From Algorithms to Clinics: Evaluating AI’s Role in Pediatric Autism Diagnosis
यह आलोचनात्मक समीक्षा साक्ष्य को संश्लेषित करती है जो दर्शाती है कि हालांकि बाल चिकित्सा ऑटिज्म निदान के लिए एआई (AI) मॉडल अक्सर क्यूरेटेड सेटिंग्स में उच्च सटीकता रिपोर्ट करते हैं, लेकिन उनकी नैदानिक उपयोगिता पद्धतिगत खामियों और सामान्यीकरण संबंधी मुद्दों के कारण सीमित है, जो मुख्य रूप से स्वायत्त नैदानिक अधिकारियों के बजाय सहायक स्क्रीनिंग टूल के रूप में उनके उपयोग का समर्थन करती 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
ऑटिज्म जीवन भर का एक ऐसा तरीका है जो एक व्यक्ति के दुनिया को अनुभव करने के ढंग को बदल देता है, चाहे वह दूसरों के साथ जुड़ने का तरीका हो या ध्वनियों और दृश्यों को समझने का। इसे पहचानना केवल एक बॉक्स पर टिक लगाने जैसा सरल मामला नहीं है; यह एक सावधानीपूर्ण प्रक्रिया है जहाँ डॉक्टर और विशेषज्ञ एक बच्चे के इतिहास को जोड़ते हैं, उनके खेलने और बातचीत करने के तरीके को देखते हैं, और उन लोगों की बात सुनते हैं जो उन्हें सबसे अच्छी तरह जानते हैं। इस प्रक्रिया में समय लगता है, और कुशल पेशेवर जो इसे कर सकें, वे हमेशा तब उपलब्ध नहीं होते जब परिवारों को उनकी सबसे अधिक आवश्यकता होती है। इस अंतर के कारण, शोधकर्ताओं ने कंप्यूटर की ओर रुख किया है, इस उम्मीद में कि आर्टिफिशियल इंटेलिजेंस (AI) एक सहायक के रूप में कार्य कर सके। विचार यह है कि एक कंप्यूटर प्रोग्राम बच्चे की आवाज़, उसके चेहरे, या उसके हिलने-डुलने के ऐसे पैटर्न को पकड़ सकता है जिन्हें इंसान चूक जाते हैं, जिससे तेजी से स्क्रीनिंग और शुरुआती सहायता मिल सके।
हालाँकि, इस क्षेत्र की एक नई समीक्षा बताती है कि हालांकि ये कंप्यूटर उपकरण प्रयोगशाला में प्रभावशाली हैं, लेकिन वे अभी तक एक डॉक्टर के सावधानीपूर्ण निर्णय की जगह लेने के लिए तैयार नहीं हैं। कोवेंट्री यूनिवर्सिटी के शोधकर्ताओं ने दर्जनों अध्ययनों की जांच की जिनमें दावा किया गया था कि आर्टिफिशियल इंटेलिजेंस लगभग पूर्ण सटीकता के साथ ऑटिज्म का निदान कर सकता है। उन्होंने पाया कि ये उच्च स्कोर अक्सर उन परीक्षणों से आए जो बहुत आसान थे या वास्तविक जीवन को दर्शाने के लिए बहुत छोटे थे। जब इन्हीं उपकरणों का परीक्षण विभिन्न क्लीनिकों में, विभिन्न परिवारों के साथ, या वास्तविक दुनिया की स्थितियों में किया गया, तो उनका प्रदर्शन काफी गिर गया। समीक्षा तर्क देती है कि हमें कंप्यूटर की डेटा को छाँटने की क्षमता और एक इंसान का निदान करने की क्षमता के बीच के अंतर को समझना चाहिए।
