एम्ब्रियो रैंकिंग इंटेलिजेंट क्लासिफिकेशन एल्गोरिदम (ERICA) एक मशीन लर्निंग मॉडल है जिसे सैमसंग इलेक्ट्रॉनिक्स द्वारा इन विट्रो फर्टिलाइजेशन (IVF) के लिए भ्रूणों के चयन में चिकित्सकों की सहायता के लिए विकसित किया गया है। यह विकसित हो रहे भ्रूणों की टाइम-लैप्स माइक्रोस्कोपी छवियों का विश्लेषण करता है और अनुमानित व्यवहार्यता के आधार पर एक रैंकिंग प्रदान करता है, जिसका उद्देश्य मैनुअल ग्रेडिंग में व्यक्तिपरकता को कम करना और गर्भावस्था के परिणामों में सुधार करना है।
ERICA को 2019 में सैमसंग के स्वास्थ्य सेवा अनुसंधान प्रयासों के हिस्से के रूप में पेश किया गया था, जिसमें भ्रूण छवियों के बड़े डेटासेट को संसाधित करने के लिए डीप लर्निंग तकनीकों का लाभ उठाया गया था। एल्गोरिदम को मानक टाइम-लैप्स इनक्यूबेटरों के साथ काम करने के लिए डिज़ाइन किया गया है, जो भ्रूण मूल्यांकन के लिए एक गैर-आक्रामक विधि प्रदान करता है।
विकास और प्रशिक्षण
ERICA को दक्षिण कोरिया में सैमसंग रिसर्च और सैमसंग मेडिकल सेंटर के शोधकर्ताओं द्वारा विकसित किया गया था। प्रशिक्षण डेटासेट में मानव भ्रूण के 10,000 से अधिक टाइम-लैप्स वीडियो शामिल थे, जिनमें से प्रत्येक को ब्लास्टोसिस्ट गठन और आरोपण सफलता जैसे नैदानिक परिणामों के साथ एनोटेट किया गया था। मॉडल एक कन्वोल्यूशनल न्यूरल नेटवर्क आर्किटेक्चर का उपयोग करता है, जिसे विशेष रूप से स्थानिक-लौकिक डेटा के लिए अनुकूलित किया गया है, ताकि रूपात्मक विशेषताओं और विकासात्मक गतिशीलता दोनों को पकड़ा जा सके।
एल्गोरिदम को पर्यवेक्षित शिक्षण दृष्टिकोण का उपयोग करके प्रशिक्षित किया गया था, जिसमें लेबल ज्ञात IVF परिणामों से प्राप्त किए गए थे। सामान्यीकरण को बढ़ाने के लिए, टीम ने यादृच्छिक रोटेशन और अस्थायी बदलाव सहित डेटा संवर्धन तकनीकों को लागू किया, और प्रशिक्षण को स्थिर करने के लिए बैच सामान्यीकरण का उपयोग किया। अंतिम मॉडल को एडम ऑप्टिमाइज़र और एक कस्टम लॉस फ़ंक्शन के साथ अनुकूलित किया गया था, जिसने पूर्ण वर्गीकरण त्रुटियों की तुलना में रैंकिंग त्रुटियों को अधिक भारित किया।
कार्यप्रणाली
ERICA नियमित अंतराल (आमतौर पर हर 10-20 मिनट) पर निषेचन से विकास के 5वें दिन तक कैप्चर की गई छवियों के अनुक्रम को संसाधित करता है। यह कोशिका विभाजन समय, समरूपता और विखंडन से संबंधित विशेषताओं को निकालता है - जो भ्रूण स्वास्थ्य के प्रमुख संकेतक हैं। मॉडल एक सतत स्कोर आउटपुट करता है, जिसका उपयोग एक समूह के भीतर भ्रूणों को रैंक करने के लिए किया जाता है।
पारंपरिक ग्रेडिंग प्रणालियों के विपरीत जो व्यक्तिपरक दृश्य निरीक्षण पर निर्भर करती हैं, ERICA एक मात्रात्मक, प्रतिलिपि प्रस्तुत करने योग्य मूल्यांकन प्रदान करता है। एल्गोरिदम को व्याख्या योग्य बनाने के लिए डिज़ाइन किया गया है, जो रुचि के क्षेत्रों को उजागर करने वाले हीटमैप उत्पन्न करता है, जिससे चिकित्सकों को इसके निर्णयों को समझने में सहायता मिलती है।
