Single-camera pose estimation for quantitative assessment of balance deficits: a proof-of-concept using graded acute alcohol intake

संतुलन मस्तिष्क और शरीर के बीच एक शांत, निरंतर बातचीत है। यह एक निरंतर लूप पर निर्भर करता है जहाँ आँखें, आंतरिक कान और मांसपेशियों एवं जोड़ों के सेंसर मस्तिष्क को संकेत भेजते हैं, जो फिर हमें सीधा रखने के लिए सूक्ष्म, अदृश्य समायोजन करता है। जब इस लूप में व्यवधान आता है, जैसा कि स्ट्रोक या पार्किंसंस रोग जैसी स्थितियों में होता है, तो स्थिर खड़े रहने या सुरक्षित रूप से चलने की क्षमता लुप्त हो सकती है। दशकों से, डॉक्टर इस क्षमता को मापने के लिए 'बर्ग बैलेंस स्केल' नामक एक मानक चेकलिस्ट पर भरोसा करते रहे हैं। एक चिकित्सक रोगी को कुछ कार्य करने के लिए देखता है, जैसे कि एक पैर पर खड़ा होना या घूमना, और कार्य कितनी अच्छी तरह पूरा किया गया इसके आधार पर शून्य से चार तक का स्कोर देता है। हालांकि यह विधि व्यापक रूप से उपयोग की जाती है, इसमें एक मौलिक दोष है: यह एक कुंद उपकरण (blunt instrument) है। यह सफलता या विफलता का अंतिम निर्णय तो दर्ज करता है, लेकिन यह उन सूक्ष्म कंपनों, मामूली डगमगाहट या सूक्ष्म-समायोजनों को नहीं देख पाता जो किसी व्यक्ति के गिरने से पहले होते हैं। इससे भी बदतर यह है कि जो लोग पहले से ही काफी स्थिर हैं, उनके लिए यह स्केल अपनी सीमा (ceiling) पर पहुँच जाता है। यदि कोई रोगी तीस सेकंड तक सुरक्षित रूप से खड़ा रह सकता है, तो उन्हें उच्चतम संभव स्कोर मिलता है, भले ही उनका संतुलन कल की तुलना में थोड़ा खराब ही क्यों न हुआ हो। यह उन लोगों में छोटे सुधारों या गिरावटों को ट्रैक करना लगभग असंभव बना देता है जो अच्छी तरह से कार्य कर रहे हैं, और यही वह समय है जब सटीक माप की सबसे अधिक आवश्यकता होती है।

इस समस्या को हल करने के लिए, ETH ज्यूरिख और कैंटोनल हॉस्पिटल बाडेन के शोधकर्ताओं ने यह देखने के लिए हाथ बढ़ाया कि क्या एक साधारण वीडियो कैमरा उन परिवर्तनों का पता लगा सकता है जिन्हें एक मानव पर्यवेक्षक चूक जाता है। उन्हें संतुलन में एक ज्ञात, नियंत्रित परिवर्तन बनाने के तरीके की आवश्यकता थी जिसे सटीक रूप से मापा जा सके। उन्होंने इसके लिए अल्कोहल का उपयोग करने का निर्णय लिया। स्वस्थ स्वयंसेاتों को अल्कोहल की विशिष्ट मात्रा पिलाकर, शोधकर्ता सेरिबैलम और वेस्टिबुलर सिस्टम (मस्तिष्क के वे हिस्से जो संतुलन को नियंत्रित करते हैं) की एक अस्थायी, क्रमिक अक्षमता उत्पन्न कर सके। इसने उन्हें एक नई डिजिटल पद्धति को मानक नैदानिक पैमाने के विरुद्ध उन स्थितियों में परीक्षण करने की अनुमति दी जहाँ अक्षमता का "वास्तविक" स्तर ज्ञात था। टीम ने चौबीस स्वस्थ वयस्कों द्वारा छह अलग-अलग खड़े होने वाले कार्यों को रिकॉर्ड किया, जिसमें दो पैरों पर खड़े होने से लेकर आँखें बंद करके एक पैर पर खड़े होने तक शामिल थे। उन्होंने यह रक्त में अल्कोहल के तीन अलग-अलग स्तरों पर किया: शून्य, 0.6 प्रति मिल (per mille) की कम खुराक, और 1.0 प्रति मिल की उच्च खुराक। प्रत्येक सत्र को एक साधारण उपभोक्ता कैमरे के साथ फिल्माया गया था, जो स्मार्टफोन में पाया जाने वाला सामान्य कैमरा है, जिसे प्रतिभागी के सामने रखा गया था।

