A spatial AI-based biomarker with independent prognostic value in early low- and intermediate- risk breast cancer

स्तन कैंसर एक ऐसी बीमारी है जहाँ शरीर की अपनी कोशिकाएं अनियंत्रित रूप से बढ़ने लगती हैं, और कई महिलाओं के लिए, सबसे आम प्रकार उन कोशिकाओं का होता है जो एस्ट्रोजन द्वारा संचालित होती हैं लेकिन HER2 नामक प्रोटीन के प्रति प्रतिक्रिया नहीं करती हैं। डॉक्टरों को लंबे समय से पता है कि इनमें से कुछ कैंसर बहुत धीरे-धीरे बढ़ते हैं और सर्जरी के बाद उनके वापस आने की संभावना कम होती है, जबकि अन्य अधिक आक्रामक होते हैं। यह तय करने के लिए कि किसे अतिरिक्त उपचार, जैसे कि कीमोथेरेपी की आवश्यकता है, रोगविज्ञानी (पैथोलॉजिस्ट) सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे ऊतक के नमूनों का परीक्षण करते हैं। वे कोशिकाएं कितनी असामान्य दिखती हैं, इसके आधार पर ट्यूमर को एक ग्रेड देते हैं; कम ग्रेड का अर्थ आमतौर पर बेहतर भविष्य होता है, जबकि उच्च ग्रेड अधिक जोखिम का संकेत देता है। हालांकि, यह प्रणाली पूर्ण नहीं है। कई रोगियों, जिनके ट्यूमर केवल मध्यम रूप से असामान्य दिखते हैं, उन्हें वर्षों बाद भी कैंसर वापस आने का जोखिम होता है, जबकि समान दिखने वाले ट्यूमर वाले अन्य लोग पूरी तरह स्वस्थ रहते हैं। चुनौती महंगे आनुवंशिक परीक्षणों या अनुमान पर निर्भर रहने के बजाय इस अंतर को पहचानने का तरीका खोजने में है।

स्वीडन में शोधकर्ताओं की एक टीम ने कृत्रिम बुद्धिमत्ता (AI) का उपयोग करके इन ऊतक नमूनों को देखने का एक नया तरीका विकसित किया है। केवल पूरे ट्यूमर को एक औसत स्कोर देने के बजाय, उनकी विधि इस बात पर बारीकी से ध्यान देती है कि विशिष्ट पैटर्न कहाँ दिखाई देते हैं। उन्होंने पाया कि खतरनाक दिखने वाली कोशिकाओं का स्थान उतना ही महत्वपूर्ण है जितना कि उनकी संख्या। विशेष रूप से, उन्होंने पाया कि जब उच्च-जोखिम वाली कोशिकाओं के समूह ट्यूमर के बिल्कुल किनारे पर इकट्ठा होते हैं, जहाँ यह स्वस्थ ऊतक से मिलता है, तो कैंसर के वापस आने का जोखिम काफी बढ़ जाता है। यह खोज उन रोगियों की पहचान करने के लिए एक नया उपकरण प्रदान करती है जिन्हें वास्तव में अधिक आक्रामक उपचार की आवश्यकता है और जिन्हें सुरक्षित रूप से इसे टालना चाहिए, और यह सब उन मानक माइक्रोस्कोप स्लाइड्स का उपयोग करके किया जा सकता है जो अस्पतालों में पहले से ही मौजूद हैं।

