Physiological robustness of MScanFit to simulated motor unit loss and remodelling

प्रत्येक मांसपेशी के भीतर, मोटर यूनिट नामक छोटे कमांड सेंटरों का एक विशाल नेटवर्क होता है। प्रत्येक यूनिट में एक एकल तंत्रिका कोशिका (नर्व सेल) और उसके द्वारा नियंत्रित मांसपेशियों के रेशों (फाइबर्स) का एक समूह होता है। जब आप अपना हाथ हिलाने का निर्णय लेते हैं, तो आपका मस्तिष्क इन तंत्रिकाओं के माध्यम से एक संकेत भेजता है, और गति उत्पन्न करने के लिए मोटर यूनिट्स क्रमवार तरीके से सक्रिय होती हैं। एक स्वस्थ मांसपेशी में, इन सैकड़ों यूनिट्स का होना, जिनमें सूक्ष्म गतिविधियों के लिए उपयोग की जाने वाली छोटी, नाजुक यूनिट्स से लेकर भारी वजन उठाने के लिए उपयोग की जाने वाली बड़ी, शक्तिशाली यूनिट्स तक शामिल हैं। हालाँकि, एमयोट्रॉफिक लेटरल स्क्लेरोसिस (ALS) जैसी बीमारियों में, ये तंत्रिका कोशिकाएं मरने लगती हैं। जैसे-जैसे वे गायब होती हैं, उनके द्वारा कभी नियंत्रित किए जाने वाले मांसपेशी रेशे बिना किसी मास्टर के रह जाते हैं। जीवित रहने के लिए, शेष स्वस्थ तंत्रिकाएं कभी-कभी आगे बढ़कर उन छोड़े गए रेशों पर नियंत्रण कर लेती हैं, और प्रभावी रूप से दो या तीन यूनिट्स का काम करने के लिए बड़ी हो जाती हैं। 'कोलेटरल रीइनर्वेशन' (collateral reinnervation) के रूप में जानी जाने वाली यह प्रक्रिया, शरीर द्वारा क्षति की भरपाई करने का एक प्रयास है, लेकिन यह मांसपेशी के विद्युत हस्ताक्षर (इलेक्ट्रिकल सिग्नेचर) को मौलिक रूप से बदल देती है।

वैज्ञानिक लंबे समय से इस बात की तलाश में थे कि जीवित व्यक्ति में कितने मोटर यूनिट्स बचे हैं, इसकी गिनती कैसे की जाए, लेकिन वे उन्हें देखने के लिए मांसपेशी के अंदर सीधे नहीं देख सकते। इसके बजाय, वे MScanFit नामक एक तकनीक का उपयोग करते हैं, जो 'कंपाउंड मसल एक्शन पोटेंशियल स्कैन' नामक एक विशिष्ट प्रकार के विद्युत रिकॉर्डिंग का विश्लेषण करती है। यह स्कैन बिजली की बढ़ती मात्रा के साथ तंत्रिका को धीरे से उत्तेजित करके और मांसपेशी की प्रतिक्रिया को मापकर बनाया जाता है। परिणामी वक्र (कर्व) यह बताता है कि कितनी यूनिट्स सक्रिय हो रही हैं और वे कितनी बड़ी हैं। शोधकर्ताओं के लिए बड़ा सवाल यह रहा है कि क्या यह गिनती करने की विधि तब भी सटीक रहती है जब मांसपेशी बीमारी और मरम्मत के अराजक परिवर्तनों से गुजर रही होती है। यदि तंत्रिकाएं एक विशिष्ट पैटर्न में मर रही हैं या यदि जीवित रहने वाली तंत्रिकाएं अलग-अलग दरों पर बढ़ रही हैं, तो क्या कंप्यूटर प्रोग्राम सही उत्तर देता है, या बदलती शारीरिक रचना उसे धोखा दे देती है?

अल्बर्टा विश्वविद्यालय के शोधकर्ताओं ने एक मांसपेशी के भीतर क्या होता है, इसका एक विस्तृत डिजिटल सिमुलेशन बनाकर इसका उत्तर देने का प्रयास किया, जब वह तंत्रिका कोशिकाओं को खो रही होती है। उन्होंने इसका परीक्षण सीधे रोगियों पर नहीं किया; इसके बजाय, उन्होंने एक आभासी (वर्चुअल) मांसपेशी बनाई जो 160 मोटर यूनिट्स से शुरू हुई थी, जो इन परीक्षणों के लिए उपयोग किए जाने वाले अंगूठे की छोटी मांसपेशी के लिए एक सामान्य संख्या है। फिर उन्होंने एक कंप्यूटर को इन यूनिट्स की क्रमिक हानि को सिम्युलेट करने के लिए प्रोग्राम किया, जिससे इनकी आबादी घटकर केवल पांच जीवित यूनिट्स रह गई। महत्वपूर्ण रूप से, उन्होंने इन यूनिट्स को केवल यादृच्छिक (रैंडम) तरीके से हटाया नहीं। उन्होंने जटिल वास्तविकता की नकल करने के लिए चौदह अलग-अलग परिदृश्य बनाए। कुछ सिमुलेशन में, सबसे बड़ी, सबसे शक्तिशाली यूनिट्स पहले मर गईं, जबकि अन्य में, हानि यादृच्छिक थी। कुछ मामलों में, शेष तंत्रिकाओं ने खोए हुए रेशों पर पूरी तरह से नियंत्रण कर लिया, जबकि अन्य में, उन्होंने बोझ को असमान रूप से साझा किया या बिल्कुल भी नहीं। उन्होंने यह भी बदला कि जीवित रहने वाली तंत्रिकाओं में कितनी वृद्धि करने की क्षमता थी, उन स्थितियों का परीक्षण किया जहाँ उन्होंने खोई हुई क्षमता का 20 प्रतिशत बनाम 60 प्रतिशत पुन: प्राप्त किया।

