Mapping ICD-10 to ICCC-3 for Childhood Cancer Classification Using Cancer Incidence in Five Continents (CI5) Data
यह अध्ययन CI5 डेटा का उपयोग करके ICD-10-कोडित बाल चिकित्सा कैंसर मामलों को ICCC-3 श्रेणियों में मैप करने के लिए एक व्यवस्थित तीन-स्तरीय ढांचा स्थापित करता है, जो लिम्फोइड और हेमेटोपोएटिक नियोप्लाज्म के लिए उच्च सहमति प्रदर्शित करता है जबकि कुछ ठोस ट्यूमर के लिए रूपात्मक विवरणों को पकड़ने में सीमाओं को उजागर 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 इस विशाल, वैश्विक पहेली को सुलझाने की कोशिश कर रहे हैं कि कितने बच्चों को कैंसर होता है। इसे करने के लिए, वैज्ञानिकों को हर एक मामले को एक विशिष्ट बॉक्स में छाँटने की आवश्यकता है। लेकिन समस्या यह है कि दुनिया इन बक्सों को लेबल करने के लिए दो अलग-अलग निर्देश नियमावलियों (instruction manuals) का उपयोग करती है। एक नियमावली, जिसे ICD-10 कहा जाता है, एक विशाल पुस्तकालय सूची (library catalog) की तरह है जिसका उपयोग दुनिया भर के अस्पताल करते हैं; यह बीमारियों को मुख्य रूप से शरीर में उनके स्थान (जैसे "यकृत/liver" या "मस्तिष्क/brain") के आधार पर वर्गीकृत करती है। दूसरी ओर, ICCC-3 नामक एक विशेष, उच्च-तकनीकी मार्गदर्शिका है जो विशेष रूप से बचपन के कैंसर के लिए बनाई गई है; यह उन्हें सूक्ष्मदर्शी (microscope) के नीचे उनके स्वरूप और व्यवहार के आधार पर वर्गीकृत करती है।
समस्या यह है कि ये दोनों नियमावलियाँ एक ही भाषा नहीं बोलतीं। यदि कोई अस्पताल पुस्तकालय सूची (ICD-10) का उपयोग यह कहने के लिए करता है कि एक बच्चे को "लिवर ट्यूमर" है, तो विशेष मार्गदर्शिका (ICCC-3) को सही ढंग से गिनने के लिए यह जानने की आवश्यकता हो सकती है कि क्या वह लिवर कैंसर का एक विशिष्ट प्रकार जैसे कि "हेपेटोब्लास्टोमा" (hepatoblastoma) है। इन दोनों प्रणालियों के बीच अनुवाद करने का कोई तरीका न होने के कारण, वैज्ञानिक विभिन्न देशों के डेटा की तुलना आसानी से नहीं कर सकते या वैश्विक डेटाबेस को जोड़कर समस्या की स्पष्ट तस्वीर नहीं पा सकते। यह एक मानचित्र बनाने की कोशिश करने जैसा है जहाँ आधे देश मील (miles) का उपयोग करते हैं और बाकी किलोमीटर (kilometers) का, और किसी के पास भी ऐसा पैमाना नहीं है जो दोनों को बदल सके। यह अध्ययन उसी पैमाने (रूलर) को बनाने के बारे में है।
द ग्रेट ट्रांसलेशन प्रोजेक्ट (महान अनुवाद परियोजना)
इस शोध में, वैज्ञानिकों की एक टीम ने बचपन के कैंसर के डेटा को अनुवादित करने की "सेब-से-संतरा" (apples-to-oranges) वाली समस्या से निपटने का निर्णय लिया। वे यह देखना चाहते थे कि क्या वे संयुक्त राज्य अमेरिका में उपयोग किए जाने वाले सामान्य "पुस्तकालय सूची" कोड (ICD-10) को दुनिया भर के शोधकर्ताओं द्वारा उपयोग किए जाने वाले विशेष "बचपन के कैंसर" श्रेणियों (ICCC-3) में अनुवादित कर सकते हैं। उन्होंने कैनसर इंसिडेंस इन फाइव कॉन्टिनेंट्स (CI5) से एक विशाल डेटासेट का उपयोग किया, विशेष रूप से 2013 और 2017 के बीच अमेरिका में दर्ज किए गए 77,236 बाल कैंसर मामलों को देखा।
वैज्ञानिकों को उन जासूसों के रूप में सोचें जो सुरागों के दो अलग-अलग सेटों का मिलान करने की कोशिश कर रहे हैं। उन्होंने इस रहस्य को सुलझाने के लिए तीन-चरणीय रणनीति विकसित की:
- सीधा मिलान (The Direct Match): कुछ कैंसर के लिए, अनुवाद आसान था। यदि पुस्तकालय सूची ने "आंख का ट्यूमर" (विशेष रूप से रेटिनोब्लास्टोमा) या "मस्तिष्क का ट्यूमर" कहा, तो यह विशेष मार्गदर्शिका के साथ लगभग पूरी तरह मेल खाता था।
- ब्रिज विधि (The Bridge Method): रक्त के कैंसर (जैसे ल्यूकेमिया और लिम्फोमा) के लिए, उन्होंने ICD-O-3 नामक एक गुप्त मध्यस्थ (middleman) का उपयोग किया (एक कोड जो कोशिकाओं के आकार का वर्णन करता है)। इस पुल का उपयोग करके, वे सामान्य "रक्त कैंसर" कोड को उच्च सटीकता के साथ बहुत विशिष्ट उप-प्रकारों में अनुवादित कर सके।
