Real-time Volumetric Imaging for Minimally-Invasive Thoracic Interventions: A Deformable Phantom Study
यह अध्ययन प्रदर्शित करता है कि VoxelMap, एक डीप लर्निंग फ्रेमवर्क, डिफॉर्मेबल फैंटम का उपयोग करके, एक क्लिनिकल सी-आर्म सिस्टम पर 2D फ्लोरोस्कोपिक प्रोजेक्शन से श्वसन गति के सटीक, वास्तविक समय के 3D वॉल्यूमेट्रिक चित्र उत्पन्न कर सकता है, जिसमें मॉडल अनिश्चितता (model uncertainty) भविष्यवाणी की सटीकता के एक विश्वसनीय संकेतक के रूप में कार्य करती 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
मानव छाती के भीतर, फेफड़े कभी स्थिर नहीं रहते। हर सांस के साथ, वे फैलते और सिकुड़ते हैं, जिससे रक्त वाहिकाओं, वायुमार्गों और उनके भीतर मौजूद किसी भी ट्यूमर या उपकरणों की स्थिति बदल जाती है। बायोप्सी या ट्यूमर के उपचार जैसी सूक्ष्म प्रक्रियाओं को करने वाले डॉक्टरों के लिए, यह निरंतर गति एक कठिन समस्या पैदा करती है। वे एक्स-रे फ्लोरोस्कोपी (X-ray fluoroscopy) पर निर्भर करते हैं, जो एक ऐसी तकनीक है जो शरीर के भीतर का निरंतर, वास्तविक समय का वीडियो प्रदान करती है, जो बिल्कुल एक लाइव प्रसारण की तरह है। हालाँकि, यह वीडियो केवल द्वि-आयामी (two-dimensional) है, एक सपाट छाया जो शरीर की संरचना की वास्तविक त्रि-आयामी (three-dimensional) गहराई को छिपा देती है। संरचनाओं के पूर्ण आकार और स्थान को देखने के लिए, डॉक्टरों को प्रक्रिया को रोकना पड़ता है ताकि एक त्रि-आयामी स्कैन, जैसे कि कोन-बीम कंप्यूटेड टोमोग्राफी (CBCT) लिया जा सके। लेकिन ये स्कैन समय के स्नैपशॉट हैं; वे रोगी के सांस लेने के साथ अपडेट नहीं होते हैं, और जब तक डॉक्टर उन्हें देखते हैं, तब तक शरीर की संरचना बदल चुकी होती है। वर्तमान में मानक एक्स-रे उपकरणों के साथ काम करते समय छाती का निरंतर अपडेट होने वाला, त्रि-आयामी दृश्य प्राप्त करने का कोई तरीका नहीं है।
शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए एक नई विधि विकसित की है, जो मानक द्वि-आयामी एक्स-रे छवियों से एक गतिशील त्रि-आयामी आयतन (volume) को पुनर्गठित करने के लिए कृत्रिम बुद्धिमत्ता (AI) का उपयोग करती है। मानव फेफड़ों के भौतिक मॉडलों पर परीक्षण किया गया उनका कार्य यह प्रदर्शित करता है कि प्रक्रिया में बाधा डाले बिना श्वसन शरीर रचना का एक लाइव, त्रि-आयामी मानचित्र बनाना संभव है। 'वॉक्सेलमैप' (VoxelMap) नामक यह प्रणाली, एक्स-रे वीडियो में बदलते सायों का विश्लेषण करके यह सीखती है कि प्रत्येक सांस के साथ छाती के भीतर का आकार कैसे बदलता है। यदि यह सफल होता है, तो यह तकनीक डॉक्टरों को फेफड़ों के माध्यम से उपकरणों को निर्देशित करने के लिए एक निरंतर अपडेट होने वाले त्रि-आयामी मार्गदर्शक का उपयोग करने की अनुमति दे सकती है, जिससे बार-बार होने वाले विकिरण-भारी स्कैन की आवश्यकता के बिना सटीकता और सुरक्षा में सुधार होगा।
शोधकर्ताओं ने इस प्रणाली का परीक्षण दो अलग-अलग भौतिक मॉडलों, या 'फैंटम' (phantoms) का उपयोग करके किया, जिन्हें मानव छाती और उसकी सांस लेने की गति की नकल करने के लिए डिज़ाइन किया गया था। पहला मॉडल, जिसे 'पिक्सेलप्रिंट4डी' (PixelPrint4D) के रूप में जाना जाता है, एक एकल-फेफड़ा फैंटम था जिसे एक विशिष्ट रोगी के फेफड़े के समान बनाया गया था, जिसमें कृत्रिम ट्यूमर और रक्त वाहिकाएं भी शामिल थीं। दूसरा मॉडल, जिसे 'कैस्पर' (Casper) कहा गया, पूरे मानव धड़ का अधिक व्यापक मॉडल था, जिसमें पसलियां और एक छाती की दीवार शामिल थी जो वास्तविक रूप से चलती थी। दोनों मॉडलों को एक नैदानिक एक्स-रे मशीन के अंदर रखा गया था, जो अस्पतालों के ऑपरेशन थिएटरों में पाई जाने वाली मशीन है, और उन्हें गहरी अंतःश्वसन से लेकर पूर्ण उच्छ्वसन तक दस अलग-अलग चरणों के चक्र के माध्यम से सांस लेने के लिए प्रोग्राम किया गया था। टीम ने मॉडलों की गति के दौरान हजारों द्वि-आयामी एक्स-रे चित्र कैप्चर करने के लिए इस मशीन का उपयोग किया। फिर उन्होंने इन छवियों का उपयोग एक डीप लर्निंग नेटवर्क, जो कृत्रिम बुद्धिमत्ता का एक प्रकार है, को प्रशिक्षित करने के लिए किया ताकि वह सपाट एक्स-रे सायों और फेफड़ों के अंतर्निहित त्रि-आयामी आकार के बीच के संबंध को समझ सके।
