Deep Feature Selection and Multi-Sparsity Functional Connectivity Networks for Autism Classification
यह अध्ययन 871 प्रतिभागियों के रेस्टिंग-स्टेट fMRI डेटा का उपयोग करके ऑटिज्म स्पेक्ट्रम डिसऑर्डर को 86.2% सटीकता के साथ वर्गीकृत करने के लिए मल्टी-स्पार्सिटी फंक्शनल कनेक्टिविटी नेटवर्क के साथ डीप फीचर सिलेक्शन को संयोजित करने वाला एक ढांचा प्रस्तुत करता है, जो मुख्य रूप से फ्रंटल, ऑक्सीपिटल और पैरिएटल मस्तिष्क क्षेत्रों में भेदभावपूर्ण कनेक्शनों की पहचान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
मानव मस्तिष्क एक एकल, स्थिर अंग नहीं है, बल्कि अरबों कोशिकाओं का एक विशाल, गतिशील नेटवर्क है जो लगातार एक-दूसरे के साथ संवाद करती रहती हैं। हम कैसे सोचते हैं, महसूस करते हैं और व्यवहार करते हैं, इसे समझने के लिए वैज्ञानिक अक्सर इस बात पर ध्यान देते हैं कि मस्तिष्क के विभिन्न क्षेत्र एक-दूसरे से कैसे बात करते हैं, जिसे कार्यात्मक कनेक्टिविटी (functional connectivity) के रूप में जाना जाता है। मस्तिष्क की कल्पना एक ऐसे शहर के रूप में करें जहाँ विभिन्न मोहल्लों को पूरे सिस्टम को सुचारू रूप से चलाने के लिए सूचनाओं का आदान-प्रदान करना आवश्यक है; जब ये संचार रेखाएं बाधित होती हैं, तो यह जटिल स्थितियों की ओर ले जा सकती है। ऐसा ही एक विकार है ऑटिज्म स्पेक्ट्रम डिसऑर्डर (autism spectrum disorder), जो एक न्यूरोडेवलपमेंटल अंतर है जो इस बात को प्रभावित करता है कि लोग दुनिया के साथ कैसे बातचीत करते हैं, संवाद करते हैं और संवेदी जानकारी को कैसे संसाधित करते हैं। हालांकि डॉक्टर वर्तमान में व्यवहार और विकास के अवलोकन के आधार पर ऑटिज्म का निदान करते हैं, लेकिन कोई एकल जैविक परीक्षण नहीं है, जैसे कि रक्त परीक्षण या ब्रेन स्कैन, जो निश्चित रूप से इस स्थिति की पुष्टि कर सके। एक स्पष्ट जैविक मार्कर की कमी शुरुआती निदान को कठिन बना देती है और शोधकर्ताओं को उन विशिष्ट तरीकों की खोज करने के लिए छोड़ देती है जिनसे ऑटिस्टिक व्यक्तियों के मस्तिष्क की आंतरिक वायरिंग भिन्न हो सकती है।
शोधकर्ताओं की एक टीम सैकड़ों लोगों के मस्तिष्क स्कैन का विश्लेषण करके इन छिपे हुए पैटर्न को खोजने के उद्देश्य से आगे बढ़ी। उन्होंने 'ऑटिज्म ब्रेन इमेजिंग डेटा एक्सचेंज' नामक एक विशाल डेटा संग्रह पर ध्यान केंद्रित किया, जिसमें रेस्टिंग-स्टेट फंक्शनल मैग्नेटिक रेजोनेंस इमेजिंग (resting-state functional magnetic resonance imaging) स्कैन शामिल हैं। ये स्कैन किसी व्यक्ति के विश्राम की स्थिति में मस्तिष्क को कैप्चर करते हैं, जब वह कोई विशिष्ट कार्य नहीं कर रहा होता है, जिससे वैज्ञानिकों को यह देखने में मदद मिलती है कि कौन से हिस्से स्वाभाविक रूप से एक साथ सक्रिय होते हैं। शोधकर्ताओं को एक महत्वपूर्ण चुनौती का सामना करना पड़ा: डेटा में मस्तिष्क के क्षेत्रों के बीच हजारों संभावित संबंध थे, जो स्कैन किए गए लोगों की संख्या से कहीं अधिक थे। यह एक स्टेडियम में हजारों लोगों के एक साथ चिल्लाने के बीच कुछ विशिष्ट आवाजों को खोजने जैसा है। इसे हल करने के लिए, उन्होंने एक नई विधि विकसित की जो एक अत्यधिक चयनात्मक फिल्टर की तरह काम करती है, जिसे शोर के बीच से गुजरने और केवल उन सबसे सार्थक संबंधों की पहचान करने के लिए डिज़ाइन किया गया है जो ऑटिस्टिक मस्तिष्क को सामान्य रूप से विकसित व्यक्तियों से अलग करते हैं।