शोधकर्ताओं ने पांच विशिष्ट रिपोर्टों की जांच करके शुरुआत की जो इस क्षेत्र में प्रसारित हो रही थीं, और उन्हें व्यापक परिदृश्य को समझने के लिए एक शुरुआती बिंदु के रूप में लिया। इनमें से एक वापस लिया गया (retracted) लेख था, जिसका अर्थ है कि इसे उस जर्नल द्वारा वापस ले लिया गया था जिसने इसे प्रकाशित किया था क्योंकि डेटा को सत्यापित नहीं किया जा सकता था और तरीके स्पष्ट नहीं थे। दूसरा एक छात्र का प्रोजेक्ट था जिसने एक उपकरण का प्रस्ताव तो दिया लेकिन वास्तव में मरीजों पर उसका परीक्षण नहीं किया। इन उदाहरणों को छाँटकर, टीम ने एक आवर्ती समस्या को उजागर किया: कई अध्ययन "आंतरिक" परीक्षणों के आधार पर सफलता का दावा करते हैं, जहाँ कंप्यूटर का परीक्षण उसी डेटा पर किया जाता है जिस पर उसे प्रशिक्षित किया गया था। यह एक छात्र द्वारा परीक्षा देने जैसा है जो ठीक उन्हीं प्रश्नों का उपयोग करके परीक्षा दे रहा है जिनका उसने उत्तर कुंजी (answer key) से अध्ययन किया था; वह एक आदर्श स्कोर प्राप्त करेगा, लेकिन इसका मतलब यह नहीं है कि वह विषय को समझता है।
जब समीक्षा ने उन अध्ययनों को देखा जो आगे बढ़े, यानी नए बच्चों के समूहों या विभिन्न स्थानों पर उपकरणों का परीक्षण किया, तो परिणाम अधिक मध्यम रहे। उदाहरण के लिए, एक अध्ययन जिसने बच्चों के व्यवहार को देखने के लिए होम वीडियो का उपयोग किया, उसने पाया कि जबकि कंप्यूटर ने उन पहले सेट के वीडियो पर अच्छा काम किया जो उसने देखे थे, लेकिन जब इसने अलग-अलग घरों में अलग रोशनी और कैमरों के साथ रिकॉर्ड किए गए नए वीडियो का विश्लेषण करने की कोशिश की, तो इसकी सटीकता गिर गई। मेडिकल रिकॉर्ड का उपयोग करके ऑटिज्म की भविष्यवाणी करने वाले एक अन्य बड़े अध्ययन ने पाया कि इसकी सफलता दर अपने स्वयं के डेटा में लगभग 90 प्रतिशत से गिरकर अलग समूह के बच्चों पर परीक्षण के दौरान लगभग 79 प्रतिशत रह गई। ये गिरावट तकनीक की विफलता नहीं है, बल्कि इस बात का संकेत है कि वास्तविक दुनिया अव्यवस्थित और अप्रत्याशित है, कंप्यूटर लैब के स्वच्छ और नियंत्रित वातावरण के विपरीत।
समीक्षा ने यह भी बताया कि बनाए जा रहे उपकरण दो बहुत ही अलग कार्यों को भ्रमित कर देते हैं: स्क्रीनिंग और निदान। स्क्रीनिंग एक बड़े जाल को फैलाने जैसा है ताकि उन सभी को पकड़ा जा सके जिन्हें मदद की आवश्यकता हो सकती है; इससे अपेक्षा की जाती है कि यह कुछ ऐसे लोगों को भी पकड़ेगा जिन्हें वास्तव में स्थिति नहीं है, ताकि यह सुनिश्चित किया जा सके कि कोई भी जिसे आवश्यकता है, छूट न जाए। निदान, दूसरी ओर, अंतिम, सावधानीपूर्ण पुष्टि है कि बच्चे को ऑटिज्म है। वर्तमान में विकसित किए जा रहे कई कंप्यूटर प्रोग्राम पहले काम में अच्छे हैं—यानी बच्चों को आगे देखने के लिए चिह्नित करना—लेकिन वे दूसरे काम के लिए तैयार नहीं हैं। लेखक चेतावनी देते हैं कि कंप्यूटर को "निदानकर्ता" (diagnostician) कहना खतरनाक है क्योंकि यह सुझाव देता है कि मशीन अंतिम निर्णय ले सकती है, जबकि वास्तव में, यह केवल एक सुझाव दे सकती है जिसे एक इंसान को सत्यापित करना होता है।
