Interpretable Radiomic Analysis of Chest X-rays for Pneumonia Discrimination Using First-Order and GLCM Texture Features, Statistical Screening, and PCA
यह अध्ययन प्रदर्शित करता है कि सेगमेंटेड चेस्ट एक्स-रे से फर्स्ट-ऑर्डर और GLCM टेक्सचर फीचर्स का उपयोग करने वाला एक पारदर्शी रेडियोमिक्स पाइपलाइन, निमोनिया को सामान्य मामलों से मध्यम सटीकता के साथ सांख्यिकीय रूप से अलग कर सकता है, जो एक स्टैंडअलोन डायग्नोस्टिक समाधान के बजाय एक व्याख्या योग्य सहायक उपकरण के रूप में इसकी क्षमता का सुझाव देता 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
हर साल, दुनिया भर में लाखों लोगों में श्वसन संबंधी बीमारियों का निदान किया जाता है, और कई लोगों के लिए, उस यात्रा का पहला कदम चेस्ट एक्स-रे होता है। यह सरल, त्वरित छवि अक्सर भीड़भाड़ वाले क्लीनिकों या दूरदराज के गांवों में उपलब्ध एकमात्र उपकरण होती है, जो सीटी स्कैन की उच्च लागत या विकिरण के बिना फेफड़ों की एक झलक प्रदान करती है। हालांकि, इन छवियों को पढ़ना पूर्णतः सटीक नहीं है। एक डॉक्टर जब एक्स-रे देखता है, तो वह एक जटिल त्रि-आयामी शरीर की एक सपाट, द्वि-आयामी छाया देखता है, जहाँ पसलियाँ और हृदय रोग को छिपा सकते हैं या उसकी नकल कर सकते हैं। जो एक डॉक्टर एक स्पष्ट फेफड़े के रूप में देखता है, दूसरा उसे संक्रमण के संकेत के रूप में देख सकता है, जिससे ऐसे मतभेद उत्पन्न होते हैं जो आधे मामलों तक पहुँच सकते हैं। इसे हल करने के लिए, वैज्ञानिक रेडियोमिक्स (radiomics) नामक एक क्षेत्र की ओर मुड़ रहे हैं, जो चिकित्सा छवियों को केवल देखने वाली तस्वीरों के रूप में नहीं, बल्कि मापने योग्य डेटा के विशाल संग्रह के रूप में देखता है। इस पर निर्भर रहने के बजाय कि मानव आँख यह अनुमान लगाए कि फेफड़ा "धुंधला" दिख रहा है या "स्पष्ट", रेडियोमिक्स कंप्यूटर का उपयोग करके सटीक संख्याएँ निकालता है जो छवि की चमक और बनावट (texture) का वर्णन करती हैं, इस उम्मीद में कि वे ऐसे पैटर्न खोज सकें जिन्हें मानवीय आँखें मिस कर सकती हैं।
एक हालिया अध्ययन में, शोधकर्ताओं ने एक पारदर्शी, समझने में आसान प्रणाली बनाने का प्रयास किया जो केवल इन मापने योग्य संख्याओं का उपयोग करके एक स्वस्थ फेफड़े और निमोनिया से संक्रमित फेफड़े के बीच अंतर कर सके। उन्होंने एक सार्वजनिक डेटाबेस से 2,000 चेस्ट एक्स-रे का एक बड़ा संग्रह लिया, जिसे सामान्य लेबल वाले और निमोनिया वाले लेबल वाले चित्रों के बीच समान रूप से विभाजित किया गया था। यह सुनिश्चित करने के लिए कि कंप्यूटर छवि के सही हिस्सों को देख रहा है, उन्होंने सबसे पहले एक विशेष कृत्रिम बुद्धिमत्ता (AI) टूल का उपयोग करके फेफड़ों के चारों ओर एक डिजिटल रूपरेखा खींची, जिससे प्रभावी रूप से पसलियों, हृदय और शेष शरीर को अलग कर दिया गया। कुछ छवियों को हटाने के बाद जहाँ यह डिजिटल रूपरेखा क्षतिग्रस्त या अस्पष्ट थी, उनके पास विश्लेषण के लिए 1,911 छवियों का एक स्वच्छ सेट बचा।
