Benchmarking machine learning for cardiovascular disease classification across 46 countries with geographic and temporal transportability assessment
यह अध्ययन WHO STEPS डेटा का उपयोग करके 46 देशों में हृदय रोग वर्गीकरण के लिए मशीन लर्निंग मॉडल का बेंचमार्किंग करता है, जो यह प्रकट करता है कि जटिल एल्गोरिदम लॉजिस्टिक रिग्रेशन की तुलना में केवल मामूली प्रदर्शन लाभ प्रदान करते हैं, जबकि साथ ही यह पर्याप्त भौगोलिक और सामयिक विषमता को भी रेखांकित करता है जो सार्वजनिक स्वास्थ्य एआई (AI) में पूल्ड आरओसी एयूसी (pooled ROC AUC) के बजाय ट्रांसपोर्टेबिलिटी, कैलिब्रेशन और अल्पसंख्यक-वर्ग के प्रदर्शन को प्राथमिकता देने की आवश्यकता पर बल देता 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
हृदय रोग दुनिया भर में मृत्यु का प्रमुख कारण बना हुआ है, जो हर साल लाखों लोगों की जान ले लेता है। दुनिया के कई हिस्सों में, इसका बोझ और भी अधिक है, क्योंकि इन मौतों में से तीन-चौथाई से अधिक निम्न और मध्यम आय वाले देशों में होती हैं। इससे निपटने के लिए, स्वास्थ्य अधिकारी बड़े सर्वेक्षणों पर भरोसा करते हैं जिनमें लोगों से उनके स्वास्थ्य, उनकी आदतों और चिकित्सा देखभाल तक उनकी पहुंच के बारे में पूछा जाता है। ये सर्वेक्षण रक्तचाप, धूम्रपान और आहार जैसी चीजों पर डेटा एकत्र करते हैं, जो हृदय स्वास्थ्य को प्रभावित करने के लिए जाने जाते हैं। उम्मीद यह है कि इस जानकारी का विश्लेषण करके, कंप्यूटर ऐसे पैटर्न पहचानना सीख सकते हैं जो यह अनुमान लगा सकें कि कौन जोखिम में है, जिससे डॉक्टरों को समय रहते हस्तक्षेप करने में मदद मिल सके।
हाल के वर्षों में, जटिल पैटर्न खोजने के लिए उन्नत कंप्यूटर प्रोग्रामों, जिन्हें मशीन लर्निंग कहा जाता है, का उपयोग करने की होड़ मची है। इन कार्यक्रमों को अक्सर सरल तरीकों की तुलना में समस्याओं को हल करने में सक्षम बताया जाता है, जो डेटा की विशाल मात्रा में छिपे हुए संबंधों को खोज सकते हैं। हालांकि, एक बड़ा प्रश्न बना हुआ है: क्या ये जटिल प्रोग्राम वास्तव में विभिन्न देशों और समय के साथ वास्तविक दुनिया की स्थितियों में लागू होने पर बेहतर काम करते हैं? अक्सर, इन उपकरणों का परीक्षण ऐसे तरीकों से किया जाता है जो उन्हें उनके वास्तविक प्रदर्शन की तुलना में अधिक सफल दिखाते हैं, जैसे कि एक ही देश के डेटा को प्रशिक्षण (training) और परीक्षण (testing) समूहों में विभाजित करना। यह दृष्टिकोण इस तथ्य को छिपा सकता है कि एक मॉडल एक नए देश, एक अलग वर्ष, या स्वास्थ्य सेवा तक अलग पहुंच वाली आबादी के सामने आने पर पूरी तरह से विफल हो सकता है।