शोधकर्ताओं ने एक सरल विचार से शुरुआत की: कि एक ट्यूमर किस तरह से व्यवस्थित है, उसमें ऐसे रहस्य छिपे हैं जिन्हें एक साधारण औसत स्कोर छोड़ देता है। कल्पना कीजिए कि एक ट्यूमर एक समान आकार का गोला नहीं है, बल्कि अलग-अलग पड़ोस वाला एक परिदृश्य (लैंडस्केप) है। कुछ हिस्से शांत और व्यवस्थित हो सकते हैं, जबकि अन्य अराजक और आक्रामक हो सकते हैं। वर्षों से, स्लाइडों का विश्लेषण करने के लिए उपयोग किए जाने वाले कृत्रिम बुद्धिमत्ता मॉडल पूरी छवि को देखते हैं और समग्र जोखिम का प्रतिनिधित्व करने वाला एक एकल अंक प्रदान करते हैं। हालांकि ये मॉडल शक्तिशाली हैं, लेकिन वे अक्सर विवरणों को सुचारू बना देते हैं, अराजक किनारों को शांत केंद्रों के साथ मिलाकर एक एकल, हल्का स्कोर बना देते हैं। इस अध्ययन के पीछे की टीम ने, स्वीडन के हजारों रोगियों के डेटा के साथ काम करते हुए, यह परिकल्पना की कि यदि वे सटीक रूप से मानचित्रित कर सकें कि खतरनाक हिस्से कहाँ थे, तो वे एक स्पष्ट संकेत पा सकते हैं। उन्होंने अपना ध्यान "इनवेसिव फ्रंट" (आक्रामक अग्रभाग) पर केंद्रित किया, जो ट्यूमर की बाहरी सीमा है जहाँ कैंसर कोशिकाएं आसपास के स्वस्थ ऊतकों के साथ परस्पर क्रिया करती हैं और उनमें घुसपैकी करती हैं। यह एक जैविक रूप से सक्रिय क्षेत्र है जहाँ कोशिकाएं अक्सर अधिक गतिशील और आक्रामक होने के लिए अपना आकार बदल लेती हैं।

इसका परीक्षण करने के लिए, वैज्ञानिकों ने प्रारंभिक चरण के स्तन कैंसर वाली 6,000 से अधिक महिलाओं के ऊतक नमूनों के एक विशाल डेटासेट का उपयोग किया। उन्होंने इन रोगियों को दो समूहों में विभाजित किया: एक समूह अपने कंप्यूटर मॉडल को प्रशिक्षित करने के लिए और दूसरा परिणामों का परीक्षण करने के लिए एक पूरी तरह से अलग समूह, जिससे यह सुनिश्चित हुआ कि निष्कर्ष केवल एक भाग्यशाली अनुमान नहीं थे। उन्होंने प्रत्येक माइक्रोस्कोप स्लाइड को हजारों छोटे वर्गों, या टाइल्स, में तोड़ने और प्रत्येक में कोशिकाओं के आकार और संरचना का विश्लेषण करने के लिए एक परिष्कृत AI प्रणाली का उपयोग किया। AI को उन पैटर्न को पहचानने के लिए प्रशिक्षित किया गया था जो उच्च-ग्रेड, आक्रामक कैंसर की तरह दिखते हैं। एक बार जब AI ने प्रत्येक टाइल को स्कोर कर दिया, तो शोधकर्ताओं ने पिछले अध्ययनों से अलग कुछ किया। केवल उच्च-जोखिम वाली टाइल्स की संख्या गिनने के बजाय, उन्होंने समूहों (clusters) को खोजा। उन्होंने एक विशिष्ट प्रश्न पूछा: क्या उच्च-जोखिम वाली टाइल्स के समूह ट्यूमर के बिल्कुल किनारे पर एक-दूसरे के बगल में बैठे हैं? उन्होंने एक "क्लस्टर" को एक ऐसे समूह के रूप में परिभाषित किया जहाँ कम से कम दो-तिहाई पड़ोसी टाइल्स भी उच्च-जोखिम वाली थीं। यदि ट्यूमर के सामने ऐसा कोई क्लस्टर मौजूद था, तो रोगी को "क्लस्टर-पॉजिटिव" के रूप में चिह्नित किया गया।

