नया AI मॉडल विसुअल मैप बनाकर बीमारियों का निदान करेगा

नई दिल्ली: वैज्ञानिकों ने एक नया कृत्रिम बुद्धिमत्ता (एआई) मॉडल विकसित किया है जो प्रत्येक निदान को एक दृश्य मानचित्र के साथ समझाकर चिकित्सा छवियों में ट्यूमर और बीमारियों की सटीक पहचान करता है।शोधकर्ताओं ने कहा कि मेडिकल इमेजिंग पर आईईईई ट्रांजेक्शन जर्नल में वर्णित मॉडल की अनूठी पारदर्शिता डॉक्टरों को आसानी से इसके तर्क का पालन करने, सटीकता के लिए दोबारा जांच करने और मरीजों को परिणाम समझाने की अनुमति देती है।बेकमैन इंस्टीट्यूट फॉर एडवांस्ड साइंस एंड टेक्नोलॉजी के स्नातक छात्र सौर्य सेनगुप्ता ने कहा, "यह विचार कैंसर और बीमारी को उसके शुरुआती चरणों में पकड़ने में मदद करना है - मानचित्र पर एक एक्स की तरह - और यह समझना कि निर्णय कैसे लिया गया।" हम।अध्ययन के प्रमुख लेखक सेनगुप्ता ने कहा, "हमारा मॉडल उस प्रक्रिया को सुव्यवस्थित करने और डॉक्टरों और रोगियों के लिए इसे आसान बनाने में मदद करेगा।"चिकित्सा छवियों को डिकोड करने की प्रक्रिया दुनिया के विभिन्न क्षेत्रों में अलग-अलग दिखती है।

सेनगुप्ता ने कहा, "कई विकासशील देशों में डॉक्टरों की कमी है और मरीजों की लंबी कतार है। एआई इन परिदृश्यों में मददगार हो सकता है।"सेनगुप्ता ने कहा कि जब समय और प्रतिभा की अत्यधिक मांग होती है, तो स्वचालित मेडिकल इमेज स्क्रीनिंग को एक सहायक उपकरण के रूप में तैनात किया जा सकता है - जो किसी भी तरह से डॉक्टरों के कौशल और विशेषज्ञता की जगह नहीं ले सकता।इसके बजाय, एक एआई मॉडल चिकित्सा छवियों को पूर्व-स्कैन कर सकता है और डॉक्टर की समीक्षा के लिए उन छवियों को चिह्नित कर सकता है जिनमें कुछ असामान्य है - जैसे कि ट्यूमर या बीमारी का प्रारंभिक संकेत, जिसे बायोमार्कर कहा जाता है। यह विधि समय बचाती है और स्कैन पढ़ने वाले व्यक्ति के प्रदर्शन में भी सुधार कर सकती है।ये मॉडल अच्छी तरह से काम करते हैं, लेकिन जब, उदाहरण के लिए, एक मरीज पूछता है कि एआई सिस्टम ने एक छवि को ट्यूमर युक्त (या शामिल नहीं) के रूप में क्यों चिह्नित किया है, तो वे बहुत कुछ छोड़ देते हैं।

सेनगुप्ता ने कहा, नया एआई मॉडल हर बार खुद की व्याख्या करता है - जो "ट्यूमर बनाम गैर-ट्यूमर" की द्विआधारी को स्पष्ट रूप से रिपोर्ट करने के बजाय प्रत्येक निर्णय की व्याख्या करता है।शोधकर्ताओं ने अपने मॉडल को 20,000 से अधिक छवियों सहित तीन अलग-अलग रोग निदान कार्यों पर प्रशिक्षित किया।सबसे पहले, मॉडल ने नकली मैमोग्राम की समीक्षा की और ट्यूमर के शुरुआती लक्षणों को चिन्हित करना सीखा। दूसरा, इसने रेटिना की ऑप्टिकल कोहेरेंस टोमोग्राफी (ओसीटी) छवियों का विश्लेषण किया, जहां इसने ड्रूसन नामक बिल्डअप की पहचान करने का अभ्यास किया जो मैक्यूलर डिजनरेशन का प्रारंभिक संकेत हो सकता है।OCT एक गैर-आक्रामक इमेजिंग परीक्षण है जो रेटिना की क्रॉस-सेक्शन तस्वीरें लेने के लिए प्रकाश तरंगों का उपयोग करता है।तीसरा, मॉडल ने छाती के एक्स-रे का अध्ययन किया और कार्डियोमेगाली का पता लगाना सीखा, एक हृदय वृद्धि की स्थिति जो बीमारी का कारण बन सकती है।एक बार मानचित्र निर्माण मॉडल को प्रशिक्षित करने के बाद, शोधकर्ताओं ने इसके प्रदर्शन की तुलना मौजूदा एआई सिस्टम से की - जो बिना स्व-व्याख्या सेटिंग के थे।

शोधकर्ताओं ने कहा कि मॉडल ने सभी तीन श्रेणियों में अपने समकक्षों की तुलना में मैमोग्राम के लिए 77.8 प्रतिशत, रेटिनल ओसीटी छवियों के लिए 99.1 प्रतिशत और छाती के एक्स-रे के लिए 83 प्रतिशत की सटीकता दर के साथ तुलनात्मक प्रदर्शन किया। ये उच्च सटीकता दर एक उत्पाद हैं उन्होंने कहा कि एआई के गहरे तंत्रिका नेटवर्क की गैर-रैखिक परतें निर्णय लेने में मानव न्यूरॉन्स की बारीकियों की नकल करती हैं।