A Machine Learning System for Quantifying Facial Asymmetry in Bell’s Palsy across Underrepresented Phenotypes

चेहरे का पक्षाघात, जिसे अक्सर बेल्स पाल्सी (Bell's palsy) के रूप में जाना जाता है, एक अचानक होने वाली स्थिति है जहाँ चेहरे की मांसपेशियाँ एक तरफ से कमजोर हो जाती हैं या पूरी तरह से काम करना बंद कर देती हैं। इससे व्यक्ति का मुँह लटक सकता है, आँख बंद नहीं हो पाती और माथा सिकुड़ने से मना कर देता है। डॉक्टरों के लिए, इस स्थिति की गंभीरता का आकलन करना और यह ट्रैक करना कि रोगी में सुधार हो रहा है या नहीं, आमतौर पर एक प्रशिक्षित दृष्टि पर निर्भर करता है। एक विशेषज्ञ चेहरे को देखता है और इस आधार पर एक स्कोर देता है कि कितनी गति शेष है। यह विधि तब अच्छी तरह काम करती है जब कोई विशेषज्ञ मौजूद हो, लेकिन दुनिया के कई हिस्सों में, विशेष रूप से दक्षिण एशिया में, ऐसे विशेषज्ञ दुर्लभ हैं। अधिकांश रोगियों को पहले सामान्य चिकित्सक (जनरल प्रैक्टिशनर) देखते हैं जिनके पास विशेषज्ञ स्तर का प्रशिक्षण नहीं हो सकता है। इसे और अधिक कठिन बनाने के लिए, मानवीय निर्णय एक डॉक्टर से दूसरे डॉक्टर के बीच भिन्न हो सकता है, और किसी रोगी की स्थिति में छोटे सुधारों को पहचानना मुश्किल होता है जब उन्हें एक सटीक संख्या के बजाय एक व्यक्तिपरक पैमाने (subjective scale) द्वारा मापा जाता है।

शोधकर्ताओं ने लंबे समय से आशा की है कि कंप्यूटर इस समस्या को हल कर सकते हैं, जो रोगी के चेहरे की तस्वीर लेकर बाएं और दाएं पक्षों के बीच के अंतर को पूर्ण निरंतरता के साथ माप सके। विचार यह है कि एक ऐसा उपकरण बनाया जाए जो साधारण हार्डवेयर, जैसे कि एक मानक लैपटॉप या टैबलेट पर काम कर सके, ताकि इसे महंगे उपकरणों के बिना क्लीनिकों में उपयोग किया जा सके। हालाँकि, एक प्रमुख चिंता यह रही है कि क्या ये कंप्यूटर उपकरण सभी पृष्ठभूमियों के लोगों के लिए समान रूप से काम करते हैं। कई चेहरे पहचान प्रणालियों को ऐतिहासिक रूप से ऐसे डेटासेट पर प्रशिक्षित किया गया है जिनमें मुख्य रूप से हल्के रंग की त्वचा वाले लोग शामिल हैं, जिससे यह डर बना रहता है कि वे गहरे रंग की त्वचा या विभिन्न चेहरे की विशेषताओं वाले लोगों के लिए विफल हो सकते हैं या गलत रीडिंग दे सकते हैं। यदि कोई उपकरण जो सभी की मदद करने के लिए बनाया गया है, वह विशिष्ट समूहों के लिए चुपचाप विफल हो जाता है, तो वह मदद करने के बजाय नुकसान पहुँचा सकता है।

किंग एडवर्ड मेडिकल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक नए कंप्यूटर सिस्टम का परीक्षण करने के लिए हाथ बढ़ाया जो विशेष रूप से इस कार्य के लिए डिज़ाइन किया गया था, जिसमें इस बात पर ध्यान केंद्रित किया गया कि क्या यह विविध प्रकार के मानव चेहरों में चेहरे की विषमता (asymmetry) को विश्वसनीय रूप से माप सकता है। उन्होंने इस सिस्टम का परीक्षण अभी तक बेल्स पाल्सी के रोगियों पर नहीं किया है; इसके बजाय, उन्होंने यह देखने के लिए कि उपकरण बिना किसी बीमारी की उपस्थिति के कैसा व्यवहार करता है, सात अलग-अलग जनसांख्यिकीय समूहों के स्वस्थ लोगों की तस्वीरों के एक बड़े संग्रह का उपयोग किया। उनका लक्ष्य यह सुनिश्चित करना था कि वास्तविक रूप से बीमार रोगी का उपयोग करने से पहले सिस्टम स्थिर और निष्पक्ष हो। उन्होंने एक ऐसी पाइपलाइन बनाई जो पहले फोटो में चेहरे को ढूंढती है, फिर त्वचा पर सैकड़ों बिंदुओं को मैप करके एक डिजिटल रूपरेखा बनाती है, और अंत में चेहरे के बीच में एक काल्पनिक रेखा खींचती है ताकि यह मापा जा सके कि प्रत्येक बिंदु केंद्र से कितनी दूर है।

