Risk Aware Prompt-Guided CNN–LLM Framework for Brain MRI Diagnostic Report Generation

एक अस्पताल के रेडियोलॉजी विभाग के शांत, गूँजते कमरों में, एक डॉक्टर और एक मशीन के बीच एक महत्वपूर्ण बातचीत होती है। वह मशीन एक स्कैनर है जो मानव मस्तिष्क की गहराई में झाँकता है, और ग्रे रंग की हजारों क्रॉस-सेक्शनल छवियों को कैप्चर करता है। डॉक्टर एक रेडियोलॉजिस्ट है, जो इन छवियों को पढ़ने और जो वे देखते हैं उसे एक लिखित रिपोर्ट में अनुवाद करने के लिए प्रशिक्षित एक विशेषज्ञ है, जो रोगी के उपचार का मार्गदर्शन करती है। इस रिपोर्ट को सटीक होना चाहिए, जिसमें ट्यूमर का सटीक स्थान, उसका आकार और आसपास की रक्त वाहिकाओं एवं मस्तिष्क के ऊतकों के साथ उसकी परस्पर क्रिया का उल्लेख हो। हालाँकि, इन रिपोर्टों को लिखना एक भारी बोझ है। यह मानसिक रूप से थका देने वाला काम है जिसके लिए गहन एकाग्रता की आवश्यकता होती है, और जब डॉक्टर थक जाते हैं या अत्यधिक काम के दबाव में होते हैं, तो रिपोर्ट दोहराव वाली हो सकती है या सूक्ष्म विवरणों को छोड़ सकती है। वर्षों से, वैज्ञानिकों ने ऐसी आर्टिफिशियल इंटेलिजेंस बनाने की कोशिश की है जो इन रिपोर्टों को स्वचालित रूप से लिख सके, ताकि डॉक्टर का बोझ कम किया जा सके। लेकिन शुरुआती प्रयास अक्सर वास्तविक निदान की बारीकियों को पकड़ने में विफल रहे, जिससे ऐसे टेक्स्ट उत्पन्न हुए जो रोबोटिक लगते थे या रोगी की देखभाल के लिए आवश्यक विशिष्ट नैदानिक संदर्भ को समझने में चूक जाते थे। चुनौती केवल एक आकृति को देखने में नहीं, बल्कि कंप्यूटर को उस जटिल कहानी को समझने में सक्षम बनाने में है जो वह एक जीवित मनुष्य के बारे में बताती है।

भारत के गांधीग्राम ग्रामीण संस्थान के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका प्रस्तावित किया है, जो कंप्यूटर को डॉक्टर के विकल्प के रूप में नहीं, बल्कि एक भागीदार के रूप में देखता है जो उनसे सीखता है। उनका दृष्टिकोण, जिसे हाल ही में एक अध्ययन में वर्णित किया गया है, दो शक्तिशाली प्रकार की आर्टिफिशियल इंटेलिजेंस को जोड़ता है: एक विजुअल सिस्टम जो आँखों की एक जोड़ी की तरह काम करता है, और एक लैंग्वेज सिस्टम जो एक लेखक की तरह काम करता है। विजुअल सिस्टम एक डीप लर्निंग मॉडल है जिसे ब्रेन स्कैन को देखने और चार विशिष्ट परिणामों की पहचान करने के लिए प्रशिक्षित किया गया है: ग्लियोमा (glioma), मेनिन्जियोमा (meningioma), पिट्यूटरी ट्यूमर (pituitary tumor), या कोई ट्यूमर नहीं। पुराने सिस्टम के विपरीत, जो शायद केवल अनुमान लगाकर आगे बढ़ जाते हैं, यह विजुअल सिस्टम अपनी अनिश्चितता के प्रति जागरूक होने के लिए डिज़ाइन किया गया है। यह अपनी खोज में कितना आश्वस्त है, इसकी गणना करता है, और उस विश्वास को एक सरल, मानव-पठनीय स्थिति जैसे कि "कम" (low), "मध्यम" (moderate), या "उच्चतम" (highest) में बदल देता है। यह एक महत्वपूर्ण कदम है क्योंकि यह सिस्टम को प्रक्रिया के अगले भाग को अपनी निश्चितता का स्तर बताने की अनुमति देता है, ठीक वैसे ही जैसे एक जूनियर डॉक्टर कह सकता है, "मुझे काफी यकीन है कि यह एक ट्यूमर है, लेकिन मैं चाहता हूँ कि एक सीनियर इसकी दोबारा जाँच करे।"

