Mass General Brigham के शोधकर्ताओं ने ऐसे कृत्रिम-बुद्धिमत्ता उपकरण विकसित किए हैं जो चेहरे की तस्वीर का विश्लेषण करके जैविक आयु और कैंसर में जीवित रहने के परिणामों से जुड़े संकेतों की पहचान करते हैं। Lancet Digital Health में प्रकाशित यह शोध गहन उपचार से पहले मरीज की शारीरिक क्षमता को मापने का एक संभावित नया तरीका प्रस्तुत करता है—हालांकि इससे सत्यापन, निजता और उचित चिकित्सकीय उपयोग से जुड़े महत्वपूर्ण सवाल भी उठते हैं।
इस प्रणाली का नाम FAHR-Face है, जो Foundation Artificial Intelligence for Health Recognition का संक्षिप्त रूप है। इसे 40 मिलियन से अधिक चेहरे की छवियों पर प्रशिक्षित किया गया और फिर दो अलग-अलग उपकरणों के आधार के रूप में इस्तेमाल किया गया। FAHR-FaceAge चेहरे की तस्वीर से जैविक आयु का अनुमान लगाता है, जबकि FAHR-FaceSurvival कैंसर रोगियों में जीवित रहने के परिणामों का अनुमान लगाता है।
कालानुक्रमिक आयु से शारीरिक क्षमता तक
कालानुक्रमिक आयु दर्ज करना आसान है, लेकिन इससे यह पूरी तरह पता नहीं चलता कि कोई व्यक्ति सर्जरी, विकिरण या प्रणालीगत उपचार को कितनी अच्छी तरह सहन कर पाएगा। एक ही आयु के दो लोगों में दुर्बलता, सहनशीलता और अंतर्निहित बीमारी का स्तर काफी अलग हो सकता है। जब चिकित्सक और मरीज आक्रामक उपचार तथा उसके संभावित बोझ के बीच निर्णय लेते हैं, तब ये अंतर महत्वपूर्ण हो सकते हैं।
शोधकर्ताओं के अनुसार, लक्ष्य तस्वीर को स्वतंत्र निदान के रूप में इस्तेमाल करना नहीं है। इसके बजाय, किसी सामान्य तस्वीर से प्राप्त मात्रात्मक आकलन भविष्य में स्थापित चिकित्सकीय मूल्यांकन का पूरक बन सकता है। अध्ययन के संबंधित लेखक और विकिरण ऑन्कोलॉजिस्ट Raymond Mak ने कहा कि इसका उद्देश्य चिकित्सक के निर्णय का स्थान लेना नहीं, बल्कि व्यक्तिगत उपचार संबंधी निर्णयों में सहायता करना है।
यह अंतर महत्वपूर्ण है। परिणामों से जुड़े सांख्यिकीय पैटर्न पहचानने वाला मॉडल यह नहीं बताता कि किसी मरीज में वे पैटर्न क्यों मौजूद हैं और न ही यह निर्धारित करता है कि उस व्यक्ति को कौन-सा उपचार मिलना चाहिए। अधिकतम, यह व्यापक मूल्यांकन में एक मानकीकृत संकेत जोड़ सकता है, जिसमें चिकित्सकीय इतिहास, कार्यात्मक स्थिति, प्रयोगशाला परिणाम, इमेजिंग और चिकित्सक की जांच शामिल हों।
अध्ययन में क्या पाया गया
विकास और सत्यापन अध्ययन में पाया गया कि मॉडल के जैविक आयु अनुमान और मरीज की कालानुक्रमिक आयु के बीच का अंतर स्वतंत्र रूप से जीवित रहने से जुड़ा था। व्यावहारिक रूप से, शोध से संकेत मिलता है कि इस मॉडल द्वारा मापे गए अनुसार अपनी कैलेंडर आयु से जैविक रूप से अधिक या कम उम्र का दिखना, रोग-पूर्वानुमान से संबंधित जानकारी रखता है।
टीम ने यह भी बताया कि FAHR-FaceAge पहले के आयु-अनुमान एल्गोरिदम की तुलना में अधिक सटीक था और दोनों उपकरण तस्वीरों में सामान्य विविधताओं के बावजूद मजबूत बने रहे। भविष्य में किसी व्यावहारिक उपयोग के लिए यह महत्वपूर्ण है, क्योंकि चिकित्सकीय तस्वीरें हमेशा एक जैसी रोशनी, मुद्रा या छवि-गुणवत्ता में नहीं ली जातीं।
