Machine Learning Model Integrating Clinical Features, CT Radiomics, and Transfer Learning for Predicting Aggressive Recurrence of Hepatocellular Carcinoma

तकनीकी सारांश: आक्रामक हेपेटोसेलुलर कार्सिनोमा (HCC) की भविष्यवाणी करने के लिए नैदानिक विशेषताओं, CT रेडियोमिक्स और ट्रांसफर लर्निंग को एकीकृत करने वाला मशीन लर्निंग मॉडल

समस्या विवरण
हेपेटोसेलुलर कार्सिनोमा (HCC) कैंसर से संबंधित मृत्यु दर के प्रमुख कारणों में से एक बना हुआ है, जहाँ उपचारात्मक हेपेक्टोमी (hepatectomy) के बाद पुनरावृत्ति (recurrence) की दर 60-70% तक पहुँच जाती है। एक महत्वपूर्ण नैदानिक चुनौती "आक्रामक पुनरावृत्ति" (aggressive recurrence) की भविष्यवाणी करना है, जिसे मिलान मानदंडों (Milan criteria) से अधिक (जैसे, बड़े ट्यूमर का भार, संवहनी आक्रमण, या एक्स्ट्राहेपेटिक मेटास्टेसिस) के रूप में परिभाषित किया गया है। वर्तमान जोखिम मूल्यांकन मुख्य रूप से पोस्टऑपरेटिव पैथोलॉजिकल विशेषताओं (जैसे, माइक्रोवैस्कुलर इनवेजन) या AFP जैसे सीरम मार्करों पर निर्भर करता है, जिनमें प्रीऑपरेटिव निर्णय लेने के लिए संवेदनशीलता की कमी होती है। हालांकि रेडियोमिक्स एक गैर-आक्रामक विकल्प प्रदान करता है, पारंपरिक हैंडक्राफ्टेड फीचर्स अक्सर ट्यूमर की आक्रामकता के जटिल स्थानिक पैटर्न (spatial patterns) को पकड़ने में संघर्ष करते हैं और छोटे डेटासेट में ओवरफिटिंग के प्रति संवेदनशील होते हैं। इसके अलावा, डीप लर्निंग मॉडल को आमतौर पर बड़े एनोटेटेड डेटासेट की आवश्यकता होती है, जो मेडिकल इमेजिंग में दुर्लभ हैं। यह अध्ययन व्यक्तिगत पेरिऑपरेटिव रणनीतियों के लिए उच्च-जोखिम वाले रोगियों की पहचान करने हेतु नैदानिक डेटा, पारंपरिक रेडियोमिक्स और डीप लर्निंग फीचर्स को एकीकृत करने वाले एक प्रीऑपरेटिव, गैर-आक्रामक भविष्यवाणी मॉडल की आवश्यकता को संबोधित करता है।

कार्यप्रणाली (Methodology)
इस अध्ययन में एक रिट्रोस्पेक्टिव डिज़ाइन का उपयोग किया गया जिसमें फर्स्ट एफ़िलिएटेड हॉस्पिटल ऑफ गुआंग्शी मेडिकल यूनिवर्सिटी (2013-2020) के 455 HCC रोगियों को शामिल किया गया जिन्होंने उपचारात्मक हेपेक्टोमी करवाई थी। कोहॉर्ट को प्रशिक्षण समूह (n=318) और सत्यापन समूह (n=137) में 7:3 के अनुपात में विभाजित किया गया।

1. डेटा अधिग्रहण और प्रीप्रोसेसिंग:

