Artificial Intelligence-Assisted Detection of Gastrointestinal Cytomegalovirus Infection in Biopsy Specimens Using Immunohistochemistry-Validated Deep Learning
यह अध्ययन एक एआई-संचालित प्रणाली (EasyPath) को प्रस्तुत और मान्य करता है जो इम्यूनोहिस्टोकेमिस्ट्री-सत्यापित प्रशिक्षण डेटा का लाभ उठाकर बायोप्सी नमूनों में गैस्ट्रोइंटेस्टाइनल साइटोमेगालोवायरस संक्रमण का पता लगाने में महत्वपूर्ण सुधार करता है, जिससे विशेष रूप से चुनौतीपूर्ण कम-भार वाले मामलों में उच्च संवेदनशीलता प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव ऊतकों की सूक्ष्म दुनिया में, डॉक्टर बीमारी के संकेतों को खोजने के लिए एक मानक दृश्य परीक्षण पर भरोसा करते हैं। वे ऊतक का एक छोटा सा नमूना लेते हैं, उसे बैंगनी और गुलाबी रंगों से रंगते हैं, और उसे सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे रखते हैं। 'हेमेटोक्सिलिन और इओसिन स्टेनिंग' के रूप में जानी जाने वाली यह विधि, उन्हें कोशिकाओं के आकार और संरचना को देखने की अनुमति देती है। हालांकि, इस दृश्य दृष्टिकोण की एक कमी है। कभी-कभी, संक्रमण के संकेत इतने धुंधले होते हैं, या संक्रमित कोशिकाएं इतनी कम संख्या में होती हैं, कि एक प्रशिक्षित मानव आंख भी उन्हें मिस कर सकती है। साइटोमेगालोवायरस (CMV) नामक एक सामान्य वायरस से निपटने के मामले में यह एक गंभीर समस्या है। हालांकि यह वायरस अक्सर स्वस्थ लोगों में हानिरहित रूप से सोया रहता है, लेकिन यह कमजोर प्रतिरक्षा प्रणाली वाले लोगों के पाचन तंत्र पर हमला करने के लिए जाग सकता है, जिससे गंभीर दर्द, रक्तस्राव और जीवन के लिए घातक जटिलताएं हो सकती हैं। इन छिपे हुए संक्रमणों को जल्दी पहचानना महत्वपूर्ण है, लेकिन उन्हें खोजने की वर्तमान विधि अपूर्ण है और अक्सर इसमें अतिरिक्त, समय लेने वाले परीक्षणों की आवश्यकता होती है जो वायरस को उजागर करने के लिए विशेष रासायनिक मार्करों का उपयोग करते हैं।
शोधकर्ताओं की एक टीम ने रोगविज्ञानियों (पैथोलॉजिस्ट्स) को इन छिपे हुए संक्रमणों को खोजने में मदद करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करके एक नया तरीका विकसित किया है। उन्होंने एक कंप्यूटर सिस्टम बनाया है जो एक अत्यधिक चौकस 'दूसरी जोड़ी आंखों' के रूप में कार्य करता है, जो वायरस को पहचानने के लिए ऊतक के नमूनों की डिजिटल छवियों को स्कैन करता है। चुनौती जो उनके सामने आई वह थी कंप्यूटर को पूर्ण निश्चितता के साथ वायरस को पहचानना सिखाना। अतीत में, कंप्यूटर उन चित्रों को देखकर सीखते थे जिन्हें मानव विशेषज्ञों ने लेबल किया था, लेकिन मानव विशेषज्ञ कभी-कभी असहमत हो सकते हैं या सूक्ष्म विवरणों को मिस कर सकते हैं। इसे हल करने के लिए, शोधकर्ताओं ने एक 'परफेक्ट आंसर की' (सही उत्तर कुंजी) बनाने के लिए एक चतुर तकनीक का उपयोग किया। उन्होंने उसी भौतिक ऊतक स्लाइड को लिया, उसे स्कैन किया, मूल बैंगनी और गुलाबी रंगों को धो दिया, और फिर उसे एक विशेष रसायन के साथ पुन: रंगा जिसने वायरस को चमका दिया। इसने उन्हें ठीक से देखने की अनुमति दी कि किन कोशिकाओं में वायरस मौजूद था और उन कोशिकाओं को मूल छवि के साथ मिलाया, जिससे संक्रमण कहाँ था, इसका एक त्रुटिहीन मानचित्र तैयार हुआ।
