Are Large Multimodal Models Ready for Post-Thrombectomy mTICI Assessment? A Comparison with Physicians
यद्यपि बड़े मल्टीमॉडल मॉडल प्रोसीजरल रिपोर्ट प्रदान किए जाने पर पोस्ट-थ्रोम्बेक्टोमी mTICI ग्रेडिंग में चिकित्सक-स्तर की सहमति प्राप्त कर सकते हैं, लेकिन उनका प्रदर्शन टेक्स्ट इनपुट पर अत्यधिक निर्भर है और केवल छवियों का आकलन करते समय काफी गिर जाता है, जो यह दर्शाता है कि प्रत्यक्ष छवि-आधारित रीपरफ्यूजन मूल्यांकन के लिए विशेषज्ञ मानव व्याख्या आवश्यक बनी हुई है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर साल, लाखों लोग मस्तिष्क की धमनी में रुकावट के कारण होने वाले स्ट्रोक से पीड़ित होते हैं। जब एक बड़ी रक्त वाहिका अवरुद्ध हो जाती है, तो क्षति तीव्र और गंभीर हो सकती है, लेकिन डॉक्टरों के पास इसे रोकने के लिए एक शक्तिशाली उपकरण है: मैकेनिकल थ्रोम्बेक्टोमी (mechanical thrombectomy)। इस प्रक्रिया में, एक विशेषज्ञ रक्त वाहिकाओं के माध्यम से एक सूक्ष्म उपकरण को डालता है ताकि शारीरिक रूप से थक्के को बाहर निकाला जा सके। इस जीवन रक्षक ऑपरेशन की सफलता पूरी तरह से एक ही बात पर निर्भर करती है: क्या मस्तिष्क में रक्त का प्रवाह पूरी तरह से बहाल हो गया है। इसे मापने के लिए, डॉक्टर एक मानक पैमाने का उपयोग करते हैं जो इस बात को ग्रेड (श्रेणी) देता है कि वाहिकाओं को कितनी अच्छी तरह से साफ किया गया है, जो बिल्कुल शून्य प्रवाह से लेकर पूर्ण बहाली तक होता है। यह ग्रेडिंग महत्वपूर्ण है क्योंकि यह निर्धारित करती है कि मरीजों का बाद में कैसे उपचार किया जाता है, अस्पताल अपनी सफलता को कैसे ट्रैक करते हैं, और शोधकर्ता यह समझने के लिए कि क्या सबसे अच्छा काम करता है। हालाँकि, इन ग्रेडों को निर्धारित करना एक मानवीय कार्य है, और मानवीय निर्णयों की तरह, इसमें एक डॉक्टर से दूसरे डॉक्टर के बीच भिन्नता हो सकती है। जैसे-जैसे आर्टिफिशियल इंटेलिजेंस अधिक शक्तिशाली हुआ है, एक स्वाभाविक प्रश्न उभरा है: क्या एक कंप्यूटर उसी छवियों और रिपोर्टों को देख सकता है जिन्हें एक डॉक्टर देखता है और क्या वह समान कौशल के साथ वही निर्णय ले सकता है?
जर्मनी के यूनिवर्सिटी हॉस्पिटल रेगेन्सबर्ग के शोधकर्ताओं की एक टीम ने उन्नत कंप्यूटर मॉडलों को मानव विशेषज्ञों के विरुद्ध खड़ा करके इस प्रश्न का उत्तर देने का प्रयास किया। उन्होंने उन मरीजों के नब्बे मामलों को एकत्र किया जो मस्तिष्क के अगले हिस्से में रुकावट के लिए क्लॉट-रिमूवल (थक्का हटाने की) प्रक्रिया से गुजरे थे। प्रत्येक मामले के लिए, उन्होंने क्लॉट हटाए जाने से पहले और बाद में ली गई डिजिटल एंजियोग्राफी छवियां और सर्जरी के दौरान क्या हुआ, इसका वर्णन करने वाली लिखित मेडिकल रिपोर्ट एकत्र कीं। इसके बाद उन्होंने दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस सिस्टम को प्रक्रिया की सफलता को ग्रेड देने के लिए कहा। एक सिस्टम एक सामान्य-उद्देश्य वाला मॉडल था जो अपने व्यापक ज्ञान के लिए जाना जाता है, जबकि दूसरा एक मॉडल था जिसे विशेष रूप से चिकित्सा कार्यों के लिए ट्यून किया गया था। एक निष्पक्ष परीक्षण सुनिश्चित करने के लिए, शोधकर्ताओं ने चार मानव डॉक्टरों—दो न्यूरोलॉजिस्ट और दो रेडियोलॉजिस्ट—से भी उन्हीं मामलों को ग्रेड करने के लिए कहा। डॉक्टरों और कंप्यूटरों का परीक्षण तीन अलग-अलग परिदृश्यों के तहत किया गया था: केवल लिखित रिपोर्ट को देखते हुए जिसमें अंतिम ग्रेड छिपा हुआ था, केवल एंजियोग्राफी छवियों को देखते हुए, और छवियों और रिपोर्ट दोनों को एक साथ देखते हुए।
