुदायिक कारक बिना किसी अन्य स्वास्थ्य समस्याओं को शामिल किए, एक पड़ोस के स्वास्थ्य की भविष्यवाणी कर सकते हैं।

दो मॉडल: "वास्तविक" परीक्षण बनाम "आसान" बेसलाइन

यह सुनिश्चित करने के लिए कि कंप्यूटर केवल भाग्यशाली नहीं हो रहा है, एशान ने दो-भागों वाली चुनौती निर्धारित की।

मॉडल A "वास्तविक" परीक्षण था। इसने केवल सामुदायिक, खाद्य और पार्क डेटा का उपयोग किया। यह केवल एक छात्र के पड़ोस के पुस्तकालय और स्कूल की फंडिंग के आधार पर उसके टेस्ट स्कोर का अनुमान लगाने जैसा था, बिना यह जाने कि उसने पढ़ाई की या अच्छी नींद ली या नहीं।

मॉडल B "आसान" बेसलाइन था। इसने मॉडल A के डेटा में तीन अन्य स्वास्थ्य आँकड़े जोड़े: मोटापा, शारीरिक निष्क्रियता और उच्च रक्तचाप (हाइपरटेंशन)। यह छात्र के पिछले टेस्ट स्कोर को देखकर उसके अगले टेस्ट का अनुमान लगाने की अनुमति मिलने जैसा था।

परिणाम:
जब मॉडल A (समुदाय-मात्र जासूस) ने मधुमेह की भविष्यवाणी करने की कोशिश की, तो उसने कहानी का लगभग आधा हिस्सा सही बताया। विशेष रूप से, इसने पड़ोस के बीच के अंतर को 51.9% समझाया (एक संख्या जिसे $R^2$ कहा जाता है)। जब शोधकर्ताओं ने इसका परीक्षण एक पूरी तरह से अलग काउंटी पर किया जिसे इसने पहले कभी नहीं देखा था, तो इसने वास्तव में थोड़ा बेहतर प्रदर्शन किया, और अंतरों को 59.2% समझाया। यह सुझाव देता है कि कंप्यूटर ने वास्तव में कुछ वास्तविक नियम सीखे हैं कि पड़ोस कैसे काम करते हैं, न कि केवल उन विशिष्ट शहरों को याद किया जिनका उसने अध्ययन किया था।

हालाँकि, जब मॉडल B (बेसलाइन) का उपयोग किया गया, तो सटीकता आसमान छू गई। यह एक चमत्कार जैसा लग रहा था! लेकिन यहाँ एक मोड़ है: कंप्यूटर उस उच्च स्कोर को प्राप्त करने के लिए किराने की दुकानों या पार्कों का उपयोग नहीं कर रहा था। यह लगभग पूरी तरह से उच्च रक्तचाप (hypertension) पर निर्भर था। वास्तव में, उच्च रक्तचाप और मधुमेह इस डेटा में इतने करीब से जुड़े हुए हैं (एक सहसंबंध 0.87 का), कि कंप्यूटर ने मूल रूप से बस यह कहा, "यदि उन्हें उच्च रक्तचाप है, तो संभवतः उन्हें मधुमेह भी होगा।"

पेपर का तर्क है कि मॉडल B एक "सीलिंग" (सीमा) है, न कि कोई खोज। यह एक मौसम ऐप की तरह है जो बारिश होने का सटीक अनुमान लगाता है क्योंकि वह उस बारिश को देख रहा है जो पहले से ही गिर रही है, न कि तूफान शुरू होने से पहले उसकी भविष्यवाणी कर रहा है। असली निष्कर्ष यह है कि जबकि सामुदायिक कारक मायने रखते हैं, वे अकेले ही केवल आधे चित्र की व्याख्या करते हैं।

