Benchmarking longitudinal local centiles for radiographic knee osteoarthritis prognosis
यह अध्ययन प्रदर्शित करता है कि अनुदैर्ध्य स्थानीय सेंटाइल मानचित्र (longitudinal local centile maps), जो कार्टिलेज की मोटाई को मानक विकास चार्ट के संदर्भ में रखते हैं, 12 और 24 महीनों में होने वाले रेडियोग्राफिक घुटने के ऑस्टियोआर्थराइटिस की भविष्यवाणी करने में पारंपरिक इमेजिंग विशेषताओं और कच्चे डीप लर्निंग मानचित्रों की तुलना में काफी बेहतर प्रदर्शन करते हैं।
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
ऑस्टियोआर्थराइटिस जोड़ों का एक धीमा, घिसने वाला क्षरण है जो दुनिया भर में करोड़ों लोगों को प्रभावित करता है। दशकों से, डॉक्टर इस बीमारी के निदान के लिए एक्स-रे पर भरोसा करते आए हैं, जिसमें हड्डियों के बीच के स्थान के स्पष्ट रूप से कम होने को देखा जाता है। हालांकि, जब तक एक्स-रे में क्षति दिखाई देती है, तब तक जोड़ पहले ही महत्वपूर्ण संरचनात्मक नुकसान झेल चुका होता है। बीमारी को जल्दी पकड़ने के लिए, शोधकर्ताओं ने मैग्नेटिक रेजोनेंस इमेजिंग (MRI) की ओर रुख किया है, जो जोड़ों को कुशन देने वाले नरम कार्टिलेज (उपास्थि) को देख सकती है। चुनौती यह है कि कार्टिलेज की मोटाई उम्र, शरीर के आकार और लिंग के आधार पर व्यक्ति दर व्यक्ति स्वाभाविक रूप से भिन्न होती है। एक व्यक्ति के लिए जो कार्टिलेज की परत पतली दिख सकती है, वह दूसरे के लिए पूरी तरह से सामान्य हो सकती है, जिससे किसी व्यक्तिगत रोगी में बीमारी के सूक्ष्म, शुरुआती संकेतों को पहचानना कठिन हो जाता है।
यूनिवर्सिटी ऑफ नॉर्थ कैरोलिना और अन्य संस्थानों के शोधकर्ताओं की एक टीम ने इन छवियों को देखने का एक नया तरीका विकसित किया है जो इस भ्रम को दूर करता है। यह पूछने के बजाय कि क्या घुटने का कार्टिलेज केवल मोटा या पतला है, उन्होंने एक अधिक विशिष्ट प्रश्न पूछा: क्या कार्टिलेज इस विशिष्ट व्यक्ति के लिए, इस विशिष्ट समय पर, उम्मीद से पतला या मोटा है? इसका उत्तर देने के लिए, उन्होंने संदर्भ चार्टों का एक विशाल सेट बनाया, जो बाल रोग विशेषज्ञों द्वारा बच्चों के लिए उपयोग किए जाने वाले विकास चार्ट (ग्रोथ चार्ट) के समान है, लेकिन यह वयस्क घुटने के कार्टिलेज के लिए है। उन्होंने लगभग एक हजार लोगों के हजारों एमआरआई स्कैन का विश्लेषण किया जिनके घुटने कई वर्षों तक स्वस्थ रहे। इस डेटा का उपयोग करके, उन्होंने एक मानचित्र बनाया जो यह भविष्यवाणी करता है कि व्यक्ति की आयु, वजन और अन्य लक्षणों को देखते हुए घुटने की सतह के प्रत्येक सूक्ष्म बिंदु पर कार्टिलेट की मोटाई कितनी होनी चाहिए।
इसके बाद शोधकर्ताओं ने इस मानचित्र को उन लोगों पर लागू किया जिनमें बाद में ऑस्टियोआर्थराइटिस विकसित हुआ। उन्होंने इन रोगियों के वास्तविक कार्टिलेज की मोटाई की तुलना अपने संदर्भ चार्टों से प्राप्त "अपेक्षित" मोटाई से की। इस प्रक्रिया ने विचलन (डेविएशन) के एक पैटर्न को प्रकट किया: उन वर्षों में जब रोगी के एक्स-रे में बीमारी के लक्षण दिखाई दिए, उनका कार्टिलेज उनके लिए निर्धारित मॉडल के अनुसार पहले से ही पतला हो चुका था। महत्वपूर्ण रूप से, टीम ने पाया कि रोगी के इतिहास को देखना ही अंतर पैदा करने वाला कारक था। केवल सामान्य जनसंख्या के बजाय, उसी व्यक्ति के पिछले स्कैन के साथ तुलना करके, वे यह अंतर कर सके कि किसके पास हमेशा से पतला कार्टिलेज रहा है और किसके कार्टिलेज में हाल ही में गिरावट आई है। यह अनुदैर्ध्य दृष्टिकोण (लॉन्जिट्यूडिनल अप्रोच), जो व्यक्तिगत रूप से समय के साथ होने वाले परिवर्तन को ट्रैक करता है, एक एकल समय के स्नैपशॉट को देखने की तुलना में कहीं अधिक शक्तिशाली साबित हुआ।
