Facial Photograph–Based Detection of Dermatochalasis and Assessment of Blepharoplasty Necessity: A Deep Learning–Assisted Approach

द दशकों से, ऊपरी पलक की सर्जरी करने का निर्णय काफी हद तक डॉक्टर की दृष्टि और रोगी द्वारा अपने लक्षणों के वर्णन पर निर्भर रहा है। विचाराधीन स्थिति, जिसे डर्मेटोकेलासिससिस (dermatochalasis) कहा जाता है, ऊपरी पलक पर अतिरिक्त, लटकती त्वचा के लिए चिकित्सा शब्द है। जैसे-जैसे लोग उम्र बढ़ाते हैं, आंखों के आसपास की त्वचा और अंतर्निlying ऊतक अपनी लोच खो देते हैं, बिल्कुल उस रबर बैंड की तरह जिसे बहुत अधिक बार खींचा गया हो। यह ढीली त्वचा पलकों के ऊपर लटक सकती है, जिससे भारीपन का अहसास होता है, दृश्य थकान होती है, और कुछ मामलों में, यह व्यक्ति की दृष्टि के ऊपरी हिस्से को भौतिक रूप से बाधित कर सकती है। हालांकि इसका समाधान ब्लेफेरोप्लास्टी (blepharoplasty) नामक एक सामान्य सर्जिकल प्रक्रिया है, जो अतिरिक्त त्वचा को हटा देती है, लेकिन यह निर्धारित करना कि वास्तव में किसे इसकी आवश्यकता है, पारंपरिक रूप से एक व्यक्तिपरक प्रक्रिया रही है। डॉक्टर चेहरे पर विशिष्ट दूरियों को मापते हैं और झुकाव की मात्रा का आकलन करते हैं, लेकिन ये माप एक विशेषज्ञ से दूसरे विशेषज्ञ के बीच भिन्न हो सकते हैं, और "सर्जरी की आवश्यकता" और "बस थका हुआ दिखने" के बीच की रेखा अक्सर एक कठोर नियम के बजाय व्यक्तिगत निर्णय का मामला होती है।

एक हालिया अध्ययन में, शोधकर्ताओं ने यह देखने के लिए प्रयास किया कि क्या एक कंप्यूटर इस निर्णय को अधिक निरंतरता के साथ ले सकता है। उन्होंने एक प्रकार के आर्टिफिशियल इंटेलिजेंस, विशेष रूप से एक डीप लर्निंग सिस्टम को प्रशिक्षित किया, ताकि वह लोगों के चेहरों की मानक, सामने से ली गई तस्वीरों को देख सके। लक्ष्य सरल था: क्या कंप्यूटर एक फोटो देखकर यह बता सकता है कि कौन सा वयस्क ढीली त्वचा वाला व्यक्ति है जिसे सर्जरी की आवश्यकता है और कौन सा वयस्क सामान्य, स्वस्थ पलकों वाला व्यक्ति है? शोधकर्ताओं ने छवियों को दो स्रोतों से एकत्र किया। एक समूह में 190 रोगी शामिल थे जिन्होंने तुर्की में एक आई क्लिनिक का दौरा किया था और जिन्हें पहले ही एक सर्जन द्वारा प्रक्रिया के लिए उपयुक्त माना गया था। दूसरा समूह 190 स्वस्थ वयस्कों का था जिनकी तस्वीरें एक सार्वजनिक स्टॉक इमेज लाइब्रेरी से ली गई थीं, जिन्हें इसलिए चुना गया था क्योंकि उनमें पलकों के झुकने के कोई लक्षण नहीं दिख रहे थे। सभी तस्वीरें समान परिस्थितियों में ली गई थीं, जिसमें विषय सीधे देखते हुए और तटस्थ भाव के साथ थे, जो एक नियमित कार्यालय दौरे के दौरान डॉक्टर द्वारा ली जाने वाली तस्वीर की नकल करते हैं।