परिणाम चौंकाने वाले थे। उन रोगियों के समूह में, जिनके ट्यूमर को सामान्यतः कम-से-मध्यम जोखिम वाला माना जाता था, ट्यूमर के किनारे पर इन क्लस्टर्स की उपस्थिति ने भविष्य की स्थिति को पूरी तरह से बदल दिया। जिन रोगियों में ये क्लस्टर थे, उनमें दस वर्षों के भीतर कैंसर के वापस आने का जोखिम काफी अधिक था। वास्तव में, डेटा ने दिखाया कि इन क्लस्टर्स वाले रोगियों में पुनरावृत्ति के बिना दस साल की उत्तरजीविता दर लगभग 90 प्रतिशत थी, जो कि ग्रेड 3 संदर्भ समूह में देखी गई 92.6 प्रतिशत की दर से कम है। दूसरी ओर, जिन रोगियों में ट्यूमर के किनारे पर ये क्लस्टर नहीं थे, उनका भविष्य उत्कृष्ट था, जिसमें दस साल की उत्तरजीविता दर 95 प्रतिशत से अधिक थी। "क्लस्टर-नेगेटिव" रोगियों का यह समूह ग्रेड 3 के बहुत निम्न-स्तर के ट्यूमर वाले लोगों के समान ही रहा, जो यह सुझाव देता है कि उन्हें कम आक्रामक चिकित्सा के साथ उपचारित किया जा सकता है।

महत्वपूर्ण रूप से, इस नए मार्कर ने वह जानकारी प्रदान की जिसे मानक AI स्कोर अकेले नहीं देख सका। शोधकर्ताओं ने पाया कि भले ही जिन रोगियों के ट्यूमर को समग्र AI स्कोर द्वारा कम-जोखिम वाला वर्गीकृत किया गया था, उनमें भी इन विशिष्ट क्लस्टर्स के कारण पुनरावृत्ति का जोखिम बहुत अधिक था। इसका अर्थ है कि कोशिकाओं की स्थानिक व्यवस्था (spatial arrangement) एक छिपे हुए खतरे को प्रकट कर रही थी जिसे एक साधारण औसत स्कोर ने मिस कर दिया था। अध्ययन ने स्वीडन के एक अलग क्षेत्र के रोगियों के एक स्वतंत्र समूह में इन निष्कर्षों की पुष्टि की, जिससे यह सिद्ध हुआ कि परिणाम केवल एक अस्पताल या स्लाइड्स के एक सेट तक सीमित नहीं थे। इन क्लस्टर्स की उपस्थिति पुनरावृत्ति के जोखिम में लगभग तीन गुना वृद्धि से जुड़ी थी, एक मजबूत संकेत जो तब भी बना रहा जब शोधकर्ताओं ने रोगी की आयु या ट्यूमर के आकार जैसे अन्य कारकों को ध्यान में रखा।

यह कार्य सुझाव देता है कि कैंसर जोखिम मूल्यांकन का भविष्य केवल औसत स्कोर को देखने में नहीं, बल्कि ट्यूमर के मानचित्र को देखने में निहित है। उच्च-जोखिम वाली कोशिकाओं के स्थान की स्थानिक जानकारी को संरक्षित करके, डॉक्टर उन रोगियों की पहचान करने में सक्षम हो सकते हैं जो वास्तव में जोखिम में हैं, भले ही उनका ट्यूमर ज्यादातर हानिरहित दिखता हो। उन रोगियों के लिए जो इन क्लस्टर्स को नहीं रखते हैं, समाचार उतना ही महत्वपूर्ण है: यह उन्हें एक बहुत ही कम-जोखिम वाले समूह में होने का पुख्ता प्रमाण देता है, जिससे उन्हें अनावश्यक उपचारों से बचाया जा सकता है। यह अध्ययन यह दावा नहीं करता है कि इसने स्तन कैंसर की समस्या को हल कर दिया है, लेकिन यह डॉक्टरों के जोखिम को समझने के तरीके को परिष्कृत करने के लिए एक स्पष्ट, ठोस विधि प्रदान करता है। यह दिखाता है कि एक ट्यूमर के जटिल परिदृश्य में, खतरे का स्थान उतना ही महत्वपूर्ण है जितना कि स्वयं खतरा।