Machine Learning Versus Self-Supervised Transfer Learning for 30-Day Readmission Prediction in Diabetic Patients
यह अध्ययन UCI डायबिटीज 130-यूएस हॉस्पिटल्स डेटासेट पर छह मशीन लर्निंग मॉडलों की तुलना करता है और पाता है कि ट्री-आधारित एंसेम्बल्स, विशेष रूप से XGBoost, स्क्रैच से प्रशिक्षित न्यूरल नेटवर्क और सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करने वाले न्यूरल नेटवर्क दोनों से बेहतर प्रदर्शन करते हैं, जो मधुमेह रोगियों में 30-दिवसीय पुन: प्रवेश (रीएडमिशन) की भविष्यवाणी करने के लिए लगभग 0.675 AUROC का एक व्यावहारिक भेदभाव सीलिंग (डिस्क्रिमिनेशन सीलिंग) प्राप्त करते 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
कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं: कौन फिर से बीमार होने वाला है और 30 दिनों के भीतर अस्पताल वापस आने वाला है? यह सिर्फ एक खेल नहीं है; यह डॉक्टरों और अस्पतालों के लिए एक बहुत बड़ी समस्या है। जब मरीज बहुत जल्दी वापस आते हैं, तो इसका अक्सर मतलब होता है कि उनकी देखभाल में कुछ गड़बड़ हुई थी, और इसमें बहुत पैसा खर्च होता है। मधुमेह (डायबिटीज) वाले मरीजों के लिए, ऐसा और भी अधिक होता है। इसे हल करने के लिए, वैज्ञानिक "मशीन लर्निंग" का उपयोग करते हैं, जो एक कंप्यूटर को पुराने मेडिकल रिकॉर्डों के विशाल ढेर से पैटर्न सीखने जैसा है, जैसे कि एक जासूस अपराधी की आदतों को पहचानने के लिए पुराने केस फाइलों का अध्ययन करता है।
आमतौर पर, जब हम सुपर-स्मार्ट कंप्यूटरों के बारे में सुनते हैं, तो हम "डीप लर्निंग" या "न्यूरल नेटवर्क" के बारे में सोचते हैं—जटिल मस्तिष्क जैसी प्रणालियाँ जो फोटो में चेहरे पहचानने या आवाज समझने में अद्भुत हैं। लेकिन यह शोध पत्र एक पेचीदा सवाल पूछता है: क्या ये फैंसी, मस्तिष्क जैसी कंप्यूटर प्रणालियाँ उन साधारण, पुराने गणितीय उपकरणों से बेहतर काम करती हैं जब डेटा केवल संख्याओं का एक स्प्रेडशीट (जैसे उम्र, ब्लड शुगर लेवल, और किसी ने कितनी बार डॉक्टर के पास चक्कर लगाया) हो? शोधकर्ता यह भी देखना चाहते थे कि क्या वे फैंसी कंप्यूटर को एक "हेड स्टार्ट" (शुरुआती बढ़त) दे सकते हैं, उसे बिना किसी उत्तर के पहले डेटा का अध्ययन करने देकर (जैसे टेस्ट से पहले कोई किताब पढ़ना) यह देखने के लिए कि क्या इससे वह अधिक स्मार्ट बनता है। यह महत्वपूर्ण है क्योंकि अस्पतालों को ऐसे उपकरणों की आवश्यकता है जो वास्तव में मरीजों की मदद कर सकें, न कि केवल ऐसे उपकरण जो सुनने में कूल लगें।
महान कंप्यूटर मुकाबला
