निमोनिया हर साल एक लाख वयस्क अमेरिकियों को अस्पताल में डालता है और 50, 000 को मारता है। यदि डॉक्टर को संदेह है कि किसी मरीज को निमोनिया है, तो वह आम तौर पर छाती के एक्स-रे का आदेश देगा। इन एक्स-रे की एक डॉक्टर द्वारा व्याख्या की जानी चाहिए, निश्चित रूप से। लेकिन अब, स्टैनफोर्ड शोधकर्ताओं ने एक एल्गोरिथ्म विकसित किया है जो वे कहते हैं कि अनुभवी रेडियोलॉजिस्ट की तुलना में एक्स-रे पर निमोनिया का निदान कर सकते हैं।
स्टैनफोर्ड मशीन लर्निंग ग्रुप के एक स्नातक छात्र प्रणव राजपुरकर कहते हैं, '' एक एल्गोरिथ्म में फायदा यह है कि यह सैकड़ों हज़ारों चेस्ट एक्स-रे और उनके अन्य विशेषज्ञों से पता चला सकता है। "जब रेडियोलॉजिस्टों को कभी भी हजारों अन्य रेडियोलॉजिस्टों के निदान से सीखने का मौका मिलता है और उन निदान के लिए अग्रणी छवियों में पैटर्न पाते हैं?"
एल्गोरिथ्म, जिसे चेक्सनेट कहा जाता है, 13 अन्य चिकित्सा स्थितियों का भी निदान कर सकता है, जिसमें वातस्फीति और न्यूमोथोरैक्स (फेफड़े और छाती की दीवार के बीच फंसी हवा) शामिल हैं। टीम ने नेशनल इंस्टीट्यूट ऑफ हेल्थ (NIH) से एक सार्वजनिक डेटासेट का उपयोग करके एल्गोरिथ्म का निर्माण किया, जिसमें 14 से अधिक परिस्थितियों में लेबल किए गए 100, 000 से अधिक छाती एक्स-रे चित्र थे। डेटासेट एक प्रारंभिक निदान एल्गोरिथ्म के साथ जारी किया गया था, जिसे एनआईएच ने अन्य शोधकर्ताओं को आगे बढ़ने के लिए प्रोत्साहित किया।
राजपुरकर और उनके साथी मशीन लर्निंग ग्रुप के सदस्यों ने चुनौती लेने का फैसला किया। शोधकर्ताओं ने चार स्टैनफोर्ड रेडियोलॉजिस्टों को छवियों के 420 पर निमोनिया के संभावित संकेतों को चिह्नित किया था। इस डेटा का उपयोग करते हुए, एक सप्ताह के भीतर उन्होंने एक एल्गोरिथ्म बनाया जो 10 स्थितियों का सटीक निदान कर सकता है। एक महीने के भीतर एल्गोरिथ्म सभी 14 स्थितियों के निदान में पिछले एल्गोरिदम को बेहतर बना सकता है। इस बिंदु पर, चेक्सनेट किसी एक रेडियोलॉजिस्ट की व्यक्तिगत राय की तुलना में अधिक बार रेडियोलॉजिस्ट के बहुमत की राय से सहमत है।
शोध को इस महीने वैज्ञानिक प्रिफरेंस वेबसाइट arXiv में प्रकाशित किया गया।
अन्य नैदानिक एल्गोरिदम ने हाल ही में खबर बनाई है। कनाडा और इतालवी टीमों ने मस्तिष्क स्कैन से अल्जाइमर रोग के निदान के लिए दोनों एल्गोरिदम विकसित किए हैं। मस्तिष्क में सजीले टुकड़े का वितरण जो रोग की विशेषता है, नग्न आंखों के लिए बहुत सूक्ष्म हैं, लेकिन शोधकर्ताओं का कहना है कि एआई तकनीक असामान्य पैटर्न का पता लगा सकती है। स्टैनफोर्ड के मशीन लर्निंग ग्रुप के राजपुरकर और उनके साथी शोधकर्ताओं ने दिल की अतालता के निदान के लिए एक एल्गोरिदम भी विकसित किया है, जो पहनने योग्य हृदय की निगरानी के डेटा का विश्लेषण करता है। अन्य निमोनिया एल्गोरिदम एनआईएच डेटा से विकसित किए गए हैं, लेकिन स्टैनफोर्ड एक अब तक सबसे सटीक है।