सिस्टम का दूसरा भाग एक लार्ज लैंग्वेज मॉडल है, जो मानव जैसी भाषा उत्पन्न करने में सक्षम आर्टिफिशियल इंटेलिजेंस का एक प्रकार है। इस ढांचे में, विजुअल सिस्टम केवल छवि को लेखक को सौंप नहीं देता है। इसके बजाय, यह एक मार्गदर्शक के रूप में कार्य करता है, जो जो देखता है और वह कितना आश्वस्त है, इसके आधार पर निर्देशों का एक विशिष्ट सेट, या 'प्रॉम्प्ट्स' बनाता है। ये प्रॉम्प्ट्स इस तरह से संरचित हैं कि वे एक रेडियोलॉजिस्ट के सोचने के तरीके की नकल करते हैं। वे लेखक को विशिष्ट शारीरिक क्षेत्रों, जैसे कि सेरेब्रल हेमिस्फीयर (cerebral hemispheres) या पोस्टीरियर फोसा (posterior fossa) पर विचार करने, और रक्त वाहिका की भागीदारी या सूजन जैसे विशिष्ट विवरणों को खोजने के लिए कहते हैं। यदि विजुअल सिस्टम किसी विशिष्ट क्षेत्र में ट्यूमर का पता लगाता है, तो प्रॉम्प्ट लेखक को रक्त आपूर्ति और आस-पास की संरचनाओं पर संभावित प्रभावों पर ध्यान केंद्रित करने का निर्देश देता है। यदि सिस्टम अनिश्चित है, तो प्रॉम्प्ट अधिक सतर्क विवरण के लिए कह सकता है। यह विधि सुनिश्चित करती है कि उत्पन्न रिपोर्ट केवल लक्षणों की एक सामान्य सूची नहीं है, बल्कि एक सुसंगत वृत्तांत है जो चिकित्सा निदान के तार्किक पथ का अनुसरण करती है। शोधकर्ताओं ने इस सिस्टम का परीक्षण ब्रेन एमआरआई (MRI) स्कैन के एक क्यूरेटेड डेटासेट पर किया, और परिणामों ने दिखाया कि उत्पन्न की गई रिपोर्टें नैदानिक रूप से सुसंगत थीं और मानव विशेषज्ञों के तर्क के अनुरूप थीं, भले ही उनका सटीक शब्द चयन हमेशा मानव के समान न रहा हो।