परिणामों ने इस बात में एक स्पष्ट विभाजन दिखाया कि कंप्यूटर शब्दों के साथ क्या कर सकते हैं और चित्रों के साथ क्या कर सकते हैं। जब आर्टिफिशियल इंटेलिजेंस मॉडलों को लिखित प्रक्रियात्मक रिपोर्ट दी गई, तो उन्होंने उल्लेखनीय प्रदर्शन किया। विशेष रूप से, सामान्य-उद्देश्य वाले मॉडल ने मानव डॉक्टरों के समूह की सटीकता के साथ मेल खाया। वह सर्जरी के विस्तृत विवरण को पढ़ सकता था और सही ढंग से पहचान सकता था कि रक्त प्रवाह कितना बहाल हुआ था, जिससे विशेषज्ञों के साथ सहमति का एक ऐसा स्तर प्राप्त हुआ जो लगभग अविभेद्य था। इस टेक्स्ट-आधारित सेटिंग में, कंप्यूटर मानव विशेषज्ञों के समान ही विश्वसनीय था। हालाँकि, जैसे ही समीकरण से छवियों को हटा दिया गया और मॉडलों को केवल लिखित रिपोर्ट के आधार पर प्रक्रिया को ग्रेड देने के लिए कहा गया, वे मजबूत बने रहे। लेकिन जब पासा पलट गया और मॉडलों को बिना किसी सहायक पाठ (टेक्स्ट) के केवल एंजियोग्राफी छवियों को देखने के लिए मजबूर किया गया, तो उनका प्रदर्शन ढह गया। मानव विशेषज्ञों के साथ सहमति बनाने की सामान्य-उद्देश्य वाले मॉडल की क्षमता काफी कम हो गई, और मेडिकल-ट्यून्ड मॉडल का प्रदर्शन और भी खराब रहा, जो अनिवार्य रूप से यह अनुमान लगा रहा था कि छवियों में कुछ भी दिखाया जाए, लगभग हर प्रक्रिया सफल रही थी।
इसके विपरीत, मानव डॉक्टरों को प्रदर्शन में इस गिरावट का सामना नहीं करना पड़ा। चाहे वे रिपोर्ट पढ़ रहे हों या छवियों को देख रहे हों, प्रक्रिया को ग्रेड देने की उनकी क्षमता लगातार उच्च बनी रही। यह सुझाव देता है कि जबकि आर्टिफिशियल इंटेलिजेंस सिस्टम उन शब्दों को संसाधित करने में उत्कृष्ट हैं जिनका उपयोग डॉक्टर अपने काम का वर्णन करने के लिए करते हैं, उन्होंने अभी तक छवियों में रक्त प्रवाह के जटिल पैटर्न को उस तरह से "देखना" नहीं सीखा है जैसा कि एक प्रशिक्षित विशेषज्ञ करता है। अध्ययन इंगित करता है कि ये मॉडल वर्तमान में एक कहानी से जानकारी निकालने वाले परिष्कृत पाठकों की तरह कार्य कर रहे हैं, न कि स्वतंत्र पर्यवेक्षकों की तरह जो दृश्य डेटा की व्याख्या कर सकें। शोधकर्ताओं ने पाया कि मॉडल्स ने अपनी लगभग पूरी सफलता टेक्स्ट से प्राप्त की; छवियों को जोड़ने से उनके स्कोर में सुधार नहीं हुआ, और टेक्स्ट को हटाने से वे संघर्ष करते नजर आए।
अंततः, अध्ययन यह निष्कर्ष निकालता है कि ये उन्नत कंप्यूटर मॉडल स्ट्रोक देखभाल के कागजी कार्रवाई और डेटा निष्कर्षण जैसे पहलुओं में सहायता करने के लिए तैयार हैं, जैसे कि अनुसंधान या गुणवत्ता जांच के लिए लिखित रिपोर्टों से सफलता के ग्रेड को स्वचालित रूप से निकालना। वे इस बात को मानकीकृत करने में मदद कर सकते हैं कि जानकारी कैसे दर्ज की जाती है। हालाँकि, वे छवियों को स्वयं देखने के मामले में मानव आँख को बदलने के लिए अभी तैयार नहीं हैं। इस बात के प्रत्यक्ष मूल्यांकन के लिए कि क्या एक रक्त वाहिका को सफलतापूर्वक फिर से खोला गया है, एक प्रशिक्षित डॉक्टर की दृश्य विशेषज्ञता आवश्यक बनी हुई है। तकनीक उस बिंदु पर पहुँच गई है जहाँ वह सर्जरी की कहानी को समझ सकती है, लेकिन वह अभी भी चित्र को देख नहीं सकती।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।