स्पष्टीकरणक्षम एआय निर्णय समर्थन प्रणालीची वास्तविक जगातील फुफ्फुसाच्या कर्करोग उपचारांमध्ये चाचणी

दोन वेगवेगळ्या प्रश्नांभोवती उभा राहिलेला अभ्यास

Nature Medicine ने १३ सप्टेंबर २०२६ रोजी "Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC" या शीर्षकाखाली हा शोधनिबंध ऑनलाइन प्रकाशित केला. त्यातील कोणत्याही निष्कर्षाइतकेच या शब्दरचनेलाही महत्त्व आहे. लेखकांनी एकाच वेळी दोन गोष्टी करण्याचे ठरवले: बहुविध मॉडेल्स नॉन-स्मॉल सेल फुफ्फुसाच्या कर्करोगाच्या बाबतीत किती चांगल्या प्रकारे काम करतात याचे मूल्यमापन करणे, आणि अशा प्रकारच्या मॉडेलभोवती उभारलेले निर्णय समर्थन साधन ज्या वैद्यकीय तज्ज्ञांवर ते अवलंबून राहील त्यांच्यासाठी खरोखर वापरण्यायोग्य आहे का याची चाचणी करणे.

ही दुहेरी चौकट या कामाला केवळ एकच कार्यक्षमता आकडा नोंदवून थांबणाऱ्या निबंधांच्या सततच्या ओघापासून वेगळे करते. एखादे मॉडेल बाजूला ठेवलेल्या चाचणी संचावर प्रभावी गुण मिळवू शकते आणि तरीही दवाखान्यात निराशा करू शकते — जर त्याचे निष्कर्ष कार्यप्रवाहात खूप उशिरा पोहोचत असतील, जर इंटरफेसने शिफारस का आली हे लपवले असेल, किंवा जर स्पष्टीकरण अभियंत्यांसाठी लिहिलेले असेल आणि कर्करोगतज्ज्ञांसाठी नसेल. प्रकाशनासोबतच्या सारांशानुसार, लेखकांच्या मूल्यांकनात बहुविध स्पष्टीकरणक्षम मॉडेल आघाडीवर राहिले. वैद्यकीय वापरयोग्यतेबद्दलची स्पष्ट आस्था असे सूचित करते की संघाने त्या निकालाकडे अंतिम रेषेपेक्षा प्रारंभबिंदू म्हणून पाहिले.

या संदर्भात "बहुविध" म्हणजे काय

बहुविध मॉडेल्स एकाच वेळी एकापेक्षा जास्त प्रकारचे इनपुट घेतात, एकच स्कॅन किंवा एकच प्रयोगशाळा अहवाल ही संपूर्ण कथा मानण्याऐवजी. नॉन-स्मॉल सेल फुफ्फुसाच्या कर्करोगात संबंधित इनपुट असामान्यपणे विविध असतात. इमेजिंग अभ्यासांमध्ये गाठीचा आकार, स्थान आणि प्रसार नोंदवला जातो. पॅथॉलॉजी स्लाइड्समध्ये कर्करोगाच्या पेशी कशा दिसतात आणि किती आक्रमक वाटतात याबद्दल ऊती-स्तरावरील तपशील असतो. वैद्यकीय नोंदींमध्ये कार्यक्षम स्थिती, धूम्रपानाचा इतिहास, पूर्वीचे उपचार आणि सहव्याधी असतात. आण्विक चाचणी ड्रायव्हर बदल जोडते, जे रुग्णाला कोणते उपचार दिले जातील हे ठरवण्यात वाढत्या प्रमाणात निर्णायक ठरतात.

वर्षानुवर्षे या प्रवाहांचे अस्तित्व वेगवेगळ्या प्रणालींमध्ये होते आणि त्यांचा मेळ वैद्यकीय तज्ज्ञाच्या डोक्यात घातला जात असे. बहुविध मॉडेल त्यांना एकत्र करण्याचा प्रयत्न करते, या आधारावर की त्यांच्या संयोगात कोणत्याही एका स्रोतात नसलेली माहिती असते. अडचण ही की प्रत्येक प्रवाहाचे स्वतःचे गहाळ-माहितीचे नमुने, स्वतःची एकके आणि स्वतःची विश्वासार्हता असते. जेव्हा मॉडेल एकाच वेळी सर्वांचा वापर करते, तेव्हा दिलेला निष्कर्ष कोणत्या इनपुटमुळे आला हा प्रश्न उत्तर देणे अधिक कठीण होते — आणि नेमका तिथेच स्पष्टीकरणक्षमता येते.