जो इस कार्य को विशेष रूप से विशिष्ट बनाता है, वह यह है कि यह मशीन और मानव के बीच के चक्र को कैसे पूरा करता है। शोधकर्ता केवल रिपोर्ट उत्पन्न करने तक ही नहीं रुके; उन्होंने रेडियोलॉजिस्टों के लिए फीडबैक देने के लिए एक तंत्र बनाया। सिस्टम द्वारा रिपोर्ट उत्पन्न करने के बाद, एक रेडियोलॉजिस्ट इसकी समीक्षा करता है और इसकी नैदानिक उपयोगिता के आधार पर एक स्कोर देता है, जो "उत्कृष्ट नैदानिक लाभ" (excellent diagnostic yield) से लेकर "गैर-नैदानिक" (non-diagnostic) तक होता है। यह फीडबैक केवल एक साधारण पास या फेल नहीं है; इसका उपयोग सिस्टम के व्यवहार को समायोजित करने के लिए किया जाता है। यदि किसी रिपोर्ट को उच्च रेटिंग दी जाती है, तो सिस्टम उस तर्क पथ पर भरोसा करना सीखता है। यदि रिपोर्ट को खराब रेटिंग दी जाती है या यदि रेडियोलॉजिस्ट कोई गलती सुधारता है, तो सिस्टम उस जानकारी का उपयोग अपने सीखने को पुन: भारित (re-weight) करने के लिए करता है, उन मामलों पर अधिक ध्यान देता है जहाँ वह अनिश्चित था या गलत था। यह सुधार का एक निरंतर चक्र बनाता है जहाँ आर्टिफिशियल इंटेलिजेंस वास्तविक दुनिया के विशेषज्ञ सत्यापन के आधार पर रिपोर्ट उत्पन्न करने की अपनी क्षमता को परिष्कृत करता है। अध्ययन में पाया गया कि इस फीडबैक-संचालित अनुकूलन ने सिस्टम को उन मामलों को प्राथमिकता देने में मदद की जो नैदानिक रूप से महत्वपूर्ण थे और उन मामलों को कम महत्व देने में मदद की जो अनिश्चित थे, जिससे ऐसी रिपोर्ट प्राप्त हुईं जो अधिक विश्वसनीय और वास्तविक चिकित्सा अभ्यास के लिए बेहतर अनुकूल थीं।

इस नए ढांचे के मूल्यांकन ने इसकी सफलता की एक सूक्ष्म तस्वीर पेश की। जब शोधकर्ताओं ने कंप्यूटर-जनरेटेड रिपोर्टों की तुलना मानक वर्ड-मैचिंग टेस्ट का उपयोग करके मानव द्वारा लिखी गई रिपोर्टों से की, तो स्कोर मध्यम थे। यह आश्चर्यजनक नहीं है, क्योंकि चिकित्सा रिपोर्टों में लचीली शब्दावली का उपयोग किया जाता है, और एक कंप्यूटर बिना अर्थ खोए एक ही बात को अलग तरीके से कह सकता है। हालाँकि, जब शोधकर्ताओं ने गहरे अर्थ यानी वास्तविक बायोमेडिकल अवधारणाओं और नैदानिक तर्क को देखा, तो परिणाम बहुत मजबूत थे। रिपोर्टों ने उच्च स्तर की बायोमेडिकल सटीकता बनाए रखी, और नैदानिक निदान के सार को सही ढंग से पकड़ा, भले ही विशिष्ट शब्द मानव संस्करण से भिन्न थे। सिस्टम ने संरचित, खंड-आधारित रिपोर्टिंग की आवश्यकता और मस्तिष्क के ट्यूमर की जटिल एवं विविध प्रकृति को संभालने के लिए आवश्यक लचीलेपन के बीच सफलतापूर्वक संतुलन बनाया। विजुअल डेटा, विश्वास स्तर और विशेषज्ञ फीडबैक को एकीकृत करके, शोधकर्ताओं ने प्रदर्शित किया है कि ऐसा आर्टिफिशियल इंटेलिजेंस बनाना संभव है जो न केवल एक रेडियोलॉजिस्ट की नकल करता है, बल्कि स्पष्ट, अधिक सुसंगत और नैदानिक रूप से मूल्यवान नैदानिक रिपोर्ट तैयार करने के लिए उनके साथ सक्रिय रूप से सहयोग करता है। यह दृष्टिकोण एक ऐसे भविष्य का सुझाव देता है जहाँ आर्टिफिशियल इंटेलिजेंस रिपोर्ट जनरेशन के भारी काम को संभाल सकता है, जिससे मानव डॉक्टरों को रोगी की देखभाल के सबसे महत्वपूर्ण पहलुओं पर ध्यान केंद्रित करने की अनुमति मिल सके।