Schema-aware maintenance improves temporal calibration of prostate cancer survival predictions

चिकित्सा भविष्यवाणी की दुनिया में, कंप्यूटरों से तेजी से यह अपेक्षा की जा रही है कि वे एक मरीज के इतिहास को देखें और उनके भविष्य का अनुमान लगाएं। इन उपकरणों को, जिन्हें अक्सर जोखिम मॉडल (risk models) कहा जाता है, इस तरह डिज़ाइन किया गया है कि वे डॉक्टरों को यह तय करने में मदद कर सकें कि किसे तत्काल देखभाल की आवश्यकता है और किसे अधिक सहजता से निगरानी में रखा जा सकता है। इन उपकरणों के उपयोगी होने के लिए, उन्हें दो काम अच्छी तरह से करने चाहिए। पहला, उन्हें मरीजों को छांटने में कुशल होना चाहिए, यानी उच्च जोखिम वाले लोगों को एक समूह में और कम जोखिम वाले लोगों को दूसरे समूह में रखना। दूसरा, और उतना ही महत्वपूर्ण, उन्हें संख्याओं के प्रति ईमानदार होना चाहिए। यदि कोई मॉडल कहता है कि एक मरीज के किसी विशिष्ट परिणाम की दस प्रतिशत संभावना है, तो उस मरीज को वास्तव में दस में से लगभग एक बार वह परिणाम अनुभव होना चाहिए।

समस्या यह है कि दुनिया स्थिर नहीं रहती। चिकित्सा उपचार बदलते हैं, नैदानिक परीक्षण विकसित होते हैं, और अस्पतालों में आने वाले लोग समय के साथ बदलते रहते हैं। पांच साल पहले के डेटा पर प्रशिक्षित एक कंप्यूटर मॉडल अभी भी मरीजों को छांटने में उत्कृष्ट हो सकता है, लेकिन इसके द्वारा दिए जाने वाले विशिष्ट अंक या संख्याएं वास्तविकता से दूर जा सकती हैं। यह बहुत अधिक या बहुत कम जोखिम बताने लग सकता है, इसलिए नहीं कि बीमारी का जीव विज्ञान बदल गया है, बल्कि इसलिए क्योंकि डेटा रिकॉर्ड करने का तरीका या स्वयं जनसंख्या बदल गई है। जब ऐसा होता है, तो मॉडल निर्णय लेने के लिए एक खराब मार्गदर्शक बन जाता है, भले ही वह मरीजों को सही ढंग से रैंक करना जानता हो। इन डिजिटल उपकरणों को समय के साथ सटीक बनाए रखने के लिए जांच और समायोजन की एक सावधानीपूर्ण, निरंतर प्रक्रिया की आवश्यकता होती है, जिसे मॉडल रखरखाव (model maintenance) के रूप में जाना जाता है।

शोधकर्ताओं की एक टीम ने एक प्रोस्टेट कैंसर उत्तरजीविता मॉडल (prostate cancer survival model) को समय के साथ सटीक बनाए रखने के लिए एक विशिष्ट रणनीति का परीक्षण करने का निर्णय लिया। उन्होंने संयुक्त राज्य अमेरिका के एक विशाल डेटाबेस का उपयोग किया जो 1.3 मिलियन से अधिक रोगी रिकॉर्ड का है, जिसे SEER प्रणाली कहा जाता है, जो देश भर में कैंसर के मामलों को ट्रैक करती है। शोधकर्ताओं ने एक परिष्कृत कंप्यूटर मॉडल लिया जिसे 2010 और 2015 के बीच निदान किए गए रोगियों पर प्रशिक्षित किया गया था। फिर उन्होंने इस मॉडल को 'फ्रीज' कर दिया, जिसका अर्थ है कि उन्होंने इसकी आंतरिक सेटिंग्स को बदलना बंद कर दिया, और इसका परीक्षण 2017 से 2022 तक के वर्षों में निदान किए गए रोगियों पर किया। उनका लक्ष्य यह देखना था कि क्या मॉडल के भविष्यवाणियां बीतते वर्षों के साथ ईमानदार बनी रहती हैं और यदि वे नहीं रहती हैं, तो इसे ठीक करने के तरीके का परीक्षण करना था।

