ADC Map Radiomics for Non-Invasive Detection of BRCA1/2 Mutation Status in Prostate Cancer: A Machine Learning-Based Radiogenomics Study
यह संभावित अध्ययन प्रदर्शित करता है कि जहाँ पारंपरिक मल्टीपैरामेट्रिक एमआरआई पैरामीटर BRCA1/2-उत्परिवर्तित (म्यूटेटेड) प्रोस्टेट कैंसर को गैर-उत्परिवर्तित मामलों से अलग करने में विफल रहते हैं, वहीं ADC मानचित्रों से निकाले गए रेडियोमिकिक विशेषताओं पर लागू मशीन लर्निंग मॉडल इन आनुवंशिक उत्परिवर्तनों का गैर-आक्रामक रूप से पता लगाने के लिए मध्यम लेकिन आशाजनक क्षमता दिखाते हैं।
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
प्रोस्टेट कैंसर एक आम बीमारी है, लेकिन सभी मामले एक जैसे नहीं होते। कुछ पुरुषों में उनके डीएनए में विशिष्ट परिवर्तन होते हैं, जिन्हें BRCA1 और BRCA2 जीन में उत्परिवर्तन (म्यूटेशन) के रूप में जाना जाता है। ये उत्परिवर्तन स्तन और डिम्बग्रंथि (ओवेरियन) कैंसर के जोखिम को बढ़ाने के लिए प्रसिद्ध हैं, लेकिन वे प्रोस्टेट कैंसर को अधिक आक्रामक और उपचार में कठिन भी बनाते हैं। इन उत्परिवर्तनों को किसका है, यह पहचानना महत्वपूर्ण है क्योंकि यह डॉक्टरों के रोग प्रबंधन के तरीके को बदल देता है, जिससे लक्षित उपचारों (टारगेटेड थेरेपी) और परिवार के सदस्यों के लिए अधिक गहन निगरानी के द्वार खुल जाते हैं। वर्तमान में, यह पता लगाने के लिए कि क्या किसी रोगी में ये उत्परिवर्तन हैं, रक्त परीक्षण या ऊतक (टिशू) के नमूने की आवश्यकता होती है, जो कि आक्रामक प्रक्रियाएं हैं और हमेशा उपलब्ध नहीं होती हैं। डॉक्टर लंबे समय से आशा कर रहे थे कि प्रोस्टेट ट्यूमर खोजने के लिए उपयोग किए जाने वाले मानक इमेजिंग स्कैन में रोगी की आनुवंशिक संरचना के सुराग मिल सकते हैं, जो उच्च-जोखिम वाले मामलों की पहचान करने का एक गैर-आक्रामक तरीका प्रदान कर सकते हैं।
वर्षों से, रेडियोलॉजिस्ट प्रोस्टेट ट्यूमर को देखने के लिए मल्टीपैरामेट्रिक एमआरआई (MRI) नामक एक उन्नत एमआरआई स्कैन पर भरोसा करते आए हैं। यह स्कैन प्रोस्टेट ग्रंथि की विस्तृत छवियां बनाता है, और इस स्कैन का एक विशिष्ट हिस्सा, जिसे ADC मैप कहा जाता है, यह मापता है कि ऊतकों के माध्यम से पानी के अणु कितनी आसानी से चलते हैं। स्वस्थ ऊतकों में, पानी स्वतंत्र रूप से घूमता है, लेकिन कैंसरयुक्त ऊतकों में, जो कोशिकाओं से बहुत सघन रूप से भरे होते हैं, पानी की गति प्रतिबंधित हो जाती है। डॉक्टर इन छवियों का उपयोग यह आंकने के लिए करते हैं कि ट्यूमर कितना बड़ा है, वह कहाँ स्थित है, और वह कितना आक्रामक प्रतीत होता है। हालांकि, इन छवियों को देखने का मानक तरीका सीमाओं से ग्रस्त है। यह एक केक के आकार और रंग को देखकर उसके स्वाद का अनुमान लगाने जैसा है; आप एक सामान्य विचार तो प्राप्त कर सकते हैं, लेकिन आप उन सूक्ष्म सामग्रियों को मिस कर देते हैं जो उसके वास्तविक स्वरूप को परिभाषित करती हैं। शोधकर्ता इस प्रश्न का उत्तर जानना चाहते थे कि क्या इन एमआरआई स्कैन की मानक दृश्य विशेषताएं यह बता सकती हैं कि एक प्रोसेस्टेट ट्यूमर BRCA उत्परिवर्तन के कारण है या नहीं।