एक नए अध्ययन ने इन कंप्यूटर मॉडलों को एक बहुत कठिन चुनौती के विरुद्ध परखने का निर्णय लिया। शोधकर्ताओं ने 46 विभिन्न देशों के स्वास्थ्य सर्वेक्षण डेटा को एकत्र किया, जिसमें लगभग 1,88,000 वयस्क शामिल थे। उन्होंने एक सीधा सवाल पूछा: क्या एक कंप्यूटर प्रोग्राम सर्वेक्षण के उत्तरों के आधार पर उन लोगों की सटीक पहचान कर सकता है जिन्हें पहले से हृदय रोग है, और क्या वह प्रोग्राम तब भी काम करेगा जब उसे किसी ऐसे देश में भेजा जाए जिसे उसने पहले कभी नहीं देखा है? उत्तर खोजने के लिए, उन्होंने कई अलग-अलग प्रकार के कंप्यूटर मॉडल की तुलना की, जो सरल, पारदर्शी सांख्यिकीय विधियों से लेकर जटिल, आधुनिक कृत्रिम बुद्धिमत्ता (AI) प्रणालियों तक विस्तृत थे।
शोधकर्ताओं ने केवल उच्चतम समग्र स्कोर की तलाश नहीं की। इसके बजाय, उन्होंने एक कठोर परीक्षण तैयार किया जो वास्तविक दुनिया में तैनाती की नकल करता था। उन्होंने अधिकांश देशों के डेटा पर मॉडल को प्रशिक्षित किया और फिर उन पूरे देशों पर उनका परीक्षण किया जिन्हें प्रशिक्षण प्रक्रिया से पूरी तरह से बाहर रखा गया था। उन्होंने यह भी जांचा कि मॉडल समय के साथ कितनी अच्छी तरह टिक पाते हैं, इसके लिए उन्होंने पुराने सर्वेक्षण डेटा पर मॉडल को प्रशिक्षित किया और उसी देशों के नए डेटा पर उनका परीक्षण किया। उन्होंने इस बात पर बारीकी से ध्यान दिया कि मॉडल इस तथ्य को कैसे संभालते हैं कि सर्वेक्षणों में हृदय रोग अपेक्षाकृत दुर्लभ है, जिसका अर्थ है कि एक मॉडल अधिकांश समय गलत होकर भी अच्छा दिख सकता है। उन्होंने यह भी जांचा कि क्या मॉडल केवल उन लोगों को पहचानने के लिए सीख रहे थे जो अन्य बीमारियों के लिए पहले ही डॉक्टर के पास जा चुके थे, बजाय इसके कि वे हृदय रोग के अंतर्निहित जोखिम की पहचान करें।
परिणाम चिकित्सा कृत्रिम बुद्धिमत्ता के क्षेत्र के लिए एक कड़वी वास्तविकता का अहसास कराते हैं। सबसे जटिल कंप्यूटर मॉडल एक सरल, सुस्थापित सांख्यिकीय विधि की तुलना में महत्वपूर्ण रूप से बेहतर प्रदर्शन नहीं कर पाए। वास्तव में, हृदय रोग के मामलों को सही ढंग से पहचानने की उनकी क्षमता में अंतर इतना कम था कि वह मुश्किल से दिखाई दे रहा था। जबकि जटिल मॉडलों ने कुछ विशिष्ट मापों में मामूली बढ़त हासिल की, लेकिन वे उस नाटकीय सुधार को नहीं दिखा सके जिसकी बहुत उम्मीद की गई थी। इससे भी महत्वपूर्ण बात यह है कि अध्ययन में पाया गया कि इन मॉडलों का प्रदर्शन इस बात पर बहुत अधिक निर्भर करता था कि उनका उपयोग कहाँ किया जा रहा है। एक मॉडल जो एक क्षेत्र में काफी अच्छा काम कर सकता है, वह दूसरे क्षेत्र में लगभग पूरी तरह से विफल हो सकता है। उदाहरण के लिए, मध्य एशिया के कुछ हिस्सों में मॉडल काफी सटीक थे, लेकिन प्रशांत महासागरीय द्वीप राष्ट्रों और अफ्रीका के कुछ हिस्सों में, हृदय रोग वाले और बिना रोग वाले लोगों के बीच अंतर करने की उनकी क्षमता यादृच्छिक (random) स्तर के करीब गिर गई।