टीम ने तीन अलग-अलग कंप्यूटर मॉडल का परीक्षण किया, जिनमें से प्रत्येक को छवियों में पैटर्न पहचानने के लिए डिज़ाइन किया गया था। इन मॉडलों को तस्वीरें दी गईं और उन्हें दो ढेरों में वर्गीकृत करने के लिए कहा गया: वे जिन्हें सर्जरी की आवश्यकता है और वे जिन्हें नहीं है। परिणाम आश्चर्यजनक रूप से सुसंगत थे। उनके द्वारा परीक्षण किए गए सभी विभिन्न कंप्यूटर मॉडलों में, सिस्टम ने उन रोगियों की पहचान लगभग हर बार सही ढंग से की जिन्हें सर्जरी की आवश्यकता थी। वास्तव में, कंप्यूटर ने उन रोगियों को शून्य मिस किया जिन्हें वास्तव में प्रक्रिया की आवश्यकता थी, सभी 190 की सफलतापूर्वक पहचान की। इसने स्वस्थ व्यक्तियों की भी सफलतापूर्वक पहचान की, और लगभग 100 में से 98 मामलों में सही ढंग से पहचाना कि उन्हें सर्जरी की आवश्यकता नहीं है। कंप्यूटर ने केवल अनुमान नहीं लगाया; इसने उन विशिष्ट दृश्य संकेतों को पहचानना सीखा जो मानव डॉक्टर ढीली त्वचा के लिए देखते हैं, और ऐसा करते हुए उसने मानव विशेषज्ञों के समान स्तर की सटीकता प्रदर्शित की।

अध्ययन के सबसे महत्वपूर्ण निष्कर्षों में से एक यह नहीं था कि कंप्यूटर काम करता है, बल्कि यह था कि वह कितनी कुशलता से काम करता है। शोधकर्ताओं ने तीन अलग-अलग प्रकार के कंप्यूटर आर्किटेक्चर की तुलना की, जो अनिवार्य रूप से मशीन द्वारा सूचना संसाधित करने के ब्लूप्रिंट हैं। उन्होंने पाया कि तीनों ब्लूप्रिंट ने समान उच्च स्तर की सटीकता के साथ कार्य किया। हालांकि, वे सभी इसे करने में समान समय नहीं लेते थे। एक मॉडल, जो एक हल्का और सरल डिज़ाइन था, अन्य की तुलना में काफी तेजी से कार्य पूरा करने में सक्षम था। यह एक महत्वपूर्ण विवरण है क्योंकि यह सुझाव देता है कि ऐसा सिस्टम भविष्य में डॉक्टर के कार्यालय में स्मार्टफोन या पोर्टेबल डिवाइस पर भी चल सकता है, न कि इसके लिए किसी विशाल, महंगे सुपरकंप्यूटर की आवश्यकता होगी। अध्ययन ने दिखाया कि सही उत्तर प्राप्त करने के लिए आपको सबसे जटिल या शक्तिशाली कंप्यूटर की आवश्यकता नहीं है; एक सरल, तेज़ उपकरण भी समान परिणाम प्राप्त कर सकता है।

शोधकर्ताओं ने सावधानीपूर्वक यह नोट किया कि हालांकि कंप्यूटर ढीली त्वचा के दृश्य संकेतों को पहचानने में उत्कृष्ट था, लेकिन यह डॉक्टर की जगह नहीं ले रहा था। सिस्टम को इस आधार पर प्रशिक्षित किया गया था कि मानव सर्जनों ने पहले रोगियों को कैसे लेबल किया था। इसने सीखा कि विशेषज्ञ क्या देखते हैं। अध्ययन ने यह भी रेखांकित किया कि उपयोग की गई तस्वीरें एक नियंत्रित सेटिंग में ली गई थीं, और यदि फोटो खराब रोशनी या अजीब कोण से ली गई हों, तो कंप्यूटर का व्यवहार अलग हो सकता है। लेखक सुझाव देते हैं कि यह तकनीक एक सहायक दूसरी राय (second opinion) या एक स्क्रीनिंग टूल के रूप में कार्य कर सकती है ताकि डॉक्टरों को यह तय करने में मदद मिल सके कि किन रोगियों को पहले देखना है, लेकिन यह अभी तक अंतिम निर्णय लेने वाला तंत्र नहीं है। यह कार्य सिद्ध करता है कि एक मशीन एक साधारण फोटोग्राफ से आंखों के आसपास की उम्र बढ़ने के सूक्ष्म संकेतों को पढ़ सकती है, जो उस मानवीय निर्णय को समर्थन देने का एक नया, वस्तुनिष्ठ तरीका प्रदान करती है जिसने पीढ़ियों से नेत्र सर्जरी का मार्गदर्शन किया है।