उनके द्वारा बनाए गए सिस्टम में एक प्री-ट्रेंड सॉफ्टवेयर घटक है जो एक ही छवि से चेहरे के 478 विशिष्ट बिंदुओं को तुरंत खोज सकता है। एक बार जब यह बिंदुओं को प्राप्त कर लेता है, तो यह एक स्कोर की गणना करता है जो यह दर्शाता है कि चेहरा कितना असमान है। शून्य का स्कोर एक पूर्णतः सममित (symmetrical) चेहरे को दर्शाएगा, जबकि उच्च स्कोर अधिक विषमता का संकेत देता है। शोधकर्ताओं ने इसका परीक्षण 'फेयरफेस' (FairFace) नामक एक सार्वजनिक डेटासेट की 10,000 से अधिक छवियों पर किया, जिसे पूर्वी एशियाई, दक्षिण पूर्व एशियाई, भारतीय, अश्वेत, लैटिनो हिस्पैनिक, श्वेत और मध्य पूर्वी पृष्ठभूमियों के लोगों की संतुलित संख्या को शामिल करने के लिए सावधानीपूर्वक बनाया गया था। वे यह देखना चाहते थे कि क्या कंप्यूटर फोटो में चेहरे को ढूंढ सकता है और क्या परिणामी विषमता स्कोर इन सभी विभिन्न समूहों में सुसंगत है।

परिणामों से पता चला कि सिस्टम काफी प्रभावी है लेकिन इसमें कुछ विशिष्ट खामियां भी हैं। इसने सफलतापूर्वक चेहरे को पाया और लगभग 90 प्रतिशत छवियों में स्कोर की गणना की। हालाँकि, चेहरा न ढूंढ पाने की दर सभी के लिए एक समान नहीं थी। इस सामान्य अपेक्षा के विपरीत कि ऐसे उपकरण गैर-पश्चिमी चेहरों के साथ अधिक संघर्ष करते हैं, इस सिस्टम ने दक्षिण पूर्व एशियाई चेहरों की तुलना में श्वेत और मध्य पूर्वी चेहरों पर अधिक बार विफलता दर्ज की। विफलता की दर दक्षिण पूर्व एशियाई चेहरों के लिए सबसे कम (लगभग 6 प्रतिशत) और श्वेत चेहरों के लिए सबसे अधिक (लगभग 13 प्रतिशत) थी। शोधकर्ताओं ने नोट किया कि यह उलटा प्रभाव संभवतः फोटो के स्रोत में अंतर के कारण है, जैसे कि प्रकाश व्यवस्था में भिन्नता, दाढ़ी या चश्मे की उपस्थिति, या सिर का कोण, न कि त्वचा के रंग को देखने में कंप्यूटर की मौलिक कमी के कारण। यह निष्कर्ष बताता है कि किसी नए क्षेत्र में ऐसा उपकरण तैनात करने से पहले, यह मान लेना कि यह दूसरे डेटासेट की तरह ही व्यवहार करेगा, गलत है; इसके बजाय स्थानीय आबादी पर इसका सीधा परीक्षण करना आवश्यक है।