इस सटीक मानचित्र का उपयोग करते हुए, टीम ने एक कंप्यूटर मॉडल को मूल, बिना रंगे हुए चित्रों में वायरस को पहचानने के लिए प्रशिक्षित किया। उन्होंने इस प्रणाली का परीक्षण सौ अलग-अलग ऊतक नमूनों पर किया, जिनमें वे मामले भी शामिल थे जहाँ वायरस प्रचुर मात्रा में था और वे मामले भी जहाँ यह अत्यंत दुर्लभ था। परिणामों ने दिखाया कि कंप्यूटर उल्लेखनीय रूप से प्रभावी था। इसने लगभग उन सभी मामलों में वायरस की सफलतापूर्वक पहचान की जहाँ वह मौजूद था, यानी ९४ प्रतिशत संक्रमणों को पकड़ा। जब बहुत सारी संक्रमित कोशिकाएं थीं, तो यह वायरस को खोजने में पूर्णतः सक्षम था, और यह उन मामलों को खोजने में भी सफल रहा जहाँ वायरस विरल और देखने में कठिन था (८० प्रतिशत मामले)। इसने उन ८० प्रतिशत मामलों में भी स्वस्थ ऊतकों की सही पहचान की जहाँ कोई वायरस मौजूद नहीं था। हालांकि इसने कभी-कभार स्वस्थ कोशिकाओं को संदिग्ध के रूप में चिह्नित किया, लेकिन ये 'फॉल्स अलार्म' (गलत संकेत) बारीकी से निरीक्षण करने पर एक मानव रोगविज्ञानी द्वारा आसानी से खारिज किए जा सकने वाले थे। पूरी प्रक्रिया में प्रत्येक स्लाइड के लिए एक मिनट से भी कम समय लगा, जो एक मानव द्वारा उसी नमूने की गहन समीक्षा करने में लगने वाले समय का एक छोटा सा हिस्सा है।
अध्ययन सुझाव देता है कि यह तकनीक डॉक्टरों के इन कठिन निदानों को संभालने के तरीके को बदल सकती है। यह अनुमान लगाने के बजाय कि क्या रोगी को अतिरिक्त रासायनिक परीक्षण की आवश्यकता है, एक रोगविज्ञानी पहले इस कंप्यूटर प्रणाली के माध्यम से नमूने को चला सकता है। यदि कंप्यूटर को वायरस मिलता है, तो निदान की पुष्टि हो जाती है। यदि कंप्यूटर कुछ नहीं पाता है, तो रोगविज्ञानी इस बात पर अधिक आश्वस्त हो सकता है कि वायरस वास्तव में अनुपस्थित है, या वे अपना ध्यान उन विशिष्ट क्षेत्रों पर केंद्रित कर सकते हैं जिन्हें कंप्यूटर ने हाइलाइट किया है। यह दृष्टिकोण मानव डॉक्टर की जगह नहीं लेता है बल्कि उन्हें सहायता प्रदान करता है, यह सुनिश्चित करता है कि थकान या बीमारी की सूक्ष्म प्रकृति के कारण कोई संक्रमण छूट न जाए। कंप्यूटर की गति और निरंतरता को मानव विशेषज्ञ के निर्णय के साथ जोड़कर, शोधकर्ताओं का मानना है कि वे खतरनाक संक्रमणों को मिस करने के जोखिम को कम कर सकते हैं और अतिरिक्त परीक्षणों के उपयोग को अधिक कुशल बना सकते हैं। यह कार्य एक एकल अस्पताल का एक 'प्रूफ ऑफ कॉन्सेप्ट' (सिद्धांत की पुष्टि) है, लेकिन यह एक ऐसे भविष्य की ओर एक स्पष्ट मार्ग प्रदान करता है जहाँ तकनीक डॉक्टरों को वह देखने में मदद करती है जो पहले बहुत छोटा या बहुत धुंधला था।
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।