Explainable Machine Learning for 30-Day Hospital Readmission Risk Prediction in Patients with Diabetes: A Comparative Analysis of Model Performance and Algorithmic Fairness

हर साल संयुक्त राज्य अमेरिका में लाखों लोग अस्पताल से छुट्टी पाते हैं, लेकिन केवल एक महीने के भीतर ही वापस लौट आते हैं। मधुमेह (डायबिटीज) वाले रोगियों के लिए यह चक्र विशेष रूप से आम है, जहाँ लगभग चार में से एक रोगी दोबारा अस्पताल में भर्ती होता है। ये वापसी केवल एक व्यक्तिगत कठिनाई नहीं है; यह स्वास्थ्य सेवा प्रणाली पर एक बड़ा वित्तीय बोझ भी है, जिसकी वार्षिक लागत अरबों डॉलर है। इस पैटर्न को रोकने के लिए, संघीय कार्यक्रम उन अस्पतालों के भुगतान में कटौती कर सकते हैं जो अपनी पुन: भर्ती दर को कम रखने में विफल रहते हैं। फिर भी, उच्च दांव के बावजूद, अस्पतालों के पास अक्सर यह जानने का कोई विश्वसनीय तरीका नहीं होता कि डिस्चार्ज करने से पहले कौन से विशिष्ट रोगी वापस आने की सबसे अधिक संभावना रखते हैं। डॉक्टरों को अपने अनुभव और अंतर्ज्ञान के आधार पर निर्णय लेना पड़ता है, जिसमें वे रोगी की आयु, पिछला चिकित्सा इतिहास और वर्तमान दवाओं जैसे दर्जनों कारकों को एक साथ तौलते हैं।

यहीं पर मशीन लर्निंग काम आती है, मानव निर्णय के विकल्प के रूप में नहीं, बल्कि शोर के बीच से काम की जानकारी छाँटने के एक उपकरण के रूप में। मशीन लर्निंग एक ऐसी विधि है जहाँ कंप्यूटर बिना किसी पूर्व-निर्धारित नियमों के, डेटा की बड़ी मात्रा में पैटर्न पहचानना सीखते हैं। इस संदर्भ में, लक्ष्य एक ऐसी प्रणाली बनाना है जो रोगी के मेडिकल रिकॉर्ड को देख सके और पुन: आगमन की संभावना का अनुमान लगा सके। चुनौती उपलब्ध सूचनाओं की विशाल मात्रा में निहित है; एक एकल रोगी रिकॉर्ड में लैब टेस्ट के परिणामों से लेकर उनके बीमा के प्रकार तक, सैकड़ों अलग-अलग डेटा बिंदु हो सकते हैं। इसके अलावा, डेटा अक्सर अव्यवस्थित होता है, जिसमें छूटे हुए मान (missing values) और चरों के बीच जटिल संबंध होते हैं जिन्हें मनुष्य मैन्युअल रूप से ट्रैक करने में कठिनाई महसूस करते हैं। शोधकर्ताओं ने यह सवाल पूछा कि क्या एक कंप्यूटर एक साधारण चेकलिस्ट की तुलना में इस जटिलता के भीतर छिपे जोखिम के सूक्ष्म संकेतों को बेहतर ढंग से पहचान सकता है।

पेंसिल्वेनिया विश्वविद्यालय के एक शोधकर्ता, ज़िशेंग लियांग ने मधुमेह रोगियों के लिए 30-दिवसीय पुन: भर्ती की भविष्यवाणी करने के लिए कई अलग-अलग कंप्यूटर मॉडल बनाकर और उनका परीक्षण करके इस समस्या का समाधान किया। यह अध्ययन संयुक्त राज्य अमेरिका के 130 अस्पतालों में 10,000 से अधिक अस्पताल दौरों के वास्तविक दुनिया के मेडिकल रिकॉर्ड के एक विशाल संग्रह पर आधारित था, जो लगभग एक दशक के समय तक फैला हुआ था। डेटा को सावधानीपूर्वक साफ करने के बाद—अपूर्ण या अप्रासंगिक रिकॉर्ड को हटाने और जानकारी को उस प्रारूप में व्यवस्थित करने के बाद जिसे कंप्यूटर समझ सकें—शोधकर्ता के पास एक ऐसा डेटासेट बचा जहाँ केवल लगभग 11 प्रतिशत रोगी ही वास्तव में पुन: भर्ती हुए थे। इस असंतुलन का अर्थ था कि एक कंप्यूटर हर रोगी के लिए "वापसी नहीं" का अनुमान लगाकर भी अधिकांश समय सही हो सकता था, लेकिन वह उन लोगों को खोजने के अपने वास्तविक कार्य में पूरी तरह विफल हो जाता जिन्हें मदद की आवश्यकता थी।

इसे हल करने के लिए, शोधकर्ता ने चार अलग-अलग प्रकार के एल्गोरिदम को प्रशिक्षित किया, जिनमें से प्रत्येक के सोचने का अपना तरीका था। एक प्रकार, जिसे लॉजिस्टिक रिग्रेशन कहा जाता है, एक भारित पैमाने (weighted scale) की तरह काम करता है, जो निर्णय लेने के लिए कारकों को जोड़ता है। दूसरा, एक डिसीजन ट्री (decision tree), उत्तर को सीमित करने के लिए हाँ-या-ना वाले प्रश्नों की एक श्रृंखला पूछता है। तीसरा, एक रैंडम फॉरेस्ट (random forest), कई डिसीजन ट्री के तर्क को मिलाकर एक अधिक मजबूत भविष्यवाणी बनाता है। शोधकर्ता ने मॉडलों की मदद के लिए नए 'फीचर्स' भी बनाए, जैसे कि रोगी द्वारा ली जा रही दवाओं की कुल संख्या गिनना या जटिल मेडिकल कोड को "परिसंचरण" (circulatory) या "श्वसन" (respiratory) जैसी व्यापक श्रेणियों में समूहबद्ध करना। महत्वपूर्ण रूप से, डेटा को इस तरह विभाजित किया गया था जो वास्तविक जीवन की नकल करता है: मॉडल ने पिछले दौरों से सीखा और भविष्य के दौरों पर इसका परीक्षण किया, जिससे यह सुनिश्चित हुआ कि यह केवल जो पहले ही हो चुका है उसे याद करने के बजाय यह भविष्यवाणी कर सके कि आगे क्या होगा।

