Advanced Deep Learning Framework
नए गहन शिक्षण (Advanced Deep Learning Framework) दृष्टिकोण ने सात मौजूदा मॉडलों से बेहतर प्रदर्शन किया और चार यादृच्छिक नैदानिक परीक्षणों के समान स्ट्रोक उपचार की सिफारिश की
13 मई, 2024 – पैटर्न्स में प्रकाशित एक हालिया अध्ययन के अनुसार, ओहियो स्टेट यूनिवर्सिटी (ओएसयू) के शोधकर्ताओं ने यादृच्छिक नैदानिक परीक्षणों (आरसीटी) का अनुकरण करने और स्ट्रोक के रोगियों में उपचार प्रभावों का अनुमान लगाने के लिए डिज़ाइन किया गया एक गहन शिक्षण-आधारित ढांचा विकसित किया है।
अनुसंधान टीम ने इस बात पर जोर दिया कि उपचार प्रभाव आकलन (टीईई) रोगी के परिणामों पर चिकित्सा हस्तक्षेप के प्रभावों को समझने की कुंजी है। आरसीटी इन प्रभावों की पहचान करने के लिए स्वर्ण मानक हैं, लेकिन उनका संचालन करना समय और संसाधन-गहन है।
इन चुनौतियों से निपटने में मदद के लिए एआई और मशीन लर्निंग जैसे तरीकों का प्रस्ताव किया गया है, लेकिन टीईई के लिए वास्तविक दुनिया की नैदानिक जानकारी का उपयोग इन प्रयासों में बाधा डालता है, क्योंकि अक्सर लेबल किए गए डेटा की कमी होती है। इस पर काबू पाने के लिए, शोधकर्ताओं ने यह जांच करने की कोशिश की कि क्या पूर्व-प्रशिक्षित फाउंडेशन मॉडल हृदय रोग के रोगियों में स्ट्रोक की रोकथाम पर विभिन्न उपचारों के प्रभाव की भविष्यवाणी कर सकता है।
गहन शिक्षण दृष्टिकोण, CaUsal उपचार प्रभाव अनुमान (CURE), को 2012 से 2017 तक मार्केटस्कैन वाणिज्यिक दावों और मुठभेड़ों के डेटा बिंदुओं का उपयोग करके प्रशिक्षित किया गया था, जिसमें 3 मिलियन रोगियों की जानकारी भी शामिल थी।
यह पूर्व-प्रशिक्षण दृष्टिकोण मॉडल को अधिक सामान्य बनाता है, जो उपयोग के मामले के आधार पर फ़ाइन-ट्यूनिंग की अनुमति देता है। इस मामले में, उपकरण ने स्ट्रोक के जोखिम पर ध्यान केंद्रित किया और प्रत्येक उपचार के कारण प्रभावों का अनुमान लगाने का काम सौंपा गया ताकि यह पहचाना जा सके कि प्रत्येक रोगी के लिए कौन सा सबसे अच्छा काम करेगा।
मॉडल के प्रदर्शन की तुलना सात मौजूदा मॉडलों और चार आरसीटी से की गई। CURE ने सात मॉडलों से बेहतर प्रदर्शन किया और आरसीटी के समान सिफारिशें प्रदान कीं।
ओएसयू में कंप्यूटर विज्ञान और इंजीनियरिंग और बायोमेडिकल सूचना विज्ञान के एसोसिएट प्रोफेसर, वरिष्ठ लेखक पिंग झांग, पीएचडी ने एक प्रेस विज्ञप्ति में कहा, “कोई भी मौजूदा एल्गोरिदम यह काम नहीं कर सकता है।” “मात्रात्मक रूप से, हमारी पद्धति ने अन्य विधियों की तुलना में प्रदर्शन में 7% से 8% की वृद्धि की। और तुलना से पता चला कि अन्य विधियां समान परिणाम का अनुमान लगा सकती हैं, लेकिन वे बिल्कुल यादृच्छिक नैदानिक परीक्षण की तरह परिणाम नहीं दे सकते हैं। हमारा तरीका ऐसा कर सकता है।”
हालांकि शोधकर्ता आरसीटी को अपने ढांचे से बदलने का इरादा नहीं रखते हैं, लेकिन उन्हें उम्मीद है कि मॉडल आरसीटी प्रक्रिया को गति दे सकता है, जिससे समय और धन की बचत होगी।
“हमारा मॉडल एक त्वरक मॉड्यूल हो सकता है जो पहले उम्मीदवार दवाओं के एक छोटे समूह की पहचान करने में मदद कर सकता है जो किसी बीमारी का इलाज करने के लिए प्रभावी हैं, जिससे चिकित्सकों को केवल कुछ दवाओं के साथ सीमित पैमाने पर यादृच्छिक नैदानिक परीक्षण करने की इजाजत मिलती है,” पहले लेखक रुओकी लियू ने कहा , झांग की प्रयोगशाला में एक कंप्यूटर विज्ञान और इंजीनियरिंग पीएचडी छात्र।
शोधकर्ताओं ने आगे संकेत दिया कि मॉडल में अन्य दवाओं और बीमारियों पर भी संभावित प्रयोज्यता है।
“हम मॉडल को किसी भी उपचार तक सीमित किए बिना बड़े पैमाने पर डेटासेट पर पूर्व-प्रशिक्षित कर सकते हैं। फिर हम कार्य-विशिष्ट छोटे पैमाने के डेटासेट पर पूर्व-प्रशिक्षित मॉडल को ठीक करते हैं ताकि मॉडल विभिन्न डाउनस्ट्रीम कार्यों के लिए जल्दी से अनुकूलित हो सके, ”लियू ने समझाया।
इस दृष्टिकोण को बायोमेडिकल ज्ञान ग्राफ़ के उपयोग से भी लाभ मिलता है, जो रोगियों के रिकॉर्ड में अंतराल को भरने में मदद करता है।
इस क्षेत्र में ज्ञान ग्राफ अनुप्रयोगों पर हालिया काम लिखने वाले लियू ने कहा, “हमने रोगी डेटा को ज्ञान ग्राफ़ के साथ समन्वयित करने के लिए एक ज्ञान-संवर्धित आधार मॉडल केजी-ट्रीट का भी प्रस्ताव रखा है ताकि मॉडल रोगी डेटा को बेहतर ढंग से समझ सके।”
ज्ञान ग्राफ के समावेश ने CURE के प्रदर्शन को बढ़ाया, और अनुसंधान टीम ने नोट किया कि किसी दिन, रूपरेखा मूल्यवान नैदानिक निर्णय सहायता प्रदान कर सकती है।
“यह मॉडल क्रिस्टल बॉल से बेहतर है: बड़े डेटा और फाउंडेशन मॉडल एआई के आधार पर, हम यह कहने में सक्षम होने के लिए उचित आत्मविश्वास रख सकते हैं कि कौन सी उपचार रणनीति बेहतर है,” झांग ने कहा। “हम चिकित्सकों को चालक की सीट पर बैठाना चाहते हैं ताकि यह देख सकें कि क्या यह कुछ ऐसा है जो महत्वपूर्ण निर्णय लेते समय उनके लिए सहायक हो सकता है।”
