Intelligent System for Celiac Disease Detection Based on Deep Learning

दुनिया भर के लाखों लोगों के लिए, ब्रेड या पास्ता खाने का सरल कार्य उनके शरीर के भीतर एक शांत, हानिकारक प्रतिक्रिया को सक्रिय कर देता है। यह स्थिति, जिसे सीलिएक रोग (celiac disease) के रूप में जाना जाता है, एक ऑटोइम्यून विकार है जहाँ प्रतिरक्षा प्रणाली गलती से छोटी आंत की परत पर हमला करती है जब भी गेहूं, राई और जौ में पाया जाने वाला प्रोटीन, ग्लूटेन, ग्रहण किया जाता है। समय के साथ, यह हमला आंत के भीतर उन सूक्ष्म, उंगली जैसी संरचनाओं (villi) को चपटा कर देता है जो पोषक तत्वों को अवशोषित करने के लिए जिम्मेदार होती हैं, जिससे कुपोषण और स्वास्थ्य संबंधी कई अन्य समस्याएं पैदा होती हैं। एकमात्र प्रभावी उपचार ग्लूटेन मुक्त सख्त, आजीवन आहार है, लेकिन यह समाधान तभी काम करता है जब बीमारी की पहचान हो जाए। चुनौती इस तथ्य में निहित है कि सीलिएक रोग अक्सर वर्षों तक बिना निदान के रह जाता है, जिससे मरीज थकान, वजन घटने और अन्य जटिलताओं से जूझते रहते हैं जबकि उनकी स्थिति एक रहस्य बनी रहती है। पारंपरिक निदान में आमतौर पर बायोप्सी शामिल होती है, जो एक ऐसी प्रक्रिया है जहाँ डॉक्टर सूक्ष्मदर्शी के नीचे जांच करने के लिए आंत से ऊतक का एक छोटा नमूना लेता है, एक ऐसी प्रक्रिया जो स्लाइड पढ़ने वाले रोगविज्ञानी (pathologist) के कौशल और अनुभव पर बहुत अधिक निर्भर करती है।

चिकित्सा निदान के तेजी से विकसित होते क्षेत्र में, शोधकर्ता डॉक्टरों को बीमारी के इन सूक्ष्म संकेतों को पहचानने में सहायता करने के लिए कृत्रिम बुद्धिमत्ता (artificial intelligence) की ओर तेजी से मुड़ रहे हैं। डीप लर्निंग (deep learning) के रूप में जानी जाने वाली यह पद्धति, कंप्यूटर सिस्टम को हजारों उदाहरण दिखाकर पैटर्न पहचानना सिखाने से जुड़ी है, ठीक वैसे ही जैसे एक बच्चा कई चित्रों को देखकर जानवरों की पहचान करना सीखता है। चिकित्सा छवियों की विशाल मात्रा का विश्लेषण करके, ये कंप्यूटर प्रोग्राम स्वस्थ ऊतक और बीमारी से क्षतिग्रस्त ऊतक के बीच अंतर करने के लिए एक ऐसे स्तर की गति और निरंतरता सीख सकते हैं जिसे हासिल करना मनुष्यों के लिए कठिन हो सकता है। इसका लक्ष्य डॉक्टर को बदलना नहीं है, बल्कि एक शक्तिशाली उपकरण प्रदान करना है जो इस बीमारी को जल्दी पकड़ने, निदान के समय और लागत को कम करने और अंततः प्रभावित लोगों के जीवन की गुणवत्ता में सुधार करने में मदद कर सके।

एक हालिया अध्ययन में, सऊदी अरब के ताइफ विश्वविद्यालय के शोधकर्ताओं ने खोजा कि इस तकनीक को विशेष रूप से सीलिएक रोग के लिए कैसे लागू किया जा सकता है। उन्होंने एक बुद्धिमान प्रणाली बनाने का लक्ष्य रखा जो यह निर्धारित करने में सक्षम हो कि छोटी आंत की छवियों का विश्लेषण करके रोगी स्वस्थ है या रोग से पीड़ित है। ऐसा करने के लिए, उन्होंने लगभग 38,000 चित्रों के एक विशाल संग्रह को एकत्र किया जो एक डिजिटल डेटाबेस में संग्रहीत थे। ये चित्र एंडोस्कोपिक प्रक्रियाओं से आए थे, जहाँ पाचन तंत्र के अंदर देखने के लिए शरीर के माध्यम से एक कैमरा भेजा जाता है। यह डेटासेट विविध था, जिसमें स्वस्थ आंतों के साथ-साथ सीलिएक रोग से जुड़े विभिन्न चरणों और प्रकारों के नुकसान को दर्शाने वाली छवियां शामिल थीं। शोधकर्ताओं ने इन छवियों को चौदह विशिष्ट श्रेणियों में व्यवस्थित किया, जो पूरी तरह से सामान्य, साफ ऊतक से लेकर सूजन, क्षरण (erosion) और अन्य संरचनात्मक परिवर्तनों जैसे रोग के विशिष्ट संकेतों तक फैली हुई थीं।