"अनुचित" मानचित्र: जब जासूस गलत हो जाता है

यहाँ कहानी थोड़ी गंभीर हो जाती है। शोधकर्ताओं ने जाँच की कि क्या उनका "वास्तविक" मॉडल (मॉडल A) सभी के लिए निष्पक्ष था। उन्होंने पड़ोसों को कम, मध्यम और उच्च-आय समूहों में विभाजित किया।

परिणाम क्या रहा? कंप्यूटर कम-आय वाले पड़ोसों में मधुमेह की भविष्यवाणी करने में बहुत खराब था।

• उच्च-आय वाले क्षेत्रों में, औसत त्रुटि केवल 0.63 प्रतिशत अंक थी।
• कम-आय वाले क्षेत्रों में, त्रुटि बढ़कर 1.29 प्रतिशत अंक हो गई—लगभग दुगुनी खराब।

यह एक महत्वपूर्ण निष्कर्ष है। इसका मतलब है कि यदि कोई शहर योजनाकार इस कंप्यूटर मॉडल का उपयोग यह तय करने के लिए करता है कि किन पड़ोसों को सबसे अधिक मदद की आवश्यकता है, तो वे अनजाने में सबसे गरीब क्षेत्रों को छोड़ सकते हैं क्योंकि मॉडल वहां कम विश्वसनीय है। पेपर का सुझाव है कि ऐसा इसलिए होता है क्योंकि गरीब समुदायों के लिए पड़ोस के "नियम" अलग हो सकते हैं, या क्योंकि डेटा उन क्षेत्रों की पूरी कहानी को कैप्चर नहीं करता है। यह एक चेतावनी है कि स्मार्ट कंप्यूटर भी अंधे धब्बे रख सकते हैं, विशेष रूप से उन लोगों के लिए जिन्हें मदद की सबसे अधिक आवश्यकता है।

अंतिम सुराग: पड़ोस का प्रभाव

अंत में, शोधकर्ताओं ने कंप्यूटर द्वारा की गई "गलतियों" को देखा। उन्होंने पाया कि जब कंप्यूटर ने गलत अनुमान लगाया, तो वह पड़ोसी शहरों में भी एक ही तरह की गलती करने लगा। यदि उसने एक शहर में मधुमेह का अधिक अनुमान लगाया, तो उसने बगल वाले शहर में भी अधिक अनुमान लगाया। यह सुझाव देता है कि कुछ अदृश्य बल हैं—जैसे साझा बस लाइनें, अस्पताल की सीमाएँ, या स्थानीय इतिहास—जो पूरे क्षेत्रों को प्रभावित करते हैं, न कि केवल एकल ब्लॉकों को।

मुख्य निष्कर्ष

यह पेपर हमें सिखाता है कि हम सार्वजनिक मानचित्रों और डेटा का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि मधुमेह कहाँ समस्या होने की संभावना है, लेकिन हम सामुदायिक कारकों का उपयोग करके केवल आधे चित्र को ही देख सकते हैं। दूसरा आधा हिस्सा उच्च रक्तचाप जैसे अन्य स्वास्थ्य मुद्दों के जटिल जाल में छिपा हुआ है।

सबसे महत्वपूर्ण बात यह है कि अध्ययन हमें चेतावनी देता है कि ये कंप्यूटर मॉडल पूर्ण नहीं हैं। वे समृद्ध पड़ोसों के लिए सबसे अच्छा काम करते हैं और गरीब पड़ोसों के लिए संघर्ष करते हैं। इसलिए, जबकि हम इन उपकरणों का उपयोग यह बताने के लिए बातचीत शुरू करने के लिए कर सकते हैं कि स्वस्थ शहरों का निर्माण कैसे किया जाए, हमें उन पर आँख मूंदकर भरोसा करने में सावधानी बरतनी चाहिए। हमें याद रखना चाहिए कि मानचित्र स्वयं क्षेत्र (territory) नहीं है, और कंप्यूटर का अनुमान केवल एक शुरुआती बिंदु है, अंतिम उत्तर नहीं।