Machine Learning–Based Lung Cancer Risk Prediction for Smokers and Non-Smokers Using National N3C Data
इस अध्ययन ने धूम्रपान करने वालों और धूम्रपान न करने वालों दोनों में फेफड़ों के कैंसर के जोखिम की भविष्यवाणी करने के लिए राष्ट्रीय ईएमआर (EMR) डेटा का उपयोग करके व्याख्या योग्य मशीन लर्निंग मॉडल विकसित और मूल्यांकित किया, जो प्रत्येक समूह के लिए विशिष्ट जोखिम कारक प्रोफाइल को प्रकट करता है और वर्तमान धूम्रपान-आधारित स्क्रीनिंग दिशानिर्देशों से परे शीघ्र पहचान में सुधार के लिए एक पूरक उपकरण प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक बड़ी तस्वीर: फेफड़ों के कैंसर के लिए एक नया "अर्ली वार्निंग सिस्टम"
कल्पना कीजिए कि फेफड़ों का कैंसर एक खामोश चोर की तरह है जो जीवन चुरा लेता है, और ऐसा मुख्य रूप से इसलिए होता है क्योंकि इसका पता बहुत देर से चलता है। वर्तमान में, डॉक्टरों के पास एक "सुरक्षा गार्ड" (स्क्रीनिंग गाइडलाइन्स) है जो केवल तभी चोर की जांच करता है जब उसे एक विशिष्ट संकेत दिखाई देता है: धूम्रपान का लंबा इतिहास। लेकिन इस गार्ड के साथ दो बड़ी समस्याएं हैं:
- "धूम्रपान" वाले सवाल का जवाब देना कठिन है: कई क्लीनिकों में, विशेष रूप से ग्रामीण क्षेत्रों में, डॉक्टरों के पास हमेशा इस बात का सटीक रिकॉर्ड नहीं होता कि मरीज ने कितना धूम्रपान किया है, या मरीज इसे बताने में शर्मिंदगी महसूस कर सकते हैं।
- गार्ड अन्य चोरों को भी चूक जाता है: बहुत से ऐसे लोग भी बढ़ रहे हैं जो कभी धूम्रपान नहीं करते लेकिन उन्हें फेफड़ों का कैंसर हो रहा है, लेकिन मौजूदा नियम कहते हैं, "यदि आपने धूम्रपान नहीं किया, तो आप जोखिम में नहीं हैं," इसलिए इन लोगों की कभी जांच नहीं की जाती।
यह शोध पत्र आर्टिफिशियल इंटेलिजेंस (मशीन लर्निंग) का उपयोग करके एक अधिक स्मार्ट और समावेशी सुरक्षा प्रणाली बनाने के बारे में है, जो केवल धूम्रपान करने वालों के लिए ही नहीं, बल्कि सभी के लिए फेफड़ों के कैंसर के जोखिम को पहचान सके।
उन्होंने सिस्टम कैसे बनाया: एक "डिजिटल लाइब्रेरी"
शोधकर्ताओं ने मरीजों का एक-एक करके इंटरव्यू नहीं लिया। इसके बजाय, वे N3C (नेशनल कोविड कोहॉर्ट कोलाबोरेटिव) नामक एक विशाल, सुरक्षित डिजिटल लाइब्रेरी में गए।
- लाइब्रेरी: इसे एक विशाल, सुव्यवस्थित डिजिटल संग्रह के रूप में सोचें जिसमें अमेरिका के 75 से अधिक अस्पतालों के मेडिकल रिकॉर्ड शामिल हैं। यह एक एकल, सुपर-ऑर्गनाइज्ड नोटबुक की तरह है जिसमें लाखों लोगों का स्वास्थ्य इतिहास दर्ज है।
- खोज: उन्होंने 2018 और 2024 के बीच डॉक्टर के पास कम से कम दो बार जाने वाले लोगों को खोजा। डेटा को साफ रखने के लिए उन्होंने उन लोगों को हटा दिया जिन्हें कोविड था या जो उस दौरान मृत्यु को प्राप्त हुए।
- मैच: उन्हें लगभग 97,000 लोग मिले जिन्हें फेफड़ों का कैंसर था। प्रत्येक व्यक्ति के लिए, उन्होंने 5 "हमशक्ल" (उसी उम्र, नस्ल, लिंग और धूम्रपान की स्थिति वाले लोग) ढूंढे जिन्हें फेफड़ों का कैंसर नहीं था। इससे अध्ययन के लिए 5,48,000 से अधिक लोगों का एक विशाल समूह तैयार हुआ।
"दिमाग": दो अलग-अलग AI मॉडल
शोधकर्ताओं को एहसास हुआ कि फेफड़ों के कैंसर का "नुस्खा" धूम्रपान करने वालों और गैर-धूम्रपान करने वालों के लिए अलग होता है। इसलिए, उन्होंने एक बड़ा AI दिमाग नहीं बनाया; बल्कि उन्होंने XGBoost (इसे एक सुपर-फास्ट, अत्यधिक संगठित जासूस के रूप में सोचें जो पैटर्न ढूंढता है) नामक एक शक्तिशाली टूल का उपयोग करके दो विशिष्ट दिमाग बनाए।
