SAMVT-Net: Source-Aware Multi-View Token Learning for Heterogeneous ECG Classification

मानव हृदय बिजली की एक भाषा बोलता है, एक लयबद्ध कोड जिसे डॉक्टरों ने एक सदी से अधिक समय से पढ़ना सीखा है। त्वचा पर सेंसर लगाकर, वे उन सूक्ष्म विद्युत तरंगों को पकड़ते हैं जो हर धड़कन के साथ हृदय की मांसपेशियों के माध्यम से यात्रा करती हैं। ये रिकॉर्डिंग, जिन्हें इलेक्ट्रोकार्डियोग्राम या ECG कहा जाता है, अनियमित लय से लेकर हार्ट अटैक तक, हृदय संबंधी स्थितियों के निदान के लिए मानक उपकरण हैं। हालाँकि, इन टेढ़ी-मेढ़ी रेखाओं को एक स्पष्ट चिकित्सा निदान में बदलना कोई सरल कार्य नहीं है। रिकॉर्डिंग जितनी लंबी होती है, सेंसरों का उपयोग कैसे किया गया था, और डॉक्टर किस विशिष्ट समस्या की तलाश कर रहे हैं, इसके आधार पर संकेत बहुत अधिक भिन्न होते हैं। एक छोटा क्लिप एक एकल धड़कन दिखा सकता है, जबकि एक लंबी रिकॉर्डिंग हृदय की गतिविधि का पूरा एक मिनट कैप्चर कर सकती है, जो एक साथ कई अलग-अलग समस्याओं को प्रकट कर सकती है। दशकों से, शोधकर्ताओं ने ऐसे कंप्यूटर प्रोग्राम बनाने की कोशिश की है जो इन संकेतों को मानव विशेषज्ञ की तरह पढ़ सकें, लेकिन डेटा की विविधता ने एक ऐसा एकल, विश्वसनीय सिस्टम बनाना कठिन बना दिया है जो हर स्थिति में काम कर सके।

शोधकर्ताओं की एक टीम ने अब इस समस्या के लिए एक नया दृष्टिकोण विकसित किया है, एक ऐसा कंप्यूटर मॉडल बनाया है जिसे देखे गए प्रत्येक हृदय संकेत के विशिष्ट संदर्भ (context) को समझने के लिए डिज़ाइन किया गया है। उनका कार्य, जो हाल ही में एक अध्ययन में प्रकाशित हुआ है, SAMVT-Net नामक एक पद्धति पर केंद्रित है। सभी हृदय डेटा को एक एकल, कठोर प्रारूप में बदलने के बजाय, यह प्रणाली जानकारी को इस आधार पर व्यवस्थित करना सीखती है कि वह कहाँ से आती है और वह किस प्रकार के प्रश्न का उत्तर देने का प्रयास कर रही है। शोधकर्ताओं ने अपने मॉडल का परीक्षण हृदय डेटा के दो बहुत ही अलग प्रकारों पर किया: व्यक्तिगत धड़कनों के छोटे क्लिप और दस सेकंड की लंबी रिकॉर्डिंग जो हृदय की विद्युत गतिविधि का पूर्ण दृश्य कैप्चर करती हैं। दोनों ही मामलों में, मॉडल अत्यधिक प्रभावी साबित हुआ, जिसने उल्लेखनीय सटीकता के साथ सामान्य धड़कनों और विभिन्न प्रकार की असामान्यताओं के बीच अंतर करना सीखा।

इस नई प्रणाली के पीछे का मूल विचार यह है कि सभी हृदय संकेत समान नहीं होते हैं, और एक कंप्यूटर को इसे सही ढंग से व्याख्या करने के लिए सूचना के स्रोत को जानने की आवश्यकता होती है। जब एक डॉक्टर ECG देखता है, तो वह केवल एक लहर नहीं देखता; वह छाती पर एक विशिष्ट सेंसर से आने वाली लहर देखता है, और वह जानता है कि उस लहर का आकार उस लहर से अलग कहानी बताता है जो हाथ पर लगे सेंसर से आती है। शोधकर्ताओं ने अपने मॉडल को इसी जागरूकता की नकल करने के लिए बनाया। उन्होंने कंप्यूटर को सिखाया कि वह धड़कन के आकार और धड़कनों के बीच के समय को अलग लेकिन संबंधित सूचनाओं के रूप में ले। छोटी धड़कनों के लिए, मॉडल लहर के आकार और धड़कनों के बीच के अंतराल के सटीक समय को देखता है। लंबी रिकॉर्डिंग के लिए, यह समग्र आकार और विद्युत संकेतों की आवृत्ति (frequency) पर ध्यान केंद्रित करता है। महत्वपूर्ण रूप से, मॉडल को प्रत्येक सूचना के लिए एक "नेम टैग" (नाम की पर्ची) दी जाती है, जो उसे ठीक से बताती है कि किस सेंसर ने डेटा कैप्चर किया है। यह सिस्टम को विभिन्न सूचनाओं को उनके उद्गम का सम्मान करते हुए एक साथ जोड़ने की अनुमति देता है, बिल्कुल एक कंडक्टर की तरह जो जानता है कि ऑर्केस्ट्रा में कौन सा वाद्य यंत्र एक विशिष्ट नोट बजा रहा है।