इस अध्ययन में, शोधकर्ताओं की एक टीम ने दो टीमों के कंप्यूटर मॉडल के बीच एक दौड़ आयोजित की, जो यह भविष्यवाणी कर सके कि क्या एक मधुमेह रोगी 30 दिनों के भीतर अस्पताल में दोबारा भर्ती होगा। उन्होंने 130 अमेरिकी अस्पतालों का एक विशाल डेटासेट इस्तेमाल किया, जिसमें लगभग 1,00,000 मरीज दौरों (विजिट्स) का विवरण था।
प्रतिद्वंद्वी
- टीम क्लासिक: इस टीम ने चार प्रसिद्ध और विश्वसनीय उपकरणों का उपयोग किया: लॉजिस्टिक रिग्रेशन (एक सरल गणितीय रेखा), रैंडम फॉरेस्ट (निर्णय वृक्षों का एक समूह), XGBoost, और LightGBM। इन्हें "अनुभवी जासूस" के रूप में सोचें जो स्प्रेडशीट में पैटर्न खोजने में माहिर हैं।
- टीम न्यूरल: इस टीम ने एक "न्यूरल नेटवर्क" (एक कंप्यूटर मस्तिष्क) के दो संस्करणों का उपयोग किया। एक को शुरुआत से प्रशिक्षित किया गया था, जैसे कि एक छात्र जो पहले दिन से सब कुछ सीख रहा हो। दूसरा "ट्रांसफर लर्नर" था। इसे एक विशेष बढ़त मिली: इसने पहले बिना उत्तर जाने सभी मरीज डेटा का अध्ययन किया, जिसे "डीनॉइजिंग ऑटोएनकोडर" नामक तकनीक का उपयोग करके किया गया। कल्पना कीजिए कि एक छात्र परीक्षा के एक भी प्रश्न को देखने से पहले पूरी मेडिकल टेक्स्टबुक पढ़ रहा है और सीख रहा है कि शब्द आपस में कैसे जुड़ते हैं। विचार यह था कि यह शुरुआती बढ़त उन्हें एक बेहतर जासूस बना देगी।
दौड़ के परिणाम
परिणाम उन लोगों के लिए आश्चर्यजनक थे जो सोचते हैं कि "बड़ा और फैंसी" हमेशा "बेहतर" होता है।
- विजेता: अनुभवी जासूस आसानी से जीत गए। XGBoost (एक प्रकार का ग्रेडिएंट-बूस्टेड ट्री) टेस्ट डेटा पर 0.672 के स्कोर के साथ पहले स्थान पर आया। LightGBM और रैंडम फॉरेस्ट उसके ठीक पीछे थे।
- हारने वाले: फैंसी न्यूरल नेटवर्क, यहाँ तक कि वह भी जिसे "हेड स्टार्ट" मिला था (ट्रांसफर लर्निंग), काफी खराब प्रदर्शन कर गए। उनका स्कोर लगभग 0.58 था, जो सिक्का उछालने से थोड़ा ही बेहतर है। "हेड स्टार्ट" ने उनकी मदद नहीं की; वास्तव में, वे शून्य से शुरू किए गए मॉडल से भी थोड़े खराब थे।
शोधकर्ताओं ने पाया कि इस विशिष्ट प्रकार के डेटा (अस्पताल के रिकॉर्ड की स्प्रेडशीट) के लिए, जटिल, मस्तिष्क जैसे कंप्यूटरों के पास कोई विशेष सुपरपावर नहीं थी। सरल, ट्री-आधारित मॉडल ही इस काम के लिए बेहतर थे।
सिस्टम में "लीक"
दौड़ के दौरान, शोधकर्ताओं ने एक बड़ी गलती लगभग कर दी थी। जब उन्होंने पहली बार XGBoost मॉडल को ट्यून करने की कोशिश की, तो उन्होंने अनजाने में कंप्यूटर को "अनुचित तरीके से डेटा का उपयोग" करने दिया। उन्होंने SMOTE (जो संख्याओं को संतुलित करने के लिए नकली मरीज डेटा बनाता है) नामक तकनीक का उपयोग किया, जो डेटा को ट्रेनिंग और टेस्टिंग समूहों में विभाजित करने से पहले किया गया था। यह ऐसा था जैसे किसी