जब टीम ने अपनी पद्धति का परीक्षण अन्य उन्नत तकनीकों के विरुद्ध किया, जिसमें बनावट (टेक्सचर) का विश्लेषण करने वाले जटिल कंप्यूटर एल्गोरिदम और छिपे हुए पैटर्न को स्कैन करने वाले डीप लर्निंग सिस्टम शामिल थे, तो उनका दृष्टिकोण शीर्ष पर रहा। 5,000 से अधिक स्कैन के डेटा का उपयोग करते हुए, उन्होंने भविष्यवाणी मॉडल बनाए कि किसे एक या दो वर्षों के भीतर रेडियोग्राफिक ऑस्टियोआर्थराइटिस विकसित होगा। जिन मॉडलों ने इन "लॉन्जिट्यूडिनल सेंटाइल" मानचित्रों का उपयोग किया—जो मूल रूप से ऐसे मानचित्र हैं जो दिखाते हैं कि कार्टिलेज अपेक्षित मानक से कहाँ विचलित हुआ है—उन्होंने उच्चतम भेदभाव (डिस्क्रिमिनेशन) हासिल किया। एक वर्ष के भीतर बीमारी की भविष्यवाणी करने के लिए, सर्वश्रेष्ठ मॉडल ने 0.954 का AUC प्राप्त किया, और दो वर्षों के भीतर के लिए, इसने 0.969 का AUC प्राप्त किया। इन परिणामों ने उन मॉडलों को काफी पीछे छोड़ दिया जो मानक मापों, कच्चे इमेज डेटा, या क्रॉस-सेक्शनल तुलनाओं पर निर्भर थे जो रोगी के इतिहास को अनदेखा करते हैं।
इस अध्ययन ने व्याख्यात्मकता (इंटरप्रिटेबिलिटी) के महत्व पर भी प्रकाश डाला। जबकि सबसे सटीक मॉडल में जटिल, "ब्लैक बॉक्स" कंप्यूटर सिस्टम का उपयोग किया गया था जिन्हें समझना कठिन है, शोधकर्ताओं ने क्षेत्रीय प्रोफाइल का उपयोग करके एक सरल संस्करण भी बनाया। ये प्रोफाइल उन क्षेत्रों के आकार और स्थान का सारांश देते हैं जहाँ कार्टिलेज अप्रत्याशित रूप से पतला था। इसने उन्हें ठीक से पहचानने की अनुमति दी कि घुटने के कौन से हिस्से जोखिम में थे, जैसे कि टिबिया और फीमर के केंद्रीय भार वहन करने वाले क्षेत्र, जिससे भविष्यवाणी के लिए एक स्पष्ट शारीरिक स्पष्टीकरण मिला। शोधकर्ताओं ने पाया कि हालांकि जटिल कंप्यूटर मॉडल थोड़े अधिक सटीक थे, लेकिन सरल क्षेत्रीय प्रोफाइल लगभग समान प्रदर्शन प्रदान करते थे और डॉक्टरों के लिए समझने में बहुत आसान थे।
इन सफलताओं के बावजूद, अध्ययन ने उल्लेख किया कि यह पद्धति तीन साल की समय सीमा के लिए भविष्यवाणियों में लगातार सुधार नहीं करती है, संभवतः इसलिए क्योंकि इतनी दूर तक बीमारी विकसित होने वाले रोगियों का समूह छोटा और ट्रैक करने में कठिन था। शोधकर्ताओं ने इस बात पर भी जोर दिया कि उनके निष्कर्ष लोगों के एक विशिष्ट समूह पर आधारित हैं और इस पद्धति को रोजमर्रा के क्लिनिकल अभ्यास में उपयोग करने से पहले विभिन्न आबादी में और अधिक परीक्षण की आवश्यकता है। फिर भी, यह कार्य यह प्रदर्शित करता है कि सामान्य मानवीय भिन्नता की गहरी समझ को रोगी के अपने चिकित्सा इतिहास के साथ जोड़कर, यह ऑस्टियोआर्थराइटिस के शुरुआती संकेतों को एक मानक एक्स-रे पर दृश्यमान होने से बहुत पहले पकड़ने का एक संभावित उपकरण है। यह दृष्टिकोण एक स्थिर छवि को परिवर्तन की एक गतिशील कहानी में बदल देता है, जो ऑस्टियोआर्थराइटिस को अपरिवर्तनीय क्षति पहुँचाने से पहले पकड़ने का एक नया अवसर प्रदान करता है।
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।