Interpretable Concept-Bottleneck Vision-Language Model Predicts Pathologic Complete Response From Longitudinal Breast DCE-MRI

स्तन कैंसर के खिलाफ लड़ाई में, डॉक्टर अक्सर एक शक्तिशाली रणनीति के साथ शुरुआत करते हैं जिसे नियोएडजुवेंट थेरेपी (neoadjuvant therapy) कहा जाता है, जहाँ मरीजों को सर्जरी से पहले ट्यूमर को सिकोड़ने के लिए उपचार दिया जाता है। इसका अंतिम लक्ष्य पैथोलॉजिक कम्पलीट रिस्पॉन्स (pathologic complete response) प्राप्त करना है, जो एक ऐसी स्थिति है जहाँ सर्जरी के दौरान निकाले गए ऊतकों (tissue) में कैंसर की कोई कोशिका नहीं पाई जाती। यह परिणाम एक मजबूत संकेत है कि मरीज लंबे समय तक जीवित रहेगा और कैंसर मुक्त रहेगा। हालाँकि, यह भविष्यवाणी करना कि कौन इस परिणाम को प्राप्त करेगा, कठिन है। वर्षों से, वैज्ञानिक एमआरआई (MRI) स्कैन को देखने और ये भविष्यवाणियाँ करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने की कोशिश कर रहे हैं, लेकिन इनमें से अधिकांश सिस्टम 'ब्लैक बॉक्स' की तरह काम करते हैं। वे एक उत्तर तो देते हैं, लेकिन यह नहीं बता पाते कि वे उस नतीजे तक कैसे पहुँचे। क्योंकि डॉक्टर मशीन के निर्णय के पीछे के तर्क को नहीं देख सकते, इसलिए वे इस पर भरोसा करने में हिचकिचाते हैं, खासकर जब मरीज का जीवन दांव पर हो। अस्पताल में उपयोगी होने के लिए, एक एआई (AI) टूल को पारदर्शी होना चाहिए, जो अपना काम इस तरह दिखाए जिसे एक मानव विशेषज्ञ सत्यापित कर सके।

शोधकर्ताओं की एक टीम ने एक नए प्रकार का आर्टिफिशियल इंटेलिजेंस विकसित किया है जो इस समस्या को हल करता है, क्योंकि यह मशीन को पहचानने योग्य चिकित्सा विशेषताओं के संदर्भ में सोचने के लिए मजबूर करता है। केवल एक स्कैन को देखकर परिणाम का अनुमान लगाने के बजाय, यह प्रणाली पहले ट्यूमर की ग्यारह विशिष्ट विशेषताओं की पहचान करती है, जैसे कि उसका आकार, उसका माप और स्कैन पर वह कैसा दिखता है। ये विशेषताएँ उन मानक चिकित्सा विवरणों पर आधारित हैं जिनका उपयोग रेडियोलॉजिस्ट प्रतिदिन करते हैं। इसके बाद, सिस्टम इन पहचानी गई विशेषताओं के साथ-साथ मरीज की उम्र और कैंसर के विशिष्ट प्रकार का उपयोग करके एक लिखित रिपोर्ट तैयार करता है। यह रिपोर्ट भविष्यवाणी के पीछे के तर्क को समझाती है, ठीक वैसे ही जैसे एक डॉक्टर अपने सहकर्मी को नोट लिखता है। शोधकर्ताओं ने इस सिस्टम का परीक्षण सैकड़ों मरीजों के डेटा पर किया और पाया कि यह सटीक रूप से भविष्यवाणी कर सकता है कि कौन उपचार के प्रति अच्छा प्रतिक्रिया देगा, और साथ ही हर एक भविष्यवाणी के लिए एक स्पष्ट, ऑडिट योग्य स्पष्टीकरण भी प्रदान करता है।