   • नैदानिक डेटा (Clinical Data): प्रीऑपरेटिव चरों में जनसांख्यिकी, प्रयोगशाला परीक्षण (जैसे, एल्ब्यूमिन, AFP, FIB-4) और इमेजिंग माप (जैसे, पोर्टल वेन व्यास) शामिल थे।
   • इमेजिंग: प्रीऑपरेटिव पोर्टल वेनस फेज कंट्रास्ट-एन्हांस्ड CT छवियों का उपयोग किया गया। दो वरिष्ठ चिकित्सकों द्वारा ITK-SNAP का उपयोग करके 'रीजन ऑफ इंटरेस्ट' (ROIs) को मैन्युअल रूप से सेगमेंट किया गया।
   • रेडियोमिक्स (Radiomics): PyRadiomics का उपयोग करके, 1,561 हैंडक्राफ्टेड फीचर्स निकाले गए, जिसमें फर्स्ट-ऑर्डर स्टैटिस्टिक्स, टेक्सचर मैट्रिसेस (GLCM, GLRLM, GLSZM, NGTDM, GLDM) और शेप फीचर्स शामिल थे। फीचर्स को Z-स्कोर नॉर्मलाइजेशन के माध्यम से संसाधित किया गया।
   • डीप लर्निंग (ट्रांसफर लर्निंग): ImageNet पर प्री-ट्रेन किए गए एक ResNet-50 मॉडल को ट्रेनिंग सेट पर फाइन-ट्यून किया गया। डीप फीचर्स को ग्लोबल एवरेज पूलिंग लेयर (2,048 आयामों) से निकाला गया और PCA के माध्यम से 150 मुख्य घटकों (principal components) तक कम किया गया।

2. फीचर चयन और मॉडल निर्माण:

   • चयन: फीचर्स को अनिवेरिएट t-टेस्ट, सहसंबंध विश्लेषण (थ्रेशोल्ड 0.9), और लीस्ट एब्सोल्यूट श्रिंकेज एंड सिलेक्शन ऑपरेटर (LASSO) रिग्रेशन का उपयोग करके स्क्रीन किया गया ताकि रेडंडेंसी को हटाया जा सके और सबसे अधिक भविष्य कहने वाले उपसमुच्चय (subset) का चयन किया जा सके।
   • मल्टीमॉडल फ्यूजन: 'DLR' (डीप लर्निंग और रेडियोमिक्स) फीचर सेट को 'अर्ली फ्यूजन' के माध्यम से बनाया गया।
   • एल्गोरिदम: आठ मशीन लर्निंग एल्गोरिदम (लॉजिस्टिक्स रिग्रेशन, SVM, KNN, रैंडम फॉरेस्ट, एक्स्ट्रा ट्रीज़, XGBoost, LightGBM, MLP) का परीक्षण किया गया। प्रदर्शन के आधार पर XGBoost को इष्टतम क्लासिफायर के रूप में चुना गया।
   • निर्मित मॉडल: चार अलग-अलग मॉडल बनाए गए: क्लिनिकल-ओनली, रेडियोमिक्स-ओनली, DLR-ओनली, और एक मल्टीमॉडल फ्यूजन मॉडल (क्लिनिकल + रेडियोमिक्स + DLR)।
   • मूल्यांकन: प्रदर्शन का मूल्यांकन प्रशिक्षण और स्वतंत्र सत्यापन दोनों समूहों में AUC, कैलिब्रेशन कर्व्स और डिसीजन कर्व एनालिसिस (DCA) का उपयोग करके किया गया।

