A hybrid radiomics–3D CNN model using non-contrast CT for esophagogastric variceal bleeding risk prediction in cirrhosis
इस अध्ययन ने नॉन-कॉन्ट्रास्ट सीटी का उपयोग करके एक हाइब्रिड रेडियोमिक्स-3D CNN मॉडल विकसित और मान्य किया है जो सिरोसिस वाले रोगियों में एसोफैगोगैस्ट्रिक वेरिकल रक्तस्राव के जोखिम की प्रभावी ढंग से भविष्यवाणी करता है, जो निवारक उपचार निर्णयों के मार्गदर्शन के लिए एक आशाजनक गैर-आक्रामक उपकरण 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
लिवर सिरोसिस एक ऐसी स्थिति है जिसमें लिवर निशानयुक्त और सख्त हो जाता है, एक ऐसी अवस्था जो रक्त को शरीर के माध्यम से नए, खतरनाक रास्तों से गुजरने के लिए मजबूर करती है। इस दबाव के सबसे गंभीर परिणामों में से एक अन्नप्रणाली (एसोफैगस) और पेट की नसों में सूजन है, जिसे वैराइस (varices) कहा जाता है। ये सूजी हुई नसें नाजुक होती हैं और बिना किसी चेतावनी के फट सकती हैं, जिससे जानलेवा रक्तस्राव हो सकता है जो प्रभावित होने वाले एक महत्वपूर्ण हिस्से को मार देता है। वर्तमान में, इस खतरे की जांच करने का मानक तरीका एंडोस्कोपी है, एक ऐसी प्रक्रिया जिसमें गले के नीचे एक कैमरा डाला जाता है। हालांकि यह प्रभावी है, लेकिन यह विधि आक्रामक, रोगी के लिए असुविधाजनक है, और इसे बार-बार करना कठिन है, विशेष रूप से उन लोगों के लिए जिन्हें अन्य स्वास्थ्य जटिलताएं हैं। डॉक्टरों को एक ऐसा तरीका चाहिए जिससे वे बिना मरीजों को बार-बार आक्रामक परीक्षणों से गुजारे या मानक स्कैन में उपयोग किए जाने वाले कंट्रास्ट डyes के जोखिमों के संपर्क में लाए बिना, इस खतरे को जल्दी और अक्सर पहचान सकें।
हैंडान सेंट्रल अस्पताल के शोधकर्ताओं की एक टीम ने एक अलग मार्ग अपनाया है, जिसमें उन्होंने एक प्रकार की मेडिकल इमेजिंग का उपयोग किया है जो पहले से ही सामान्य और सुरक्षित है: पेट का नॉन-कंट्रास्ट कंप्यूटेड टोमोग्राफी (CT) स्कैन। आयोडीन-आधारित डाई के उपयोग वाले मानक स्कैन के विपरीत, जो रक्त वाहिकाओं को चमकीला दिखाने के लिए उपयोग किए जाते हैं, यह तकनीक ऊतकों के प्राकृतिक घनत्व पर निर्भर करती है। हालांकि ये सादे स्कैन सूजी हुई नसों को सीधे नहीं दिखा सकते, लेकिन शोधकर्ताओं को संदेह था कि लिवर, तिल्ली (स्प्लीन) और आसपास की रक्त वाहिकाओं में सूक्ष्म परिवर्तन उन सुरागों को रख सकते हैं जो रक्तस्राव की भविष्यवाणी करने के लिए आवश्यक हैं। इन छिपे हुए पैटर्न को खोलने के लिए, उन्होंने इमेज विश्लेषण के दो शक्तिशाली तरीकों को मिलाया: एक जो विशिष्ट बनावट और आकृतियों को मापता है, और दूसरा जो जटिल पैटर्न को अपने आप सीखने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करता है।
अध्ययन में लिवर सिरोसिस के 137 रोगियों पर ध्यान केंद्रित किया गया जिन्होंने इन सादे CT स्कैन को कराया था। शोधकर्ताओं ने समूह को अगले एक वर्ष में होने वाली घटनाओं के आधार पर दो श्रेणियों में विभाजित किया: 47 रोगियों को वैराइसल ब्लीडिंग (रक्तस्राव) हुआ, जबकि 90 को नहीं हुआ। टीम ने कंप्यूटर को स्कैन के सात विशिष्ट क्षेत्रों को देखने के लिए प्रशिक्षित किया, जिसमें लिवर, तिल्ली, अन्नप्रणाली, पेट और तीन प्रमुख नसें शामिल थीं। उन्होंने रेडिओमिक्स (radiomics) नामक एक पद्धति का उपयोग किया ताकि छवियों को हजारों सूक्ष्म, मापने योग्य विवरणों में तोड़ा जा सके, जैसे कि तिल्ली की बनावट कितनी खुरदरी दिखाई देती है या लिवर की सतह का सटीक आकार क्या है। साथ ही, उन्होंने एक थ्री-डायमेंशनल आर्टिफिशियल इंटेलिजेंस मॉडल, जो कि डीप लर्निंग नेटवर्क का एक प्रकार है, का उपयोग किया ताकि वह उन्हीं छवियों को स्कैन कर सके और अपनी खुद की विशेषताओं का एक सेट सीख सके जिन्हें एक मानव मिस कर सकता है।
