EchoMed Agent: A Foundation Model–Based Agentic Framework for Echocardiographic Left Ventricular Segmentation and Functional Assessment

हृदय रोग दुनिया भर में मृत्यु का प्रमुख कारण बना हुआ है, और डॉक्टर यह समझने के लिए कि मरीज का हृदय कितनी अच्छी तरह पंप कर रहा है, एक विशिष्ट प्रकार के अल्ट्रासाउंड पर बहुत अधिक निर्भर करते हैं। यह इमेजिंग तकनीक, जिसे इकोकार्डियोग्राफी (echocardiography) कहा जाता है, हृदय के कक्षों के सिकुड़ने और फैलने के चलते हुए चित्र बनाती है। इन वीडियो से, चिकित्सक 'इजेक्शन फ्रैक्शन' (ejection fraction) नामक एक महत्वपूर्ण संख्या की गणना करते हैं, जो उस रक्त के प्रतिशत को दर्शाता है जिसे हृदय प्रत्येक धड़कन के साथ बाहर धकेलता है। यह माप हृदय गति रुकने (heart failure) के निदान करने, उपचार तय करने और मरीज के भविष्य के स्वास्थ्य का पूर्वानुमान लगाने के लिए अत्यंत महत्वपूर्ण है। हालांकि, इस संख्या को प्राप्त करना एक कठिन और मैनुअल कार्य है। एक डॉक्टर को वीडियो देखना होता है, हृदय के सबसे अधिक भरे हुए और सबसे कम भरे हुए सटीक क्षणों की पहचान करनी होती है, और फिर स्क्रीन पर बाएं वेंट्रिकल (left ventricle), जो मुख्य पंपिंग चैंबर है, की रूपरेखा को सावधानीपूर्वक ट्रेस करना होता है। यह प्रक्रिया धीमी है, मानवीय त्रुटियों की संभावना बनी रहती है, और यह इस बात पर निर्भर करती है कि कौन सा डॉक्टर इसे देख रहा है।

वर्षों से, वैज्ञानिक ऐसे कंप्यूटर बनाने की कोशिश कर रहे हैं जो इस ट्रेसिंग को स्वचालित रूप से कर सकें। हालांकि कुछ प्रगति हुई है, लेकिन ये कंप्यूटर प्रोग्राम अक्सर तब संघर्ष करते हैं जब वे उस अस्पताल से दूसरे अस्पताल में जाते हैं जहाँ उन्हें प्रशिक्षित किया गया था, यदि वहां उपकरण या मरीज थोड़े अलग हों। उनमें डॉक्टरों के स्वाभाविक प्रश्नों को समझने की क्षमता का अभाव होता है, जैसे कि "इजेक्शन फ्रैक्शन क्या है?" या "मुझे वह क्षण दिखाएं जब हृदय सबसे अधिक भरा हुआ है।" उन्हें जटिल कमांड की आवश्यकता होती है और वे भारी मात्रा में नए डेटा के बिना नए परिवेशों के अनुकूल नहीं हो पाते हैं। npj Cardiovascular Health में प्रकाशित एक नया अध्ययन 'इकोमेड एजेंट' (EchoMed Agent) नामक एक प्रणाली पेश करता है, जिसे इन बाधाओं को दूर करने के लिए डिज़ाइन किया गया है, जो उन्नत इमेज रिकग्निशन (छवि पहचान) को एक संवादात्मक इंटरफेस के साथ जोड़ता है जिसे डॉक्टर एक सहकर्मी की तरह उपयोग कर सकते हैं।