स्पष्टीकरणक्षमता ही वैद्यकीय आवश्यकता, बोनस नाही

स्पष्टीकरणक्षम मॉडेल म्हणजे असे मॉडेल ज्याचा तर्क कोणत्याही अर्थ लावता येण्याजोग्या स्वरूपात माणसासमोर मांडता येतो. कर्करोगशास्त्रात ही सौंदर्यदृष्टीची पसंती नाही. NSCLC मधील उपचार निर्णयांमध्ये खरी विषारीता, खरा खर्च आणि खरी अपरिवर्तनीयता असते, आणि ज्या शिफारशीची चौकशी करता येत नाही तिच्यावर जबाबदारीने कार्य करणे कठीण असते. जेव्हा एखादे साधन रुग्णाला एका मार्गाऐवजी दुसऱ्यासाठी उमेदवार म्हणून चिन्हांकित करते, तेव्हा उपचार करणाऱ्या संघाला हे माहित असणे आवश्यक आहे की कोणत्या वैशिष्ट्यांनी हे मूल्यांकन पुढे ढकलले आणि किती प्रबळपणे.

निबंधाची चौकट स्पष्टीकरणक्षमता आणि वापरयोग्यता यांना क्रमिक नाही तर जोडलेल्या समस्या मानते. या जोडीमुळे उपस्थित होणाऱ्या विचारांमध्ये हे समाविष्ट आहे:

• स्पष्टीकरणे वैद्यकीय तज्ज्ञ आधीच वापरत असलेल्या भाषेत मांडली जातात का, की अमूर्त वैशिष्ट्य-वजनांमध्ये.
• हे साधन वैद्यकीय तज्ज्ञ आधीच विचार करत असलेला निर्णय स्पष्ट करते, की न्यायनिवाडा करावा लागेल असा स्पर्धात्मक निर्णय आणते.
• कागदावर सारखे दिसणाऱ्या रुग्णांमध्ये स्पष्टीकरणे स्थिर राहतात का, जेणेकरून विश्वास योगायोगावर उभा राहणार नाही.
• इंटरफेस खऱ्या ट्यूमर बोर्डाच्या गतीशी जुळतो का, जिथे प्रत्येक प्रकरणासाठी वेळ मिनिटांमध्ये मोजला जातो.

यापैकी प्रत्येक गोष्ट मशीन लर्निंगचा प्रश्न इतकीच वापरयोग्यतेचा प्रश्न आहे, आणि प्रत्येक गोष्ट अशा प्रकारची आहे ज्याचे उत्तर केवळ पूर्वलक्षी अचूकता मूल्यमापन देऊ शकत नाही.

"मोठा, आंतरराष्ट्रीय, वास्तविक-जगातील" का महत्त्वाचा

या अभ्यासाचे वर्णन मोठा आंतरराष्ट्रीय वास्तविक-जगातील तपास असे केले आहे. ही तीन विशेषणे एकत्र खूप काम करतात. बहु-केंद्रीय आणि बहु-देशीय डेटा हा धोका कमी करतो की मॉडेलने केवळ एका रुग्णालयाच्या उपकरणांच्या, कोडिंग पद्धतींच्या किंवा संदर्भ नमुन्यांच्या सवयी शिकल्या आहेत. काटेकोरपणे निवडलेल्या चाचणी गटांच्या विरुद्ध वास्तविक-जगातील डेटा, वैद्यकीय तज्ज्ञ प्रत्यक्षात पाहत असलेल्या रुग्णांचे अधिक गोंधळलेले मिश्रण प्रतिबिंबित करतो — ज्यात भावी अभ्यासात कठोर पात्रता निकष पूर्ण करू शकले नसते अशांचाही समावेश असतो.

याची किंमत ही की वास्तविक-जगातील डेटासेट अधिक गोंगाटयुक्त असतात, आणि कच्च्या नोंदींपासून मॉडेलसाठी तयार इनपुटपर्यंतचा मार्ग क्वचितच स्वच्छ असतो. संघ हा अनुवाद कसा हाताळतो यावर नोंदवलेल्या कार्यक्षमतेचा अर्थ अंतिमतः ठरतो. मोठा आंतरराष्ट्रीय नमुना तत्त्वतः निष्कर्ष अधिक स्थानांतरणीय करतो, पण स्थानांतरणक्षमता तरीही गृहीत धरण्याऐवजी दाखवावी लागते.

