A Novel Hybrid Pyramid ViT-ConvFormer Architecture with Dynamic Early Stopping Analysis for Enhanced Diagnostic Efficiency in Diffuse Large B-Cell Lymphoma

मानव जीव विज्ञान की सूक्ष्म दुनिया में, कुछ कैंसर केवल एक दुश्मन नहीं बल्कि विभिन्न खतरों का एक बदलता हुआ परिदृश्य होते हैं। ऐसा ही एक खतरा 'डिफ्यूज़ लार्ज बी-सेल लिंफोमा' (Diffuse Large B-Cell Lymphoma) है, जो रक्त कैंसर का एक आक्रामक रूप है और हर रोगी में अलग तरह से व्यवहार करता है। इसे प्रभावी ढंग से उपचारित करने के लिए, डॉक्टरों को ट्यूमर कोशिकाओं के भीतर एक विशिष्ट आणविक पहचान निर्धारित करनी होती है, जिसे MYC नामक मार्कर के रूप में जाना जाता है। यदि यह मार्कर मौजूद है, तो रोग भयानक गति से बढ़ता है, जिसके लिए बहुत अधिक सशक्त और गहन उपचार योजना की आवश्यकता होती है। यदि यह अनुपस्थित है, तो मानक दृष्टिकोण पर्याप्त हो सकता है। वर्तमान में, इस मार्कर को खोजना एक धीमी, महंगी और श्रमसाध्य प्रक्रिया है जो सूक्ष्मदर्शी के नीचे किए जाने वाले विशेष रासायनिक परीक्षणों पर निर्भर करती है। पैथोलॉजिस्ट, जो ऊतक के नमूनों की जांच करते हैं, उन्हें कोशिकाओं के दिखने और व्यवहार करने के सूक्ष्म सुरागों की तलाश में हजारों कोशिकाओं को मैन्युअल रूप से स्कैन करना पड़ता है। यह मानवीय प्रयास महत्वपूर्ण है, लेकिन यह थकान और भिन्नता के प्रति भी संवेदनशील है, जिसका अर्थ है कि दो विशेषज्ञ हमेशा एक ही स्लाइड पर एकमत नहीं हो सकते।

इस महत्वपूर्ण निदान को तेज करने के लिए, मलेशिया के शोधकर्ताओं की एक टीम ने एक नए प्रकार का आर्टिफिशियल इंटेलिजेंस विकसित किया है, जिसे इन ऊतक स्लाइड्स को गति और अत्यधिक सटीकता के साथ पढ़ने के लिए डिज़ाइन किया गया है। उन्होंने 'पायकनव' (PyConv) नामक एक प्रणाली बनाई है, जो पैथोलॉजिस्ट के लिए एक डिजिटल सहायक के रूप में कार्य करती है। उनके सामने चुनौती यह थी कि मौजूदा कंप्यूटर मॉडल या तो व्यावहारिक होने के लिए बहुत धीमे थे या व्यापक चित्र देखने के लिए बहुत सरल थे। नया मॉडल इस समस्या को दो अलग-अलग तरीकों को मिलाकर हल करता है: एक जो व्यक्तिगत कोशिकाओं के सूक्ष्म विवरणों पर ध्यान केंद्रित करता है और दूसरा जो ऊतक के समग्र आकार और व्यवस्था को समझता है। परिणाम स्वरूप, एक ऐसा उपकरण तैयार हुआ है जो कैंसर के खतरनाक रूपों और सौम्य, गैर-कैंसरयुक्त ऊतकों के बीच लगभग पूर्ण सटीकता के साथ अंतर कर सकता है, और यह सब पिछली प्रणालियों की तुलना में बहुत तेजी से सीखता है।

शोधकर्ताओं ने अपने इस निर्माण का परीक्षण डिजिटल ऊतक छवियों के एक विशाल संग्रह पर किया, जो 180 वास्तविक रोगी नमूनों से लिया गया था। इन नमूनों को सावधानीपूर्वक तीन समूहों में विभाजित किया गया था: आक्रामक, MYC-पॉजिटिव कैंसर वाले रोगी, कम आक्रामक, MYC-नेगेटिव संस्करण वाले रोगी, और सौम्य, गैर-कैंसरयुक्त लिम्फ नोड ऊतक वाले रोगी जो एक स्वस्थ नियंत्रण के रूप में कार्य करते हैं। यह सुनिश्चित करने के लिए कि कंप्यूटर केवल दिखाए गए विशिष्ट स्लाइड्स को याद न कर ले बल्कि बीमारी को पहचानना सीखे, टीम ने डेटा को इस तरह विभाजित किया कि किसी भी एक रोगी का ऊतक एक से अधिक समूह में न आए। कुल मिलाकर, सिस्टम ने लगभग 7,00,000 सूक्ष्म चौकोर ऊतक पैच का विश्लेषण किया, जिनमें से प्रत्येक में कोशिकीय परिदृश्य की एक झलक थी।

