Three-Dimensional Anatomical Classification and Machine Learning Prediction of the P6a–Right Hepatic Vein Relationship: Surgical Implications for Laparoscopic Right Anterior Sectionectomy

मानव यकृत (लीवर) की कल्पना एक व्यस्त, तीन-आयामी शहर के रूप में करें जो कोमल, स्पंजी ऊतकों से बना है। यहाँ सर्जरी करने के लिए, डॉक्टरों को एक सटीक मानचित्र की आवश्यकता होती है। वे "राजमार्गों" (रक्त वाहिकाओं) पर भरोसा करते हैं ताकि उन्हें पता चल सके कि कहाँ काटना है और कहाँ रुकना है। इनमें से एक सबसे महत्वपूर्ण राजमार्ग 'राइट हेपेटिक वेन' (दाहिनी यकृत शिरा) है, जो एक प्रमुख नदी की तरह है जो यकृत के दाहिने हिस्से से रक्त को बाहर निकालती है। आमतौर पर, यह नदी एक अनुमानित पथ में बहती है, जो एक विश्वसनीय सड़क संकेत की तरह कार्य करती है जो सर्जनों को बताती है, "यहाँ काटें, और आप सुरक्षित रहेंगे।" हालांकि, बिल्कुल एक वास्तविक शहर की तरह, कभी-कभी सड़कें अलग तरह से बनाई जाती हैं। एक छोटी सी साइड स्ट्रीट, जिसे P6a वेन कहा जाता है, कभी-कभी मुख्य नदी के ऊपर या नीचे से गुजरते हुए एक नया रास्ता ले सकती है। यदि सर्जन को सर्जरी शुरू करने से पहले इस नए रास्ते (डिटूर) के बारे में पता नहीं चलता है, तो वे गलती से गलत सड़क काट सकते हैं, जिससे ट्रैफिक जाम (रक्तस्राव) हो सकता है या शहर के कुछ हिस्सों की बिजली (ऊतक क्षति) जा सकती है। यह विशेष रूप से तब जटिल हो जाता है जब सर्जरी छोटे छेदों और कैमरे (लैप्रोस्कोपी) के माध्यम से की जाती है, क्योंकि सर्जन अपने हाथों से ऊतकों को महसूस नहीं कर सकते, केवल स्क्रीन पर देख सकते हैं।

यहीं पर एयर फोर्स मेडिकल सेंटर और अन्य संस्थानों के शोधकर्ताओं की एक टीम आगे आई। उन्होंने एक सरल लेकिन महत्वपूर्ण प्रश्न पूछा: क्या हम सर्जरी से पहले रोगी के 3D स्कैन को देखकर ठीक-ठीक अनुमान लगा सकते हैं कि वह छोटी साइड स्ट्रीट (P6a) कैसे व्यवहार करेगी? इसका उत्तर देने के लिए, उन्होंने केवल चित्रों को नहीं देखा; उन्होंने कंप्यूटर को एक जासूस बनने के लिए प्रशिक्षित किया। उन्होंने आर्टिफिशियल इंटेलिजेंस की एक शाखा का उपयोग किया जिसे "मशीन लर्निंग" कहा जाता है, जो एक अत्यंत बुद्धिमान छात्र की तरह है जो उदाहरणों का अध्ययन करके पैटर्न सीखता है। शोधकर्ताओं ने कंप्यूटर को 100 रोगियों का डेटा दिया, जिससे उसे एक "सामान्य" लेआउट और एक "जटिल" लेआउट के बीच अंतर पहचानने में मदद मिली। उन्होंने पाया कि कंप्यूटर आश्चर्यजनक सटीकता के साथ जटिल लेआउट की भविष्यवाणी करना सीख सकता है। एक विशेष उपकरण का उपयोग करके जिसे SHAP कहा जाता है (जो एक आवर्धक लेंस की तरह काम करता है ताकि यह दिखाया जा सके कि कंप्यूटर ने निर्णय क्यों लिया), उन्होंने पाया कि कुछ रक्त वाहिकाओं के बीच का कोण और यकृत के "फिशर" (यकृत के खंडों के बीच की घाटी) का आकार सबसे बड़े सुराग थे। उनका अध्ययन बताता है कि इस डिजिटल क्रिस्टल बॉल का उपयोग करके, सर्जन अपनी चालों की बेहतर योजना बना सकते हैं, खतरनाक रास्तों से बच सकते हैं, और जटिल यकृत सर्जरी को अधिक सुरक्षित बना सकते हैं।