शोधकर्ताओं ने इन आभासी मांसपेशियों द्वारा उत्पन्न विद्युत संकेतों को MScanFit सॉफ़्टवेयर में डाला ताकि यह देखा जा सके कि यह उन यूनिट्स की गिनती कितनी अच्छी तरह करता है जिन्हें वह जानता था कि वहां मौजूद हैं। परिणामों ने दिखाया कि यह सॉफ़्टवेयर असाधारण रूप से मजबूत है। लगभग सभी विभिन्न परिदृश्यों में, यादृच्छिक हानि से लेकर चयनात्मक हानि तक, और कम से लेकर उच्च रिकवरी तक, प्रोग्राम ने मोटर यूनिट्स की गिरावट को सफलतापूर्वक ट्रैक किया। इसने सही ढंग से पहचाना कि मांसपेशी यूनिट्स खो रही थी, भले ही शेष यूनिट्स बड़ी हो रही थीं और उनका व्यवहार बदल रहा था। यह सुझाव देता है कि यह विधि विभिन्न प्रकार के रोगियों और बीमारी के विभिन्न चरणों में उपयोग के लिए पर्याप्त विश्वसनीय है, क्योंकि यह पूरी तरह से विफल हुए बिना विविध शारीरिक परिवर्तनों को संभाल सकती है।

हालाँकि, अध्ययन ने यह भी स्पष्ट किया कि यह मजबूती (रोबस्टनेस) इसका अर्थ यह नहीं है कि विधि पूर्ण या अपरिवर्तनीय है। जबकि सॉफ़्टवेयर ने सामान्य रुझान को सही पकड़ा, लेकिन जो संख्या इसने गणना की थी, वह इस बात से प्रभावित थी कि मांसपेशी वास्तव में कैसे बदल रही थी। जब तंत्रिका कोशिकाओं का नुकसान चयनात्मक था, जिसमें सबसे बड़ी इकाइयों को पहले लक्षित किया गया था, या जब शेष तंत्रिकाओं ने कार्यभार को एक विशिष्ट तरीके से साझा किया, तो सॉफ़्टवेयर की त्रुटि दर बढ़ गई। सबसे महत्वपूर्ण निष्कर्ष यह था कि जब तंत्रिकाएं अत्यधिक लचीली थीं और खोए हुए कार्य का एक बड़ा हिस्सा पुन: प्राप्त करने में सक्षम थीं, तो सॉफ़्टवेयर ने गिनती में बड़ी गलतियाँ कीं, विशेष रूप से तब जब मांसपेशी पहले से ही बहुत कमजोर थी। इसी तरह, जब तंत्रिकाएं बिल्कुल भी रिकवर नहीं कर सकीं, तो चय적인 (सेलेक्टिव) हानि होने पर सटीकता तेजी से गिर गई। सॉफ़्टवेयर व्यापक पुनर्निर्माण (रीमॉडलिंग) के दौरान व्यक्तिगत इकाइयों के आकार का अनुमान लगाने में भी अधिक संघर्ष करता था।

शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि MScanFit जीवित बचे मोटर यूनिट्स की संख्या का अनुमान लगाने के लिए एक शक्तिशाली उपकरण है, लेकिन इसके परिणाम रोगी की जैविक वास्तविकता से अछूते नहीं हैं। जो त्रुटियाँ यह करता है, वे यादृच्छिक गड़बड़ी नहीं हैं; वे इस बात के व्यवस्थित जवाब हैं कि मांसपेशी खुद को पुनर्गठित (रीमॉडल) करने के तरीके के प्रति कैसी प्रतिक्रिया दे रही है। इसका अर्थ यह है कि जब कोई डॉक्टर इस परीक्षण से एक संख्या देखता है, तो वह जीवित यूनिट्स की वास्तविक संख्या और उन यूनिट्स के बदलने के विशिष्ट इतिहास, दोनों का प्रतिबिंब देख रहा होता है। अध्ययन इस बात की पुष्टि करता है कि यह विधि एक विविध आबादी में तंत्रिका कोशिकाओं के समग्र नुकसान को ट्रैक करने के लिए पर्याप्त अच्छी है, लेकिन यह भी उजागर करता है कि बीमारी की प्रक्रिया का जैविक विवरण माप पर एक विशिष्ट छाप छोड़ता है, जो अंतिम गणना को पूर्वानुमानित तरीकों से प्रभावित करता है।