टीम का कहना है कि चेक्सनेट उन जगहों पर विशेष रूप से मददगार हो सकता है जहां लोगों को अनुभवी रेडियोलॉजिस्ट तक आसानी से पहुंच नहीं है। यह एक प्रकार के ट्राइएज के रूप में भी उपयोगी हो सकता है, यह पहचानना कि किन मामलों में आपातकालीन ध्यान देने की आवश्यकता है और जो नहीं करते हैं। टीम ने एक उपकरण भी विकसित किया जो एक्स-रे पर संभावित निमोनिया संकेतक का एक नक्शा तैयार करता है, जो डॉक्टरों के लिए एक आसान दृश्य मार्गदर्शिका देता है।
जबकि टीम चेक्सनेट की नैदानिक क्षमताओं के बारे में आशावादी है, वे इसकी सीमाओं के बारे में सतर्क हैं।
राजपुरकर कहते हैं, "एआई एक शक्तिशाली उपकरण है, लेकिन यह अनुभव करने में कई साल लग जाते हैं कि इसे कैसे मिटाया जाए, और यह निर्धारित करना उतना ही कठिन है कि हम इसे सबसे सकारात्मक प्रभाव के लिए कहां उपयोग कर सकते हैं, " राजपुरकर कहते हैं।
हालांकि विकास में कई गहरे शिक्षण एल्गोरिदम हैं, लेकिन वास्तविक रोगियों पर उपयोग के लिए आवश्यक कठोर परीक्षण और अनुमोदन प्रक्रिया से कोई भी अभी तक नहीं गुजरा है।
पॉल चैंग, एक रेडियोलॉजी प्रोफेसर और शिकागो विश्वविद्यालय में रेडियोलॉजी विभाग के उपाध्यक्ष, चेक्सनेट और इसी तरह के गहरे सीखने के कार्यक्रमों के बारे में संदेहपूर्ण लगता है। चांग कहते हैं कि चिकित्सक पहले से ही किसी भी स्थिति के निदान के लिए एल्गोरिदम का उपयोग करते हैं। ये एल्गोरिदम एक पूर्वनिर्मित मॉडल पर निर्भर करते हैं कि स्थिति कैसी दिखती है: कैंसर सौम्य जनता की तुलना में बड़ा और स्पाइकियर है, उदाहरण के लिए। इसके विपरीत, डीप लर्निंग प्रोग्राम, यह पता लगाने के लिए होते हैं कि भारी मात्रा में डेटा को क्रंच करके क्या विशेषताएं अपने आप में महत्वपूर्ण हैं। लेकिन इसका मतलब यह भी है कि वे गलत संकेत ले सकते हैं। चांग एक गहरी शिक्षा एल्गोरिथ्म का उदाहरण देता है जिसने विभिन्न प्रकार के एक्स-रे के बीच अंतर सीखा: हाथ, पैर, मैमोग्राम। लेकिन शोधकर्ताओं ने पता लगाया कि कार्यक्रम ने केवल इस तथ्य से मैमोग्राम को पहचानना सीखा था कि मुख्य छवि केंद्र के बजाय फिल्म की तरफ थी (चूंकि स्तन छाती की दीवार से जुड़े होते हैं, वे फिल्म के किनारे पर दिखाई देते हैं मैमोग्राम छवि। हाथ या पैर, इसके विपरीत, एक्स-रे के केंद्र में दिखाई देंगे)। एल्गोरिथ्म स्तनों के बारे में कुछ भी महत्वपूर्ण नहीं सीख रहा था, बस स्क्रीन पर उनकी स्थिति के बारे में।
"यह बहुत शुरुआती समय है, " चांग कहते हैं, जो बताता है कि चेक्सनेट परिणामों की सहकर्मी समीक्षा नहीं की गई है। “गहरी सीखने की बहुत क्षमता है, लेकिन हम चिकित्सा और रेडियोलॉजी में प्रचार चक्र में जल्दी होते हैं, लेकिन हमें इसे अपनाने में अधिक समय लगता है। हम सीखेंगे कि इसका उचित उपभोग कैसे किया जाए। ”