उनके कार्य का मुख्य हिस्सा एक प्रकार के आर्टिफिशियल न्यूरल नेटवर्क पर आधारित एक कंप्यूटर मॉडल बनाना था जिसे 'कन्वोल्यूशनल न्यूरल नेटवर्क' कहा जाता है। सरल शब्दों में, यह एक ऐसा सिस्टम है जिसे विशेष रूप से चित्रों को देखने और उनमें क्या है इसे समझने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने इस मॉडल को एक सॉफ्टवेयर टूल का उपयोग करके बनाया जो उन्हें विभिन्न प्रसंस्करण चरणों (processing steps) की परतें बनाने की अनुमति देता था। सिस्टम को छवियों को देखने, बनावट और आकार जैसे छोटे विवरणों की पहचान करने और धीरे-धीरे एक स्वस्थ आंत की तुलना में एक रोगग्रस्त आंत के दिखने की अधिक जटिल समझ विकसित करने के लिए प्रशिक्षित किया गया था। उन्होंने मॉडल को इन हजारों छवियों को खिलाया, जिससे उसे बार-बार अंतर पहचानने का अभ्यास करने का अवसर मिला। जैसे-जैसे मॉडल ने सीखा, इसने सही निर्णय लेने में बेहतर होने के लिए अपनी आंतरिक सेटिंग्स को समायोजित किया, इस प्रक्रिया में डेटा को अपनी समझ को परिष्कृत करने के लिए बीस बार चलाया गया।

प्रशिक्षण पूरा होने के बाद, शोधकर्ताओं ने परीक्षण किया कि उनके नए सिस्टम ने कैसा प्रदर्शन किया। उन्होंने मॉडल को ऐसी छवियां देखने के लिए कहा जिन्हें उसने पहले कभी नहीं देखा था और यह तय करने के लिए कहा कि प्रत्येक छवि किस चौदह श्रेणियों में से संबंधित है। परिणाम आश्चर्यजनक थे। सिस्टम ने 96 प्रतिशत मामलों में आंत की स्थिति की सही पहचान की। सटीकता का यह उच्च स्तर बताता है कि कंप्यूटर मॉडल ने सफलतापूर्वक उन दृश्य पैटर्नों को सीख लिया था जो सीलिएक रोग को एक स्वस्थ आंत से अलग करते हैं। शोधकर्ताओं ने यह भी देखा कि सिस्टम ने क्षति के विशिष्ट प्रकारों, जैसे कि वे क्षेत्र जहाँ ऊतक लाल और सूजा हुआ (inflamed) हो गया था, या जहाँ सतह घिस गई थी, को कैसे संभाला। हर मामले में, मॉडल विशिष्ट प्रकार की असामान्यता को पहचानने में सक्षम था, जो यह दर्शाता है कि वह केवल "बीमार" या "स्वस्थ" कहने से कहीं अधिक, वास्तव में क्या गलत है, इसका वर्णन कर सकता है।

इस तकनीक को वास्तविक दुनिया के अनुप्रयोग के लिए उपयोगी बनाने के लिए, टीम केवल कंप्यूटर कोड तक ही सीमित नहीं रही। उन्होंने एक उपयोगकर्ता के अनुकूल इंटरफ़ेस बनाया जिसे एक डॉक्टर छवि का परीक्षण करने के लिए उपयोग कर सकता है। इस सिस्टम में, एक उपयोगकर्ता आंत की तस्वीर अपलोड कर सकता है, और सॉफ्टवेयर तुरंत इसका विश्लेषण करेगा और परिणाम प्रदर्शित करेगा। यदि छवि एक सामान्य, स्वस्थ आंत दिखाती है, तो स्क्रीन इसकी पुष्टि करेगी। यदि छवि रोग के लक्षण दिखाती है, तो सिस्टम निदान निर्दिष्ट करेगा, जैसे कि सूजन या ऊतक क्षति के एक विशिष्ट प्रकार की पहचान करना। इस व्यावहारिक प्रदर्शन ने दिखाया कि पर्दे के पीछे होने वाले जटिल गणितीय कार्य को एक सरल उपकरण में कैसे बदला जा सकता है जिसका उपयोग एक चिकित्सा पेशेवर तत्काल फीडबैक प्राप्त करने के लिए कर सकता है।

अध्ययन निष्कर्ष निकालता है कि डीप लर्निंग का यह दृष्टिकोण सीलिएक रोग का पता लगाने के भविष्य के लिए महत्वपूर्ण संभावना रखता है। छवियों के एक बड़े और विविध सेट में औसतन 96 प्रतिशत सटीकता प्राप्त करके, यह प्रणाली निदान की प्रक्रिया को तेज करने और उन मरीजों पर बोझ कम करने का एक संभावित तरीका प्रदान करती है जो वर्तमान में लंबे इंतजार और अनिश्चित परिणामों का सामना कर रहे हैं। शोधकर्ता इस बात पर जोर देते हैं कि उनका कार्य अधिक व्यक्तिगत स्वास्थ्य सेवा का मार्ग प्रशस्त करता है, जहाँ तकनीक यह सुनिश्चित करने में मदद कर सकती है कि मरीजों को जल्द से जल्द सही निदान और आवश्यक आहार परिवर्तन मिल सकें। हालांकि यह सिस्टम अभी मानव निर्णय का विकल्प नहीं है, लेकिन यह एक मजबूत उपकरण के रूप में खड़ा है जो चिकित्सकों को अधिक सटीक निर्णय लेने में सहायता कर सकता है, जिससे अंततः इस चुनौतीपूर्ण स्थिति के साथ रहने वाले व्यक्तियों के बेहतर स्वास्थ्य परिणाम सुनिश्चित होंगे।