यह परीक्षण करने के लिए कि क्या वास्तव में यह दृष्टिकोण काम करता है, शोधकर्ताओं ने अपने मॉडल को हृदय रिकॉर्डिंग के दो प्रसिद्ध सार्वजनिक डेटाबेस पर प्रशिक्षित किया। पहले डेटाबेस में हजारों छोटी धड़कनें थीं, जिनमें से प्रत्येक को एक विशिष्ट लय या असामान्यता के साथ लेबल किया गया था। दूसरे डेटाबेस में रोगियों की लंबी, बारह-लीड रिकॉर्डिंग शामिल थीं, जिनमें से कुछ को एक ही समय में कई हृदय स्थितियाँ थीं। मॉडल को शून्य से (from scratch) प्रशिक्षित किया गया था, जिसका अर्थ है कि इसने बिना किसी पूर्व ज्ञान के शुरुआत की और प्रदान किए गए डेटा से सब कुछ सीखा। छोटी धड़कनों पर परीक्षण करने पर, सिस्टम ने लगभग 99.3 प्रतिशत की सटीकता प्राप्त की, जिससे लगभग हर मामले में धड़कन के प्रकार की सही पहचान हुई। इसने दुर्लभ और कठिन-से-पकड़ने वाली लय को पहचानने में विशेष रूप से अच्छा प्रदर्शन किया, जो कंप्यूटर मॉडल के लिए एक आम चुनौती है। लंबी, अधिक जटिल रिकॉर्डिंग पर, मॉडल ने हृदय की मांसपेशियों के मोटा होने और विद्युत चालन (conduction) समस्याओं जैसी सह-मौजूद स्थितियों को उच्च विश्वसनीयता के साथ सफलतापूर्वक पहचाना।

अध्ययन के सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि मॉडल के कौन से हिस्से मुख्य कार्य कर रहे थे। शोधकर्ताओं ने नियंत्रित प्रयोगों की एक श्रृंखला चलाई, जिसमें उन्होंने यह देखने के लिए सिस्टम की विभिन्न विशेषताओं को बंद कर दिया कि क्या होगा। उन्होंने पाया कि छोटी धड़कनों को समझने के लिए सबसे महत्वपूर्ण संयोजन लहर के आकार और धड़कनों के बीच के समय का मेल था। जब मॉडल ने इन दोनों दृश्यों का उपयोग किया, तो इसने केवल आकार का उपयोग करने की तुलना में काफी बेहतर प्रदर्शन किया। हालाँकि, लंबी रिकॉर्डिंग के लिए, समय की जानकारी उतनी महत्वपूर्ण नहीं थी, और मॉडल ने आकार और सिग्नल के स्पेक्ट्रम (frequency spectrum) पर ध्यान केंद्रित करके सर्वश्रेष्ठ प्रदर्शन किया। एक अन्य प्रमुख खोज "नेम टैग्स" का मूल्य थी। जब शोधकर्ताओं ने मॉडल की यह क्षमता हटा दी कि वह जान सके कि किस सेंसर ने डेटा प्रदान किया है, तो इसका प्रदर्शन काफी गिर गया, विशेष रूप से जब उन्नत 'अटेंशन मैकेनिज्म' का उपयोग किया जा रहा था जो मॉडल को सिग्नल के सबसे महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करने में मदद करता है। इसने पुष्टि की कि डेटा के स्रोत को जानना कंप्यूटर के लिए जानकारी को समझने हेतु आवश्यक है।

अध्ययन ने चिकित्सा डेटा की एक सामान्य समस्या को भी संबोधित किया: यह तथ्य कि कुछ हृदय स्थितियाँ अन्य की तुलना में बहुत दुर्लभ हैं। एक विशिष्ट डेटासेट में हजारों सामान्य धड़कनें होती हैं लेकिन केवल कुछ ही दुर्लभ, खतरनाक लय के उदाहरण होते हैं। मानक कंप्यूटर मॉडल अक्सर इन दुर्लभ मामलों को अनदेखा कर देते हैं क्योंकि वे बहुत कम बार आते हैं। शोधकर्ताओं ने एक विशिष्ट प्रशिक्षण रणनीति का उपयोग किया जिसने मॉडल को इन दुर्लभ उदाहरणों पर अतिरिक्त ध्यान देने के लिए मजबूर किया, यह सुनिश्चित करते हुए कि वह हर बार केवल "सामान्य" का अनुमान न लगाए। उन्होंने यह भी परीक्षण किया कि क्या मॉडल छूटे हुए डेटा (missing data) को संभाल सकता है, जो एक ऐसी स्थिति का अनुकरण करता है जहाँ रोगी की छाती पर कुछ सेंसर काम नहीं कर रहे हों। सिस्टम ने अनुकूलन करने की मजबूत क्षमता दिखाई, कई सेंसर गायब होने के बावजूद अच्छा प्रदर्शन बनाए रखा, हालांकि जैसे-जैसे अधिक डेटा खो गया, इसकी सटीकता कम होती गई। यह सुझाव देता है कि मॉडल हृदय डेटा के संग्रह में वास्तविक दुनिया की खामियों को संभालने के लिए पर्याप्त मजबूत है।