शोधकर्ताओं ने वीडियो का विश्लेषण करने के लिए उन्नत कंप्यूटर सॉफ़्टवेयर का उपयोग किया। यह पूछने के बजाय कि एक व्यक्ति कितना स्थिर दिख रहा है, सॉफ़्टवेयर ने फ्रेम-दर-फ्रेम व्यक्ति के शरीर के ढांचे को ट्रैक किया, जिससे उनकी मुद्रा का एक डिजिटल कंकाल (digital skeleton) तैयार हुआ। इस वीडियो से, कंप्यूटर ने गति के 167 अलग-अलग मापों की गणना की, जैसे कि शरीर कितनी तेज़ी से अगल-बगल डगमगाता है, धड़ कितना हिलता है, और क्या व्यक्ति संतुलन बनाए रखने के लिए कदम लेता है। टीम ने इन मापों में से सबसे संवेदनशील मापों को चुना और उन्हें एक एकल डिजिटल स्कोर में संयोजित किया। इसके बाद उन्होंने इस डिजिटल स्कोर की तुलना उसी वीडियो को देखते हुए एक प्रशिक्षित मानव रेटर (rater) द्वारा दिए गए स्कोर से की, जिसमें मानक संतुलन पैमाने का एक सरलीकृत संस्करण उपयोग किया गया था। मानव रेटर ने व्यक्ति के गिरने या मदद की आवश्यकता होने तक स्थिति को बनाए रखने की अवधि के आधार पर शून्य से चार तक का स्कोर दिया।

परिणामों ने स्पष्ट अंतर दिखाया कि दोनों विधियाँ क्या देख सकती हैं। मानव रेटर ने, मानक पैमाने का उपयोग करते हुए, सभी परीक्षणों में से 77 प्रतिशत में अधिकतम स्कोर चार दिया। इसका अर्थ यह है कि अधिकांश समय, भले ही प्रतिभागियों ने अधिक अल्कोहल पिया और उनका संतुलन बिगड़ गया, मानव पर्यवेक्षक ने कोई परिवर्तन नहीं देखा। स्केल अपनी सीमा पर पहुँच गया था; यह एक स्थिर व्यक्ति और एक थोड़े अस्थिर व्यक्ति के बीच अंतर नहीं कर सका जो अभी भी खड़ा था। इसके विपरीत, एकल कैमरे से प्राप्त डिजिटल स्कोर ने गिरावट को दर्ज करना जारी रखा। कंप्यूटर-आधारित माप अधिकांश प्रतिभागियों के लिए अल्कोहल सेवन के तीन स्तरों को सही ढंग से रैंक करने में सक्षम रहा, जिसने 86 प्रतिशत की औसत सटीकता प्राप्त की, जबकि मानव रेटिंग केवल लगभग 59 प्रतिशत समय इसे सही ढंग से कर पाई। डिजिटल स्कोर, सोबर (नशे के बिना) अवस्था और कम खुराक वाली अवस्था के बीच अंतर का पता लगाने में काफी बेहतर था, और कम और उच्च खुराक के बीच भी और भी बेहतर था।