जब टीम ने नए रोगियों पर फ्रीज किए गए मॉडल के प्रदर्शन को पहली बार देखा, तो उन्हें एक परिचित पैटर्न मिला। मॉडल अभी भी मरीजों को रैंक करने में बहुत अच्छा था; वह अभी भी बता सकता था कि कौन व्यक्ति दूसरे की तुलना में एक वर्ष के भीतर प्रोस्टेट कैंसर से मरने की अधिक संभावना रखता है। हालांकि, इसके द्वारा अनुमानित वास्तविक संख्याएं गलत थीं। मॉडल ने जोखिम को बढ़ा-चढ़ाकर बताना शुरू कर दिया, यह भविष्यवाणी करते हुए कि वास्तव में हुई मौतों की तुलना में अधिक पुरुष बारह महीनों के भीतर इस बीमारी से मरेंगे। संभाव्यता पैमाने (probability scale) में इस बदलाव का अर्थ था कि हालांकि मॉडल जानता था कि कौन जोखिम में है, लेकिन वह मरीजों और डॉक्टरों को यह बता रहा था कि खतरा वास्तव में जितना है उससे कहीं अधिक है।

इसे संबोधित करने के लिए, शोधकर्ताओं ने एक नई रखरखाव रणनीति लागू की जिसे वे 'स्कीमा-अवेयर, यूटिलिटी-गेटेड रोलिंग-ओरिजिन मेंटेनेंस' (schema-aware, utility-gated rolling-origin maintenance) कहते हैं। यह सुनने में कठिन लग सकता है, लेकिन विचार सीधा है। कोई भी परिवर्तन करने से पहले, उन्होंने सबसे पहले यह जांचा कि क्या मॉडल द्वारा उपयोग किए जाने वाले डेटा क्षेत्र स्थिर थे और क्या समय के साथ उनकी परिभाषाओं में कोई बदलाव आया था। उन्होंने यह सुनिश्चित किया कि मॉडल किसी चर (variable) के रिकॉर्ड किए जाने के तरीके में आए बदलाव के प्रति प्रतिक्रिया नहीं दे रहा है, बल्कि रोगी आबादी में आए वास्तविक बदलाव के प्रति प्रतिक्रिया दे रहा है। इसके बाद, उन्होंने मॉडल को अपडेट करने के लिए एक सख्त नियम निर्धारित किया। वे केवल तभी बदलाव की अनुमति देते जब सुधार इतना बड़ा हो कि वह व्यावहारिक रूप से उपयोगी हो, न कि केवल सांख्यिकीय रूप से पता लगाने योग्य हो। उन्होंने प्रत्येक वर्ष के लिए तीन विकल्प परीक्षण किए: मॉडल को बिल्कुल वैसा ही छोड़ दें जैसा वह था, सभी के लिए संख्याओं को वैश्विक रूप से समायोजित करें, या रोगियों के विशिष्ट समूहों के लिए संख्याओं को स्थानीय रूप से समायोजित करें।

परिणामों ने दिखाया कि यह सावधानीपूर्वक, गेटेड दृष्टिकोण काम करता है। 2019 से 2022 के वर्षों के लिए रखरखाव रणनीति लागू करके, शोधकर्ता अनुमानित जोखिमों को वास्तव में जो हुआ उसके अनुरूप वापस लाने में सक्षम रहे। मॉडल की भविष्यवाणियां अधिक सटीक हो गईं, जिससे इसके संभाव्यता अनुमानों में त्रुटि लगभग छह दशमलव पाँच प्रतिशत कम हो गई। शोधकर्ताओं ने पाया कि 2020, 2021 और 2022 के वर्षों के लिए, सबसे अच्छा कदम मॉडल को वैश्विक रूप से पुनर्गठित (recalibrate) करना था, यानी सभी रोगियों के लिए एक साथ संख्याओं को समायोजित करना। दिलचस्प बात यह है कि 2019 के लिए, सिस्टम ने बिना कोई बदलाव किए रहने का निर्णय लिया। भले ही पूर्ण दृष्टि (hindsight) के साथ पीछे मुड़कर देखने पर पता चलता कि एक बदलाव मददगार होता, लेकिन उस विशिष्ट क्षण में उपलब्ध डेटा ने अभी तक अपडेट करने का औचितकर्ष सिद्ध नहीं किया था। इसने प्रदर्शित किया कि सिस्टम हर साल आँख मूंदकर मॉडल को अपडेट नहीं कर रहा था, बल्कि बदलाव के लिए स्पष्ट प्रमाण मिलने तक प्रतीक्षा कर रहा था।

