A deep-learning model based on histological images predicts survival and pathological response to neoadjuvant chemotherapy and chemoimmunotherapy in breast cancer
यह अध्ययन एक डीप-लर्निंग मॉडल प्रस्तुत करता है जो प्रारंभिक स्तन कैंसर में उत्तरजीविता और नियोएडजुवेंट कीमोथेरेपी एवं कीमोइम्यूनोथेरेपी के रोग संबंधी प्रतिक्रिया की भविष्यवाणी करने के लिए नियमित H&E हिस्टोलॉजिकल छवियों से सीधे नैदानिक रूप से मान्य इम्यून जीन-एक्सप्रेशन सिग्नेचर का सटीक अनुमान लगाता है, जो ट्रांसक्रिप्टोमिक प्रोफाइलिंग के एक स्केलेबल विकल्प के रूप में कार्य 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
कल्पना कीजिए कि आप एक छोटे, हलचल भरे शहर के भीतर एक रहस्य को सुलझाने की कोशिश कर रहे हैं एक जासूस के रूप में। इस शहर में, जो कि एक मानव शरीर है, सड़कें कोशिकाओं (cells) से बनी हैं। कभी-कभी, कोशिकाओं का एक समूह विद्रोही हो जाता है और एक अराजक, खतरनाक पड़ोस बनाना शुरू कर देता है जिसे ट्यूमर कहा जाता है। दशकों तक, डॉक्टरों को यह अनुमान लगाने के लिए जूझना पड़ा है कि यह पड़ोस कैसा व्यवहार करेगा: क्या यह छोटा रहेगा? क्या यह फैलेगा? क्या यह दवा की बात सुनेगा? यह जानने के लिए, वे आमतौर पर शहर का एक छोटा सा टुकड़ा लेते हैं, उसे बैंगनी और गुलाबी रंगों (H&E स्टेनिंग नामक एक प्रक्रिया) से रंगते हैं, और सूक्ष्मदर्शी (microscope) के नीचे देखते हैं। यह एक धुंधले नक्शे को देखकर मौसम का अनुमान लगाने जैसा है।
हाल ही में, वैज्ञानिकों ने नक्शे को पढ़ने का एक बेहतर तरीका खोजा है: वे कोशिकाओं की "फुसफुसाहट" को माप सकते हैं। कोशिकाओं के भीतर मौजूद जेनेटिक कोड (DNA निर्देश) को देखकर, वे यह गिन सकते हैं कि पास में कितने "सैनिक" कोशिकाएं (इम्यून कोशिकाएं) छिपी हुई हैं। यदि बहुत सारे सैनिक मौजूद हैं, तो शरीर लड़ने के लिए तैयार है, और इस बात की संभावना अधिक है कि विशेष दवाओं से उपचार करने पर ट्यूमर सिकुड़ जाएगा। इसे "जीन एक्सप्रेशन सिग्नेचर" कहा जाता है। यह एक शक्तिशाली उपकरण है, लेकिन यह महंगा, धीमा है, और इसके लिए विशेष उपकरणों की आवश्यकता होती है जो हर अस्पताल में नहीं होते। यह मौसम की जांच करने के लिए एक सुपरकंप्यूटर की आवश्यकता होने जैसा है। इसलिए, वैज्ञानिकों के सामने बड़ा सवाल यह था: क्या हम उस पुराने, सरल, बैंगनी और गुलाबी नक्शे को देख सकते हैं और एक बहुत ही स्मार्ट कंप्यूटर मस्तिष्क (आर्टिफिशियल इंटेलिजेंस) का उपयोग करके ठीक से अनुमान लगा सकते हैं कि वह महंगा जेनेटिक टेस्ट क्या कहता? यदि हम ऐसा कर सके, तो हम उच्च लागत या प्रतीक्षा के बिना कैंसर के भविष्य की भविष्यवाणी कर सकते थे।
यह बिल्कुल वही काम है जिसे फ्रांस्वा बर्टुची (François Bertucci) के नेतृत्व वाली टीम ने करने का प्रयास किया। उन्होंने एक डिजिटल जासूस बनाया, एक AI मॉडल जिसे "AI-ICR" कहा जाता है, जिसे स्तन कैंसर के नियमित माइक्रोस्कोप स्लाइड को देखने और बिना किसी जेनेटिक टेस्ट के "सैनिकों की संख्या" की भविष्यवाणी करने के लिए प्रशिक्षित किया गया है।
उन्होंने अपने डिजिटल जासूस को कैसे प्रशिक्षित किया, यहाँ बताया गया है। सबसे पहले, उन्होंने इसे केवल स्तन कैंसर के बारे में नहीं सिखाया; उन्होंने इसे फेफड़ों, त्वचा और कोलन कैंसर सहित दस अलग-अलग प्रकार के कैंसर के बारे में सिखाया। उन्होंने द कैंसर जीनोम एटलस (TCGA) से 2,881 माइक्रोस्कोप स्लाइड का एक विशाल पुस्तकालय उपयोग किया, जो प्रत्येक के लिए वास्तविक जेनेटिक टेस्ट परिणामों के साथ जुड़ा हुआ था। AI ने उन बैंगनी और गुलाबी रंगों के दृश्य पैटर्न को पहचानना सीखा जो उन "सैनिक" जीन की उपस्थिति से मेल खाते थे। इसे एक बच्चे को तूफान के बादल के आकार और रंग को पहचानने के लिए सिखाने जैसा समझें, भले ही उसने अभी तक बारिश नहीं देखी हो। एक बार जब AI इसमें माहिर हो गया, तो टीम ने उसी लाइब्रेरी से स्तन कैंसर के 1,087 नए रोगियों पर इसका परीक्षण किया। परिणाम क्या रहा? AI अविश्वसनीय रूप से सटीक था। इसने 93.7% बार "सैनिक" की स्थिति का सही अनुमान लगाया, जो एक ऐसा स्कोर है जो कंप्यूटर के लिए इस क्षेत्र में पूर्णता के जितना करीब हो सकता है।
