Interpretable Radiomics-Based Machine Learning for Non-Invasive Prediction of Tertiary Lymphoid Structure Status in Pancreatic Ductal Adenocarcinoma
इस अध्ययन ने एक व्याख्या योग्य रेडियोमिक्स-आधारित मशीन लर्निंग फ्रेमवर्क, विशेष रूप से एक XGBoost मॉडल, विकसित और आंतरिक रूप से मान्य किया है, जो अग्नाशय के डक्टल एडेनोकार्सिनोमा (पैनक्रिएटिक डक्टल एडेनोकार्सिनोमा) के रोगियों में टर्शियरी लिम्फोइड स्ट्रक्चर की स्थिति की गैर-आक्रामक रूप से भविष्यवाणी करने में उच्च सटीकता प्राप्त करता है, जो इम्यून फेनोटाइपिंग और रोगी स्तरीकरण के लिए एक आशाजनक रणनीति प्रदान करता 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
अपने शरीर की कल्पना एक व्यस्त शहर के रूप में करें जो घेराबंदी में है। जब अग्नाशय के कैंसर (pancreatic cancer) जैसा ट्यूमर कब्जा करने की कोशिश करता है, तो आपकी प्रतिरक्षा प्रणाली (immune system) जवाबी कार्रवाई करने के लिए अपनी पुलिस फोर्स भेजती है। कभी-कभी, ये पुलिस अधिकारी दुश्मन के इलाके के भीतर ही अस्थायी, संगठित कमांड सेंटर स्थापित कर देते हैं। वैज्ञानिक इन्हें "टर्शियरी लिम्फोइड स्ट्रक्चर्स" (Tertiary Lymphoid Structures) या संक्षेप में "TLS" कहते हैं। इन्हें छोटे किलाबंद अड्डों के रूप में समझें जहाँ प्रतिरक्षा कोशिकाएं इकट्ठा होती हैं, अपने हमलों की योजना बनाती हैं, और कैंसर को नष्ट करने के लिए तैयार होती हैं। इन अड्डों का होना आमतौर पर एक अच्छा संकेत होता है; इसका मतलब है कि शरीर मुकाबला कर रहा है, और मरीजों को उन उपचारों से बेहतर लाभ मिल सकता है जो प्रतिरक्षा प्रणाली को बढ़ावा देते हैं।
हालाँकि, इन अड्डों को खोजना कठिन है। वर्तमान में, उन्हें देखने का एकमात्र तरीका सुई से ट्यूमर का एक छोटा सा हिस्सा बाहर निकालना या सर्जरी के दौरान उसे सूक्ष्मदर्शी (microscope) के नीचे देखना है। यह एक विशाल शहर में किसी विशिष्ट छिपे हुए बंकर को खोजने के लिए मिट्टी के यादृच्छिक पैच खोदने जैसा है। यह आक्रामक है, यदि आप गलत जगह खुदाई करते हैं तो आप उस बंकर को मिस कर सकते हैं, और आपको परिणामों के लिए लंबे समय तक इंतजार करना पड़ता है। क्या होगा यदि हम केवल एक मानक एक्स-रे या सीटी स्कैन देख सकें और तुरंत जान सकें कि क्या वे प्रतिरक्षा आधार वहां मौजूद हैं? यही वह बड़ा सवाल है जिसे यह अध्ययन हल करने की कोशिश कर रहा है: क्या हम कंप्यूटर के जादू का उपयोग करके एक स्कैन पर ट्यूमर की "बनावट" (texture) को पढ़ सकते हैं और अनुमान लगा सकते हैं कि क्या उसमें ये छिपे हुए प्रतिरक्षा किले मौजूद हैं?
