Structural changes in autism reflect atypical brain network organization and phenotypical heterogeneity: a deep network approach
यह अध्ययन संरचनात्मक एमआरआई (MRI) डेटा का विश्लेषण करने के लिए 3D कनवल्शनल न्यूरल नेटवर्क का उपयोग करता है, जो यह प्रकट करता है कि बाएं फ्रंटल और टेम्पोरल लोब तथा विशिष्ट कार्यात्मक नेटवर्क में असामान्य मैक्रोस्ट्रक्चरल परिवर्तन ऑटिज्म स्पेक्ट्रम डिसऑर्डर की फेनोटाइपिक विषमता (phenotypic heterogeneity) के मूल में हैं, जिससे नैदानिक उप-वर्गीकरण (diagnostic subtyping) के लिए अंतर्दृष्टि प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
ऑटिज्म स्पेक्ट्रम डिसऑर्डर एक जटिल विकासात्मक स्थिति है जो यह प्रभावित करती है कि लोग कैसे संवाद करते हैं, कैसे बातचीत करते हैं और दुनिया का अनुभव कैसे करते हैं। हालांकि इसके मुख्य संघर्ष काफी प्रसिद्ध हैं, लेकिन यह विकार प्रत्येक व्यक्ति में अलग तरह से प्रकट होता है, जो एक एकल, समान स्थिति के बजाय अनुभवों का एक विशाल स्पेक्ट्रम बनाता है। वैज्ञानिक लंबे समय से इस विविधता की जैविक जड़ों को समझने की कोशिश कर रहे हैं, वे मस्तिष्क में उन भौतिक अंतरों की तलाश कर रहे हैं जो यह समझा सकें कि क्यों एक व्यक्ति सामाजिक संकेतों के साथ संघर्ष करता है जबकि दूसरा अलग तरह की बाधाओं का सामना करता है। दशकों से, शोधकर्ता कार्यात्मक इमेजिंग (फंक्शनल इमेजिंग) पर भरोसा करते आए हैं, जो मस्तिष्क को सक्रिय अवस्था में कैप्चर करती है, ताकि इन अंतरों का मानचित्रण किया जा सके। हालाँकि, एक अधिक मौलिक प्रश्न शेष है: क्या मस्तिष्क की स्थिर संरचना, यानी एक एकल स्नैपशॉट में कैद इसकी भौतिक वास्तुकला भी इस विकार के जटिल पैटर्न को प्रकट कर सकती है?
बोस्टन यूनिवर्सिटी के शोधकर्ताओं का एक नया अध्ययन सुझाव देता है कि उत्तर 'हाँ' है। उन्नत आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) को मानक संरचनात्मक मस्तिष्क स्कैन पर लागू करके, टीम ने इस बात का एक छिपा हुआ मानचित्र खोज निकाला है कि ऑटिज्म मस्तिष्क में शारीरिक रूप से कैसे प्रकट होता है। उन्होंने केवल किसी एक "ऑटिज्म स्पॉट" की तलाश नहीं की, बल्कि एक डीप लर्निंग सिस्टम का उपयोग किया जो सौ से अधिक व्यक्तियों के संपूर्ण मस्तिष्क आयतन (वॉल्यूम) का विश्लेषण कर सके। लक्ष्य यह देखना था कि क्या मस्तिष्क का भौतिक आकार और संरचना किसी व्यक्ति के लक्षणों की गंभीरता की भविष्यवाणी कर सकती है और यह प्रकट कर सकती है कि कौन से विशिष्ट नेटवर्क इसमें शामिल हैं। परिणाम एक चौंका देने वाले पैटर्न की ओर संकेत करते हैं: यह विकार मस्तिष्क पर एक विशिष्ट, असममित निशान छोड़ता है, जिसमें बायां हिस्सा सबसे महत्वपूर्ण संरचनात्मक परिवर्तन दिखाता है जो स्थिति की गंभीरता के अनुरूप होता है।