यह सुनिश्चित करने के लिए कि सिस्टम वास्तविक दुनिया की सांस लेने की अनिश्चित प्रकृति को संभाल सके, शोधकर्ताओं ने अधिकांश श्वसन चरणों पर AI को प्रशिक्षित किया, लेकिन जानबूझकर एक चरण को प्रशिक्षण डेटा से बाहर रखा। इसके बाद उन्होंने सिस्टम से केवल उस क्षण ली गई द्वि-आमाीय एक्स-रे छवियों का उपयोग करके, उस छूटे हुए चरण के दौरान फेफड़ों के त्रि-आयामी आकार की भविष्यवाणी करने के लिए कहा। उन्होंने AI की भविष्यवाणी की तुलना उसी क्षण फैंटम के वास्तविक त्रि-आयामी स्कैन के साथ की ताकि देखा जा सके कि मिलान कितना सटीक है। परिणामों ने दिखाया कि सिस्टम फेफड़ों की त्रि-आयामी संरचना को सटीक रूप से पुनर्गठित कर सकता है। हर परीक्षण में, अनुमानित चित्र वास्तविक स्कैन के साथ उच्च स्तर की समानता के साथ मेल खाते थे, और सिस्टम ने एकल-फेफड़ा मॉडल की तुलना में अधिक जटिल धड़ मॉडल पर बेहतर प्रदर्शन किया। सटीकता इतनी अधिक थी कि अनुमानित चित्र संरचनात्मक विवरण के मामले में वास्तविक डेटा (ground truth) से लगभग अभिन्न थे।
लाइव मेडिकल सेटिंग में इस तकनीक के उपयोगी होने के लिए गति भी सटीकता जितनी ही महत्वपूर्ण थी। शोधकर्ताओं ने यह मापा कि कंप्यूटर को एक एकल एक्स-रे छवि को प्रोसेस करने और उसके अनुरूप त्रि-आयामी आयतन उत्पन्न करने में कितना समय लगता है। सिस्टम ने यह कार्य 15 मिलीसेकंड से भी कम समय में पूरा किया, जो एक वास्तविक समय की प्रक्रिया में छवियों के निरंतर प्रवाह के साथ तालमेल बिठाने के लिए पर्याप्त तेज़ है। इसका अर्थ है कि त्रि-आयामी दृश्य सैद्धांतिक रूप से उतनी ही तेज़ी से अपडेट हो सकता है जितनी तेज़ी से एक्स-रे मशीन नए फ्रेम कैप्चर करती है, जिससे डॉक्टर के लिए एक निर्बाध, लाइव मार्गदर्शक उपलब्ध होता है।
केवल छवि उत्पन्न करने के अलावा, शोधकर्ता यह भी जानना चाहते थे कि क्या सिस्टम डॉक्टर को यह बता सकता है कि वह कब गलत हो सकता है। चिकित्सा अनुप्रयोगों में, यह जानना अत्यंत महत्वपूर्ण है कि कंप्यूटर का अनुमान विश्वसनीय है या नहीं। इसका परीक्षण करने के लिए, उन्होंने 'डीप एन्सेम्बल' (deep ensemble) नामक एक तकनीक का उपयोग किया, जहाँ पांच थोड़े अलग संस्करणों वाले AI मॉडल मिलकर एक भविष्यवाणी करते हैं। यह देखकर कि इन पांच मॉडलों के बीच कितना मतभेद है, सिस्टम अनिश्चितता का एक माप की गणना कर सकता था। अध्ययन में इस अनिश्चितता और भविष्यवाणी में वास्तविक त्रुटि के बीच एक स्पष्ट संबंध पाया गया: जब मॉडल एक-दूसरे से अधिक असहमत थे, तो भविष्यवाणी कम सटीक थी। यह सुझाव देता है कि सिस्टम एक अंतर्निहित चेतावनी संकेत प्रदान कर सकता है, जो डॉक्टर को सतर्क कर सकता है जब AI अपने पुनर्गठन में कम आश्वस्त हो।
यह अध्ययन पुष्टि करता है कि नैदानिक सेटिंग में मानक द्वि-आयामी एक्स-रे प्रोजेक्शन से सटीक, निरंतर अपडेट होने वाली त्रि-आयामी जानकारी प्राप्त करना संभव है। सिस्टम ने मानव छाती के दो बहुत अलग भौतिक मॉडलों पर प्रभावी ढंग से काम किया, उच्च सटीकता और गति बनाए रखी। हालांकि यह अध्ययन वास्तविक रोगियों के बजाय भौतिक मॉडलों पर किया गया था, लेकिन यह एक महत्वपूर्ण 'प्रूफ ऑफ कॉन्सेप्ट' स्थापित करता है। शोधकर्ताओं ने उल्लेख किया कि वास्तविक रोगी डेटा पर इस प्रणाली का परीक्षण करने और यह सुनिश्चित करने के लिए कि यह मानव श्वसन और शरीर रचना की पूरी परिवर्तनशीलता को संभाल सके, आगे के कार्य की आवश्यकता है। हालांकि, निष्कर्ष यह दर्शाते हैं कि यह तकनीक प्रयोगशाला से क्लिनिकल ट्रायल की ओर बढ़ने के लिए तैयार है, जो एक ऐसे भविष्य की संभावना पेश करती है जहाँ डॉक्टर बिना प्रक्रिया रोके छाती के पूर्ण, गतिशील त्रि-आयामी परिदृश्य को देख सकते 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।