Development of a Multimodal Large Language Model for Early Warning and Diagnosis of Dry Eye Disease

कल्पना कीजिए कि आपकी आँखों में कुछ चुभ रहा है, धूप में जलन हो रही है, या स्क्रीन पढ़ते समय धुंधला दिखाई दे रहा है। यह 'ड्राई आई डिजीज' (सूखी आँख की बीमारी) है, जो एक सामान्य और अक्सर परेशान करने वाली स्थिति है जहाँ आँख की सतह पर पर्याप्त नमी या स्वस्थ रहने के लिए सही प्रकार के तेल की कमी होती है। यह केवल एक मामूली परेशानी नहीं है; यह दृष्टि को नुकसान पहुँचा सकती है और दैनिक जीवन को कठिन बना सकती है। हालाँकि, इसका निदान करना पेचीदा है। एक डॉक्टर केवल एक परीक्षण पर भरोसा नहीं कर सकता। इसके बजाय, उन्हें कई अलग-अलग सुरागों से बनी एक पहेली को जोड़ना होता है: रोगी अपने दर्द का वर्णन कैसे करता है, उसका मेडिकल इतिहास क्या है, उसकी जीवनशैली की आदतें जैसे कि वह कंप्यूटर पर कितना समय बिताता है, और डॉक्टर सूक्ष्मदर्शी (माइक्रोस्कोप) से आँख की सतह को देखते समय क्या देखता है। वर्षों से, आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) चित्रों को देखने या नंबरों को पढ़ने में अच्छा रहा है, लेकिन इसने एक साथ दोनों काम उस तरह से करने में संघर्ष किया है जैसे कि एक मानव डॉक्टर की सावधानीपूर्वक तर्क करने की क्षमता होती है।

चीन के अस्पतालों और अनुसंधान संस्थानों के शोधकर्ताओं की एक टीम ने इस सटीक समस्या को हल करने के लिए डिज़ाइन किए गए एक नए प्रकार के कंप्यूटर प्रोग्राम का निर्माण किया है। उन्होंने एक ऐसा सिस्टम बनाया है जो एक डिजिटल विशेषज्ञ की तरह कार्य करता है, जो प्रश्नावली के रोगी के लिखित उत्तरों को पढ़ने, उनके मेडिकल इतिहास को समझने और उनकी आँखों की उच्च-रिज़ॉल्यूशन वाली तस्वीरों की जांच करने में सक्षम है। यह सिस्टम, जिसे वे 'मल्टीमॉडल लार्ज लैंग्वेज मॉडल' कहते हैं, को ड्राई आई डिजीज के संकेतों को पहचानने के लिए प्रशिक्षित किया गया था। इस विभिन्न प्रकार की जानकारी को जोड़कर, मॉडल का लक्ष्य बीमारी को जल्दी पहचानना है, यहाँ तक कि गंभीर होने से पहले भी, और उच्च सटीकता के साथ निदान की पुष्टि करना है। शोधकर्ताओं ने इस उपकरण का परीक्षण सैकड़ों रोगियों पर किया और पाया कि यह स्वस्थ आँखों और ड्राई आई से पीड़ित आँखों के बीच प्रभावी ढंग से अंतर कर सकता है, और विभिन्न अस्पतालों तथा विभिन्न उपकरणों के डेटा पर परीक्षण किए जाने पर भी अच्छा प्रदर्शन कर सकता है।

अध्ययन की शुरुआत चार अलग-अलग अस्पतालों से वास्तविक दुनिया के डेटा के एक बड़े संग्रह को इकट्ठा करके हुई। टीम ने 874 प्रतिभागियों को शामिल किया, जिन्हें दो समूहों में विभाजित किया गया। पहला समूह, जिसमें बीजिंग के एक अस्पताल के 743 मरीज शामिल थे, का उपयोग कंप्यूटर को बीमारी को पहचानने के लिए सिखाने हेतु किया गया। दूसरा समूह, जिसमें अन्य तीन शहरों के तीन अलग-अलग अस्पतालों के 131 मरीज थे, को अलग रखा गया था ताकि यह परीक्षण किया जा सके कि कंप्यूटर द्वारा सीखी गई बातों को नई, अनदेखी स्थितियों में कैसे लागू किया जा सकता है। प्रत्येक प्रतिभागी की गहन जांच की गई। उन्होंने अपने लक्षणों के बारे में विस्तृत सर्वेक्षण भरे, जैसे कि उनकी आँखें कितनी बार सूखी महसूस होती थीं या उनकी दृष्टि कितनी बदलती रहती थी। उन्होंने अपना मेडिकल इतिहास भी प्रदान किया, जिसमें उनकी आयु, अन्य स्वास्थ्य स्थितियाँ और स्क्रीन देखने में बिताए गए समय जैसी उनकी दैनिक आदतें शामिल थीं।