फुदान विश्वविद्यालय और अन्य संस्थानों की इस शोध टीम ने बिल्कुल यही करने का निर्णय लिया। उन्होंने अग्नाशय के ट्यूमर के सीटी स्कैन को लाखों छोटे डेटा बिंदुओं से बने एक विशाल, जटिल पहेली की तरह माना। उन्होंने केवल चित्र नहीं देखा; उन्होंने इस चित्र को एक विशाल सूची में बदलने के लिए "रेडियोमिक्स" (radiomics) नामक तकनीक का उपयोग किया, जो यह बताती है कि ट्यूमर कितना ऊबड़-खाबड़ है, पिक्सेल कितने गहरे या हल्के हैं, और पैटर्न कैसे दोहराए जाते हैं। यह एक पेंटिंग का वर्णन करने के समान है कि केवल यह कहना नहीं कि "यह नीला है," बल्कि पेंट की हर एक बूंद के सटीक शेड और उनके विन्यास को सूचीबद्ध करना।
वैज्ञानिकों ने अग्नाशय के कैंसर के 152 रोगियों से डेटा एकत्र किया। वे ठीक से जानते थे कि उनमें से किन 61 रोगियों में प्रतिरक्षा आधार (TLS-पॉजिटिव) थे और किन 91 में नहीं थे (TLS-नेगेटिव), क्योंकि उन्होंने पहले ही ऊतक के नमूनों (tissue samples) की जांच कर ली थी। उन्होंने इन रोगियों को दो समूहों में विभाजित किया: 106 छात्रों की एक "प्रशिक्षण कक्षा" (training class) और 46 छात्रों की एक "परीक्षण कक्षा" (test class)। उन्होंने कंप्यूटर को प्रशिक्षण कक्षा की विशेषताओं की एक विशाल सूची खिलाई और पांच अलग-अलग प्रकार के मशीन लर्निंग एल्गोरिदम (सोचिए कि वे रहस्य सुलझाने के अलग-अलग तरीकों वाले पांच अलग-अलग जासूस हैं) से पूछा कि प्रतिरक्षा आधारों को पहचानने के नियम क्या हैं।
कंप्यूटर को पहले बहुत कुछ साफ-सुथरा करना पड़ा। मूल 1,059 नंबरों में से, अधिकांश केवल शोर (noise) या डुप्लिकेट थे। कंप्यूटर ने उन्हें फ़िल्टर किया, कमजोर सुरागों को बाहर फेंक दिया जब तक कि वह केवल 20 "सुपर सुरागों" तक नहीं पहुँच गया। इनमें ट्यूमर का आकार, ग्रे स्तरों की भिन्नता और बनावट का विन्यास जैसी चीजें शामिल थीं। फिर, पांचों जासूसी एल्गोरिदम परीक्षण कक्षा पर काम करने लगे।
परिणाम प्रभावशाली थे। सबसे अच्छा जासूस, एक एल्गोरिदम जिसे XGBoost कहा जाता है, 89.1% बार सही था। यह उच्च सटीकता (0.960 का AUC स्कोर) के साथ प्रतिरक्षा आधारों वाले ट्यूमर और बिना आधार वाले ट्यूमर के बीच अंतर कर सका। दूसरा जासूस, LightGBM, लगभग उतना ही अच्छा था। अध्ययन बताता है कि कंप्यूटर केवल अनुमान नहीं लगा रहा है; यह वास्तव में वास्तविक पैटर्न को पकड़ रहा है। जब शोधकर्ताओं ने SHAP नामक उपकरण का उपयोग करके यह देखा कि कंप्यूटर ने अपने चुनाव क्यों किए (जो एक आवर्धक लेंस की तरह काम करता है ताकि यह देखा जा सके कि कौन से सुराग सबसे अधिक महत्वपूर्ण थे), तो उन्होंने पाया कि कंप्यूटर बनावट और तीव्रता पर ध्यान दे रहा था—ठीक उसी तरह के "ऊबड़-खाबड़" या "संगठित" पैटर्न जो आप उम्मीद करेंगे यदि प्रतिरक्षा कोशिकाएं ट्यूमर के भीतर क्लस्टर बना रही हों।
यह सुनिश्चित करने के लिए कि यह केवल एक कंप्यूटर का चमत्कार नहीं है, टीम ने कंप्यूटर के अनुमानों को वास्तविक चित्रों से जोड़ा। एक मरीज के लिए जिसके बारे में कंप्यूटर ने कहा कि उसमें प्रतिरक्षा आधार हैं, उन्होंने सीटी स्कैन, कंप्यूटर का "तर्क" (जिसने बनावट के सुरागों को हाइलाइट किया), और प्रतिरक्षा आधार दिखाने वाला वास्तविक सूक्ष्मदर्शी स्लाइड दिखाई। वे पूरी तरह से मेल खाते थे। एक मरीज के लिए जिसके बारे में कंप्यूटर ने कहा कि उनमें आधार नहीं हैं, सूक्ष्मदर्शी स्लाइड में कोई आधार नहीं दिखा, और कंप्यूटर के तर्क ने अलग, अधिक सपाट पैटर्न को हाइलाइट किया।
लेखक सावधानी बरतते हुए कहते हैं कि यह एक अस्पताल के रोगियों के एक समूह पर आधारित एक "सुझावात्मक" (suggestive) निष्कर्ष है। उन्होंने अभी तक यह साबित नहीं किया है कि यह सभी के लिए काम करता है, और उन्होंने अन्य अस्पतालों के रोगियों पर भी इसका परीक्षण नहीं किया है। लेकिन यह अध्ययन दृढ़ता से सुझाव देता है कि हम जल्द ही एक नियमित सीटी स्कैन का उपयोग करके गैर-आक्रामक (non-invasively) तरीके से यह जांचने में सक्षम हो सकते हैं कि अग्नाशय के कैंसर के रोगी में ये सहायक प्रतिरक्षा आधार मौजूद हैं या नहीं। यह डॉक्टरों को यह तय करने में मदद कर सकता है कि किन रोगियों को नई प्रतिरक्षा चिकित्सा से सबसे अधिक लाभ हो सकता है, बिना पहले आक्रामक बायोप्सी किए। यह एक धुंधले एक्स-रे को शरीर के प्रतिरक्षा युद्ध के स्पष्ट मानचित्र में बदलने की दिशा में एक आशाजनक कदम 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।