Explainable Machine Learning and Temporal Calibration Drift of a TyG- BMI-Based Model for Early Prediction of Gestational Diabetes Mellitus

गर्भावस्था जैविक परिवर्तन का एक गहन समय है, लेकिन कुछ महिलाओं के लिए, यह एक छिपे हुए मेटाबॉलिक तूफान (metabolic storm) के साथ भी आती है। जेस्टेशनल डायबिटीज मेलिटस (gestational diabetes mellitus) एक ऐसी स्थिति है जिसमें गर्भावस्था के दौरान रक्त शर्करा का स्तर खतरनाक रूप से बढ़ जाता है, जो माँ और विकसित हो रहे बच्चे दोनों के लिए जोखिम पैदा करता है। वर्तमान में, डॉक्टर गर्भावस्था के मध्य में, यानी चौबीस से अट्ठाईस सप्ताह के बीच, एक मानक परीक्षण करने का इंतजार करते हैं जो इस बात की पुष्टि कर सके कि यह स्थिति उत्पन्न हुई है या नहीं। तब तक, प्रारंभिक रोकथाम की खिड़की अक्सर बंद हो चुकी होती है। शोधकर्ता लंबे समय से इस जोखिम को बहुत पहले, शायद गर्भावस्था के पहले कुछ महीनों में ही पहचानने का तरीका खोज रहे हैं, ताकि जीवनशैली में बदलाव और करीब से निगरानी जल्द शुरू की जा सके। ऐसा करने के लिए, वे माँ के रक्त और शरीर के माप में उन सुरागों की तलाश करते हैं जो समस्या पूरी तरह आने से पहले संकेत देते हैं। ऐसा एक सुराग दो सरल संख्याओं का संयोजन है: एक माप कि शरीर चीनी और वसा को कैसे संभालता है, और शरीर के वजन का एक माप। जब इन्हें मिलाया जाता है, तो ये एक एकल स्कोर बनाते हैं जो शरीर के मेटाबॉलिक स्वास्थ्य को दर्शाता है। हालाँकि, चुनौती केवल एक ऐसा स्कोर खोजने की नहीं है जो एक बार काम करे, बल्कि एक ऐसा स्कोर खोजने की है जो समय के साथ सटीक बना रहे और जैसे-जैसे गर्भवती महिलाओं की आबादी बदलती है, वैसे भी सटीक रहे। एक प्रेडिक्शन टूल (prediction tool) जिस वर्ष बनाया गया है उसमें एकदम सही लग सकता है, लेकिन एक साल बाद कम विश्वसनीय हो सकता है, जिससे डॉक्टरों को गलत आत्मविश्वास या अनावश्यक चिंता हो सकती है।

चीन के लियाओचेंग सेकंड पीपल्स हॉस्पिटल के शोधकर्ताओं की एक टीम ने ऐसा टूल बनाने और परीक्षण करने का लक्ष्य रखा। उन्होंने एक विशिष्ट समूह पर ध्यान केंद्रित किया: 528 गर्भवती महिलाएँ जो 2023 और 2025 के बीच उनके अस्पताल में आई थीं और एक ही बच्चे को जन्म दे रही थीं। शोधकर्ता यह देखना चाहते थे कि क्या वे इन महिलाओं में से यह अनुमान लगा सकते हैं कि किन महिलाओं को जेस्टेशनल डायबिटीज विकसित होगा, उनकी पहली प्रसवपूर्व मुलाकातों के दौरान एकत्र किए गए डेटा को देखकर। उन्होंने महिलाओं की आयु, उनके रक्तचाप, उनके पारिवारिक चिकित्सा इतिहास और शर्करा, वसा और स्वास्थ्य के अन्य मार्करों को मापने वाले विभिन्न रक्त परीक्षणों सहित व्यापक जानकारी एकत्र की। उनके दृष्टिकोण के केंद्र में एक विशिष्ट गणना थी जिसने इंसुलिन रेजिस्टेंस (insulin resistance) के माप को गर्भावस्था से पहले महिला के बॉडी मास इंडेक्स (BMI) के साथ जोड़ा था। उन्होंने इस पूरे डेटा को पैटर्न खोजने के लिए डिज़ाइन किए गए तीन अलग-अलग प्रकार के कंप्यूटर प्रोग्रामों में डाला। एक प्रोग्राम ने पारंपरिक सांख्यिकीय पद्धति का उपयोग किया, जबकि अन्य दो ने अधिक उन्नत मशीन लर्निंग तकनीकों का उपयोग किया जो चरों (variables) के बीच जटिल, गैर-रेखीय संबंधों का पता लगा सकती हैं। टीम ने 2023 और 2024 में देखी गई महिलाओं के डेटा पर इन प्रोग्रामों को प्रशिक्षित किया, और फिर, महत्वपूर्ण रूप से, उन्होंने यह परीक्षण किया कि ये प्रोग्राम उन महिलाओं के एक पूरी तरह से नए समूह पर कैसा प्रदर्शन करते हैं जो 2025 में आईं। इस अलगाव ने उन्हें यह देखने की अनुमति दी कि क्या मॉडल बिना दोबारा ट्यून किए समय के बीतने और रोगी आबादी के परिवर्तनों को संभाल सकते हैं।