एआय साधने सामान्यतः कुठे अडकतात

वैद्यकीय वापरयोग्यता चाचणी काम करणारे मॉडेल आणि वापरले जाणारे मॉडेल यांतील अंतराकडे लक्ष देते. वैद्यकीय एआयमध्ये वारंवार आढळणारे अपयशाचे प्रकार चांगल्या प्रकारे नोंदवले गेले आहेत: इतक्या वेळा येणारे इशारे की ते दुर्लक्षित केले जातात, स्क्रीनवर आधीच असलेली माहिती दुहेरी करणारे डॅशबोर्ड, आणि निर्णय प्रत्यक्षात घेतल्यानंतर येणारे निष्कर्ष. निर्णय समर्थन साधनाला आधीच गर्दीच्या कार्यप्रवाहात आपले स्थान कमावावे लागते.

शीर्षकात वैद्यकीय वापरयोग्यता थेट नaming केल्यामुळे, लेखकांनी भेदभाव आणि कॅलिब्रेशनच्या पलीकडे काहीतरी मोजले हे अभ्यास सूचित करतो. वापरयोग्यतेचे काम सामान्यतः विचारते की वैद्यकीय तज्ज्ञ साधनाचा निष्कर्ष समजू शकतात का, ते त्याच्याशी सहमत आहेत का, ते त्यांची सांगितलेली योजना बदलते का, आणि ते त्यांना मंदावते का. ही मापे मथळ्यातील एका आकड्यात सारांशित करणे कठीण असते, आणि म्हणूनच ती वारंवार वगळली जातात.

निबंधाने उघडे ठेवलेले प्रश्न

या स्वरूपाचा एकच अभ्यास जे ठरवू शकत नाही अशा अनेक गोष्टी बाकी राहतात. पूर्वलक्षी निष्कर्षांविरुद्ध मोजलेली कार्यक्षमता सुधारित रुग्ण-निष्कर्षांसारखी नसते, आणि नंतरचे दाखवण्यासाठी भावी मूल्यांकन आवश्यक असते. स्पष्टीकरणाची गुणवत्ता मोजणेही कठीण आहे — मॉडेल स्पष्टीकरण तयार करू शकते पण ते स्पष्टीकरण अंदाज निर्माण करणाऱ्या गणनाशी प्रामाणिक असेलच असे नाही. आणि स्वीकारार्हता संस्थात्मक घटकांवर अवलंबून असते, इलेक्ट्रॉनिक नोंद एकत्रीकरणापासून ते शिफारस पाळल्यानंतर निकाल वाईट आल्यास जबाबदारी कोणावर येते यापर्यंत.

व्यवहार बदलताना असे साधन कसे वागते हा प्रश्नही आहे. नवीन औषधे आणि बायोमार्कर-निर्धारित उपगट उदयास येत असल्याने NSCLC मधील उपचार पद्धती वेगाने बदलतात. एका काळातील निर्णयांवर प्रशिक्षित मॉडेल असे नमुने एन्कोड करू शकते जे वैद्यकीय तज्ज्ञांनी तेव्हापासून सोडून दिले आहेत.

हे आता का महत्त्वाचे ठरते

फुफ्फुसाचा कर्करोग निर्णय समर्थनासाठी सर्वात परिणामकारक क्षेत्रांपैकी एक राहिला आहे, कारण संभाव्य उपचार मार्गांची संख्या प्रत्येक प्रकरणाचा विचार करण्यासाठी उपलब्ध वेळेपेक्षा वेगाने वाढली आहे. बहुविध मॉडेल्स तो विचार संकुचित करण्याचे वचन देतात; स्पष्टीकरणक्षमता आणि वापरयोग्यता हे ठरवतात की ते संकुचन विश्वासार्ह आहे का. मॉडेल मूल्यांकन आणि वैद्यकीय वापरयोग्यता मूल्यांकन यांचे हे संयोजन उच्च-प्रोफाइल व्यासपीठावर प्रकाशित करणे एक खूण ठेवते: क्षेत्राकडे वाढत्या प्रमाणात केवळ हे दाखवण्याची मागणी केली जात आहे की मॉडेल चांगले अंदाज लावते, तर वैद्यकीय तज्ज्ञ त्याच्यासोबत काम करू शकतो. पुढील चाचणी ही आहे की अशा प्रकारची साधने भावीपणे, ज्या दवाखान्यांमध्ये ती वापरली जातील तिथे तैनात केल्यावर टिकतात का.

हा लेख Nature Medicine च्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.