टीम ने फिर कंप्यूटर से उन रूपरेखाओं के भीतर फेफड़ों के ऊतकों की ग्यारह विशिष्ट विशेषताओं को मापने के लिए कहा। इनमें से पाँच माप समग्र चमक और प्रकाश व अंधेरे धब्बों के वितरण का वर्णन करते थे, जबकि अन्य छह बनावट (texture) पर केंद्रित थे, यानी पिक्सेल एक-दूसरे के बगल में कैसे व्यवस्थित हैं। उन्होंने स्वस्थ फेफड़ों और बीमार फेफड़ों के बीच इन संख्याओं की तुलना की ताकि देखा जा सके कि क्या उनमें कोई स्पष्ट अंतर है। परिणामों ने कुछ आश्चर्यजनक प्रकट किया: फेफड़े की समग्र चमक मायने नहीं रखती थी। एक स्वस्थ फेफड़े में औसत प्रकाश स्तर निमोनिया वाले फेफड़े के लगभग समान था, जिसका अर्थ है कि केवल यह देखना कि छवि कितनी चमकीली है, डॉक्टर को यह नहीं बता सकता कि रोगी बीमार है या नहीं।
हालाँकि, फेफड़ों की बनावट ने एक बहुत ही अलग कहानी बताई। शोधकर्ताओं ने पाया कि पिक्सेल का विन्यास ही मुख्य कुंजी थी। स्वस्थ फेफड़े, जो हवा से भरे होते हैं और रक्त वाहिकाओं एवं वायुमार्गों से कटे होते हैं, एक जटिल, विविध पैटर्न दिखाते हैं जिसमें ग्रे के कई अलग-अलग शेड्स मिश्रित होते हैं। इसके विपरीत, निमोनिया वाले फेफड़े बहुत अधिक चिकनी, अधिक एकसमान बनावट दिखाते हैं। ऐसा इसलिए है क्योंकि निमोनिया वायुकोशों (air sacs) को तरल और कोशिकाओं से भर देता है, जिससे एक सघन, धुंधला स्वरूप बनता है जो स्वस्थ ऊतकों में पाई जाने वाली प्राकृतिक विविधताओं को कम कर देता है। टीम द्वारा ली गई ग्यारह में से दस मापों ने दोनों समूहों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर दिखाया, जिसमें बनावट-आधारित संख्याओं ने उन्हें अलग करने की सबसे मजबूत क्षमता प्रदर्शित की।
इन दस अलग-अलग संख्याओं को समझने के लिए, शोधकर्ताओं ने उन्हें कुछ व्यापक श्रेणियों में संयोजित करने के लिए एक गणितीय तकनीक का उपयोग किया। उन्होंने पाया कि लगभग सारी उपयोगी जानकारी को केवल चार मुख्य समूहों में समाहित किया जा सकता था, जिनमें सबसे महत्वपूर्ण समूह बनावट की एकरूपता (uniformity) का वर्णन करता था। इसने पुष्टि की कि फेफड़े के पैटर्न की चिकनाहट ही उनके डेटा में निमोनिया का पता लगाने के लिए सबसे शक्तिशाली संकेत थी। जब उन्होंने इन सरल बनाए गए नंबरों को भविष्यवाणियां करने के लिए डिज़ाइन किए गए तीन अलग-अलग प्रकार के कंप्यूटर प्रोग्रामों में डाला, तो सिस्टम मध्यम रूप से अच्छा प्रदर्शन करते थे। सबसे अच्छे प्रोग्राम ने लगभग 64 प्रतिशत समय स्थिति की सही पहचान की और समग्र रूप से दोनों समूहों के बीच अंतर करने की मध्यम क्षमता दिखाई।
अध्ययन यह निष्कर्ष निकालता है कि हालांकि ये बनावट माप वास्तविक, सार्थक जानकारी ले जाते हैं जो निमोनिया को स्वस्थ फेफड़ों से अलग कर सकते हैं, लेकिन वे अभी तक अकेले डॉक्टर के निदान को बदलने के लिए पर्याप्त मजबूत नहीं हैं। सटीकता इतनी कम थी कि उन्हें एक स्टैंडअलोन टूल के रूप में उपयोग नहीं किया जा सकता था, संभवतः इसलिए क्योंकि सिस्टम संक्रमण के विशिष्ट स्थानों पर ध्यान केंद्रित करने के बजाय पूरे फेफड़े को एक साथ देख रहा था, और क्योंकि इसने अपेक्षाकृत सरल माप का उपयोग किया था। शोधकर्ता सुझाव देते हैं कि इस दृष्टिकोण को एक सहायक के रूप में देखा जाना चाहिए जो एक मानव पाठक को एक वस्तुनिष्ठ दूसरी राय (second opinion) दे सकता है, न कि एक अंतिम निर्णायक के रूप में। केवल चमक के बजाय फेफड़े की भौतिक बनावट पर ध्यान केंद्रित करके, यह कार्य एक स्पष्ट, व्याख्या योग्य आधार प्रदान करता है जो भविष्य के उन उपकरणों में मदद कर सकता है जो एक दिन डॉक्टरों को तेज़ और अधिक सटीक निर्णय लेने में सहायता कर सकें, विशेष रूप से उन स्थानों पर जहाँ विशेषज्ञ रेडियोलॉजिस्टों की कमी है।
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।