जासूसी कार्य: यकृत की गुप्त सड़कों का मानचित्रण

शोधकर्ताओं ने 100 रोगियों की एक टीम एकत्र करने के बाद शुरुआत की जिनके विस्तृत 3D CT स्कैन किए गए थे। वे इन रोगियों को इस आधार पर दो समूहों में वर्गीकृत करना चाहते थे कि P6a वेइन (साइड स्ट्रीट) राइट हेपेटिक वेन (मुख्य नदी) के संबंध में कैसे स्थित है।

• "डॉर्सल" (Dorsal) समूह: 59% रोगियों में, P6a वेइन मुख्य नदी के पीछे से गुजरती है। यह अधिक सामान्य और अनुमानित पथ है।
• "वेंट्रल" (Ventral) समूह: 41% रोगियों में, P6a वेइन मुख्य नदी के सामने से गुजरती है। यह वह "जटिल" पथ है जो सर्जरी को कठिन बनाता है।

टीम ने 3D मॉडल पर विभिन्न कोणों और दूरियों को मापा, और ऐसे सुरागों की तलाश की जो सर्जरी शुरू होने से पहले ही बता सकें कि रोगी किस समूह से संबंधित है। उन्हें कुछ दिलचस्प अंतर मिले:

• शाखा का कोण: "जटिल" समूह में, पोर्टल वेन की अगली और पिछली शाखाओं के बीच का कोण बहुत तीखा (औसत 82.27°) था, जबकि "सामान्य" समूह (98.02°) की तुलना में यह कम था।
• बड़ी मुश्किल: "जटिल" समूह में, P6a वेइन अक्सर एक अन्य प्रमुख शाखा के बहुत करीब (5 मिमी से कम दूरी पर) शुरू होती थी, जबकि यह केवल 10% "सामान्य" समूह में हुआ था।
• नदी का मोड़: मुख्य यकृत वेन और शरीर की सबसे बड़ी वेन (इन्फीरियर वेना कावा) के बीच का कोण "जटिल" समूह (52.23°) में "सामान्य" समूह (43.97°) की तुलना में अधिक चौड़ा था।

कंप्यूटर छात्र: पाँच मॉडल, एक विजेता

इन मापों को एक भविष्यवाणी उपकरण में बदलने के लिए, शोधकर्ताओं ने पांच अलग-अलग प्रकार के मशीन लर्निंग मॉडल को प्रशिक्षित किया। इन्हें पांच अलग-अलग छात्रों के रूप में सोचें जो पहेली को हल करने की कोशिश कर रहे हैं:

1. लॉजिस्टिक रिग्रेशन (LR): एक सीधा और तार्किक विचारक।
2. रैंडम फॉरेस्ट (RF): निर्णय वृक्षों (decision trees) की एक समिति।
3. K-नियरेस्ट नेबर्स (K-NN): एक छात्र जो देखता है कि उसके पड़ोसी कौन हैं।
4. सपोर्ट वेक्टर मशीन (SVM): एक छात्र जो समूहों को अलग करने के लिए रेखाएं खींचता है।
5. XGBoost: एक शक्तिशाली, पुनरावृत्ति करने वाला शिक्षार्थी।