पेपर द्वारा संबोधित एक अन्य प्रमुख मुद्दा निष्पक्षता का प्रश्न है। कई अध्ययनों ने विशिष्ट समूहों के डेटा का उपयोग किया, जो अक्सर वे लोग थे जिन्हें पहले से ही निदान किया गया था या जो विशेष पृष्ठभूमि से आते थे। इसका मतलब है कि कंप्यूटर ऑटिज्म को पहचानने का एक ऐसा तरीका सीख सकता है जो उन विशिष्ट लोगों के अनुकूल हो लेकिन दूसरों को छोड़ दे। उदाहरण के लिए, एक टूल जो एक देश के डेटा पर प्रशिक्षित है, वह दूसरे देश में ठीक से काम नहीं कर सकता है, क्योंकि बच्चों के खेलने, बोलने या कैमरों के साथ बातचीत करने के तरीके में सांस्कृतिक रूप से बहुत भिन्नता हो सकती है। समीक्षा इस बात पर जोर देती है कि एक टूल जो कुछ लोगों के लिए काम करता है लेकिन दूसरों के लिए नहीं, वह सबके लिए समाधान नहीं है। यह यह भी नोट करता है कि वे लोग जिन्हें इन उपकरणों से लाभ होना चाहिए—स्वयं ऑटिस्टिक व्यक्ति—उन्हें डिजाइन करने में या यह तय करने में शायद ही कभी शामिल किया गया कि उपकरणों का स्वरूप कैसा होना चाहिए।
शोधकर्ता इन उपकरणों को आंकने का एक नया तरीका प्रस्तावित करते हैं, जो केवल सटीकता के एक एकल अंक को देखने से परे है। वे एक पांच-चरणीय मार्ग का सुझाव देते हैं जिसका पालन एक उपकरण को क्लिनिक में भरोसेमंद बनने से पहले करना चाहिए। पहला, कंप्यूटर को सिखाने के लिए उपयोग किया जाने वाला डेटा ईमानदार और वास्तविक दुनिया का प्रतिनिधित्व करने वाला होना चाहिए। दूसरा, कंप्यूटर को यह साबित करना होगा कि वह उस डेटा पर काम कर सकता है जिसे उसने पहले कभी नहीं देखा है। तीसरा, इसे दिखाना होगा कि यह विभिन्न स्थानों और विभिन्न प्रकार के लोगों के साथ काम करता है। चौथा, इसे वास्तव में डॉक्टरों के काम को आसान या तेज़ बनाना चाहिए, न कि केवल प्रक्रिया में एक और चरण जोड़ना चाहिए। अंत में, उपकरण को निष्पक्ष और सम्मानजनक होना चाहिए, यह सुनिश्चित करते हुए कि यह किसी को नुकसान न पहुँचाए या उन परिवारों को बाहर न करे जिन्हें मदद की सबसे अधिक आवश्यकता है।
अंत में, पेपर निष्कर्ष निकालता है कि आर्टिफिशियल इंटेलिजेंस की एक भूमिका है, लेकिन वह एक सहायक की भूमिका है। यह जानकारी को व्यवस्थित करने में मदद कर सकता है, उन बच्चों को चिह्नित कर सकता है जिन्हें करीब से देखने की आवश्यकता है, या डॉक्टरों को अपना समय बेहतर ढंग से प्रबंधित करने में मदद कर सकता है। लेकिन यह मानवीय जुड़ाव, एक परिवार की कहानी की सूक्ष्म समझ, या निदान के लिए आवश्यक पेशेवर निर्णय की जगह नहीं ले सकता। सबसे आशाजनक अध्ययन वे हैं जो अपनी सीमाओं को स्वीकार करते हैं, जो अपने उपकरणों का वास्तविक दुनिया में परीक्षण करते हैं, और जो अंतिम निर्णय के लिए एक इंसान को प्रभारी रखते हैं। आगे का रास्ता एक ऐसी मशीन बनाना नहीं है जो अपने आप ऑटिज्म का निदान कर सके, बल्कि एक ऐसी प्रणाली बनाना है जो डॉक्टरों को हर बच्चे के लिए, हर जगह, अपना सर्वश्रेष्ठ काम करने में मदद करे।
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।