Voxel-wise temporal decomposition of hypoxia-powered BOLD MRI: method development and proof-of-concept application in glioblastoma

मानव मस्तिष्क ऊतकों का एक विशाल, जटिल नेटवर्क है जिसे कार्य करने के लिए ऑक्सीजन की निरंतर, सटीक आपूर्ति की आवश्यकता होती है। जब मस्तिष्क का कोई हिस्सा सक्रिय होता है, तो ईंधन पहुँचाने के लिए उस क्षेत्र में रक्त तेजी से पहुँचता है, एक ऐसी प्रक्रिया जो मैग्नेटिक रेजोनेंस इमेजिंग (MRI) में एक पता लगाने योग्य निशान छोड़ती है। यह संकेत, जिसे ब्लड ऑक्सीजन लेवल-डिपेंडेंट रिस्पॉन्स (BOLD) कहा जाता है, इस बात का एक सूक्ष्म फिंगरप्रिंट है कि मस्तिष्क की रक्त वाहिकाएं परिवर्तन के प्रति कितनी अच्छी तरह प्रतिक्रिया दे रही हैं। स्वस्थ मस्तिष्क में, यह प्रतिक्रिया तीव्र और एकसमान होती है। हालांकि, आक्रामक मस्तिष्क ट्यूमर की उपस्थिति में, संवहनी प्रणाली (vascular system) अक्सर अव्यवस्थित हो जाती है, जिसमें रक्त वाहिकाएं लीकी (leaky), मुड़ी हुई या अवरुद्ध हो सकती हैं। यह समझना कि ये वाहिकाएं तनाव के प्रति कैसे प्रतिक्रिया देने में विफल रहती हैं, उन सर्जनों के लिए अत्यंत महत्वपूर्ण है जिन्हें यह निर्णय लेना होता है कि ट्यूमर का कितना हिस्सा निकालना है, क्योंकि कैंसर अक्सर आसपास के उन ऊतकों में भी फैलता है जो मानक स्कैन पर सामान्य दिखाई देते हैं।

शोधकर्ताओं ने लंबे समय से नियंत्रित चुनौतियों का उपयोग किया है, जैसे कि व्यक्ति द्वारा ली जाने वाली ऑक्सीजन को कुछ समय के लिए कम करना, ताकि यह परीक्षण किया जा सके कि मस्तिष्क की रक्त वाहिकाएं कैसे प्रतिक्रिया देती हैं। यह हल्के हाइपोक्सिया (hypoxia) की अस्थायी स्थिति पैदा करता है, जिससे मस्तिष्क को अपने ऑक्सीजन स्तर को बनाए रखने के लिए अधिक मेहनत करनी पड़ती है। हालांकि इस पद्धति का उपयोग मस्तिष्क के कार्यों को मैप करने के लिए किया गया है, लेकिन प्राप्त डेटा को अक्सर प्रतिक्रिया की शक्ति का प्रतिनिधित्व करने वाले एक एकल, सरल अंक के रूप में माना जाता रहा है। यह दृष्टिकोण इस बारीकी को छोड़ देता है कि प्रतिक्रिया समय के साथ कैसे होती है। रक्त का आगमन विलंबित होना, शिखर (peak) तक पहुँचने में सुस्ती, या धीमी रिकवरी—ये सभी एक ही जैसे लग सकते हैं यदि उन्हें एक सारांशित मान (summary value) में समेट दिया जाए, जिससे स्वस्थ ऊतक और रोगग्रस्त ऊतक के बीच के महत्वपूर्ण अंतर छिप सकते हैं।

ज़्यूरिक के यूनिवर्सिटी अस्पताल के शोधकर्ताओं ने इस डेटा को देखने का एक नया तरीका विकसित किया है, जिसे GLIODISSECT कहा जाता है। पूरी प्रतिक्रिया को एक एकल स्कोर में संकुचित करने के बजाय, उनकी विधि मस्तिष्क की प्रतिक्रिया की समयरेखा को विशिष्ट, मापने योग्य चरणों में विभाजित करती है। वे संकेत को एक कहानी की तरह मानते हैं जिसका एक आरंभ, मध्य और अंत होता है। सबसे पहले, वे मापते हैं कि ऑक्सीजन कम होने के बाद संकेत में परिवर्तन शुरू होने में कितना समय लगता है। इसके बाद, वे ट्रैक करते हैं कि संकेत को अपने शिखर स्तर तक पहुँचने में कितना समय लगता है। फिर, वे 'स्टेडी स्टेट' (steady state) को मापते हैं, वह अवधि जहाँ ऑक्सीजन बहाल होने से पहले संकेत एक नए, निचले स्तर पर बना रहता है। अंत में, वे मापते हैं कि ऑक्सीजन सामान्य होने के बाद संकेत को सामान्य होने में कितना समय लगता है। इन घटनाओं को अलग करके, शोधकर्ता यह देख सकते हैं कि क्या मस्तिष्क का कोई विशिष्ट भाग प्रतिक्रिया देने में धीमा है, रिकवर करने में धीमा है, या केवल अनुत्तरदायी है, बजाय इसके कि केवल यह पता चले कि उसने औसत से अलग प्रतिक्रिया दी।