उन्होंने डेटा को विभाजित किया, 70% अभ्यास (प्रशिक्षण) के लिए छात्रों को दिया और 30% अंतिम परीक्षा (परीक्षण) के लिए रखा। जबकि "समिति" (रैंडम फॉरेस्ट) और "शक्तिशाली शिक्षार्थी" (XGBoost) अभ्यास प्रश्नों को याद करने में अविश्वसनीय रूप से अच्छे थे, वे अंतिम परीक्षा में थोड़ा लड़खड़ा गए। हालांकि, लॉजिस्टिक रिग्रेशन मॉडल सबसे सुसंगत था। इसने न्यूनतम ओवरफिटिंग प्रदर्शित की और टेस्ट सेट पर सर्वश्रेष्ठ प्रदर्शन (0.741 का F1-स्कोर) किया, जिससे पता चला कि इसने केवल डेटा को रटा नहीं बल्कि नए मामलों के लिए भी अच्छी तरह से अनुकूलन किया।

"क्या" के पीछे का "क्यों"

शोधकर्ता केवल एक ऐसा "ब्लैक बॉक्स" नहीं चाहते थे जो केवल उत्तर दे दे; वे जानना चाहते थे कि कंप्यूटर ने अपना चुनाव क्यों किया। SHAP (SHapley Additive Explanations) नामक पद्धति का उपयोग करके, वे देख सके कि कौन से सुराग सबसे अधिक मायने रखते थे। यह पता चला कि कंप्यूटर सबसे अधिक ध्यान इन चीजों पर दे रहा था:

1. पोर्टल वेन की अगली और पिछली शाखाओं के बीच का कोण।
2. राइट हेपेटिक फिशर (यकृत खंडों के बीच की घाटी) का कोण।
3. P6a के शुरुआती बिंदु से पिछली शाखा की दूरी।
4. P6a वेइन का व्यास (चौड़ाई)।

विश्लेषण ने दिखाया कि पोर्टल शाखाओं के बीच का तीखा कोण और मुख्य शरीर की वेन के बीच का चौड़ा कोण, इस बात के मजबूत संकेतक थे कि रोगी "जटिल" वेंट्रल समूह से संबंधित है।

सर्जरी के लिए इसका क्या अर्थ है

अध्ययन का निष्कर्ष है कि यह मशीन लर्निंग मॉडल प्रभावी रूप से भविष्यवाणी कर सकता है कि किसी रोगी में "जटिल" वेंट्रल-P6a लेआउट है या नहीं। यह क्यों मायने रखता है? क्योंकि लैप्रोस्कोपिक राइट एंटीरियर सेक्शनेक्टोमी (दाहिने यकृत के अगले हिस्से को हटाने की सर्जरी) में, लेआउट का पता होना ही सब कुछ है।

• "सामान्य" (Dorsal) रोगियों के लिए: सर्जरी अपेक्षाकृत सीधी है। मुख्य नदी (RHV) को देखना आसान है, और यकृत के खंडों के बीच की घाटी समतल है, जो काटने के लिए एक सुरक्षित मार्ग बनाती है।
• "जटिल" (Vventral) रोगियों के लिए: मुख्य नदी को देखना कठिन है, घाटी खड़ी है, और "साइड स्ट्रीट" (P6a) अन्य संरचनाओं के बहुत करीब है। यदि सर्जन को यह पहले से पता नहीं चलता है, तो वे गलती से गलत वाहिका काट सकते हैं या शेष यकृत ऊतकों को नुकसान पहुँचा सकते हैं।

इस भविष्य कहने वाले मॉडल का उपयोग करके, सर्जन ऑपरेशन शुरू करने से पहले ही उच्च जोखिम वाले रोगियों की पहचान कर सकते हैं। इससे उन्हें अपनी रणनीति बनाने में मदद मिलती है, जैसे कि ऑपरेशन के दौरान अल्ट्रासाउंड मार्गदर्शन का उपयोग करना या "ग्लिसोनियन शीथ" (रक्त वाहिकाओं के सुरक्षात्मक आवरण) के प्रति अपने दृष्टिकोण को समायोजित करना। हालांकि यह अध्ययन 100 रोगियों के एक विशिष्ट समूह पर आधारित है और इसे सार्वभौमिक रूप से अपनाने के लिए और अधिक परीक्षण की आवश्यकता है, यह एक जटिल, जोखिम भरी सर्जरी को सुरक्षित और अधिक अनुमानित प्रक्रिया में बदलने के लिए एक आशाजनक नए उपकरण के रूप में सामने आया है।