आर्टिफिशियल इंटेलिजेंस (एआई) को यह पता लगाने के लिए प्रशिक्षित किया जा सकता है कि ऊतक चित्र में ट्यूमर है या नहीं। हालांकि, वह अपना फैसला कैसे लेती है यह अब तक एक रहस्य बना हुआ है। रुहर-यूनिवर्सिटी बोचम के रिसर्च सेंटर फॉर प्रोटीन डायग्नोस्टिक्स (PRODI) की एक टीम एक नए दृष्टिकोण पर काम कर रही है जो AI निर्णयों को स्पष्ट और अधिक विश्वसनीय बनाएगी। प्रोफेसर एक्सल मोसिग के नेतृत्व में शोधकर्ताओं ने मेडिकल इमेज एनालिसिस जर्नल में दृष्टिकोण का वर्णन किया है।
इस अध्ययन के लिए, जैव सूचना विज्ञान वैज्ञानिक एक्सल मोसिग ने प्रोफेसर एंड्रिया टैनपफेल, पैथोलॉजी संस्थान के प्रमुख, रुहर-विश्वविद्यालय के सेंट जोसेफ अस्पताल के ऑन्कोलॉजिस्ट प्रोफेसर अंके रेनाचर-स्विक, और बायोफिजिसिस्ट और प्रोडी प्रोफेसर क्लॉस गेरवार्ट के संस्थापक निदेशक के साथ सहयोग किया। समूह ने एक तंत्रिका नेटवर्क, या एआई विकसित किया, जो बता सकता है कि ऊतक के नमूने में ट्यूमर है या नहीं। इसके लिए उन्होंने एआई सिस्टम में बड़ी संख्या में सूक्ष्म ऊतक तस्वीरें अपलोड कीं, जिनमें से कुछ में ट्यूमर था और कुछ में नहीं था।
एक्सल मोसिग कहते हैं, ‘न्यूरल नेटवर्क शुरू में एक तरह का ब्लैक बॉक्स होता है: यह स्पष्ट नहीं है कि नेटवर्क किन विशेषताओं को पहचानता है, यह इनपुट डेटा से प्रशिक्षण द्वारा सीखता है।’ हालांकि, उनके पास मानव विशेषज्ञों की तरह अपने निर्णयों को समझाने की क्षमता नहीं है। अध्ययन में योगदान देने वाले जैव सूचना विज्ञान वैज्ञानिक डेविड शूमाकर कहते हैं, ‘हालांकि, यह महत्वपूर्ण है, विशेष रूप से चिकित्सा अनुप्रयोगों के लिए, एआई व्याख्या योग्य और भरोसेमंद है।
एआई मिथ्या धारणाओं पर आधारित है बोचम
टीम बताती है कि एआई कुछ खास तरह के अर्थपूर्ण कथनों और विज्ञान को ज्ञात मिथ्या परिकल्पनाओं पर आधारित है। यदि कोई परिकल्पना असत्य है तो इस तथ्य को प्रयोग द्वारा सत्यापित किया जाना चाहिए। आर्टिफिशियल इंटेलिजेंस आमतौर पर तर्क के सिद्धांत का पालन करता है यानी डेटा का उपयोग करके, एआई एक सामान्य मॉडल बनाता है, जिसके आधार पर यह आगे के सभी अवलोकनों का मूल्यांकन करता है।
दार्शनिक डेविड ह्यूम ने 250 साल पहले इस समस्या का वर्णन किया था और इसे आसानी से समझाया जा सकता है, चाहे हम कितने भी सफेद हंस देखें, हम इस जानकारी से कभी भी यह निष्कर्ष नहीं निकाल सकते हैं कि सभी हंस सफेद होते हैं और किसी भी प्रकार का कोई काला हंस नहीं होता है। नहीं तो विज्ञान संभाव्य तर्क का उपयोग करता है। इस दृष्टिकोण में एक सामान्य परिकल्पना प्रारंभिक बिंदु है। उदाहरण के लिए, जब एक काला हंस देखा जाता है, तो यह धारणा गलत है कि सभी हंस सफेद हैं।
एक सक्रियण मानचित्र दिखाता है कि ट्यूमर कहाँ पाया गया है।
भौतिक विज्ञानी स्टेफ़नी शोरनर कहते हैं, ‘पहली नज़र में एआई और तार्किक वैज्ञानिक पद्धति असंगत लग सकती है। जिन्होंने इसी तरह इस अध्ययन में योगदान दिया। लेकिन शोधकर्ताओं ने एक रास्ता खोज लिया। उनका नया तंत्रिका नेटवर्क न केवल दिखाता है कि किस ऊतक में ट्यूमर है और कौन सा नहीं, बल्कि सूक्ष्म ऊतक छवियों का एक सक्रियण मानचित्र भी बनाता है।
चूंकि सक्रियण मानचित्र एक झूठी परिकल्पना पर आधारित है, इसलिए इस परिकल्पना का परीक्षण करने के लिए एक विशेष विधि का उपयोग किया जा सकता है। एक्सल मोसिग कहते हैं, ‘प्रोडीआई में अंतःविषय संरचना के लिए धन्यवाद, हमारे पास भविष्य में विश्वसनीय बायोमार्कर एआई के विकास में एक परिकल्पना-संचालित दृष्टिकोण को शामिल करने के लिए सर्वोत्तम संसाधन हैं, जो विशिष्ट चिकित्सा-प्रासंगिक ट्यूमर उपप्रकारों के बीच अंतर करने में सक्षम होंगे।