इस दृष्टिकोण का परीक्षण करने के लिए, टीम ने बीस स्वस्थ वयस्स्कों और तीन रोगियों को भर्ती किया जिन्हें हाल ही में ग्लियोब्लास्टोमा (glioblastoma), मस्तिष्क के एक अत्यधिक आक्रामक कैंसर, का निदान हुआ था। स्वस्थ स्वयंसेवकों को 'डबल चैलेंज' से गुजरना पड़ा: उन्होंने एक मिनट के लिए कम ऑक्सीजन वाली हवा में सांस ली, फिर चालीस सेकंड के लिए सामान्य हवा में, और फिर एक मिनट के लिए फिर से कम ऑक्सीजन वाली हवा में। इस दौरान, शोधकर्ताओं ने एक शक्तिशाली 3-टेस्ला एमआरआई मशीन का उपयोग करके उनके मस्तिष्क को स्कैन किया, जिसमें मस्तिष्क के ऑक्सीजन संकेत को प्रति सेकंड सैकड़ों बार कैप्चर किया गया। टीम ने डेटा पर अपना नया ढांचा लागू किया, जिससे विस्तृत मानचित्र तैयार हुए जो मस्तिष्क के ऊतक के हर छोटे घन (cube), जिसे वोक्सेल (voxel) कहा जाता है, के लिए प्रतिक्रिया के समय और शक्ति को दर्शाते हैं।

स्वस्थ स्वयंसेवकों के परिणामों ने एक विश्वसनीय आधार (baseline) स्थापित किया कि सामान्य मस्तिष्क ऊतक ऑक्सीजन की कमी का सामना करने पर कैसा व्यवहार करता है। मानचित्रों ने दिखाया कि एक स्वस्थ मस्तिष्क में, प्रतिक्रिया का समय विभिन्न क्षेत्रों में उल्लेखनीय रूप से सुसंगत होता है, और संकेत की शक्ति एक अनुमानित पैटर्न का पालन करती है। शोधकर्ताओं ने पाया कि उनकी विधि मजबूत थी; यहाँ तक कि जब उन्होंने प्रत्येक चरण के प्रारंभ और अंत को परिभाषित करने के लिए उपयोग किए गए गणितीय नियमों को समायोजित किया, तब भी स्टेडी-स्टेट प्रतिक्रिया के समग्र पैटर्न लगभग समान रहे। यह सुझाव देता है कि मुख्य निष्कर्ष स्थिर हैं और डेटा प्रोसेसिंग के तरीके का परिणाम मात्र नहीं हैं। हालांकि, समय के माप इन समायोजनों के प्रति अधिक संवेदनशील थे, जो अपेक्षित है क्योंकि किसी वक्र (curve) के दिशा बदलने के सटीक क्षण को मापने की तुलना में उसकी औसत ऊंचाई को मापना स्वाभाविक रूप से आसान होता है।

जब शोधकर्ताओं ने इसी पद्धति को ग्लियोब्लास्टोमा के तीन रोगियों पर लागू किया, तो मानचित्रों ने अराजकता के एक ऐसे परिदृश्य को प्रकट किया जो मानक विश्लेषण में अदृश्य था। स्वस्थ मस्तिष्क में, प्रतिक्रिया एक समन्वित लहर (synchronized wave) की तरह होती है; ट्यूमर में, यह देरी और विफलताओं का एक पैचवर्क था। मानचित्रों ने दिखाया कि एक ही ट्यूमर के भीतर, कुछ क्षेत्रों ने प्रतिक्रिया शुरू करने में बहुत अधिक समय लिया, जबकि अन्य को रिकवर करने में लंबा समय लगा। महत्वपूर्ण रूप से, शोधकर्ताओं ने पाया कि एक एकल सारांश संख्या इस जटिलता को नहीं पकड़ सकती थी। एक क्षेत्र सामान्य शक्ति की प्रतिक्रिया दिखा सकता है लेकिन गंभीर रूप से विलंबित हो सकता है, या यह तेजी से रिकवर कर सकता है लेकिन कभी भी एक मजबूत शिखर तक नहीं पहुँच पाता। समय और शक्ति को अलग-अलग देखकर, टीम देख सकी कि ट्यूमर ऊतक केवल "अलग" नहीं था, बल्कि उसके पास संवहनी शिथिलता (vascular dysfunction) का एक विशिष्ट, विषम हस्ताक्षर (heterogeneous signature) था।