पायकनव (PyConv) की मुख्य नवीनता इस बात में निहित है कि यह इन छवियों को कैसे संसाधित करता है। एक एकल पद्धति का उपयोग करने के बजाय, यह विश्लेषण के दो समानांतर प्रवाह चलाता है। एक प्रवाह एक उच्च-शक्ति वाले आवर्धक लेंस (magnifying glass) की तरह कार्य करता है, जो कोशिका नाभिक के सूक्ष्म किनारों और उनके भीतर क्रोमैटिन की बनावट की जांच करने के लिए विशेष परतों का उपयोग करता है। यह प्रवाह उन विशिष्ट, छोटे पैमाने की अनियमितताओं को पकड़ने में उत्कृष्ट है जो एक कैंसर कोशिका को परिभाषित करती हैं। दूसरा प्रवाह एक वाइड-एंगल लेंस की तरह कार्य करता है, जो पूरे ऊतक नमूने में कोशिकाओं की व्यवस्था को देखने के लिए पीछे हटता है। यह व्यापक पैटर्न को देखता है, जैसे कि क्या कोशिकाएं संगठित समूहों का निर्माण कर रही हैं या बेतरतीब ढंग से फैल रही हैं। इस डिज़ाइन की प्रतिभा इस बात में है कि ये दोनों प्रवाह आपस में कैसे संवाद करते हैं। एक 'फ्यूजन लेयर' (fusion layer) इन दोनों को जोड़ती है ताकि विस्तृत, क्लोज-अप दृश्य वाइड-एंगल दृश्य को निर्देशित कर सके, जिससे यह सुनिश्चित होता है कि सिस्टम बैकग्राउंड शोर या स्टेनिंग विविधताओं से विचलित होने के बजाय सबसे महत्वपूर्ण जैविक विशेषताओं पर ध्यान केंद्रित करे।

जब शोधकर्ताओं ने इस हाइब्रिड सिस्टम को परीक्षण के लिए रखा, तो परिणाम आश्चर्यजनक थे। मॉडल ने प्रशिक्षण के केवल 20 दौरों के बाद अपना शिखर प्रदर्शन प्राप्त कर लिया, जो उन अन्य उन्नत मॉडलों की तुलना में समय में 83.5% की कमी को दर्शाता है जो पूरी तरह से वाइड-एंगल, ट्रांसफार्मर-आधारित दृष्टिकोण पर निर्भर करते हैं। सटीकता के मामले में, सिस्टम ने लगभग हर एक मामले में ऊतक के प्रकार की सही पहचान की, जिससे 99.62% की सफलता दर प्राप्त हुई। इससे भी महत्वपूर्ण बात यह है कि इसने केवल अनुमान नहीं लगाया; इसने अत्यंत निश्चितता के साथ खतरनाक MYC-पॉजिटिव कैंसर को MYC-नेगेटिव संस्करण से अलग पहचानना सीखा, जो आज के सबसे जटिल और भारी-भरकम मॉडलों के समान ही सांख्यिकीय रूप से सटीक है। इसने सौम्य ऊतकों को पहचानने में भी असाधारण दक्षता दिखाई, जिससे कैंसर की अनुपस्थिति में उसे प्रभावी ढंग से खारिज किया जा सका।

यह सुनिश्चित करने के लिए कि कंप्यूटर केवल पैटर्न को याद नहीं कर रहा है बल्कि वास्तव में जीव विज्ञान को समझ रहा है, शोधकर्ताओं ने यह देखने के लिए उपकरणों का एक सेट उपयोग किया कि मॉडल क्या "देख" रहा है। इन विज़ुअलाइज़ेशन टूल्स ने छवि के उन विशिष्ट हिस्सों को उजागर किया जिन्होंने निर्णय को प्रभावित किया। विज़ुअलाइज़ेशन ने दिखाया कि सिस्टम सही ढंग से बीमारी के जैविक लक्षणों पर ध्यान केंद्रित कर रहा था: कोशिका नाभिक की गहरी, अनियमित रूपरेखा, कोशिकाओं के भीतर प्रमुख केंद्र, और ऊतक में कोशिकाओं का वितरण। इसने अप्रासंगिक बैकग्राउंड रंगों या आर्टिफैक्ट्स को अनदेखा कर दिया जो अक्सर मानव पर्यवेक्षकों को भ्रमित करते हैं। यह पारदर्शिता महत्वपूर्ण है, क्योंकि यह पुष्टि करती है कि मॉडल रैंडम शोर के बजाय वास्तविक चिकित्सा साक्ष्यों के आधार पर निर्णय ले रहा है।

अध्ययन ने आर्टिफिशियल इंटेलिजेंस की एक सामान्य चिंता को भी संबोधित किया: क्या एक तेज़ मॉडल अनिवार्य रूप से कम सटीक मॉडल होता है? जबकि कुछ मौजूदा मॉडल छवियों को संसाधित करने में थोड़े तेज़ थे, शोधकर्ताओं ने पाया कि उनकी नैदानिक सटीकता में अंतर इतना कम था कि वह सांख्यिकीय रूप से महत्वपूर्ण नहीं था। दूसरे शब्दों में, नया सिस्टम दोनों का सर्वश्रेष्ठ लाभ प्रदान करता है: एक सरल मॉडल की तीव्र अभिसरण (convergence) क्षमता और एक जटिल मॉडल की उच्च नैदानिक परिशुद्धता। गति और विश्वसनीयता की आवश्यकता के बीच संतुलन बनाकर, पायकनव क्लिनिकल प्रयोगशालाओं में उन्नत एआई को एकीकृत करने के लिए एक व्यावहारिक मार्ग प्रदान करता है। यह एक ऐसे भविष्य का सुझाव देता है जहाँ इन जटिल कैंसरों की प्रारंभिक स्क्रीनिंग ऐसी गति और निरंतरता के साथ की जा सकती है जो मानव पैथोलॉजिस्ट के विशेषज्ञ निर्णय का स्थान लेने के बजाय उसका समर्थन करती है, जिससे इस आक्रामक बीमारी वाले रोगियों के लिए उपचार के निर्णयों में तेजी आने की संभावना है।