इसके बाद शोधकर्ताओं ने एक "फ्यूजन मॉडल" बनाया जिसने रेडिओमिक्स दृष्टिकोण से प्राप्त विस्तृत मापों को आर्टिफिशियल इंटेलिजेंस द्वारा सीखे गए जटिल पैटर्न के साथ जोड़ा। उन्होंने अधिकांश रोगियों पर प्रशिक्षण देकर और शेष रोगियों पर इसकी सटीकता की जांच करके इस संयुक्त प्रणाली का परीक्षण किया, और परिणामों को विश्वसनीय बनाने के लिए इस प्रक्रिया को पांच बार दोहराया। परिणाम एक ऐसा उपकरण था जो उच्च प्रदर्शन के साथ उन रोगियों के बीच अंतर कर सकता था जिन्हें रक्तस्राव होगा और जो नहीं होगा। मॉडल ने 0.88 का AUC प्राप्त किया। इससे भी महत्वपूर्ण बात यह है कि यह खतरे को खारिज करने में बहुत अच्छा था; मॉडल ने कम जोखिम वाले रोगियों की पहचान करने के लिए 0.94 का AUC प्राप्त किया। सुरक्षित रोगियों की पहचान करने में निश्चितता का यह उच्च स्तर अत्यंत महत्वपूर्ण है, क्योंकि यह डॉक्टरों को उन लोगों के लिए अनावश्यक आक्रामक प्रक्रियाओं से बचने में मदद कर सकता जिन्हें उनकी आवश्यकता नहीं है।
अध्ययन ने यह भी देखा कि मॉडल की भविष्यवाणियां वास्तविकता से कितनी मेल खाती हैं। संख्याओं को विश्वसनीय बनाने के लिए समायोजन करने के बाद, मॉडल ने दिखाया कि इसके संभाव्यता अनुमान अत्यधिक विश्वसनीय थे। जब शोधकर्ताओं ने यह परीक्षण किया कि क्या इस उपकरण का उपयोग करने से वास्तव में डॉक्टरों को बेहतर निर्णय लेने में मदद मिलेगी, तो उन्होंने पाया कि यह सभी का इलाज करने या किसी का भी इलाज न करने के बजाय एक स्पष्ट लाभ प्रदान करता है। मॉडल केवल बनावट के मापों या केवल आर्टिफिशियल इंटेलिजेंस के उपयोग की तुलना में बेहतर प्रदर्शन करता है, जो यह सुझाव देता है कि दोनों विधियां अलग-अलग, पूरक जानकारी प्रदान करती हैं। बनावट के मापों ने अंगों के ज्ञात भौतिक परिवर्तनों को पकड़ा, जबकि आर्टिफिशियल इंटेलिजेंस ने उन सूक्ष्म स्थानिक पैटर्न को खोजा जिन्हें मानवीय आंख या सरल माप आसानी से वर्णित नहीं कर सकते थे।
इन आशाजनक परिणामों के बावजूद, शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह एक पायलट अध्ययन है जिसमें रोगियों का एक अपेक्षाकृत छोटा समूह है जो एक ही अस्पताल से है। मॉडल का परीक्षण उन मानक नैदानिक स्कोर के विरुद्ध नहीं किया गया था जिनका आज डॉक्टर उपयोग करते हैं, और न ही इसका परीक्षण लोगों के बड़े, विविध समूह पर किया गया था ताकि यह देखा जा सके कि क्या यह हर जगह काम करता है। कंप्यूटर द्वारा विश्लेषण किए जाने वाले विशिष्ट शरीर के अंगों को रेखांकित करने की प्रक्रिया डॉक्टरों द्वारा मैन्युअल रूप से की गई थी, जिसमें समय लगता है और इसमें एक व्यक्ति से दूसरे व्यक्ति के बीच भिन्नता हो सकती है। लेखकों का सुझाव है कि हालांकि यह दृष्टिकोण रक्तस्राव के जोखिम के लिए एक सुरक्षित, दोहराने योग्य और गैर-आक्रामक स्क्रीनिंग के रूप में बड़ी क्षमता दिखाता है, लेकिन क्लिनिकों में नियमित रूप से उपयोग करने से पहले बड़े अध्ययन आवश्यक हैं। फिलहाल, यह कार्य प्रदर्शित करता है कि कैसे एक साधारण CT स्कैन भी, उन्नत डेटा विश्लेषण के लेंस के माध्यम से देखे जाने पर, रोगी के भविष्य के स्वास्थ्य के बारे में महत्वपूर्ण जानकारी प्रकट कर सकता 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।