इन लिखित उत्तरों के साथ-साथ, डॉक्टरों ने रोगियों की आँखों की विस्तृत तस्वीरें लीं। इन छवियों में आँख की सतह, पलकों में मौजूद छोटे तेल ग्रंथियां और रक्त वाहिकाएं दिखाई दीं। कुछ मामलों में, डॉक्टरों ने आँख की सतह पर क्षतिग्रस्त क्षेत्रों को उजागर करने के लिए एक विशेष डाई (रंजक) का उपयोग किया। शोधकर्ताओं ने इस सारी जानकारी को—सर्वेक्षण के उत्तरों, मेडिकल इतिहास और आँख की छवियों को—अपने नए कंप्यूटर मॉडल में डाला। मॉडल को मौजूदा आर्टिफिशियल इंटेलिजेंस तकनीक के एक शक्तिशाली आधार पर बनाया गया था, लेकिन इसे चिकित्सा भाषा और छवियों को समझने के लिए विशेष रूप से अनुकूलित किया गया था। इसके डिज़ाइन का एक प्रमुख हिस्सा मेडिकल रिकॉर्ड से प्राप्त संरचित नंबरों (जैसे सर्वेक्षणों के स्कोर) को प्राकृतिक भाषा में अनुवाद करने की एक विधि थी, जिसे कंप्यूटर छवियों के साथ संसाधित कर सके। इसने मॉडल को यह समझने में मदद की कि रोगी के "आँखें जलती हैं" कहने और तस्वीर में दिखने वाली विशिष्ट लालिमा के बीच क्या संबंध है।

शोधकर्ताओं ने मॉडल को दो मुख्य कार्य करने के लिए कहा। पहला था 'अर्ली वार्निंग' (प्रारंभिक चेतावनी), जहाँ सिस्टम केवल रोगी के सर्वेक्षण उत्तरों और जीवनशैली कारकों के आधार पर ड्राई आई के जोखिम की भविष्यवाणी करने का प्रयास करता है, इससे पहले कि आँख की कोई छवि ली जाए। दूसरा कार्य 'डायग्नोसिस' (निदान) था, जहाँ मॉडल यह निर्धारित करने के लिए सभी उपलब्ध जानकारी, जिसमें आँख की छवियां भी शामिल हैं, का उपयोग करता है कि क्या रोगी को निश्चित रूप से बीमारी है। टीम ने मॉडल का परीक्षण डॉक्टरों द्वारा उपयोग किए जाने वाले दो अलग-अलग नियमों के विरुद्ध किया: एक सेट अंतर्राष्ट्रीय दिशानिर्देशों का और दूसरा चीन के विशिष्ट दिशानिर्देशों का। ये नियम स्पष्ट रूप से परिभाषित करते हैं कि लक्षणों और संकेतों का कौन सा संयोजन बीमारी माना जाएगा।

परिणामों ने दिखाया कि मॉडल अत्यधिक प्रभावी था। केवल प्रश्नावली डेटा का उपयोग करके ड्राई आई के जोखिम की भविष्यवाणी करने के दौरान, मॉडल चीनी दिशानिर्देशों के अनुसार 96 प्रतिशत बार और अंतर्राष्ट्रीय दिशानिर्देशों के अनुसार 82 प्रतिशत बार सही था। यह बीमारी मौजूद होने पर उसे पकड़ने में विशेष रूप से कुशल था, जिससे बहुत कम मामले छूट पाए। जब मॉडल को सर्वेक्षण उत्तरों के साथ आँख की छवियों को भी दिया गया, तो निदान करने के लिए इसकी सटीकता और बढ़ गई। इसने अंतर्राष्ट्रीय नियमों के तहत 92 प्रतिशत से अधिक मामलों में और चीनी नियमों के तहत 93 प्रतिशत से अधिक मामलों में बीमारी की सही पहचान की। मॉडल उन लोगों की सही पहचान करने में भी बहुत अच्छा था जिन्हें बीमारी नहीं थी, जिससे गलत अलार्म (फॉल्स अलार्म) से बचा जा सका।