परिणामों से पता चला कि कंप्यूटर मॉडल महिलाओं को सही ढंग से रैंक करने में काफी अच्छे थे। जब शोधकर्ताओं ने 2025 की महिलाओं को देखा, तो सबसे उन्नत मशीन लर्निंग मॉडल, जिसे XGBoost के रूप में जाना जाता है, ने 0.88 के AUC के साथ उन महिलाओं के बीच सही अंतर किया जिन्हें मधुमेह विकसित हुआ और जिन्हें नहीं हुआ। अन्य मॉडल भी समान रूप से अच्छा प्रदर्शन करते थे, और नई समूह की महिलाओं पर लागू होने पर उनकी सही ढंग से रैंक करने की क्षमता में महत्वपूर्ण गिरावट नहीं आई। रैंकिंग में यह स्थिरता महत्वपूर्ण है क्योंकि इसका अर्थ है कि मॉडल अभी भी दूसरों के सापेक्ष उच्च जोखिम वाले लोगों को पहचान सकते हैं। हालाँकि, अध्ययन ने एक अधिक सूक्ष्म समस्या को उजागर किया जिसे केवल रैंकिंग स्कोर नहीं देख सका। जबकि मॉडल महिलाओं को जोखिम के आधार पर क्रमबद्ध करने में अच्छे थे, उनके द्वारा उत्पन्न वास्तविक संख्याएँ—बीमारी होने की विशिष्ट प्रतिशत संभावना—समय के साथ बदल गईं। जब मॉडल को 2025 के समूह पर लागू किया गया, तो वे वास्तविक घटना की तुलना में अधिक जोखिम का अनुमान लगाने लगे। सांख्यिकीय शब्दों में, मॉडल खतरे को बढ़ा-चढ़ाकर बता रहे थे। यह विचलन (drift) तब भी हुआ जब मॉडल अभी भी उच्च जोखिम वाली सूची में शीर्ष पर मौजूद लोगों की सही पहचान कर रहे थे। यह एक मौसम पूर्वानुमान की तरह है जो सही ढंग से भविष्यवाणी करता है कि मंगलवार को सोमवार की तुलना में अधिक गीला रहेगा, लेकिन लगातार दोनों दिनों के लिए 90 प्रतिशत बारिश की संभावना बताता है जबकि वास्तविक संभावना केवल 60 प्रतिशत होती है। क्रम सही है, लेकिन विशिष्ट संख्याएँ गलत हैं।

इसे संबोधित करने के लिए, शोधकर्ताओं ने 2025 के डेटा को देखने के बाद मॉडल पर एक सरल गणितीय समायोजन लागू किया। पुनर्मूल्यांकन (recalibration) नामक यह प्रक्रिया, अनिवार्य रूप से भविष्यवाणियों के बेसलाइन को रीसेट करती है ताकि औसत जोखिम वास्तविक मामलों की संख्या से मेल खा सके। इस समायोजन के बाद, मॉडल अपने विशिष्ट जोखिम अनुमानों में बहुत अधिक सटीक हो गए, जिससे उनकी भविष्यवाणियों में त्रुटि कम हो गई। अध्ययन ने यह समझाने के लिए भी एक तकनीक का उपयोग किया कि कंप्यूटर ने अपने निर्णय क्यों लिए। डेटा का विश्लेषण करके, शोधकर्ताओं ने पाया कि इंसुलिन रेजिस्टेंस और शरीर के वजन का संयुक्त स्कोर भविष्यवाणियों को चलाने वाला सबसे महत्वपूर्ण कारक था। इसके बाद महिला की आयु, उसका फास्टिंग ब्लड शुगर लेवल और गर्भावस्था से पहले का बॉडी मास इंडेक्स आया। ये निष्कर्ष जैविक रूप से तर्कसंगत हैं, क्योंकि वे अत्यधिक शरीर की वसा, चीनी प्रबंधन में कठिनाई और गर्भावस्था के दौरान मधुमेह के विकास के बीच ज्ञात संबंध को दर्शाते हैं। कंप्यूटर ने केवल अनुमान नहीं लगाया; इसने उन्हीं कारकों पर भारी निर्भरता दिखाई जिन्हें डॉक्टर पहले से ही महत्वपूर्ण मानते हैं।

इन आशाजनक परिणामों के बावजूद, शोधकर्ता इसे पूरी तरह से हल हुआ घोषित करने में सावधान हैं। अध्ययन एक ही अस्पताल में आयोजित किया गया था, और नए समूह में वास्तव में स्थिति विकसित करने वाली महिलाओं की संख्या अपेक्षाकृत कम थी। तथ्य यह है कि मॉडलों को पुनर्मूल्यांकन की आवश्यकता थी, यह सुझाव देता है कि वे अभी तक बिना आवधिक अपडेट के हर क्लिनिक में एक स्टैंडअलोन डायग्नोस्टिक टूल के रूप में उपयोग के लिए तैयार नहीं हैं। अध्ययन इस बात पर प्रकाश डालता है कि एक मॉडल रोगियों को जोखिम के आधार पर वर्गीकृत करने में उत्कृष्ट हो सकता है, जबकि वह अपने विशिष्ट नंबरों में गलत हो सकता है, एक ऐसी समस्या जिसे अक्सर मिस कर दिया जाता है यदि शोधकर्ता केवल रैंकिंग स्कोर देखते हैं। लेखक निष्कर्ष निकालते हैं कि ऐसे टूल के नैदानिक उपयोग के लिए सुरक्षित होने के लिए, इसे निरंतर निगरानी और समायोजन की आवश्यकता है। आगे का रास्ता कई अलग-अलग अस्पतालों और महिलाओं के बड़े समूहों में इन मॉडलों का परीक्षण करने से जुड़ा है ताकि यह सुनिश्चित किया जा सके कि वे विश्वसनीय बने रहें। तब तक, यह कार्य एक महत्वपूर्ण अनुस्मारक के रूप में कार्य करता है कि प्रेडिक्शन मॉडल बनाना केवल पहला कदम है; इसे समय के साथ सटीक और भरोसेमंद बनाए रखना एक निरंतर चलने वाली प्रक्रिया है जिसके लिए निरंतर ध्यान देने की आवश्यकता होती है।