- जासूसी कार्य (The Detective Work): शेष मामलों के लिए, उन्हें यह अनुमान लगाने के लिए अपने सर्वोत्तम निर्णय का उपयोग करना पड़ा कि वे कहाँ फिट बैठते हैं, हालांकि यह बहुत कठिन था।
उन्हें क्या मिला: एक मिश्रित परिणाम
परिणाम कुछ हद तक "कुछ पूरी तरह मेल खाते हैं, कुछ गड़बड़ हैं" जैसे थे।
विजेता (उच्च सहमति - High Agreement):
कुछ कैंसर के लिए, अनुवाद बहुत मजबूत था। टीम ने पाया कि रेटिनोब्स्टोमा (आंख का कैंसर), मस्तिष्क और रीढ़ की हड्डी के ट्यूमर, किडनी ट्यूमर, और लिवर ट्यूमर के लिए, पुस्तकालय सूची में गिने गए मामलों की संख्या विशेष मार्गदर्शिका से बहुत करीब से मेल खाती थी। "कंसिस्टेंसी रेशियो" (मेल खाने की दर का स्कोर) लगभग 1.00 से 1.04 था, जिसका अर्थ है कि दोनों प्रणालियाँ लगभग पूरी तरह से सहमत थीं। उदाहरण के लिए, हेपेटोब्लास्टोमा (एक विशिष्ट लिवर कैंसर) एकमात्र ठोस ट्यूमर था जिसे एक-से-एक (one-to-one) अनुवादित किया जा सकता था क्योंकि इसका एक अद्वितीय कोड है जो दोनों नियमावलियों में फिट बैठता है। जबकि किडनी ट्यूमर श्रेणी ने बहुत उच्च मिलान (अनुपात 1.03) दिखाया, अध्ययन नोट करता है कि ICD-10 में सभी किडनी कैंसर प्रकारों को पूरी तरह से अलग करने के लिए सूक्ष्म विवरण की कमी है, फिर भी समग्र गणना अत्यधिक सुसंगत थी।
हारने वाले (बेमेल - The Mismatches):
कई अन्य कैंसर के लिए, पुस्तकालय सूची (ICD-10) बहुत अस्पष्ट थी।
- अधिक गिनती (Over-counting): पुस्तकालय सूची ने हड्डी के ट्यूमर (अनुपात 1.11), ल्यूकेमिया (अनुपात 1.07), और त्वचा/एपिथेलियल ट्यूमर (अनुपात 1.24) के लिए बहुत अधिक मामले गिने। क्यों? क्योंकि पुस्तकालय सूची हड्डी में पाए जाने वाले किसी भी ट्यूमर को "हड्डी का ट्यूमर" मान लेती है, भले ही वह वास्तव में मस्तिष्क में शुरू हुआ हो और वहां तक फैला हो। विशेष मार्गदर्शिका बेहतर जानती है और उन्हें हड्डी के कैंसर के रूप में नहीं गिनती है।
- कम गिनती (Under-counting): पुस्तकालय सूची न्यूरोब्लास्टोमा (अनुपात 0.67), जर्म सेल ट्यूमर (अनुपात 0.72), सॉफ्ट टिश्यू सारकोमा (अनुपात 0.87), लिम्फोमा (अनुपात 0.88), और अनिर्दिष्ट कैंसर (अनुपात 0.47) के लिए चूक गई। ऐसा इसलिए हुआ क्योंकि पुस्तकालय सूची अक्सर इन कैंसरों को गलत "स्थान" वाले बक्सों में डाल देती थी। उदाहरण के लिए, आंत में पाए जाने वाले लिम्फोमा को पुस्तकालय सूची में "आंत के ट्यूमर" के रूप में लेबल किया जा सकता है, जबकि विशेष मार्गदर्शिका जानती है कि वह वास्तव में एक "लिम्फोमा" है।
मुख्य निष्कर्ष (The Big Takeaway)
अध्ययन यह निष्कर्ष निकालता है कि जबकि हम अब रक्त कैंसर और कुछ बहुत विशिष्ट ठोस ट्यूमर को बड़े विश्वास के साथ अनुवादित कर सकते हैं, बाकी बचपन के कैंसर को अनुवादित करना अभी भी कठिन है। पुस्तकालय सूची (ICD-10) को उन सूक्ष्म विवरणों को देखने के लिए डिज़ाइन नहीं किया गया था जिनकी विशेष मार्गदर्शिका (ICCC-3) को आवश्यकता होती है।
लेखक सावधानी बरतते हुए कहते हैं कि यह कोई जादुई समाधान नहीं है। वे स्वीकार करते हैं कि चूंकि उनके पास व्यक्तिगत रोगी रिकॉर्ड तक पहुंच नहीं थी (केवल बड़े समूह के नंबर थे), वे यह साबित नहीं कर सके कि प्रत्येक व्यक्ति के लिए मिलान पूर्ण था। वे यह चेतावनी भी देते हैं कि यह अनुवाद गाइड उन विशिष्ट संस्करणों के लिए सबसे अच्छा काम करती है जिनका उपयोग 2013 और 2017 के बीच किया गया था। हालाँकि, यह कार्य इन कोडों को बदलने के लिए पहला व्यवस्थित मानचित्र प्रदान करता है। यह एक महत्वपूर्ण पहला कदम है जो वैज्ञानिकों को अंततः विभिन्न वैश्विक डेटाबेस के बीच डेटा की तुलना करने की अनुमति देता है, जिससे हमें बचपन के कैंसर के वास्तविक बोझ को पहले से कहीं अधिक स्पष्ट रूप से समझने में मदद मिलती 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।