जब मॉडलों का परीक्षण किया गया, तो परिणाम काफी स्पष्ट थे। किसी भी एल्गोरिदम ने पूर्ण सटीकता प्राप्त नहीं की, जिसे शोधकर्ता ने मानव व्यवहार और स्वास्थ्य परिणामों की भविष्यवाणी करने की कठिनाई को देखते हुए अपेक्षित बताया। हालाँकि, रैंडम फॉरेस्ट मॉडल विशिष्ट अध्ययन के लक्ष्य के लिए सबसे प्रभावी उपकरण के रूप में उभरा। इसने वास्तव में पुन: भर्ती होने वाले लगभग 71 प्रतिशत रोगियों की सफलतापूर्वक पहचान की, जो अन्य मॉडलों की तुलना में काफी अधिक दर है। जबकि अन्य मॉडल गलत चेतावनियों (false alarms) से बचने में थोड़े बेहतर थे, रैंडम फॉरेस्ट की उच्च जोखिम वाले अधिकांश रोगियों को पकड़ने की क्षमता इसे उन अस्पतालों के लिए सबसे मूल्यवान बनाती है जो पुन: भर्ती को रोकना चाहते हैं। विश्लेषण ने दिखाया कि इन भविष्यवाणियों को चलाने वाले सबसे महत्वपूर्ण कारक चिकित्सा पेशेवरों के लिए आश्चर्यजनक नहीं थे: पिछले अस्पताल दौरों की संख्या, पिछले दौरों की कुल संख्या, और रोगी को कहाँ डिस्चार्ज किया गया था, जोखिम के सबसे मजबूत संकेतक थे।

अध्ययन ने यह भी बारीकी से देखा कि क्या ये मॉडल लोगों के विभिन्न समूहों के साथ निष्पक्षता से व्यवहार करते हैं, यह जाँचते हुए कि क्या भविष्यवाणियाँ नस्ल, लिंग या आयु के आधार पर भिन्न होती हैं। परिणामों ने दिखाया कि कोई भी मॉडल सभी समूहों के लिए पूरी तरह से निष्पक्ष नहीं था। रैंडम फॉरेस्ट मॉडल, जो उच्च जोखिम वाले रोगियों को पकड़ने में सबसे अच्छा था, ने सरल मॉडलों की तुलना में विभिन्न नस्लीय समूहों के बीच प्रदर्शन में एक बड़ा अंतर दिखाया। शोधकर्ता ने इस समझौते (trade-off) को स्वीकार किया, यह नोट करते हुए कि हालांकि मॉडल प्रत्येक जनसांख्यिकीय के लिए समान रूप से सटीक नहीं था, लेकिन वास्तव में हस्तक्षेप की आवश्यकता वाले रोगियों की पहचान करने की इसकी बेहतर क्षमता ने इसे तैनाती के लिए सबसे अच्छा विकल्प बना दिया, बशर्ते कि डॉक्टर इन सीमाओं के प्रति सचेत रहें।

अंततः, अध्ययन यह निष्कर्ष निकालता है कि हालांकि मशीन लर्निंग भविष्य की सटीक भविष्यवाणी नहीं कर सकती है, लेकिन यह एक शक्तिशाली सहायक के रूप में कार्य कर सकती है। प्रस्तावित प्रणाली डॉक्टरों के निर्णय नहीं लेगी, बल्कि इसके बजाय रोगियों की एक रैंक सूची प्रदान करेगी, उन लोगों को उजागर करेगी जिनके वापस आने की सबसे अधिक संभावना है ताकि देखभाल टीमें उन्हें अतिरिक्त सहायता, जैसे कि फॉलो-अप अपॉइंटमेंट या दवा समीक्षा के लिए प्राथमिकता दे सकें। शोधकर्ता ने इस बात पर जोर दिया कि यह उपकरण अभी भी प्रगति पर है; उपयोग किया गया डेटा 1990 के दशक के अंत और 2000 के दशक की शुरुआत का था, जिसका अर्थ है कि यह वर्तमान चिकित्सा पद्धतियों या आवास स्थिरता जैसी सामाजिक स्थितियों को प्रतिबिंबित नहीं करता है। इससे पहले कि ऐसी प्रणाली का उपयोग किसी वास्तविक अस्पताल में किया जाए, इसे आधुनिक डेटा पर परीक्षण करने और यह सुनिश्चित करने के लिए मान्य (validate) करने की आवश्यकता होगी कि यह इच्छानुसार काम करती है। फिलहाल, यह कार्य प्रदर्शित करता है कि कंप्यूटर मधुमेह देखभाल में जोखिम के जटिल पैटर्न को पहचानना सीख सकते हैं, जो अस्पताल की वापसी के चक्र को कम करने की दिशा में एक संभावित मार्ग प्रदान करता है, भले ही वह पथ अभी पूरी तरह से तैयार न हो।