FAHR-FaceSurvival चेहरे की छवि से सीधे कैंसर में जीवित रहने का पूर्वानुमान उत्पन्न करके इस विचार को आगे बढ़ाता है। लेख में चेहरे के उन क्षेत्रों के दृश्यांकन का वर्णन है, जिन्होंने प्रत्येक मॉडल के परिणामों को सबसे अधिक प्रभावित किया। ऐसे दृश्य स्पष्टीकरण मॉडल के व्यवहार का अध्ययन करने वाले शोधकर्ताओं के लिए उपयोगी हो सकते हैं, लेकिन इन्हें बीमारी के सरल मानचित्र के रूप में नहीं समझना चाहिए। AI प्रणालियां ऐसी सूक्ष्म विशेषताओं के संयोजन पर निर्भर कर सकती हैं जिनकी व्याख्या कठिन होती है और जो प्रत्यक्ष जैविक कारण के बजाय स्वास्थ्य से सहसंबंधित कारकों को दर्शा सकती हैं।
संभावित मूल्य—और आवश्यक सुरक्षा उपाय
तस्वीर-आधारित आकलन आकर्षक हो सकता है क्योंकि यह गैर-आक्रामक और संभावित रूप से बड़े पैमाने पर लागू किया जा सकता है। यदि स्वतंत्र रूप से इसका सत्यापन हो जाता है, तो यह चिकित्सकों को उन मरीजों की पहचान करने में मदद कर सकता है जिन्हें अधिक सावधानीपूर्वक दुर्बलता आकलन या गहन देखभाल के जोखिमों और लाभों पर चर्चा की आवश्यकता है। यह उन स्थानों पर कुछ मूल्यांकनों को अधिक सुसंगत भी बना सकता है जहां विशेषज्ञ संसाधन सीमित हैं।
लेकिन इस प्रकार की तकनीक लागू करने के लिए उच्च मानक आवश्यक होंगे। प्रदर्शन का परीक्षण मरीजों की विभिन्न आबादियों और वास्तविक चिकित्सकीय कार्यप्रवाहों में किया जाना चाहिए, केवल विकास संबंधी वातावरण में नहीं। चिकित्सकों को स्पष्ट जानकारी चाहिए कि परिणाम कब विश्वसनीय है, इसे अन्य साक्ष्यों के साथ कैसे जोड़ा जाना चाहिए और कब इसे नजरअंदाज किया जाना चाहिए।
चेहरे की छवियां अत्यंत संवेदनशील बायोमेट्रिक डेटा भी हैं। किसी भी चिकित्सकीय क्रियान्वयन में सहमति, भंडारण, पहुंच और द्वितीयक उपयोग के संबंध में मजबूत सुरक्षा आवश्यक होगी। अस्पतालों और नियामकों को यह भी जांचना होगा कि विभिन्न जनसांख्यिकीय समूहों में मॉडल का प्रदर्शन समान है या नहीं और क्या त्रुटियां कैंसर देखभाल में असमानताओं को बढ़ा सकती हैं।
निर्णय-सहायता के लिए एक शोध दिशा
FAHR-Face चिकित्सा AI में एक व्यापक बदलाव को दर्शाता है: बड़े पैमाने पर प्रशिक्षित फाउंडेशन मॉडल को अब अधिक सीमित चिकित्सकीय कार्यों के लिए अनुकूलित किया जा रहा है। उम्मीद यह है कि व्यापक प्रीट्रेनिंग उपयोगी दृश्य प्रतिनिधित्व सीख सकती है, जो बाद में विशेष उपकरणों को समर्थन दे सके। चुनौती यह सुनिश्चित करना है कि प्रभावशाली तकनीकी परिणाम सुरक्षित, समझने योग्य और चिकित्सकीय रूप से सार्थक बने।
फिलहाल, इन निष्कर्षों को इस बात के प्रमाण के रूप में देखना सबसे उचित है कि चेहरे की तस्वीरों में दिखाई देने वाली आयु से परे मापी जा सकने वाली स्वास्थ्य-संबंधी जानकारी हो सकती है। इस जानकारी को नियमित देखभाल में बदलना आगे के सत्यापन और सावधानीपूर्वक शासन पर निर्भर करेगा। शोधकर्ताओं का घोषित उद्देश्य—चिकित्सक के निर्णय का समर्थन करना, उसे हटाना नहीं—ऐसी तकनीक के लिए उचित सीमा तय करता है जो महत्वपूर्ण उपचार निर्णयों को प्रभावित कर सकती है।
यह लेख Medical Xpress की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on medicalxpress.com
