Artificial intelligence–assisted detection of lung cancer using bronchoscopic images
यह अध्ययन प्रदर्शित करता है कि डीप लर्निंग मॉडल, विशेष रूप से EfficientNet-B1, व्हाइट लाइट ब्रोंकोस्कोपिक छवियों से फेफड़ों के कैंसर का पता लगाने में उच्च नैदानिक सटीकता प्राप्त करते हैं, जो हिस्टोलॉजिक सबटाइप वर्गीकरण में मामूली प्रदर्शन के बावजूद एक मूल्यवान नैदानिक सहायक के रूप में उनकी क्षमता का सुझाव देते 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
हर साल, फेफड़ों का कैंसर किसी भी अन्य बीमारी की तुलना में अधिक जानें लेता है, जिससे इसे जल्दी पहचान पाने की दौड़ जीवन और मृत्यु का मामला बन जाती है। डॉक्टर अक्सर एक लचीली नली और कैमरे का उपयोग करते हैं, जिसे ब्रोंकोस्कोप कहा जाता है, ताकि वायुमार्ग के अंदर देखा जा सके और संदिग्ध वृद्धि का पता लगाया जा सके। हालांकि यह उपकरण महत्वपूर्ण है, इसकी सफलता काफी हद तक उसे थामने वाले डॉक्टर के कौशल पर निर्भर करती है; कुछ घाव आसानी से दिखाई देते हैं, जबकि अन्य आंखों के सामने होते हुए भी छिप जाते हैं या भ्रामक रूप से सामान्य दिखते हैं। हाल के वर्षों में, कंप्यूटर ने चिकित्सा छवियों को मानवीय विशेषज्ञों के स्तर की सटीकता के साथ पढ़ने का तरीका सीखना शुरू कर दिया है, जो एक नए प्रकार की सहायता प्रदान करता है। यह तकनीक, जिसे डीप लर्निंग (deep learning) के रूप में जाना जाता है, मशीनों को चित्रों में उन पैटर्न को पहचानने की अनुमति देती है जिन्हें मानवीय आंखें शायद मिस कर दें, जिससे ब्रोंकोस्कोप को डॉक्टरों के लिए एक स्मार्ट और अधिक विश्वसनीय साथी बनाने का वादा मिलता है।
दक्षिण कोरिया के दो अस्पतालों के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए हाथ आजमाया कि क्या यह तकनीक इन प्रक्रियाओं के दौरान ली गई मानक वीडियो छवियों का उपयोग करके फेफड़ों के कैंसर का पता लगाने में मदद कर सकती है। उन्होंने लगभग दो हजार रोगियों से चौदह हजार से अधिक छवियों का एक विशाल संग्रह एकत्र किया, जिसमें स्वस्थ वायुमार्ग और कैंसर से प्रभावित वायुमार्ग दोनों को शामिल किया गया। यह सुनिश्चित करने के लिए कि उनके परिणाम भरोसेमंद हों और केवल एक तुक्का न हों, उन्होंने डेटा को इस तरह विभाजित किया कि कंप्यूटर ने सीखने और परीक्षण के चरणों के दौरान एक ही रोगी को दोबारा न देखा हो। फिर उन्होंने दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल को एक दूसरी जोड़ी आंखों के रूप में कार्य करने के लिए प्रशिक्षित किया, जिससे उन्हें एक सामान्य वायुमार्ग और ट्यूमर वाले वायुमार्ग के बीच अंतर करना सिखाया जा सके।
परिणामों ने दिखाया कि कंप्यूटर इस काम में उल्लेखनीय रूप से कुशल थे। जब उनसे केवल यह बताने के लिए कहा गया कि क्या किसी छवि में कैंसर है या नहीं, तो सबसे अच्छा प्रदर्शन करने वाले मॉडल ने नब्बे प्रतिशत से अधिक मामलों में स्थिति की सही पहचान की। यह गलत अलार्म (false alarms) देने से बचने में विशेष रूप से कुशल था, जिसने लगभग हर समय स्वस्थ वायुमार्ग की सही पहचान की। एक मॉडल, जो आकार और दक्षता के संतुलन के लिए जाने जाने वाले एक विशिष्ट डिजाइन का उपयोग करता है, दूसरे की तुलना में थोड़ा बेहतर प्रदर्शन करता है, जो कम गलतियां करते हुए अधिक कैंसर पकड़ता है। यह सुझाव देता है कि एक आर्टिफिशियल इंटेलिजेंस सिस्टम एक अत्यधिक सटीक सुरक्षा जाल के रूप में कार्य कर सकता है, जो डॉक्टर को एक संभावित समस्या के प्रति सचेत कर सकता है जिसे वे अन्यथा अनदेखा कर देते।
शोधकर्ताओं ने इस तकनीक को और आगे बढ़ाने की कोशिश की और कंप्यूटर से केवल चित्र देखकर फेफड़ों के कैंसर के विशिष्ट प्रकार, जैसे कि स्क्वैमस सेल कार्सिनोमा (squamous cell carcinoma) या एडेनोकार्सिनोमा (adenocarcinoma), की पहचान करने को कहा। यह एक बहुत कठिन कार्य साबित हुआ। हालांकि सिस्टम स्क्वैमस सेल कार्सिनोमा को उचित सफलता के साथ पहचान सका, लेकिन वह एडेनोकार्सिनोमा के साथ काफी संघर्ष करता रहा, और अक्सर इसे पहचानने में विफल रहा। लेखक बताते हैं कि यह कठिनाई संभवतः बीमारी की प्रकृति के कारण है; कुछ कैंसर प्रकार कैमरे के नीचे बहुत अलग दिखते हैं, जबकि अन्य तब तक सूक्ष्म या छिपे रहते हैं जब तक कि बायोप्सी नहीं ली जाती। एक ट्यूमर को खोजने के स्पष्ट कार्य के विपरीत, केवल एक वीडियो छवि के आधार पर एक प्रकार के ट्यूमर को दूसरे से बताना एक ऐसी चुनौती है जिसे वर्तमान के सबसे स्मार्ट मॉडल भी मास्टर करने में कठिन पाते हैं।
यह अध्ययन यह दावा नहीं करता है कि आर्टिफिशियल इंटेलिजेंस ने फेफड़ों के कैंसर के निदान की समस्या को हल कर लिया है, और न ही यह सुझाव देता है कि कंप्यूटर डॉक्टरों की जगह लेंगे। इसके बजाय, निष्कर्ष एक ऐसे भविष्य की ओर इशारा करते हैं जहाँ ये उपकरण एक शक्तिशाली सहायता के रूप में कार्य करेंगे, विशेष रूप से व्यस्त क्लीनिकों या कम अनुभवी चिकित्सकों के लिए। शोधकर्ता इस बात पर जोर देते हैं कि उनका काम पिछले डेटा का एक पूर्वव्यापी (retrospective) अवलोकन था, और अगला कदम इन प्रणालियों को कई अलग-अलग अस्पतालों में वास्तविक समय में, लाइव प्रक्रियाओं में परीक्षण करना है। यदि वे भविष्य के परीक्षण इन परिणामों की पुष्टि करते हैं, तो मानवीय कौशल और मशीन की सटीकता का संयोजन फेफड़ों के कैंसर के खिलाफ लड़ाई का एक मानक हिस्सा बन सकता है, जो दुनिया भर के रोगियों के लिए शीघ्र पहचान का एक स्पष्ट मार्ग प्रदान करेगा।
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।