Development and Validation of a Feature-Prompted Deep Learning System for Diagnosing Chronic Atrophic Gastritis Under White-Light Endoscopy

हर साल, दुनिया भर में लाखों लोग पेट के कैंसर के खतरे का सामना करते हैं, जो एक ऐसी बीमारी है जो वैश्विक स्तर पर कैंसर से होने वाली मौतों के प्रमुख कारणों में से एक बनी हुई है। इस कैंसर के विकसित होने से पहले, पेट की परत अक्सर क्रोनिक एट्रोफिक गैस्ट्राइटिस (chronic atrophic gastritis) नामक एक धीमी, शांत परिवर्तन प्रक्रिया से गुजरती है। इस स्थिति में, पेट की परत वाला स्वस्थ ऊतक धीरे-धीरे पतला हो जाता है और अपना कार्य खो देता है, एक ऐसा परिवर्तन जो बाद में कैंसर के प्रकट होने के जोखिम को काफी बढ़ा देता है। इस शुरुआती चेतावनी संकेत का पता लगाना महत्वपूर्ण है, फिर भी यह डॉक्टरों के लिए एक कठिन कार्य बना हुआ है। पेट के अंदर देखने के लिए प्राथमिक उपकरण एक पतली नली पर लगा एक लचीला कैमरा है, जो अंग के आंतरिक भाग की छवियां कैप्चर करता है। हालांकि, इन छवियों में ऊतक के पतले होने के सूक्ष्म संकेतों को पहचानना बेहद मुश्किल है। ये परिवर्तन धुंधले हो सकते हैं, और यहाँ तक कि अनुभवी विशेषज्ञ भी जो देख रहे होते हैं, उस पर असहमत हो सकते हैं या संकेतों को पूरी तरह से अनदेखा कर सकते हैं। इस अनिश्चितता के कारण, डॉक्टर कभी-कभी सुनिश्चित होने के लिए पेट के विभिन्न हिस्सों से यादृच्छिक ऊतक नमूने लेने पर निर्भर होते हैं, जो एक समय लेने वाली, महंगी और मरीजों के लिए असुविधाजनक प्रक्रिया है।

हैंग्जो शियाओशान हॉस्पिटल ऑफ ट्रेडिशनल चाइनीज मेडिसिन के शोधकर्ताओं की एक टीम ने एक नई आर्टिफिशियल इंटेलिजेंस प्रणाली विकसित की है जिसे डॉक्टरों को इन शुरुआती चेतावनी संकेतों को अधिक विश्वसनीय रूप से पहचानने में मदद करने के लिए डिज़ाइन किया गया है। उनका लक्ष्य एक डिजिटल सहायक बनाना था जो उसी लाइव वीडियो छवियों को देख सके जिन्हें एक डॉक्टर मानक परीक्षण के दौरान देखता है और ऊतक के पतले होने के विशिष्ट पैटर्न को उच्च सटीकता के साथ पहचान सके। एक एकल छवि का एक बार में विश्लेषण करने के पिछले प्रयासों के विपरीत, इस टीम ने एक बहु-चरणीय प्रणाली बनाई जो एक मानव विशेषज्ञ द्वारा रोगी के परीक्षण के सावधानीपूर्वक तरीके की नकल करती है। प्रणाली पहले यह जांचती है कि क्या छवि उपयोग के लिए पर्याप्त स्पष्ट है, और धुंधले या खराब रोशनी वाले फ्रेमों को हटा देती है। इसके बाद यह पहचानती है कि कैमरा पेट के किस हिस्से को देख रहा है, यानी प्रवेश द्वार, मुख्य शरीर और निकास के बीच अंतर करती है। अंत में, यह उन विशिष्ट क्षेत्रों पर ध्यान केंद्रित करती है जहाँ ऊतक का पतला होना छिपा हो सकता है, एक ऐसी तकनीक का उपयोग करती है जो निदान करने से पहले संदिग्ध क्षेत्रों को उजागर करती है।

शोधकर्ताओं ने जनवरी 2024 से सितंबर 2025 के बीच लगभग एक हजार रोगियों से ली गई हजारों छवियों का उपयोग करके इस प्रणाली का परीक्षण किया, जिन्होंने गैस्ट्रोस्कोपी करवाई थी। यह सुनिश्चित करने के लिए कि प्रणाली सही चीजें सीख रही है, उन्होंने इसे छवियों के एक विशाल संग्रह पर प्रशिक्षित किया जिसे अनुभवी डॉक्टरों द्वारा सावधानीपूर्वक लेबल किया गया था। उनके दृष्टिकोण का सबसे अभिनव हिस्सा यह था कि प्रणाली ने बीमारी को खोजने का तरीका कैसे सीखा। कंप्यूटर से पूरे चित्र में समस्या कहाँ है इसका अनुमान लगाने के लिए कहने के बजाय, उन्होंने पहले प्रणाली के एक अलग हिस्से को उन क्षेत्रों के चारों ओर एक डिजिटल रूपरेखा खींचना सिखाया जो पतले होने जैसे लग सकते थे। मुख्य निदान उपकरण ने इन रूपरेखाओं को एक मार्गदर्शक के रूप में उपयोग किया, और केवल प्रासंगिक ऊतक पर अपना ध्यान केंद्रित किया। यह विधि, जिसे शोधकर्ता 'फीचर-प्रॉम्प्टेड लर्निंग' (feature-prompted learning) कहते हैं, ने सिस्टम को पेट के स्वस्थ हिस्सों को अनदेखा करने की अनुमति दी जो इसे विचलित कर सकते थे, बिल्कुल वैसे ही जैसे कोई व्यक्ति भीड़भाड़ वाले कमरे में पृष्ठभूमि को अनदेखा करते हुए किसी विशिष्ट विवरण पर ध्यान केंद्रित कर सकता है।