लेकिन स्थिति जानना केवल आधी लड़ाई है; असली सवाल यह है: क्या इससे डॉक्टरों को जीवन बचाने में मदद मिलती है? टीम ने पाया कि उत्तर एक resounding 'हाँ' है। उन्होंने पाया कि जिन रोगियों के ट्यूमर को "AI-ICR-high" (अर्थात AI ने बहुत सारे सैनिकों को देखा) के रूप में चिह्नित किया गया था, उनके जीवित रहने की संभावना बहुत बेहतर थी। वास्तव में, "AI-ICR-low" ट्यूमर वाले लोगों की तुलना में इन रोगियों के मरने की संभावना एक-तिहाई से भी कम थी। यह एक मौसम पूर्वानुमान प्राप्त करने जैसा है जो आपको बताता है, "आप एक सुरक्षित क्षेत्र में हैं," बनाम "आप एक तूफान में हैं।"
सबसे रोमांचक हिस्सा उपचार से जुड़ा है। टीम ने उन रोगियों को देखा जिन्होंने "नियोएडजुवेंट" (neoadjuvant) थेरेपी ली थी, जिसका अर्थ है सर्जरी से पहले कीमोथेरेपी (और कभी-कभी इम्यूनोथेरेपी) लेना ताकि ट्यूमर को सिकोड़ा जा सके। वे यह देखना चाहते थे कि क्या AI "पैथोलॉजिकल कम्पलीट रिस्पॉन्स" (pCR) प्राप्त करने की भविष्यवाणी कर सकता है। यह उपचार का "पवित्र प्याला" (holy grail) है: जब सर्जरी होती है, और डॉक्टर देखते हैं कि पीछे कोई कैंसर नहीं बचा है।
AI-ICR मॉडल एक क्रिस्टल बॉल की तरह था। मानक कीमोथेरेपी प्राप्त करने वाले रोगियों के समूह में, "AI-ICR-high" ट्यूमर वाले रोगियों के सर्जरी के बाद शून्य कैंसर रहने की संभावना 65% थी, जबकि "लो" समूह के लिए यह केवल 30% थी। लेकिन जादू तब हुआ जब उन्होंने इम्यूनोथेरेपी (वे दवाएं जो सैनिकों को जगाती हैं) को जोड़ा। इस समूह में, "AI-ICR-high" रोगियों में बिना कैंसर के रहने की सफलता दर 81% रही, जबकि "लो" समूह केवल 36% तक ही पहुँच सका। AI ने न केवल यह भविष्यवाणी नहीं की कि कौन जीवित रहेगा; इसने यह भी भविष्यवाणी की कि कौन उपचार के प्रति पूर्ण प्रतिक्रिया देने की सबसे अधिक संभावना रखता है।
वैज्ञानिकों ने यह देखने के लिए भी कि AI इतना अच्छा क्यों है, इसके "हुड" के नीचे झाँका। उन्होंने उन ट्यूमर के जेनेटिक डेटा की जांच की जिन्हें AI ने "हाई" लेबल किया था और पाया कि वे वास्तव में इम्यून जीन और सक्रिय सैनिक कोशिकाओं से भरे हुए थे। AI केवल अनुमान नहीं लगा रहा था; वह स्लाइड के रंगों में छिपे जैविक वास्तविकता को देख रहा था।
हालाँकि, लेखक हमें सावधान करते हैं कि यह अभी तक हर अस्पताल के लिए तैयार कोई अंतिम उत्पाद नहीं है। वे स्वीकार करते हैं कि उनके अध्ययन की कुछ सीमाएँ थीं। "AI-ICR-high" समूह में अक्सर ऐसे ट्यूमर थे जो पहले से ही आक्रामक (जैसे ट्रिपल-नेगेटिव ब्रेस्ट कैंसर) के रूप में जाने जाते थे, जो कि एक मिश्रित स्थिति है: AI ने उन्हें उच्च-जोखिम के रूप में सही ढंग से पहचाना, लेकिन साथ ही यह भी सही पहचाना कि वे ही थे जो मजबूत इम्यून-बूसटिंग दवाओं के प्रति सबसे अधिक प्रतिक्रिया देने वाले थे। अध्ययन पुराने और नए स्लाइड प्रकारों के मिश्रण पर भी निर्भर था, और टीम का कहना है कि भविष्य के कार्यों को और भी बड़े समूहों में और विभिन्न प्रकार के ऊतकों (tissue) के नमूनों के साथ इन परिणामों की पुष्टि करने की आवश्यकता है।
अंत में, यह शोध एक रोमांचक संभावना का सुझाव देता है: हम जल्द ही एक साधारण, सस्ते माइक्रोस्कोप स्लाइड और एक स्मार्ट कंप्यूटर का उपयोग करके यह बता पाएंगे कि स्तन कैंसर वास्तव में कैसे व्यवहार करेगा और कौन सी दवाएं सबसे अच्छा काम करेंगी। यह एक जटिल, महंगे जेनेटिक टेस्ट को एक तस्वीर देखने जैसी सरल चीज़ में बदल देता है, जिससे प्रिसिजन मेडिसिन (precision medicine) उन सभी के लिए उपलब्ध हो सकती है, न कि केवल उन भाग्यशाली लोगों के लिए जिनके पास हाई-टेक लैब तक पहुंच है। AI ने केवल नक्शा नहीं पढ़ा; इसने पहली बूंद गिरने से पहले ही तूफान की भविष्यवाणी करना सीख लिया।
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।