अध्ययन ने व्यक्तिगत रोगियों की स्वस्थ आधार रेखा (baseline) के साथ तुलना करने का एक तरीका भी पेश किया। बीस स्वस्थ स्वयंसेवकों से एक संदर्भ एटलस (reference atlas) बनाकर, शोधकर्ता यह गणना कर सके कि एक रोगी का मस्तिष्क ऊतक सामान्य से कितना विचलित होता है। रोगी के मामलों में, विचलन मानचित्रों (deviation maps) ने उन विशिष्ट क्षेत्रों को उजागर किया जहाँ मस्तिष्क की ऑक्सीजन प्रबंधित करने की क्षमता बाधित थी, जो अक्सर मानक स्कैन में दिखने वाले ट्यूमर की दृश्य सीमाओं से परे तक फैली हुई थी। यह सुझाव देता है कि यह विधि सर्जनों को बीमारी की वास्तविक सीमा देखने में मदद कर सकती है, उन क्षेत्रों की पहचान कर सकती है जो संघर्ष कर रहे हैं भले ही वे अभी तक कैंसर की तरह न दिखते हों।

इन आशाजनक दृश्य परिणामों के बावजूद, लेखक सावधानीपूर्वक यह कहते हैं कि यह एक 'प्रूफ-ऑफ-कॉन्सेप्ट' अध्ययन है। उन्होंने यह दावा नहीं किया कि उनकी विधि मौजूदा मानकों को बदलने वाला एक नया नैदानिक उपकरण है, न ही उन्होंने यह सिद्ध किया कि देखे गए विशिष्ट पैटर्न ग्लियोब्लास्टोमा के लिए अद्वितीय हैं। अध्ययन में केवल तीन रोगी शामिल थे, और शोधकर्ताओं ने स्पष्ट रूप से उल्लेख किया कि इस बात की पुष्टि करने के लिए जैविक सत्यापन (biological validation) अभी आवश्यक है कि इन समय और शक्ति के अंतरों का अंतर्नि는 जीव विज्ञान (biology) के लिए वास्तव में क्या अर्थ है। यह विधि एक नया लेंस है, कोई पूर्ण उत्तर नहीं। यह मस्तिष्क की संवहनी प्रतिक्रिया को हाई डेफिनिशन में देखने का एक तरीका प्रदान करती है, जो 'कब' को 'कितना' से अलग करती है, लेकिन यह देखना अभी बाकी है कि यह विस्तृत दृश्य क्लिनिक में रोगियों के लिए बेहतर परिणामों में कैसे परिवर्तित होगा।

यह कार्य इस सवाल से एक बदलाव है कि मस्तिष्क "कितना" प्रतिक्रिया करता है, बजाय इसके कि वह "कैसे" प्रतिक्रिया करता है। इसके टेम्पोरल घटकों (temporal components) को तोड़कर, शोधकर्ताओं ने मस्तिष्क के स्वास्थ्य और रोग की अधिक सूक्ष्म तस्वीर प्रदान की है। उनके द्वारा बनाए गए मानचित्र दिखाते हैं कि तनाव के प्रति मस्तिष्क की प्रतिक्रिया एक एकल घटना नहीं है, बल्कि आगमन, संक्रमण और रिकवरी का एक जटिल क्रम है। ट्यूमर के संदर्भ में, जहाँ संवहनी प्रणाली अक्सर टूटी हुई होती है, इन टूटे हुए हिस्सों को व्यक्तिगत रूप से देखना क्षति का पहले से कहीं अधिक स्पष्ट दृश्य प्रदान करता है। हालांकि यह अध्ययन नैदानिक अनुप्रयोग तक नहीं पहुँचता है, फिर भी यह उस भविष्य की नींव रखता है जहाँ डॉक्टर मस्तिष्क की शारीरिक रचना (anatomy) को मैप करने की सटीकता के साथ मस्तिष्क के कार्यात्मक स्वास्थ्य को मैप करने में सक्षम हो सकते हैं।