यह अध्ययन दो बड़े, बहु-केंद्रित नैदानिक परीक्षणों (clinical trials) के मरीजों पर केंद्रित था, जिसमें डायनेमिक कंट्रास्ट-एन्हांस्ड एमआरआई (dynamic contrast-enhanced MRI) स्कैन कराने वाले कुल 753 व्यक्ति शामिल थे। इस प्रकार की इमेजिंग में डाई (dye) इंजेक्ट करने से पहले और बाद में स्तन की तस्वीरें लेना शामिल है, जो डॉक्टरों को यह देखने में मदद करता है कि ट्यूमर के माध्यम से रक्त का प्रवाह कैसे होता है। शोधकर्ताओं ने अपने मॉडल को I-SPY2 ट्रायल के डेटा पर प्रशिक्षित किया और फिर इसे I-SPY1 ट्रायल के पूरी तरह से अलग समूह के मरीजों पर टेस्ट किया, यह देखने के लिए कि क्या यह विभिन्न मशीनों और विभिन्न स्कैनिंग प्रोटोकॉल के साथ काम कर सकता है। मॉडल को प्रत्येक मरीज के लिए दो सेट इमेज देखने के लिए डिज़ाइन किया गया था: एक उपचार शुरू होने से पहले की और दूसरी उपचार की प्रक्रिया के शुरुआती चरण में ली गई, जो आमतौर पर लगभग तीन सप्ताह के बाद होती है। इन दो समय बिंदुओं की तुलना करके, सिस्टम देख सकता था कि ट्यूमर कैसे बदल रहा है।

इस नए दृष्टिकोण का मूल एक "कॉन्सेप्ट बॉटलनेक" (concept bottleneck) है। मॉडल द्वारा मरीज के ठीक होने के बारे में अंतिम भविष्यवाणी करने से पहले, उसे पहले विशिष्ट, मापने योग्य अवधारणाओं (concepts) की पहचान करनी होती है। इनमें कार्यात्मक ट्यूमर वॉल्यूम (functional tumor volume) शामिल है, जो इस बात का माप है कि ट्यूमर कितना सक्रिय रूप से बढ़ रहा है, और स्फेरिसिटी (sphericity), जो यह बताती है कि ट्यूमर कितना गोल या अनियमित है। यह यह भी देखता है कि ट्यूमर एक ठोस द्रव्यमान (solid mass) के रूप में दिखाई देता है या एक अधिक विसरित एन्हांसमेंट (diffuse enhancement) के रूप में, और क्या इसके किनारे तीखे हैं या धुंधले। सिस्टम इन ग्यारह अवधारणाओं की उच्च सटीकता के साथ भविष्यवाणी करता है, जो उन परिणामों से मेल खाती है जो विशेष रूप से उन्हें मापने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम से प्राप्त होते हैं। एक बार ये विशेषताएँ पहचाने जाने के बाद, इन्हें एक लैंग्वेज मॉडल (language model) में फीड किया जाता है जो एक रेडियोलॉजिस्ट की तरह कार्य करता है। यह लैंग्वेज मॉडल विशेषताओं की सूची पढ़ता है और एक संरचित रिपोर्ट लिखता है, जो यह समझाता है कि कौन से कारक भविष्यवाणी को इलाज की ओर धकेल रहे हैं और कौन से कारक इसे दूर धकेल रहे हैं।