शोधकर्ताओं ने सार्वजनिक डेटाबेस से मस्तिष्क स्कैन के एक बड़े संग्रह के साथ काम किया, जिसमें ऑटिज्म वाले उन व्यक्तियों पर ध्यान केंद्रित किया गया जिन्हें एक मानक नैदानिक पैमाने के आधार पर लक्षणों की उच्च या निम्न गंभीरता के रूप में रेट किया गया था। उन्होंने एक परिष्कृत कंप्यूटर मॉडल, जिसे थ्री-डायमेंशनल कन्वोल्यूशनल न्यूरल नेटवर्क नामक एक प्रकार की आर्टिफिशियल इंटेलिजेंस कहा जाता है, को इन दो समूहों के बीच अंतर करने के लिए प्रशिक्षित किया। यह मॉडल एक साथ पूरे मस्तिष्क को देखने के लिए डिज़ाइन किया गया था, जो ग्रे मैटर (ग्रे मैटर) में उन सूक्ष्म अंतरों को पहचानने के लिए बनाया गया था जिन्हें मानवीय आँखें शायद मिस कर दें। यह सुनिश्चित करने के लिए कि मॉडल केवल ऑटिज्म के बारे में सीख रहा है न कि केवल रैंडम शोर या विभिन्न अस्पतालों में स्कैन लेने के तरीकों के अंतर के बारे में, टीम ने कठोर परीक्षण विधियों का उपयोग किया। उन्होंने सत्यापित किया कि मॉडल की सफलता छवियों की गुणवत्ता या प्रतिभागियों की आयु के कारण नहीं थी, बल्कि विकार से जुड़े वास्तविक संरचनात्मक लक्षणों के कारण थी।
एक बार जब मॉडल ने समूहों के बीच अंतर करना सीख लिया, तो शोधकर्ताओं ने 'सेलियेंसी मैपिंग' (सैलियंसी मैपिंग) नामक एक तकनीक का उपयोग किया यह देखने के लिए कि कंप्यूटर मस्तिष्क के किन हिस्सों पर ध्यान केंद्रित कर रहा है। इसे ऐसे समझें जैसे कंप्यूटर से उन विशिष्ट पिक्सेल को हाइलाइट करने के लिए कहना जो उसके निर्णय के लिए सबसे महत्वपूर्ण थे। परिणामों ने एक स्पष्ट और सुसंगत पैटर्न का खुलासा किया: मस्तिष्क का बायां गोलार्द्ध (हेमिस्फेयर) दाएं हिस्से की तुलना में कहीं अधिक शामिल था। सबसे महत्वपूर्ण संरचनात्मक परिवर्तन बाएं हिस्से के फ्रंटल और टेम्पोरल लोब्स में केंद्रित थे, जो भाषा, सामाजिक संपर्क और भावनात्मक विनियमन के लिए महत्वपूर्ण क्षेत्र माने जाते हैं। जबकि मस्तिष्क के दाहिने हिस्से में कुछ परिवर्तन दिखे, वे बहुत छोटे पैमाने पर थे और समूह में कम सुसंगत थे।
अध्ययन ने यह भी जांचा कि मस्तिष्क के ये विभिन्न क्षेत्र एक साथ कैसे कार्य करते हैं। शोधकर्ताओं ने विश्लेषण किया कि क्या एक क्षेत्र में संरचनात्मक परिवर्तन दूसरे क्षेत्र में होने वाले परिवर्तनों के साथ होते हैं, जिससे जुड़े हुए परिवर्तनों का एक नेटवर्क बनता है। उन्होंने पाया कि सबसे अधिक प्रभावित मस्तिष्क क्षेत्र एक सुसंगत प्रणाली बनाते हैं जो मस्तिष्क के ज्ञात कार्यात्मक नेटवर्क के अनुरूप है। विशेष रूप से, परिवर्तन 'डिफ़ॉल्ट मोड नेटवर्क' में सबसे प्रमुख थे, जो तब सक्रिय होता है जब हम दिवास्वप्न देख रहे होते हैं या अपने बारे में सोच रहे होते हैं, और 'अटेंशन नेटवर्क' में जो हमें दुनिया पर ध्यान केंद्रित करने में मदद करते हैं। अध्ययन ने इन संरचनात्मक पैटर्न को विशिष्ट लक्षणों से भी जोड़ा। उदाहरण के लिए, बाएं टेम्पोरल और पैरिएटल लोब में भिन्नताएं संचार और सामाजिक जागरूकता स्कोर में अंतर से जुड़ी थीं, जो यह सुझाव देती हैं कि इन क्षेत्रों का भौतिक आकार सीधे तौर पर व्यक्ति की सामाजिक चुनौतियों की गंभीरता से संबंधित है।