शोधकर्ताओं ने मस्तिष्क को 111 विशिष्ट क्षेत्रों में मैप करके शुरुआत की, जो एक मानचित्र को विशिष्ट जिलों में विभाजित करने के समान है। फिर उन्होंने मापा कि प्रत्येक जिला दूसरे जिले के साथ कितनी मजबूती से संवाद करता है, जिससे कनेक्शन का एक जटिल जाल बन गया। हालांकि, सभी कनेक्शन समान रूप से महत्वपूर्ण नहीं होते हैं, और कुछ डेटा शोर भी हो सकता है। इसे संभालने के लिए, टीम ने मस्तिष्क नेटवर्कों को विभिन्न स्तरों के "स्पार्सिटी" (sparsity) पर परखा, जिसका सरल अर्थ है कि कितने कनेक्शन रखे जाते हैं बनाम कितने को अनदेखा किया जाता है। उन्होंने मस्तिष्क के ऐसे संस्करण बनाए जिनमें सब कुछ रखा गया था, ऐसे संस्करण जिनमें केवल सबसे मजबूत आधे कनेक्शन रखे गए थे, और इनके बीच के अन्य संस्करण। डेटा को इन विभिन्न स्तरों पर परीक्षण करके, उन्होंने यह सुनिश्चित किया कि वे केवल उन पैटर्न को नहीं ढूंढ रहे हैं जो डेटा को देखने के एक विशिष्ट तरीके के कारण संयोगवश दिखाई दे रहे हों।
इस विशाल मात्रा में जानकारी को समझने के लिए, टीम ने एक परिष्कृत कंप्यूटर लर्निंग तकनीक का उपयोग किया जिसे उन्होंने 'डीप फीचर सिलेक्शन' (deep feature selection) कहा। हर एक कनेक्शन का विश्लेषण करने के बजाय, यह विधि एक कठोर छलनी की तरह काम करती थी, जो बार-बार डेटा का परीक्षण करती थी कि कौन से कनेक्शन लोगों के विभिन्न समूहों में लगातार महत्वपूर्ण रूप से दिखाई देते हैं। उन्होंने केवल उन्हीं कनेक्शनों को रखा जो हर बार डेटा के विभाजन और पुन: विश्लेषण के दौरान विश्वसनीय रूप से दिखाई दिए। इस प्रक्रिया ने हजारों संभावित संकेतों को एक बहुत छोटे, अत्यधिक विशिष्ट सेट में कम कर दिया जो ऑटिज्म के लिए वास्तव में प्रासंगिक होने की सबसे अधिक संभावना रखते थे। इसके बाद, उन्होंने यह देखने के लिए एक मानक वर्गीकरण उपकरण का उपयोग किया कि क्या ये विशिष्ट लिंक एक ऑटिस्टिक मस्तिष्क और एक गैर-ऑटिस्टिक मस्तिष्क के बीच सटीक रूप से अंतर कर सकते हैं।
परिणाम चौंकाने वाले थे। इस परिष्कृत दृष्टिकोण का उपयोग करते हुए, टीम 86.2% की सटीकता के साथ सही ढंग से पहचान करने में सक्षम थी कि प्रतिभागी को ऑटिज्म है या वह सामान्य रूप से विकसित है। इसका अर्थ है कि दस में से आठ से अधिक मामलों में, पद्धति ने व्यक्ति को सही ढंग से वर्गीकृत किया। यह प्रणाली ऑटिस्टिक प्रतिभागियों की पहचान करने में विशेष रूप से अच्छी थी, जिसने लगभग 89% बार उन्हें सही ढंग से पहचाना। जब उन्होंने बारीकी से देखा कि कौन से मस्तिष्क कनेक्शन इन परिणामों को संचालित कर रहे थे, तो एक स्पष्ट तस्वीर उभर कर आई। सबसे महत्वपूर्ण अंतर मस्तिष्क के फ्रंटल (frontal), ऑक्सीपिटल (occipital) और पैरिएटल (parietal) क्षेत्रों में पाए गए। विशेष रूप से, सुपीरियर फ्रंटल गाइरस (superior frontal gyrus) से जुड़े कनेक्शन, जो आत्म-जागरूकता और संवेदी समन्वय में शामिल एक क्षेत्र है, और लेटरल ऑक्सीपिटल कॉर्टेक्स (lateral occipital cortex), जो दृश्य प्रसंस्करण और चेहरों को पहचानने में प्रमुख भूमिका निभाता है, सबसे शक्तिशाली संकेतक थे।
ये निष्कर्ष बताते हैं कि ऑटिज्म के तंत्रिका संबंधी आधार (neural underpinnings) मस्तिष्क में यादृच्छिक रूप से बिखरे हुए नहीं हैं, बल्कि विशिष्ट नेटवर्कों में केंद्रित हैं जो सामाजिक संज्ञान और दृश्य प्रसंस्करण को संभालते हैं। तथ्य यह है कि ये समान कनेक्शन तब भी स्पष्ट रूप से उभरे जब शोधकर्ताओं ने डेटा को कितनी भी सख्ती से फ़िल्टर किया, यह सुझाव देता है कि ये पैटर्न मजबूत और पुनरुत्पादक (reproducible) हैं। हालांकि, शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि यह एक अनुसंधान उपकरण है, न कि डॉक्टर के क्लिनिक के लिए तैयार नैदानिक परीक्षण। यह अध्ययन एक विशिष्ट डेटासेट पर किया गया था, और परिणामों को लोगों के स्वतंत्र समूहों के साथ पुष्ट करने की आवश्यकता है इससे पहले कि इनका उपयोग निदान के लिए किया जा सके। हालांकि यह विधि अभी ऑटिज्म के लिए एक निश्चित जैविक परीक्षण प्रदान नहीं करती है, फिर भी यह मस्तिष्क की वायरिंग की एक स्पष्ट खिड़की खोलती है, जो उन विशिष्ट मार्गों को उजागर करती है जो इस स्थिति को समझने और संभावित रूप से भविष्य के हस्तक्षेपों को निर्देशित करने की कुंजी हो सकते हैं।
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।