मैयो क्लिनिक एरिजोना और लीहाई यूनिवर्सिटी के शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो हृदय इमेजिंग के लिए एक बुद्धिमान सहायक के रूप में कार्य करती है। इसके मूल में एक शक्तिशाली कंप्यूटर मॉडल है जिसे छवियों और वीडियो में वस्तुओं को पहचानने के लिए प्रशिक्षित किया गया है, जिसे उन्होंने विशेष रूप से हृदय अल्ट्रासाउंड की अनूठी, दानेदार उपस्थिति के लिए अनुकूलित किया है। पुराने सिस्टम के विपरीत, जिन्हें नए अस्पताल से हजारों लेबल किए गए उदाहरणों की आवश्यकता होती थी, यह प्रणाली एक ऐसी तकनीक का उपयोग करती है जो इसे केवल कुछ ही उदाहरणों से सीखने की अनुमति देती है। अपने परीक्षणों में, टीम ने दिखाया कि सिस्टम ने उनके अपने संस्थान से केवल बीस एनोटेटेड (annotated) हृदय वीडियो सीखे। इस बहुत कम नए डेटा के बावजूद, सिस्टम ने उल्लेखनीय सटीकता के साथ हृदय की रूपरेखा को ट्रेस करना सीखा, जो उन बड़े सिस्टमों के प्रदर्शन से मेल खाता है जिन्हें हजारों मामलों पर प्रशिक्षित किया गया था।

एक बार जब सिस्टम हृदय को ट्रेस कर लेता है, तो यह वहीं नहीं रुकता है। यह वीडियो चक्र के विशिष्ट क्षणों की पहचान करता है जब हृदय पूरी तरह से फैला हुआ होता है और जब वह पूरी तरह से संकुचित होता है। इसके बाद यह इन क्षणों पर हृदय के क्षेत्रफल को मापता है और हृदय के भीतर रक्त की मात्रा की गणना करता है, और अंततः इजेक्शन फ्रैक्शन प्रतिशत प्राप्त करता है। पूरी प्रक्रिया एक प्राकृतिक भाषा इंटरफेस (natural language interface) के माध्यम से संचालित होती है। एक डॉक्टर एक वीडियो अपलोड कर सकता है, कंप्यूटर को मार्गदर्शन देने के लिए स्क्रीन पर हृदय के चारों ओर एक साधारण बॉक्स बना सकता है, और फिर बस पूछ सकता है, "इजेक्शन फ्रैक्शन क्या है?" या "एंड-डायस्टोलिक चरण (end-diastolic phase) खोजें।" सिस्टम अनुरोध को समझता है, गणना करता है, और स्पष्ट, संरचित रिपोर्ट के साथ नंबर और उपयोग किए गए विशिष्ट फ्रेम वापस करता है, और यह सब बिना किसी डॉक्टर द्वारा कोड लिखे या अंतर्निहित गणित को समझे।

अध्ययन के परिणाम बताते हैं कि यह दृष्टिकोण वास्तविक दुनिया की स्थितियों में अच्छी तरह से काम करता है। मैयो क्लिनिक से 98 हृदय अध्ययनों के सेट पर परीक्षण करते समय, सिस्टम ने हृदय के आकार को ट्रेस करने में मानव विशेषज्ञों के साथ उच्च स्तर की सहमति प्राप्त की। इससे भी महत्वपूर्ण बात यह है कि इसका इजेक्शन फ्रैक्शन का अनुमान, मानव-मापित मान के बहुत करीब था, जिसमें औसत त्रुटि केवल चार प्रतिशत अंक से थोड़ी अधिक थी। यह स्तर की सटीकता तब भी प्राप्त की गई जब सिस्टम ने परीक्षण से पहले उस विशिष्ट अस्पताल से केवल बीस उदाहरण देखे थे। तुलना में, एक समान सिस्टम जिसने स्थानीय अस्पताल के डेटा के अनुकूल खुद को नहीं बदला था, वह काफी खराब प्रदर्शन करता था, जिसमें बड़ी त्रुटियां और कम निरंतरता देखी गई। अध्ययन ने यह भी दिखाया कि सिस्टम हृदय के विभिन्न प्रकार के कार्यों को संभाल सकता है, सामान्य पंपिंग से लेकर गंभीर रूप से कम पंपिंग तक, और हर स्थिति में अपनी सटीकता बनाए रखता है।