सबसे सम्मोहक निष्कर्षों में से एक विकार की गंभीरता और इन मस्तिष्क परिवर्तनों की निरंतरता के बीच का संबंध था। उच्च-गंभीरता वाले ऑटिज्म वाले व्यक्तियों में, बाएं गोलार्द्ध में संरचनात्मक अंतर यादृच्छिक (रैंडम) नहीं थे; वे एक आनुपातिक पैटर्न का पालन करते थे जहाँ एक क्षेत्र में परिवर्तन की डिग्री दूसरे क्षेत्रों में परिवर्तन की डिग्री से जुड़ी हुई थी। यह सुझाव देता है कि गंभीर मामलों में मस्तिष्क की वास्तुकला एक समन्वित, व्यवस्थित तरीके से परिवर्तित होती है। इसके विपरीत, कम गंभीरता वाले व्यक्तियों में और सभी व्यक्तियों के दाहिने गोलार्द्ध में यह आनुपातिक संबंध बहुत कमजोर या अनुपस्थित था। यह इंगित करता है कि मस्तिष्क का बायां हिस्सा विकार का प्राथमिक संरचनात्मक भार वहन करता है, और इस भार का विस्तार लक्षणों की तीव्रता के साथ बढ़ता है।
शोधकर्ताओं ने यह भी देखा कि उनके संरचनात्मक निष्कर्ष मस्तिष्क के कार्य (फंक्शन) के बारे में ज्ञात जानकारी से कैसे तुलना करते हैं। उन्होंने जिन नेटवर्कों की पहचान की—जैसे कि डिफॉल्ट मोड नेटवर्क और सैलियेंसी नेटवर्क, जो हमें यह तय करने में मदद करता है कि हमें किस पर ध्यान देना चाहिए—वे वही नेटवर्क हैं जो ऑटिज्म वाले लोगों में सक्रिय होने पर कार्यात्मक रूप से अलग व्यवहार करते हुए दिखाए गए हैं। यह एक महत्वपूर्ण खोज है क्योंकि यह संकेत देती है कि मस्तिष्क की भौतिक संरचना, जो एक मानक स्कैन में दिखाई देती है, इन कार्यात्मक अंतरों के लिए ब्लूप्रिंट (खाका) रखती है। यह सुझाव देता है कि मस्तिष्क कैसे बना है, यह निर्धारित कर सकता है कि वह कैसे संचालित होता है, और ये संरचनात्मक मार्कर इस विकार को समझने के लिए पर्याप्त विश्वसनीय हैं।
बाएं गोलार्द्ध और इसके विशिष्ट नेटवर्कों पर ध्यान केंद्रित करके, यह अध्ययन ऑटिज्म की विविधता के पीछे की जैविक वास्तविकता की एक स्पष्ट तस्वीर पेश करता है। यह एक एकल कारण या मस्तिष्क के एक एकल प्रकार के विचार से आगे बढ़कर, संरचनात्मक विविधताओं के एक स्पेक्ट्रम को दिखाता है जो वास्तविक दुनिया के लक्षणों के साथ सह-संबंध रखते हैं। यह कार्य प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस जटिल डेटा में छिपे पैटर्न को उजागर करने के लिए एक शक्तिशाली लेंस के रूप में कार्य कर सकता है। हालांकि यह अध्ययन कोई नया नैदानिक परीक्षण या उपचार प्रदान नहीं करता है, लेकिन यह ऑटिज्म में मस्तिष्क के संरचनात्मक परिदृश्य का एक विस्तृत मानचित्र प्रदान करता है, जो भौतिक रूप को कार्यात्मक परिणाम से जोड़ता है। यह मानचित्र यह समझाने में मदद करता है कि यह विकार एक व्यक्ति से दूसरे व्यक्ति में इतना अलग क्यों दिखता है और यह भविष्य के शोध के लिए एक आधार प्रदान करता है कि कैसे ये संरचनात्मक अंतर स्पेक्ट्रम के व्यक्तियों के अद्वितीय अनुभवों को आकार देते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।