जब सिस्टम ने स्वस्थ लोगों के चेहरों को सफलतापूर्वक मापा, तो परिणाम उल्लेखनीय रूप से सुसंगत थे। एक स्वस्थ चेहरे के लिए औसत विषमता स्कोर बहुत कम था, जो लगभग 0.187 के आसपास था। हालांकि सांख्यिकीय परीक्षणों ने समूहों के बीच मामूली अंतर दिखाया, लेकिन ये अंतर इतने छोटे थे कि वे वास्तविक नैदानिक सेटिंग में मायने नहीं रखते। सिस्टम ने साबित किया कि वह किसी भी व्यक्ति की जनसांख्यिकीय पृष्ठभूमि के बावजूद एक स्वस्थ चेहरे को समान आधारभूत सटीकता के साथ माप सकता है। हालाँकि, माप का एक विशिष्ट हिस्सा अविश्वसनीय पाया गया: आँख के भीतरी कोने के आसपास का क्षेत्र। क्योंकि चेहरे का यह हिस्सा केंद्र रेखा के बहुत करीब है, इसलिए स्कोर की गणना करने में उपयोग किए गए गणित में अस्थिरता आ गई, जिससे कृत्रिम रूप से उच्च संख्याएँ प्राप्त हुईं जो वास्तविक शारीरिक संरचना को नहीं दर्शाती थीं। शोधकर्ताओं ने इसे एक वास्तविक जैविक खोज के बजाय एक गणितीय त्रुटि (mathematical artifact) के रूप में पहचाना, और उल्लेख किया कि यह उपकरण केंद्र से दूर के लक्षणों, जैसे कि मुँह या बाहरी आँख को देखने में सबसे अच्छा काम करता है।

डॉक्टरों के लिए उपकरण को उपयोगी बनाने के लिए, शोधकर्ताओं ने उन छवियों को चिह्नित करने का एक तरीका भी स्थापित किया जिन्हें ध्यान देने की आवश्यकता हो सकती है। उन्होंने प्रत्येक समूह के लिए एक थ्रेशोल्ड (सीमा) स्कोर की गणना की, जिसे इस तरह सेट किया गया कि केवल शीर्ष 5 प्रतिशत स्वस्थ चेहरों को ही असामान्य के रूप में चिह्नित किया जाए। ये थ्रेशोल्ड सभी समूहों में बहुत समान थे, जिनमें सबसे कम और उच्चतम के बीच केवल 8.8 प्रतिशत का छोटा अंतर था। इसका अर्थ यह है कि अधिकांश लोगों के लिए एक एकल मानक स्कोर का उपयोग किया जा सकता है, हालांकि बहुत अधिक गलत अलार्म से बचने के लिए दक्षिण पूर्व एशियाई चेहरों के लिए थोड़े समायोजित नियम की आवश्यकता हो सकती है। शोधकर्ता सावधानीपूर्वक यह स्पष्ट करते हैं कि यह प्रणाली वर्तमान में केवल स्वस्थ लोगों में गलत अलार्म को नियंत्रित करती है; इसका अभी तक यह परीक्षण नहीं किया गया है कि क्या यह वास्तव में बेल्स पाल्सी के मामलों की सही पहचान कर सकती है। यही अगला कदम है।

अध्ययन का निष्कर्ष है कि यह हल्का कंप्यूटर सिस्टम एक सैद्धांतिक परीक्षण से वास्तविक दुनिया के परीक्षण की ओर बढ़ने के लिए तैयार है, बशर्ते कि डॉक्टर इसकी सीमाओं को समझें। यह एक ऐसा उपकरण है जो साधारण हार्डवेयर पर चल सकता है और विविध आबादी में सुसंगत माप दे सकता है, लेकिन यह अभी तक एक नैदानिक उपकरण (diagnostic device) नहीं है। शोधकर्ता इस बात पर जोर देते हैं कि बीमारी का पता लगाने की इसकी क्षमता अभी भी अपुष्ट है और इसे वास्तविक रोगियों के साथ एक नैदानिक अध्ययन में प्रमाणित किया जाना चाहिए। तब तक, यह उपकरण स्वस्थ व्यक्तियों में चेहरे की समरूपता को मापने का एक विश्वसनीय तरीका है, जो सीमित संसाधनों वाले क्षेत्रों में चेहरे के पक्षाघात के रोगियों के लिए अधिक सुसंगत और सुलभ देखभाल की दिशा में एक आशाजनक मार्ग प्रदान करता है। यह कार्य इस बात पर प्रकाश डालता है कि इससे पहले कि कोई मशीन डॉक्टर की मदद कर सके, उसे पहले यह साबित करना होगा कि वह मानव चेहरों के पूरे स्पेक्ट्रम में बिना किसी पूर्वाग्रह या त्रुटि के दुनिया को स्पष्ट रूप से देख सकती है।