DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study

दंत चिकित्सक पैनोरमिक एक्स-रे पर भरोसा करते हैं, जो एक एकल विस्तृत छवि है जो पूरे ऊपरी और निचले जबड़े को कैप्चर करती है, ताकि वे रोगी के मौखिक स्वास्थ्य का त्वरित अवलोकन प्राप्त कर सकें। ये चित्र कैविटी (सड़न), दांत की जड़ में संक्रमण, या उन दांतों जैसे छिपे हुए मुद्दों का पता लगाने के लिए रक्षा की पहली पंक्ति हैं जो कभी मसूड़ों से बाहर नहीं निकल पाए। हालांकि, इन छवियों को पढ़ना कठिन है। विवरण सूक्ष्म होते हैं, और अनुभवी पेशेवर भी बीमारी के छोटे संकेतों को मिस कर सकते हैं या जो वे देख रहे हैं उस पर असहमत हो सकते हैं। सहायता के लिए, शोधकर्ताओं ने कृत्रिम बुद्धिमत्ता (AI) की ओर रुख किया है, जिससे कंप्यूटर को इन समस्याओं को स्वचालित रूप से पहचानने के लिए प्रशिक्षित किया जा सके। इस क्षेत्र में सबसे बड़ी बाधा कंप्यूटर प्रोग्राम बनाना नहीं, बल्कि उसे सिखाने के लिए डेटा खोजना है। किसी विशिष्ट बीमारी को पहचानने के लिए सिस्टम को प्रशिक्षित करने हेतु, विशेषज्ञों को हजारों छवियों में हर एक दांत के चारों ओर मैन्युअल रूप से बॉक्स बनाने होते हैं और ठीक से लेबल करना होता है कि उसमें क्या गलत है। यह प्रक्रिया धीमी, महंगी है और इसके लिए अत्यधिक कुशल मानव श्रम की आवश्यकता होती है। इस कारण, वैज्ञानिक लगातार कंप्यूटर को कम मानवीय सहायता के साथ अधिक स्मार्ट बनाने के तरीके खोज रहे हैं, इस उम्मीद में कि वे एक ऐसा तरीका खोज सकें जो बहुत कम लेबल किए गए उदाहरणों से भी प्रभावी ढंग से सीख सके।

शोधकर्ताओं की एक टीम ने डेंटल एक्स-रे के एक बड़े संग्रह का उपयोग करके इस समस्या के एक विशिष्ट दृष्टिकोण का परीक्षण करने का निर्णय लिया। वे यह देखना चाहते थे कि क्या कृत्रिम बुद्धिमत्ता का एक आधुनिक प्रकार, जो बिना किसी लेबल वाली लाखों तस्वीरों को खुद से देखकर सीखता है, तब बेहतर प्रदर्शन कर सकता है जब लेबल किए गए प्रशिक्षण डेटा की मात्रा सख्ती से सीमित हो। उन्होंने एक ऐसे कार्य पर ध्यान केंद्रित किया जहाँ कंप्यूटर को एक्स-रे में एक विशिष्ट दांत को देखना था और यह तय करना था कि क्या उसमें चार स्थितियों में से एक या अधिक स्थितियाँ हैं: कैविटी, गहरी कैविटी, जड़ में संक्रमण, या एक इम्पैक्टेड (अटक गया) दांत। शोधकर्ताओं ने कंप्यूटर की "आंखों" को तैयार करने के तीन अलग-अलग तरीकों की तुलना की। पहले तरीके में DINOv2 नामक एक अत्याधुनिक प्रणाली का उपयोग किया गया था, जिसे बिना किसी मानवीय लेबल के सामान्य छवियों के विशाल पुस्तकालय पर प्रशिक्षित किया गया था। दूसरा तरीका एक मानक प्रणाली का था जिसे बिल्लियों, कारों और पेड़ों जैसी रोजमर्रा की तस्वीरों के एक प्रसिद्ध संग्रह पर प्रशिक्षित किया गया था, जहाँ मनुष्यों ने हर तस्वीर को लेबल किया था। तीसरा तरीका एक नियंत्रण समूह (कंट्रोल ग्रुप) था, जिसमें एक ऐसी प्रणाली का उपयोग किया गया था जिसने कभी कोई छवि नहीं देखी थी और वह केवल रैंडमली अनुमान लगा रही थी।

अध्ययन की शुरुआत इन प्रणालियों का उपलब्ध डेटा की पूरी मात्रा के साथ परीक्षण करके हुई। जब शोधकर्ताओं ने कंप्यूटर को उपलब्ध सभी लेबल किए गए उदाहरणों तक पहुंच दी, तो परिणाम आश्चर्यजनक रूप से करीब थे। आधुनिक, स्व-शिक्षित प्रणाली और पारंपरिक, मानव-लेबल वाली प्रणाली लगभग समान रूप से कार्य कर रही थीं, दोनों ही डेंटल स्थितियों को समान स्तर की सटीकता के साथ सफलतापूर्वक पहचान रही थीं। वह प्रणाली जिसने पहले कभी कोई छवि नहीं देखी थी, काफी खराब प्रदर्शन कर रही थी, जिससे पुष्टि हुई कि काम करने के लिए कंप्यूटर को कुछ पूर्व ज्ञान की आवश्यकता थी। इस प्रारंभिक निष्कर्ष ने सुझाव दिया कि पर्याप्त डेटा वाले कार्य के लिए, पुराना, स्थापित तरीका नए और अधिक जटिल तरीके के समान ही अच्छा था।