जब शोधकर्ताओं ने मॉडल का परीक्षण किया, तो इसने अच्छा प्रदर्शन किया। परीक्षण के लिए उपयोग किए गए मरीजों के समूह पर, सिस्टम ने उन लोगों के बीच सही अंतर किया जो पूर्ण प्रतिक्रिया (complete response) प्राप्त करेंगे और जो नहीं करेंगे, जिसकी सटीकता स्कोर 0.76 था। जब एक पूरी तरह से स्वतंत्र समूह (दूसरे ट्रायल के मरीजों) पर परीक्षण किया गया, तो सटीकता 0.71 पर मजबूत बनी रही। यह महत्वपूर्ण है क्योंकि यह दर्शाता है कि मॉडल विभिन्न अस्पतालों और विभिन्न प्रकार की एमआरआई मशीनों के साथ काम कर सकता है, जो मेडिकल एआई के लिए एक सामान्य बाधा है। अध्ययन से यह भी पता चला कि इलाज के सफल होने की भविष्यवाणी करने वाला सबसे महत्वपूर्ण कारक कार्यात्मक ट्यूमर वॉल्यूम में बदलाव था। दूसरे शब्दों में, जिन मरीजों के ट्यूमर में उपचार के पहले कुछ हफ्तों में सबसे अधिक सिकुड़न आई, उनके इलाज के अंत में कैंसर के पूरी तरह खत्म होने की संभावना सबसे अधिक थी। यह निष्कर्ष उन बातों के अनुरूप है जो डॉक्टर पहले से जानते हैं, लेकिन नए सिस्टम ने इसे बिना बताए ही पुष्टि कर दी।

शोधकर्ताओं ने यह भी पाया कि मॉडल का आत्मविश्वास एक उपयोगी मार्गदर्शक था। जब सिस्टम अपनी भविष्यवाणी के बारे में बहुत आश्वस्त था, तो वह 88 प्रतिशत बार सही था। हालाँकि, जब भविष्यवाणी सीमावर्ती या अनिश्चित थी, तो सटीकता गिरकर 58 प्रतिशत हो गई। यह सुझाव देता है कि इस टूल का उपयोग डॉक्टरों को अपना समय प्राथमिकता देने में मदद करने के लिए किया जा सकता है। यदि मॉडल कहता है कि कोई मरीज स्पष्ट रूप से ठीक होने वाला है या स्पष्ट रूप से नहीं होने वाला है, तो डॉक्टर उस मूल्यांकन पर भरोसा कर सकता है। यदि मॉडल अनिश्चित है, तो डॉक्टर को पता चल जाता है कि उसे मामले को अधिक बारीकी से देखना होगा या अन्य तरीकों पर निर्भर रहना होगा। "मुझे यकीन नहीं है" कहने की यह क्षमता चिकित्सा उपकरणों के लिए एक महत्वपूर्ण विशेषता है, क्योंकि यह सिस्टम को अस्पष्ट डेटा के मामले में खतरनाक अनुमान लगाने से रोकती है।

सबसे दिलचस्प निष्कर्षों में से एक यह था कि मॉडल ने विभिन्न प्रकार के कैंसर और उपचारों को कैसे संभाला। यह अधिकांश समूहों के लिए अच्छा काम करता है, लेकिन एक विशिष्ट प्रकार की इम्यूनोथेरेपी (immunotherapy) प्राप्त करने वाले मरीजों के साथ इसे थोड़ी कठिनाई हुई। इन मामलों में, एमआरआई पर ट्यूमर के सिकुड़ने के सामान्य संकेत हमेशा वास्तविक जैविक प्रतिक्रिया से मेल नहीं खाते थे। मॉडल ने सही ढंग से पहचाना कि इस समूह के लिए वॉल्यूम परिवर्तन के मानक उपाय कम विश्वसनीय थे, जो इम्यून-आधारित उपचारों के लिए सफलता मापने के हमारे वर्तमान तरीकों की एक ज्ञात सीमा को उजागर करता है। यह सूक्ष्मता, जिसे एक ब्लैक-बॉक्स मॉडल शायद मिस कर देता या अनदेखा कर देता, सिस्टम के तर्क में स्पष्ट रूप से दिखाई दे रही थी, जो दर्शाता है कि यह बीमारी की विशिष्ट जीवविज्ञान (biology) पर ध्यान दे रहा था।