इस शोध का एक प्रमुख निष्कर्ष यह है कि सिस्टम को हर नए अस्पताल के लिए शुरू से फिर से प्रशिक्षित करने की आवश्यकता नहीं है। एक ऐसी विधि का उपयोग करके जो इसकी आंतरिक सेटिंग्स के केवल एक बहुत छोटे हिस्से को बदलती है, यह प्रणाली नए वातावरण के अनुकूल तेजी से और कुशलता से हो सकती है। यह सुझाव देता है कि सीमित संसाधनों या लेबल किए गए डेटा के छोटे संग्रह वाले अस्पताल भी उन्नत स्वचालित विश्लेषण से लाभ उठा सकते हैं। शोधकर्ताओं ने उल्लेख किया कि सिस्टम का प्रदर्शन विभिन्न रैंडम ट्रायल (random trials) में स्थिर रहा, जो यह दर्शाता है कि परिणाम विश्वसनीय हैं और केवल एक भाग्यशाली परिणाम नहीं हैं। हालांकि यह सिस्टम पूर्ण नहीं है और उन दुर्लभ मामलों में संघर्ष कर सकता है जहाँ हृदय की गति अत्यधिक असामान्य है या इमेज की गुणवत्ता खराब है, फिर भी यह स्वचालित हृदय विश्लेषण को व्यावहारिक और सुलभ बनाने की दिशा में एक महत्वपूर्ण कदम है।

अध्ययन इस बात पर भी प्रकाश डालता है कि ये उपकरण डॉक्टरों के साथ कैसे बातचीत करते हैं। स्वचालन के पिछले प्रयास अक्सर इसलिए विफल रहे क्योंकि उन्हें चिकित्सकों के साथ जटिल तकनीकी मेनू या संरचित डेटा इनपुट के माध्यम से बातचीत करने की आवश्यकता होती थी। प्राकृतिक भाषा को समझने वाले संवादात्मक एजेंट का उपयोग करके, शोधकर्ताओं ने एक ऐसा वर्कफ़्लो बनाया है जो सहज लगता है। सिस्टम अस्पष्ट अनुरोधों को स्पष्ट कर सकता है, जैसे कि जब कोई डॉक्टर "पंपिंग दक्षता" (pumping efficiency) के बारे में पूछता है, तो वह आगे बढ़ने से पहले पुष्टि करता है कि उनका अर्थ इजेक्शन फ्रैक्शन से है। यह अपनी सीमाओं को भी जानता है, और उन विश्लेषणों के लिए अनुरोधों को विनम्रता से अस्वीकार कर देता है जिन्हें वह नहीं कर सकता, जैसे कि हृदय की मांसपेशियों के तनाव (strain) को मापना, बजाय इसके कि वह अनुमान लगाए या गलत डेटा प्रदान करे। यह सावधानीपूर्वक डिजाइन सुनिश्चित करता है कि उपकरण भ्रम के स्रोत के बजाय एक सहायक के रूप में बना रहे।

अंततः, यह कार्य प्रदर्शित करता है कि उन्नत आर्टिफिशियल इंटेलिजेंस को विशाल डेटासेट या जटिल तकनीकी सेटअप की आवश्यकता के बिना दैनिक नैदानिक उपयोग के लिए व्यावहारिक बनाया जा सकता है। इकोमेड एजेंट सफलतापूर्वक शक्तिशाली कंप्यूटर विजन मॉडल और कार्डियोलॉजिस्ट की दैनिक आवश्यकताओं के बीच के अंतर को पाटता है। यह तेज़, अधिक सुसंगत हृदय मूल्यांकन की ओर एक मार्ग प्रदान करता है जो डॉक्टरों को अपने मरीजों के लिए बेहतर निर्णय लेने में मदद कर सकता है। अध्ययन बताता है कि केवल थोड़े से स्थानीय डेटा के साथ, अस्पताल हृदय गति रुकने के निदान की सटीकता और गति में सुधार करने के लिए इन परिष्कृत उपकरणों को तैनात कर सकते हैं, जो संभावित रूप से भविष्य में कार्डियक केयर (हृदय देखभाल) के वितरण के तरीके को बदल सकता है।