यह समझने के लिए कि मॉडल ने अपने निर्णय कैसे लिए, शोधकर्ताओं ने यह देखा कि वह किस जानकारी पर सबसे अधिक निर्भर था। उन्होंने पाया कि प्रश्नावली और मेडिकल रिकॉर्ड से प्राप्त संरचित डेटा सबसे महत्वपूर्ण कारक था। जब उन्होंने इस जानकारी को हटा दिया और मॉडल को केवल आँख की छवियों पर निर्भर रहने के लिए कहा, तो इसके प्रदर्शन में काफी गिरावट आई। यह सुझाव देता है कि ड्राई आई डिजीज के लिए, रोगी द्वारा अपने लक्षणों का वर्णन और उनका मेडिकल इतिहास सबसे मजबूत संकेतक हैं। हालाँकि, छवियां भी मूल्यवान थीं। मॉडल ने अपने संदेह की पुष्टि करने और विशिष्ट शारीरिक संकेतों, जैसे कि अवरुद्ध तेल ग्रंथियों या आँख की सतह पर छोटे धब्बों की ओर इशारा करने के लिए उनका उपयोग किया। कंप्यूटर ने आँख के उन सटीक क्षेत्रों पर ध्यान केंद्रित करना सीखा जिनका एक मानव डॉक्टर परीक्षण करेगा, जैसे कि लालिमा और पलक की ग्रंथियों की बनावट को हाइलाइट करना।

टीम ने मॉडल का परीक्षण अन्य तीन अस्पतालों के रोगियों के अलग समूह पर भी किया ताकि यह देखा जा सके कि क्या यह वास्तविक दुनिया के विभिन्न परिवेशों में काम कर सकता है। इन अस्पतालों ने आँख की तस्वीरें लेने के लिए अलग कैमरों और उपकरणों का उपयोग किया था। इन अंतरों के बावजूद, मॉडल ने अपने उच्च स्तर की सटीकता बनाए रखी। इसने रोगियों के नए समूह में बीमारी का सफलतापूर्वक निदान किया, जिससे यह सिद्ध हुआ कि यह डेटा एकत्र करने के तरीकों में भिन्नता के अनुकूल हो सकता है। यह सुझाव देता है कि यह उपकरण न केवल उस क्लिनिक में, बल्कि व्यापक रेंज के क्लीनिकों में भी उपयोगी हो सकता है जहाँ इसे पहली बार बनाया गया था। शोधकर्ताओं ने उल्लेख किया कि मॉडल वृद्ध वयस्कों में बीमारी की पहचान करने में विशेष रूप से अच्छा था, जो एक ऐसा समूह है जहाँ यह स्थिति सबसे आम है, हालांकि उन्होंने यह भी स्वीकार किया कि डेटा में बहुत हल्की बीमारी के मामले कम थे।

अध्ययन यह निष्कर्ष निकालता है कि यह नया दृष्टिकोण ड्राई आई डिजीज का पता लगाने और निदान करने के तरीके में सुधार करने का एक आशाजनक तरीका है। रोगी की आवाज़ को डॉक्टर के दृश्य साक्ष्य के साथ जोड़कर, मॉडल अकेले किसी भी एक विधि की तुलना में रोगी के स्वास्थ्य की अधिक पूर्ण तस्वीर बनाता है। शोधकर्ता इस बात पर जोर देते हैं कि हालांकि यह उपकरण शक्तिशाली है, इसे डॉक्टरों की सहायता करने के लिए डिज़ाइन किया गया है, न कि उन्हें बदलने के लिए। यह बीमारी की स्क्रीनिंग करने और नैदानिक निर्णयों का समर्थन करने के लिए एक मजबूत, स्केलेबल तरीका प्रदान करता है, जिससे संभावित रूप से बीमारी को जल्दी पकड़ने और पुरानी आँखों की परेशानी से जूझ रहे रोगियों के बोझ को कम करने में मदद मिल सकती है। यह कार्य प्रदर्शित करता है कि जब आर्टिफिशियल इंटेलिजेंस को उन नंबरों और छवियों को समझने के लिए प्रशिक्षित किया जाता है जिनका उपयोग डॉक्टर प्रतिदिन करते हैं, तो यह आँख के स्वास्थ्य की देखभाल में एक विश्वसनीय साथी बन सकता है।