अध्ययन ने पारदर्शिता सुनिश्चित करके विश्वास के मुद्दे को भी संबोधित किया। क्योंकि मॉडल का तर्क मानक चिकित्सा अवधारणाओं पर बना है, इसलिए एक रेडियोलॉजिस्ट उसी स्कैन को देख सकता है और मॉडल के काम की जांच कर सकता है। वे देख सकते हैं कि क्या सिस्टम ने ट्यूमर के आकार या उसकी वृद्धि दर की सही पहचान की है। यदि मॉडल कोई गलती करता है, तो डॉक्टर देख सकता है कि किस अवधारणा की गलत पहचान की गई थी। विवरण का यह स्तर पारंपरिक डीप लर्निंग मॉडल प्रदान नहीं कर सकते, क्योंकि वे अक्सर उन पैटर्न पर निर्भर होते हैं जो मानवीय आंखों के लिए अदृश्य होते हैं। अपनी भविष्यवाणी को अवधारणाओं में स्थापित करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जिसे ऑडिट और सत्यापित किया जा सकता है, न कि केवल विश्वास के आधार पर स्वीकार किया जा सकता है।

इन सफलताओं के बावजूद, शोधकर्ता अपने काम की सीमाओं को लेकर भी सावधान हैं। मॉडल को विशिष्ट नैदानिक परीक्षणों के डेटा पर प्रशिक्षित किया गया था, और हालांकि यह एक स्वतंत्र सेट पर अच्छा काम करता है, लेकिन अभी तक इसका परीक्षण वास्तविक दुनिया के अस्पताल के माहौल में नहीं किया गया है जहाँ रोजमर्रा के अभ्यास में बहुत अधिक विविधता आती है। इसके अतिरिक्त, सिस्टम अपने कुछ मापों के लिए एल्गोरिथम परिभाषाओं पर निर्भर करता है, न कि हर एक अवधारणा की मानव विशेषज्ञ द्वारा जांच की जाती है। इसका मतलब यह है कि हालांकि मॉडल व्याख्या योग्य (interpretable) है, फिर भी इसका 'ग्राउंड ट्रुथ' (ground truth) एक कंप्यूटर का सर्वोत्तम अनुमान है, न कि किसी मानव विशेषज्ञ का अंतिम निर्णय। शोधकर्ता यह भी बताते हैं कि मॉडल अल्पकालिक परिणामों की भविष्यवाणी करता है, जैसे कि सर्जरी के समय कैंसर खत्म होगा या नहीं, लेकिन यह अभी तक दीर्घकालिक उत्तरजीविता (long-term survival) या वर्षों बाद कैंसर के वापस आने के जोखिम की भविष्यवाणी नहीं करता है।

यह कार्य चिकित्सा के क्षेत्र में आर्टिफिशियल इंटेलिजेंस के निर्माण के तरीके में एक बदलाव का प्रतिनिधित्व करता है। केवल एक ऐसा सिस्टम बनाने के बजाय जो यह परवाह न करे कि वह कैसे काम करता है बल्कि सबसे सटीक हो, शोधकर्ताओं ने स्पष्टता और जवाबदेही को प्राथमिकता दी। उन्होंने दिखाया कि यह संभव है कि एक ऐसा सिस्टम बनाया जाए जो सटीक और समझने योग्य दोनों हो। मशीन लर्निंग की शक्ति और मानव चिकित्सकों के निर्णय के बीच एक सेतु बनाकर, उन्होंने एआई को रेडियोलॉजी की भाषा बोलने और अपने निष्कर्षों को विशिष्ट, अवलोकन योग्य विशेषताओं के साथ न्यायसंगत बनाने के लिए मजबूर किया है। यह कार्य डॉक्टर की जगह नहीं लेता है; बल्कि, यह डॉक्टर को डेटा को देखने का एक नया तरीका देता है, जो स्पष्ट, तार्किक और निरीक्षण के लिए खुला है। एक ऐसे क्षेत्र में जहाँ दांव बहुत ऊंचे हैं, इस तरह की पारदर्शिता ही इन शक्तिशाली उपकरणों को अंततः क्लिनिक में लाने की कुंजी हो सकती है।