अध्ययन ने यह भी देखा कि क्या ये सुधार विभिन्न परिस्थितियों में भी कायम रहते हैं। शोधकर्ताओं ने एक अधिक रूढ़िवादी समयरेखा के साथ रणनीति का परीक्षण किया, यह मानते हुए कि पिछले वर्ष का डेटा तुरंत उपलब्ध नहीं हो सकता है। इस सख्त नियम के बावजूद, रखरखाव रणनीति ने मॉडल की सटीकता में सुधार किया, हालांकि सुधार का अंतर थोड़ा कम था। उन्होंने यह भी जांचा कि क्या ये सुधार विभिन्न नस्लीय और जातीय समूहों के बीच निष्पक्ष थे। डेटा ने दिखाया कि रखरखाव रणनीति ने गैर-हिस्पैनिक श्वेत, गैर-हिस्पैनिक अश्वेत, हिस्पैनिक और गैर-हिस्पैनिक एशियाई या प्रशांत द्वीप मूल के रोगियों सहित सभी प्रमुख समूहों के लिए सटीकता में सुधार किया। हालांकि, कम रोगी रिकॉर्ड वाले छोटे समूहों के लिए, परिणाम कम निश्चित थे, जो विश्वसनीय समायोजन बनाने के लिए बड़ी मात्रा में डेटा की आवश्यकता को रेखांकित करते हैं।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि रखरखाव रणनीति चयनात्मक थी। शोधकर्ताओं ने इस रणनीति का परीक्षण एक अलग प्रकार के मॉडल पर किया, जो एक अच्छी तरह से कैलिब्रेटेड मॉडल था और पहले से ही सटीक था। सिस्टम ने इस मॉडल को बिना किसी अनावश्यक बदलाव के पूरी तरह से अकेला छोड़ने का सही निर्णय लिया। इसने सिद्ध किया कि रणनीति केवल एक यांत्रिक प्रक्रिया नहीं थी जो हर मॉडल पर जबरन अपडेट थोपती थी, बल्कि एक स्मार्ट गेटकीपर थी जो केवल तभी कार्य करती थी जब वास्तव में इसकी आवश्यकता होती थी। अध्ययन में यह भी पाया गया कि सुधार जोखिम के प्रकार के प्रति विशिष्ट थे। रखरखाव ने विशेष रूप से प्रोस्टेट कैंसर से मृत्यु की भविष्यवाणी करने में महत्वपूर्ण मदद की, लेकिन किसी भी कारण से मृत्यु के जोखिम को देखते समय लाभ बहुत कम था, जहाँ अन्य कारक प्रतिस्पर्धा करते हैं।

शोधकर्ताओं ने निष्कर्ष निकाला कि उनका दृष्टिकोण चिकित्सा भविष्यवाणी मॉडलों को समय के साथ ईमानदार रखने का एक व्यावहारिक तरीका प्रदान करता है। उन्होंने इस बात पर जोर दिया कि हालांकि यह पद्धति इस बड़े डेटासेट पर अच्छी तरह से काम करती है, लेकिन यह अभी तक आगे के परीक्षण के बिना अस्पताल में उपयोग के लिए तैयार नहीं है। यह अध्ययन एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है, जो यह दर्शाता है कि यदि मॉडलों की सावधानीपूर्वक निगरानी और समायोजन किया जाए, तो वे वर्षों तक उपयोगी बने रह सकते हैं। मुख्य बात यह है कि एक मॉडल को सटीक रहने के लिए हर साल शून्य से फिर से बनाने की आवश्यकता नहीं है; कभी-कभी, एक सावधानीपूर्ण, लक्षित समायोजन भविष्यवाणियों को वास्तविकता के साथ संरेखित रखने के लिए पर्याप्त होता है। यह कार्य सुझाव देता है कि चिकित्सा एआई (AI) का भविष्य केवल स्मार्ट मॉडल बनाने में नहीं है, बल्कि दुनिया बदलने के साथ उन्हें बनाए रखने के लिए बेहतर सिस्टम बनाने में है।