जब टीम ने अपने सर्वश्रेष्ठ मॉडल का परीक्षण किया, तो परिणाम आश्चर्यजनक थे। प्रणाली ने उन मामलों में ऊतक के पतले होने की उपस्थिति को 92.4% मामलों में सही ढंग से पहचाना जहाँ यह वास्तव में मौजूद था, और उन मामलों में जहाँ यह अनुपस्थित था, इसे 89.2% मामलों में सही ढंग से खारिज कर दिया। यह स्तर की सटीकता केवल एक सांख्यिकीय सफलता नहीं थी; यह एक व्यावहारिक सफलता थी। जब शोधकर्ताओं ने कंप्यूटर के प्रदर्शन की तुलना मानव डॉक्टरों के एक समूह से की, तो सिस्टम ने उन वरिष्ठ विशेषज्ञों के स्तर के बराबर प्रदर्शन किया, जिनके पास पांच साल से अधिक का स्वतंत्र अनुभव था। सिस्टम की 90.9% की सटीकता इन विशेषज्ञों द्वारा प्राप्त 90.3% से सांख्यिकीय रूप से अविभेदनीय थी। हालांकि, सिस्टम ने मध्यम अनुभव वाले डॉक्टरों के मुकाबले काफी बेहतर प्रदर्शन किया, जो तीन से पांच साल तक स्वतंत्र रूप से अभ्यास कर रहे थे। इन कम अनुभवी डॉक्टरों ने 85.6% की सटीकता प्राप्त की, एक ऐसा अंतर जो यह सुझाव देता है कि आर्टिफिशियल इंटेलिजेंस एक शक्तिशाली समानता लाने वाला उपकरण (equalizer) हो सकता है, जो कम अनुभवी चिकित्सकों को सबसे अनुभवी विशेषज्ञों के नैदानिक स्तर तक पहुँचने में मदद करता है।

अध्ययन ने यह भी खुलासा किया कि प्रणाली की सफलता के लिए उसका बहु-चरणीय डिज़ाइन आवश्यक था। जब शोधकर्ताओं ने एक सरल संस्करण का परीक्षण किया जो गुणवत्ता या स्थान के लिए फिल्टर करने के बजाय पूरी छवि को देखता था, तो सटीकता गिरकर 87.0% हो गई। इस अंतर ने यह साबित कर दिया कि डेटा को साफ करने और सही शारीरिक क्षेत्रों पर ध्यान केंद्रित करने की प्रणाली की क्षमता ने उसके अंतिम निर्णय में वास्तविक, मापने योग्य अंतर पैदा किया। फीचर-प्रॉम्प्टेड रणनीति, जहाँ सिस्टम को संदिग्ध क्षेत्रों की डिजिटल रूपरेखा द्वारा निर्देशित किया गया था, ने परिणामों में और सुधार किया, जिससे पता चला कि कंप्यूटर का ध्यान छवि के सबसे प्रासंगिक हिस्सों की ओर केंद्रित करने से उसे गलतियाँ करने से बचने में मदद मिली। हालांकि सिस्टम ने बहुत आशाजनक प्रदर्शन दिखाया, शोधकर्ता इस बात पर जोर देने में सावधानी बरतते थे कि यह एक एकल-केंद्र अध्ययन था, जिसका अर्थ है कि इसका परीक्षण एक अस्पताल के रोगियों और विशिष्ट उपकरणों पर किया गया था। उन्होंने स्वीकार किया कि इस प्रणाली को दुनिया भर के क्लीनिकों में नियमित रूप से उपयोग करने से पहले विभिन्न प्रकार के सेटिंग्स और विभिन्न प्रकार के कैमरों के साथ परीक्षण करने की आवश्यकता है।

इन सीमाओं के बावजूद, यह कार्य पेट की पूर्व-कैंसर स्थितियों का पता लगाने को मानकीकृत करने के प्रयास में एक महत्वपूर्ण कदम है। एक सावधानीपूर्वक, चरण-दर-चरण विश्लेषण के साथ एक ऐसी विधि को जोड़कर, जो कंप्यूटर को सबसे महत्वपूर्ण विवरणों पर ध्यान केंद्रित करने के लिए निर्देशित करती है, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो शीर्ष-स्तरीय मानव विशेषज्ञों के प्रदर्शन से मेल खाता है। यह प्रणाली डॉक्टर की जगह नहीं लेती है बल्कि एक दूसरी जोड़ी आँखों के रूप में कार्य करती है जो कभी थकती नहीं है और थकान या व्याकुलता के कारण कभी सूक्ष्म सुराग को नहीं चूकती है। जैसे-जैसे यह तकनीक बड़े, बहु-केंद्र परीक्षणों की ओर बढ़ती है, इसमें पेट के कैंसर का शीघ्र पता लगाने को अधिक सुसंगत और सुलभ बनाने की क्षमता है, यह सुनिश्चित करते हुए कि क्रोनिक एट्रोफिक गैस्ट्राइटिस के चेतावनी संकेत स्पष्ट रूप से दिखाई दें, चाहे कैमरा कोई भी पकड़ रहा हो।