असली परीक्षा तब हुई जब शोधकर्ताओं ने एक ऐसे परिदृश्य का अनुकरण किया जहाँ मानव विशेषज्ञ बहुत व्यस्त थे और केवल बहुत कम उदाहरणों को लेबल कर सकते थे। उन्होंने प्रशिक्षण डेटा को प्रत्येक स्थिति के लिए केवल पांच सकारात्मक उदाहरणों तक सीमित कर दिया, जो वास्तविक दुनिया के चिकित्सा अनुसंधान में अक्सर होता है जहाँ डेटा एकत्र करना कठिन होता है। इस सीमित वातावरण में, परिणाम नाटकीय रूप रूप से बदल गए। बिना लेबल वाली छवियों से सीखने वाली आधुनिक प्रणाली ने हर एक परीक्षण में पारंपरिक प्रणाली को लगातार पछाड़ दिया। केवल पांच उदाहरणों से सीखने के बावजूद, स्व-शिक्थित प्रणाली मानव-लेबल वाली तस्वीरों से प्रशिक्षित प्रणाली की तुलना में दंत समस्याओं को बहुत बेहतर तरीके से पहचानने में सक्षम थी। यह लाभ तब भी बना रहा जब शोधकर्ताओं ने उदाहरणों की संख्या बढ़ाकर एक सौ कर दी; स्व-शिक्षित प्रणाली एक मजबूत प्रदर्शन करने वाली बनी रही। यह सुनिश्चित करने के लिए कि यह केवल इसलिए नहीं था क्योंकि आधुनिक प्रणाली में एक अलग प्रकार का कंप्यूटर आर्किटेक्चर उपयोग किया गया था, शोधकर्ताओं ने एक तीसरे, अधिक उन्नत सिस्टम का भी परीक्षण किया जिसे पारंपरिक तरीके से प्रशिक्षित किया गया था लेकिन जिसमें वही आधुनिक आर्किटेक्चर था। इस निष्पक्ष प्रतिद्वंद्वी के विरुद्ध भी, स्व-शिक्षित प्रणाली जीत गई, जिससे पता चला कि बहुत कम उदाहरणों से सीखने की इसकी क्षमता एक वास्तविक शक्ति है।

शोधकर्ता यह समझाने में सावधानी बरतते हैं कि उनके निष्कर्षों ने क्या सिद्ध किया और क्या नहीं। उन्होंने दिखाया कि स्व-शिक्षित प्रणाली कम डेटा का उपयोग करने में बेहतर थी, लेकिन वे निश्चित रूप से यह नहीं कह सकते थे कि यह इसलिए था क्योंकि इसने बिना लेबल के सीखा। सिस्टम कई तरह से भिन्न थे, जिनमें उन्हें प्रशिक्षित करने के लिए उपयोग की गई छवियों के प्रकार और उन्हें बनाने के लिए उपयोग किए गए विशिष्ट गणितीय नुस्खे शामिल थे। इसलिए, यह लाभ केवल एक कारक के बजाय इन सभी कारकों के संयोजन से उत्पन्न होने की संभावना है। इसके अलावा, जबकि स्व-शिक्षित प्रणाली अधिक कुशल थी, अध्ययन ने यह दावा नहीं किया कि यह तुरंत डेंटिस्ट के क्लिनिक में उपयोग के लिए तैयार है। प्रदर्शन के अंतर, हालांकि सुसंगत थे, इतने बड़े नहीं थे कि उन्हें एक नैदानिक सफलता (क्लीनिकल ब्रेकथ्रू) घोषित किया जा सके, और इन प्रणालियों का परीक्षण विभिन्न अस्पतालों या विभिन्न एक्स-रे मशीनों वाले रोगियों पर नहीं किया गया था। अध्ययन यह निष्कर्ष निकालता है कि सीमित संसाधनों के साथ काम करने वाले शोधकर्ताओं के लिए, एक आधुनिक, स्व-शिक्षित प्रणाली के साथ शुरुआत करना एक शक्तिशाली रणनीति है। यह कम विशेषज्ञ लेबल का अधिकतम लाभ उठाने का एक तरीका प्रदान करता है, जो भविष्य के उपकरणों के लिए एक मजबूत आधार प्रदान करता है जो अंततः डेंटिस्ट को समस्याओं का अधिक सटीक और तेजी से निदान करने में मदद कर सकते हैं।