अध्ययन ने यह भी खुलासा किया कि ये मॉडल समय के साथ स्थिर नहीं हैं। जब शोधकर्ताओं ने कुछ साल पहले के डेटा पर मॉडल को प्रशिक्षित किया और बाद के वर्ष के डेटा पर उसका परीक्षण किया, तो परिणाम अक्सर खराब रहे। मॉडल जनसंख्या में बदलाव, रोगों के निदान के तरीकों में बदलाव, या सर्वेक्षण तरंगों (survey waves) के बीच स्वास्थ्य सेवा में सुधार के अनुकूल होने में संघर्ष करते रहे। यह सुझाव देता है कि आज बनाया गया मॉडल बिना महत्वपूर्ण समायोजन के कल विश्वसनीय नहीं होगा। इसके अलावा, शोधकर्ताओं ने पाया कि मॉडल इस बात पर बहुत अधिक निर्भर थे कि क्या किसी व्यक्ति का उच्च रक्तचाप या मधुमेह का निदान हुआ है। जब उन्होंने डेटा से इन विशिष्ट जानकारियों को हटा दिया, तो मॉडलों का प्रदर्शन उल्लेखनीय रूप से गिर गया। यह इंगित करता है कि कंप्यूटर आंशिक रूप से उन लोगों को पहचानने के लिए सीख रहे थे जो पहले ही स्वास्थ्य प्रणाली के संपर्क में आ चुके थे, बजाय इसके कि वे शुद्ध जैविक हृदय रोग के जोखिम की पहचान करें। उन देशों में जहाँ बहुत से लोगों की डॉक्टरों तक नियमित पहुँच नहीं है, इस निर्भरता के कारण मॉडल उन्हीं लोगों को पहचानने में चूक सकते हैं जिन्हें मदद की सबसे अधिक आवश्यकता है।
शोधकर्ताओं ने निष्कर्ष निकाला कि एक जटिल एल्गोरिदम का चुनाव उस संदर्भ से कम महत्वपूर्ण है जिसमें उसका उपयोग किया जाता है। देशों और समय के बीच के अंतर स्वयं कंप्यूटर मॉडलों के बीच के अंतर से कहीं अधिक बड़े थे। उन्होंने तर्क दिया कि किसी भी ऐसे उपकरण का उपयोग करने से पहले, जो सार्वजनिक स्वास्थ्य निर्णयों को निर्देशित करता है, इसे न केवल अपने समग्र स्कोर के लिए, बल्कि विशिष्ट स्थानीय परिवेशों में काम करने की अपनी क्षमता, समय के साथ अपनी विश्वसनीयता और विभिन्न समूहों के बीच अपनी निष्पक्षता के लिए भी परखा जाना चाहिए। अध्ययन का सुझाव है कि वैश्विक स्वास्थ्य निगरानी के लिए, जटिलता की तुलना में पारदर्शिता और मजबूती अधिक मूल्यवान है। एक सरल मॉडल जिसे आसानी से समझा जा सकता है और स्थानीय स्थितियों के लिए आसानी से समायोजित किया जा सकता है, वह एक परिष्कृत 'ब्लैक बॉक्स' की तुलना में जीवन बचाने के लिए कहीं बेहतर उपकरण हो सकता है जो वातावरण बदलने पर विफल हो जाता है। आगे का मार्ग, लेखकों का सुझाव है, सबसे शक्तिशाली कंप्यूटर प्रोग्राम के पीछे भागने में नहीं है, बल्कि ऐसे सिस्टम बनाने में है जो अपनी सीमाओं के प्रति ईमानदार हों और उस विविध वास्तविकता के अनुकूल हों जिसकी वे सेवा करने के लिए बनाए गए हैं।
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।