शायद सबसे महत्वपूर्ण निष्कर्ष उन प्रतिभागियों के समूह में देखा गया जिन्होंने मानव रेटर से अधिकतम स्कोर चार प्राप्त किया था, जो सोबर और उच्च-अल्कोहल स्तर दोनों पर थे। मानव दृष्टि के लिए, ये लोग अपरिवर्तित दिखाई दिए। हालाँकि, डिजिटल स्कोर ने दिखाया कि जैसे-जैसे अल्कोहल का स्तर बढ़ा, शरीर के डगमगाहट (body sway) में उल्लेखनीय और निरंतर वृद्धि हुई। कंप्यूटर ने शरीर के डगमगाहट में एक क्रमिक गिरावट का पता लगाया जिसे मानव पर्यवेक्षक पूरी तरह से मिस कर गया। इसने प्रदर्शित किया कि मानक पैमाने पर अधिकतम स्कोर का अर्थ यह नहीं है कि व्यक्ति का संतुलन पूर्ण है; इसका केवल यह अर्थ है कि उनका प्रदर्शन पैमाने की शीर्ष श्रेणी में था। डिजिटल पद्धति, शारीरिक इकाइयों में वास्तविक गति को मापकर, उस अक्षमता को देख सकी जो पारंपरिक परीक्षण की सीमा के पीछे छिपी हुई थी।

अध्ययन ने यह भी जांचा कि मानव रेटर कितने विश्वसनीय थे। जब दो अलग-अलग विशेषज्ञों ने एक ही वीडियो देखा, तो वे 83 प्रतिशत बार सटीक स्कोर पर सहमत हुए। हालाँकि, यह उच्च सहमति मुख्य रूप से इसलिए थी क्योंकि वे दोनों एक ही लोगों को अधिकतम स्कोर दे रहे थे। जब शोधकर्ताओं ने केवल उन परीक्षणों को देखा जहाँ स्कोर अधिकतम नहीं था, तो दोनों विशेषज्ञों के बीच सहमति गिरकर केवल 30 प्रतिशत रह गई। यह सुझाव देता है कि जब किसी मानव को किसी सीमावर्ती मामले (borderline case) के बारे में वास्तविक निर्णय लेना होता है, तो उनका निर्णय काफी भिन्न होता है। डिजिटल स्कोर, जो गति की एक सुसंगत गणितीय गणना पर आधारित था, इस परिवर्तनशीलता से ग्रस्त नहीं था।

शोधकर्ताओं ने निष्कर्ष निकाला कि एक साधारण कैमरा उन संतुलन के सूक्ष्म विवरणों को पकड़ सकता है जिन्हें एक मानक नैदानिक रेटिंग नहीं पकड़ पाती है। डिजिटल स्कोर अल्कोहल की खुराक-दर-खुराक के प्रभावों को ट्रैक करने में सक्षम था, यहाँ तक कि उन लोगों में भी जिन्हें बिना किसी संतुलन समस्या के रेट किया गया था। इसका मतलब यह नहीं है कि मानव पर्यवेक्षक बेकार है, लेकिन यह दिखाता है कि पारंपरिक पैमाने में उन लोगों के लिए एक अंध बिंदु (blind spot) है जो अच्छा कार्य कर रहे हैं। डिजिटल दृष्टिकोण बिना किसी महंगे उपकरण, शरीर पर विशेष मार्कर या प्रयोगशाला सेटिंग के, निरंतर और वस्तुनिष्ठ रूप से संतुलन को मापने का एक तरीका प्रदान करता है। यह सुझाव देता है कि भविष्य में, एक सरल वीडियो रिकवरी या गिरावट की निगरानी के लिए एक बहुत अधिक संवेदनशील उपकरण प्रदान कर सकता है, जो उन परिवर्तनों को पकड़ सकता है जो अन्यथा तब तक अनदेखे रह जाते जब तक कि वे बहुत बड़े न हो जाएं। अध्ययन सिद्ध करता है कि कैमरा वह देख सकता है जो आँख नहीं देख सकती, जिससे एक साधारण रिकॉर्डिंग को स्थिरता के सटीक माप में बदल दिया जाता है।