मुख्य परिणाम

• स्वतंत्र भविष्यवक्ता (Independent Predictors): मल्टीवेरिएट लॉजिस्टिक रिग्रेशन ने आक्रामक पुनरावृत्ति के लिए चार स्वतंत्र नैदानिक कारकों की पहचान की: एल्ब्यूमिन (OR=0.927), FIB-4 स्कोर (OR=0.524), पोर्टल वेन व्यास (OR=1.173), और लिवर सेगमेंट S2 की भागीदारी (OR=0.071)।
• प्रशिक्षण प्रदर्शन (Training Performance): मल्टीमॉडल फ्यूजन मॉडल ने प्रशिक्षण समूह में असाधारण विभेदन क्षमता प्रदर्शित की, जिसका AUC 0.996 (95% CI: 0.992–1.000) था। DLR मॉडल भी लगभग पूर्ण प्रदर्शन (AUC 0.994) के करीब था।
• सत्यापन प्रदर्शन (Validation Performance): स्वतंत्र सत्यापन समूह में, सभी मॉडलों के प्रदर्शन में भारी गिरावट आई, जो गंभीर ओवरफिटिंग का संकेत देती है। मल्टीमॉडल फ्यूजन मॉडल ने केवल 0.567 (95% CI: 0.468–0.667) का AUC प्राप्त किया। DLR मॉडल 0.564 तक गिर गया, और क्लिनिकल मॉडल 0.436 तक।
• नैदानिक उपयोगिता (Clinical Utility): डिसीजन कर्व एनालिसिस (DCA) से पता चला कि सत्यापन समूह में, मल्टीमॉडल फ्यूजन मॉडल का नेट बेनिफिट किसी भी थ्रेशोल्ड प्रोबेबिलिटी पर "ट्रीट ऑल" (सभी का उपचार) या "ट्रीट नन" (किसी का उपचार नहीं) रणनीतियों से अधिक नहीं था।

महत्व और दावे
यह शोध दावा करता है कि यह व्यवस्थित रूप से ट्रांसफर लर्निंग-आधारित डीप फीचर्स, पारंपरिक रेडियोमिक्स और नैदानिक चरों को एकीकृत करने वाला पहला अध्ययन है।

• सैद्धांतिक व्यवहार्यता (Theoretical Feasibility): अध्ययन यह प्रदर्शित करता है कि मल्टी-सोर्स हेट्रोजेनियस सूचना फ्यूजन सैद्धांतिक रूप से व्यवहार्य है, क्योंकि संयुक्त मॉडल ने सिंगल-मोडैलिटी मॉडल की तुलना में बेहतर प्रशिक्षण प्रदर्शन दिखाया, जो बताता है कि डीप लर्निंग फीचर्स ट्यूमर विषमता (heterogeneity) के संबंध में पूरक जानकारी कैप्चर करते हैं।
• नैदानिक सावधानी (Clinical Caution): महत्वपूर्ण रूप से, लेखक स्पष्ट रूप से कहते हैं कि मॉडल वर्तमान में नैदानिक निर्णय लेने के लिए अनुपयुक्त है। प्रशिक्षण और सत्यापन AUC के बीच का बड़ा अंतर, और DCA में नेट क्लिनिकल बेनिफिट की कमी, यह पुष्टि करती है कि मॉडल "उच्च-आयामी फीचर्स – सीमित नमूने – जटिल मॉडल" के द्वंद्व के कारण ओवरफिटिंग से ग्रस्त है।
• भविष्य की दिशा (Future Direction): लेखक इस बात पर जोर देते हैं कि इस कार्य का प्राथमिक मूल्य मल्टीमॉडल फ्यूजन रणनीतियों के लिए एक पद्धतिगत संदर्भ प्रदान करने में निहित है। वे निष्कर्ष निकालते हैं कि व्यक्तिगत पेरिऑपरेटिव उपचार योजना में इसे लागू करने से पहले, बड़े नमूना आकार के साथ बड़े पैमाने पर, मल्टीसेंट्रिक, प्रोस्पेक्टिव अध्ययनों की आवश्यकता है।

संक्षेप में, जबकि यह अध्ययन एक रिट्रोस्पेक्टिव सेटिंग में एक उच्च-प्रदर्शन वाला मॉडल सफलतापूर्वक बनाता है, यह विनम्रतापूर्वक निष्कर्ष निकालता है कि इसकी सामान्यीकरण क्षमता (generalizability) सीमित है, और यह एक तैयार क्लिनिकल टूल के बजाय छोटे-नमूना वाले मेडिकल डेटासेट में रेडियोमिक्स के साथ डीप लर्निंग को एकीकृत करने के लिए एक 'प्रूफ-ऑफ-कांसेप्ट' के रूप में कार्य करता है।