कच्चे नंबरों से परे, शोधकर्ताओं ने देखा कि कंप्यूटर हृदय संकेतों को कैसे "देखता" है। उन्होंने मॉडल द्वारा बनाए गए आंतरिक निरूपणों (internal representations) को विज़ुअलाइज़ किया, यह देखते हुए कि वह विभिन्न प्रकार की धड़कनों को अपनी डिजिटल स्मृति में कैसे समूहित करता है। परिणामों ने दिखाया कि मॉडल ने विभिन्न प्रकार की धड़कनों को अलग-अलग समूहों (clusters) में सफलतापूर्वक विभाजित किया, जिसमें दुर्लभ और खतरनाक धड़कनों को सामान्य से स्पष्ट रूप से अलग किया गया था। मॉडल के आंतरिक स्थान में यह ज्यामितीय अलगाव उसके अंतिम निदान की उच्च सटीकता को दर्शाता है। शोधकर्ताओं ने अपने नए सिस्टम की तुलना समान कार्यों के लिए डिज़ाइन किए गए कई अन्य अग्रणी कंप्यूटर मॉडलों से भी की। हमारा मॉडल लगातार इन विकल्पों से बेहतर प्रदर्शन करता रहा, उच्च सटीकता और दुर्लभ स्थितियों का बेहतर पता लगाने के साथ-साथ अपेक्षाकृत कम कंप्यूटिंग शक्ति का उपयोग किया।

पहेली का अंतिम हिस्सा मॉडल को डेटा के एक पूरी तरह से अलग सेट पर परीक्षण करना था, जिसे इस तरह से विभाजित किया गया था कि कोई भी रोगी प्रशिक्षण और परीक्षण दोनों समूहों में न आए। यह नए लोगों के प्रति मॉडल की सामान्यीकरण (generalize) करने की क्षमता का एक सख्त परीक्षण है। इन कठोर परिस्थितियों के तहत भी, मॉडल ने अपना उच्च प्रदर्शन बनाए रखा, जिससे पुष्टि हुई कि उसने केवल विशिष्ट उदाहरणों को याद करने के बजाय हृदय संकेतों के बारे में सामान्य सिद्धांतों को सीखा है। शोधकर्ताओं ने यह भी जांचा कि क्या मॉडल के इनपुट में एक निरंतर, डमी जानकारी जोड़ने से लंबी रिकॉर्डिंग को संसाधित करने में मदद मिलती है। उन्होंने पाया कि इस अनावश्यक जानकारी को हटाने से मॉडल के प्रदर्शन में थोड़ा सुधार हुआ, जो यह सुझाव देता है कि सरल इनपुट कभी-कभी बेहतर परिणाम दे सकते हैं।

अंत में, यह कार्य प्रदर्शित करता है कि एक कंप्यूटर मॉडल को उस संदर्भ के प्रति जागरूक बनाया जा सकता है जिसमें हृदय डेटा एकत्र किया जाता है। जानकारी को विशिष्ट दृश्यों—आकार, समय और आवृत्ति—में व्यवस्थित करके, और मॉडल को स्पष्ट रूप से यह बताकर कि प्रत्येक डेटा कहाँ से आया है, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो शक्तिशाली और अनुकूलनीय है। मॉडल एक एकल, कठोर पद्धति पर निर्भर नहीं है बल्कि वह इस आधार पर अपना दृष्टिकोण बदलता है कि वह एक एकल धड़कन देख रहा है या एक पूर्ण रिकॉर्डिंग। यह लचीलापन इसे चिकित्सा डेटा की अव्यवस्थित और विविध वास्तविकता को मानवीय विशेषज्ञों के बराबर सटीकता के साथ संभालने की अनुमति देता है। हालांकि यह अध्ययन दावा नहीं करता है कि इसने हृदय रोग के निदान की हर समस्या को हल कर लिया है, लेकिन यह एक स्पष्ट और प्रभावी ब्लूप्रिंट प्रदान करता है कि कंप्यूटर हृदय की विद्युत भाषा को अधिक सटीक रूप से कैसे पढ़ सकते हैं, जो स्वचालित चिकित्सा विश्लेषण के लिए एक आशाजनक मार्ग प्रदान करता है।