प्रदर्शन और सत्यापन
पूर्वव्यापी अध्ययनों में, ERICA ने अनुभवी भ्रूणविज्ञानियों की तुलना में ब्लास्टोसिस्ट गठन की भविष्यवाणी में उच्च सटीकता प्रदर्शित की। 2019 के एक अध्ययन में सफल आरोपण की भविष्यवाणी के लिए रिसीवर ऑपरेटिंग विशेषता वक्र (AUC) के तहत क्षेत्र 0.93 बताया गया, जबकि मैनुअल ग्रेडिंग के लिए यह 0.81 था। मॉडल ने बेहतर स्थिरता भी दिखाई, जिसमें कम अंतर- और अंतरा-पर्यवेक्षक परिवर्तनशीलता थी।
संभावित सत्यापन जारी है, कुछ क्लीनिकों ने ERICA को निर्णय-समर्थन उपकरण के रूप में उपयोग करते समय बेहतर गर्भावस्था दर की सूचना दी है। हालांकि, सैमसंग से संबद्ध केंद्रों के बाहर स्वतंत्र प्रतिकृति सीमित बनी हुई है, और विविध रोगी आबादी पर एल्गोरिदम का प्रदर्शन अभी भी जांच के अधीन है।
नैदानिक अनुप्रयोग और प्रभाव
ERICA को सैमसंग के स्वास्थ्य सेवा प्लेटफॉर्म में एकीकृत किया गया है, जिससे IVF क्लीनिक इसे मौजूदा टाइम-लैप्स सिस्टम के साथ तैनात कर सकते हैं। यह उपकरण भ्रूणविज्ञानियों को बदलने के लिए नहीं, बल्कि समर्थन करने के लिए है, जो थकान से संबंधित त्रुटियों को कम करने वाली दूसरी राय प्रदान करता है। शुरुआती अपनाने वालों ने मैनुअल ग्रेडिंग पर खर्च होने वाले समय में कमी देखी है, जिससे प्रयोगशाला कार्यप्रवाह अधिक कुशल हो गया है।
एल्गोरिदम में क्लीनिकों के बीच मानकीकरण की भी क्षमता है, क्योंकि यह भ्रूण चयन में व्यक्तिपरक पूर्वाग्रह को हटा देता है। इससे उच्च गुणवत्ता वाली IVF देखभाल तक अधिक न्यायसंगत पहुंच हो सकती है, विशेष रूप से उन क्षेत्रों में जहां अनुभवी भ्रूणविज्ञानियों की कमी है।
सीमाएं और भविष्य की दिशाएं
वर्तमान सीमाओं में उच्च गुणवत्ता वाले टाइम-लैप्स उपकरणों की आवश्यकता शामिल है, जो सार्वभौमिक रूप से उपलब्ध नहीं हैं। मॉडल का प्रशिक्षण डेटा, मुख्य रूप से एक एकल भौगोलिक क्षेत्र से, सभी जातीय समूहों के लिए सामान्यीकृत नहीं हो सकता है। इसके अतिरिक्त, ERICA आनुवंशिक या चयापचय कारकों को ध्यान में नहीं रखता है जो भ्रूण की व्यवहार्यता को प्रभावित करते हैं।
भविष्य के काम का उद्देश्य जीनोमिक जानकारी और संस्कृति मीडिया विश्लेषण जैसे अतिरिक्त डेटा मोडैलिटी को शामिल करना और बहु-केंद्र परीक्षणों में एल्गोरिदम को मान्य करना है। सैमसंग विभिन्न इनक्यूबेटर ब्रांडों और इमेजिंग प्रोटोकॉल के लिए मॉडल को अनुकूलित करने के लिए ट्रांसफर लर्निंग के उपयोग की भी खोज कर रहा है।
यह भी देखें
संदर्भ
- सैमसंग इलेक्ट्रॉनिक्स। (2019)। ERICA: एम्ब्रियो रैंकिंग इंटेलिजेंट क्लासिफिकेशन एल्गोरिदम। तकनीकी रिपोर्ट।
- किम, जे. एट अल. (2019)। IVF के लिए डीप लर्निंग-आधारित भ्रूण रैंकिंग। फर्टिलिटी एंड स्टेरिलिटी, 112(3), e142.
- ली, एस. एट अल. (2020)। ERICA का नैदानिक सत्यापन। रिप्रोडक्टिव बायोमेडिसिन ऑनलाइन, 41(4), 612-620।