जासूस को टेस्ट शुरू होने से पहले ही उत्तर कुंजी देखने दे दी गई हो। कंप्यूटर ने एक नकली, असंभव 0.957 का स्कोर प्राप्त किया (लगभग पूर्ण)। शोधकर्ताओं ने इस त्रुटि को पकड़ा, इसे ठीक किया (यह सुनिश्चित करके कि "अनुचित डेटा उपयोग" केवल ट्रेनिंग ग्रुप के अंदर ही हो), और स्कोर वापस एक वास्तविक 0.661 पर आ गया। इसने उन्हें सिखाया कि यदि नियमों का पूरी तरह से पालन नहीं किया जाता है, तो स्मार्ट कंप्यूटर भी मूर्ख बन सकते हैं।
"थ्रेशोल्ड" (सीमा) का जाल
इस पेपर से सबसे महत्वपूर्ण सबक यह है। एक कंप्यूटर मॉडल केवल "हाँ" या "नहीं" नहीं कहता; वह एक प्रतिशत संभावना देता है। आपको तय करना होता है कि कौन सा प्रतिशत "हाँ" माना जाए।
- डिफ़ॉल्ट जाल: यदि आप मानक नियम (कोई भी चीज़ 50% से ऊपर है तो "हाँ" है) का उपयोग करते हैं, तो मॉडल बेकार है। यह वास्तव में वापस आने वाले मरीजों में से केवल 1.4% को ही पकड़ पाएगा। यह इतना सतर्क है कि लगभग सभी को छोड़ देता है।
- स्मार्ट नियम: जब शोधकर्ताओं ने नियम को घटाकर 12.8% (Youden's J नामक गणितीय सूत्र के आधार पर) कर दिया, तो मॉडल बहुत अधिक उपयोगी हो गया। इसने वास्तव में वापस आने वाले 58% मरीजों को पकड़ा। हालाँकि, इसकी एक कीमत भी थी: प्रत्येक मरीज जिसे इसने सही ढंग से चिह्नित किया, उसके लिए इसने लगभग 4 या 5 ऐसे मरीजों को भी गलत तरीके से चिह्नित किया जो वापस नहीं आने वाले थे।
इसका क्या अर्थ है
पेपर यह निष्कर्ष निकालता है कि केवल मानक अस्पताल रिकॉर्ड का उपयोग करके अस्पताल में पुन: भर्ती की भविष्यवाणी करने के लिए, एक "सीलिंग" (सीमा) है जिसे पार करना कठिन है। तीन अलग-अलग शोध टीमों ने, अलग-अलग तरीकों का उपयोग करते हुए, पाया कि सबसे अच्छा स्कोर 0.66 से 0.69 के आसपास था। यह बताता है कि कंप्यूटर कितना भी फैंसी क्यों न हो, डेटा स्वयं (केवल स्प्रेडशीट में मौजूद संख्याएँ) इतना पर्याप्त नहीं है कि वह सटीक भविष्यवाणी कर सके।
अध्ययन तर्क देता है कि यदि सरल उपकरण बेहतर काम करते हैं, तो अस्पतालों को सुपर-जटिल डीप लर्निंग सिस्टम पर पैसा बर्बाद नहीं करना चाहिए। अधिक महत्वपूर्ण बात यह है कि यह चेतावनी देता है कि केवल एक मॉडल चलाना ही पर्याप्त नहीं है; आपको सावधानीपूर्वक उस "नियम" को चुनना होगा कि अलार्म कब बजाना है। यदि आप गलत नियम चुनते हैं, तो एक अच्छा मॉडल भी बेकार लग सकता है। लेखक सुझाव देते हैं कि बेहतर करने के लिए, हमें केवल संख्याओं से अधिक की आवश्यकता है; हमें अधिक समृद्ध जानकारी चाहिए जैसे कि डॉक्टर के नोट्स या समय के साथ बदलते रुझान, जो इस पुराने डेटासेट में नहीं थे।
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।