- धूम्रपान करने वालों का दिमाग: लगभग 2,03,000 धूम्रपान करने वालों के डेटा पर प्रशिक्षित।
- गैर-धूम्रपान करने वालों का दिमाग: लगभग 3,45,000 गैर-धूम्रपान करने वालों के डेटा पर प्रशिक्षित।
उन्होंने इन दिमागों को 85 अलग-अलग सुराग (clues) दिए जो आमतौर पर एक मानक डॉक्टर के दौरे में मिलते हैं (जैसे रक्त परीक्षण के परिणाम, पिछली बीमारियां और पारिवारिक इतिहास)। उन्हें किसी विशेष जेनेटिक टेस्ट या महंगे स्कैन की आवश्यकता नहीं थी; केवल वही नियमित कागजी कार्रवाई जो डॉक्टरों के पास पहले से होती है।
दिमागों ने क्या सीखा: अलग-अलग लोगों के लिए अलग-अलग सुराग
जब शोधकर्ताओं ने AI से पूछा, "कौन से सुराग आपको बताते हैं कि एक मरीज उच्च जोखिम पर है?", तो दोनों दिमागों ने बहुत अलग उत्तर दिए:
धूम्रपान करने वालों के लिए: AI ने कहा, "मैं सीधे फेफड़ों को देख रहा हूँ।"
- प्रमुख सुराग: क्रोनिक फेफड़ों की बीमारी (COPD), खून की खांसी (हेमोप्टिसिस), प्लेटलेट काउंट में अजीब बदलाव, और फेफड़ों के कैंसर का पारिवारिक इतिहास।
- उपमा (Analogy): यह एक ऐसी कार के इंजन की जांच करने जैसा है जिसे वर्षों तक बहुत अधिक चलाया गया है। इंजन (फेफड़ों) पर घिसावट और टूट-फूट सबसे बड़े चेतावनी संकेत हैं।
गैर-धूम्रपान करने वालों के लिए: AI ने कहा, "मैं पूरे शरीर के सिस्टम को देख रहा हूँ।"
- प्रमुख सुराग: मूत्र में प्रोटीन की समस्या, पदार्थ सेवन विकार (substance use disorders), उम्र, और कोलेस्ट्रॉल या लिपिड के स्तर में असामान्य बदलाव।
- उपमा (Analogy): चूंकि इंजन मुख्य मुद्दा नहीं है, इसलिए AI कार के तेल, ड्राइवर की आदतों और समग्र रखरखाव के इतिहास को देखता है। जोखिम प्रणालीगत स्वास्थ्य समस्याओं के मिश्रण से आता है, न कि केवल फेफड़ों की क्षति से।
सिस्टम कितना अच्छा था?
शोधकर्ताओं ने उन लोगों के समूह पर इन दिमागों का परीक्षण किया जिन्हें उन्होंने पहले कभी नहीं देखा था ("टेस्ट सेट")।
- धूम्रपान मॉडल (Smoker Model): इसने लगभग 78% बार सही अनुमान लगाया (AUC 0.78)।
- गैर-धूम्रपान मॉडल (Non-Smoker Model): इसने लगभग 83% बार सही अनुमान लगाया (AUC 0.83)।
इसका अर्थ है कि सिस्टम केवल नियमित मेडिकल रिकॉर्ड के आधार पर यह अंतर करने में काफी सक्षम है कि किसे फेफड़ों का कैंसर होगा और किसे नहीं।
निष्कर्ष: एक सहायक, न कि प्रतिस्थापन
लेखक स्पष्ट हैं कि यह टूल क्या है और क्या नहीं है:
- यह कोई क्रिस्टल बॉल (भविष्य बताने वाला गोला) नहीं है जो डॉक्टर को यह बताए कि, "इस मरीज को निश्चित रूप से कैंसर है।"
- यह प्राथमिक देखभाल डॉक्टरों (primary care doctors) के लिए एक पूरक उपकरण (जैसे दूसरी जोड़ी आंखें) है।
लक्ष्य: डॉक्टरों को उन उच्च-जोखिम वाले लोगों की पहचान करने में मदद करना—विशेष रूप से वे जो धूम्रपान नहीं करते हैं और वर्तमान में स्क्रीनिंग नियमों द्वारा अनदेखा किए जा रहे हैं—ताकि उन्हें स्क्रीनिंग टेस्ट के लिए भेजा जा सके।
चुनौती: पेपर स्वीकार करता है कि डेटा में कुछ हिस्से गायब थे (जैसे विशिष्ट फेफड़ों के कार्य परीक्षण) और इस सिस्टम को डॉक्टर के क्लिनिक में उपयोग करने से पहले और अधिक परीक्षण की आवश्यकता है। लेकिन यह साबित करता है कि नियमित डेटा का उपयोग करके, हम पहले की तुलना में बहुत बड़े समूह के लोगों में फेफड़ों के कैंसर के जोखिम को देख सकते हैं।
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।