साओ पाउलो विश्वविद्यालय के शोधकर्ताओं की एक टीम ने 'रेडियोमिक्स' (radiomics) नामक एक नए दृष्टिकोण का उपयोग करके इस विचार का परीक्षण करने के लिए कदम उठाया। केवल छवि को देखकर दृश्य निर्णय लेने के बजाय, रेडियोमिक्स कंप्यूटर का उपयोग करके स्कैन से सैकड़ों सूक्ष्म, संख्यात्मक विवरण निकालता है जो मानवीय आंखों के लिए बहुत सूक्ष्म होते हैं। ये विवरण ट्यूमर के भीतर बनावट (टेक्सचर) और पैटर्न का वर्णन करते हैं, जो कोशिकाओं और ऊतकों की जटिल व्यवस्था को पकड़ते हैं। शोधकर्ताओं ने 107 पुरुषों का डेटा एकत्र किया जिन्हें प्रोस्टेट कैंसर था और जिनके ये एमआरआई स्कैन किए गए थे। उन्होंने समूह को सावधानीपूर्वक दो श्रेणियों में विभाजित किया: वे जिन्हें जेनेटिक टेस्टिंग के माध्यम से पुष्टि हुई थी कि उनमें BRCA उत्परिवर्तन है, और एक नियंत्रण समूह (कंट्रोल ग्रुप) के पुरुष जिनमें रक्त या ट्यूमर ऊतक में कोई उत्परिवर्तन नहीं पाया गया था। यह तुलना निष्पक्ष और सटीक सुनिश्चित करने के लिए यह सख्त वर्गीकरण आवश्यक था।
जब शोधकर्ताओं ने पहली बार एमआरआई स्कैन के मानक मापों को देखा, तो उन्हें दोनों समूहों के बीच कोई स्पष्ट अंतर नहीं मिला। ट्यूमर का आकार, प्रोस्टेट के भीतर स्थान और पानी की गति की औसत दर, उत्परिवर्तन वाले और बिना उत्परिवर्तन वाले पुरुषों के लिए बहुत समान थी। यहाँ तक कि कैंसर की संभावना को रेट करने के लिए डॉक्टर जिस समग्र स्कोर का उपयोग करते हैं, जिसे PI-RADS श्रेणी कहा जाता है, वह भी उनके बीच अंतर करने में विफल रहा। यह परिणाम महत्वपूर्ण था क्योंकि इसने इस विचार को खारिज कर दिया कि एक डॉक्टर केवल एक मानक एमआरआई रिपोर्ट को देखकर जान सकता है कि क्या रोगी में BRCA उत्परिवर्तन है। ट्यूमर की दृश्य उपस्थिति, जिसे पारंपरिक रूप से मापा जाता है, आनुवंशिक स्थिति के आधार पर नहीं बदली।
निराश होने के बजाय, टीम ने रेडियोमिक दृष्टिकोण की ओर रुख किया, जिसमें कंप्यूटर को ADC मैप से निकाले गए सैकड़ों टेक्सचर फीचर्स दिए गए। उन्होंने मशीन लर्निंग का उपयोग किया, जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है जो डेटा से पैटर्न सीखता है, यह देखने के लिए कि क्या ये छिपे हुए विवरण दोनों समूहों को अलग कर सकते हैं। कंप्यूटर ने डेटा का विश्लेषण करने के लिए कई अलग-अलग गणितीय मॉडलों का उपयोग किया ताकि उत्परिवर्तन वाहकों को पहचानने का सबसे अच्छा तरीका खोजा जा सके। परिणामों ने दिखाया कि जबकि मानक माप विफल रहे, कंप्यूटर छवियों की बनावट (टेक्सचर) में एक संकेत ढूंढ सका। सबसे अच्छे मॉडल ने उत्परिवर्तन की स्थिति की पहचान करने में एक ऐसे स्तर की सटीकता दिखाई जो यादृच्छिक अनुमान (रैंडम गेसिंग) से बेहतर थी, हालांकि यह पूर्ण नहीं थी। इसने उत्परिवर्तन की उपस्थिति को महत्वपूर्ण संख्या में मामलों में सही ढंग से उजागर किया, जिससे पता चलता है कि आनुवंशिक उत्परिवर्तन ऊतक संरचना पर एक सूक्ष्म, मापने योग्य छाप छोड़ता है जिसे मानक स्कैन नहीं देख पाते।
अध्ययन ने विश्लेषण किए जा रहे ट्यूमर के आकार के बारे में एक महत्वपूर्ण विवरण भी प्रकट किया। कंप्यूटर ने तब बहुत बेहतर प्रदर्शन किया जब उसने बड़े ट्यूमर को देखा। जब शोधकर्ताओं ने केवल सबसे बड़े घावों (लीजन) पर ध्यान केंद्रित किया, तो भविष्यवाणी की सटीकता में उल्लेखनीय सुधार हुआ। यह सुझाव देता है कि कंप्यूटर जिस सूक्ष्म, जटिल पैटर्न को देख रहा था, उसे विश्वसनीय रूप से पता लगाने के लिए एक निश्चित स्थान की आवश्यकता होती है; यदि ट्यूमर बहुत छोटा है, तो संकेत शोर (नॉइज़) में खो जाता है। यह निष्कर्ष भविष्य के अनुसंधान के लिए एक व्यावहारिक सबक है, जो इंगित करता है कि इस पद्धति के प्रभावी ढंग से काम करने के लिए, ट्यूमर का पर्याप्त आकार का होना आवश्यक है।
शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि मानक एमआरआई पैरामीटर वर्तमान में हमें यह नहीं बता सकते कि कौन सा व्यक्ति BRCA उत्परिवर्तन का वाहक है, फिर भी इन स्कैन का विस्तृत टेक्सचर विश्लेषण आशाजनक है। अध्ययन बताता है कि उत्परिवर्तन द्वारा उत्पन्न जैविक परिवर्तन ट्यूमर की सूक्ष्म संरचना को इस तरह से बदलते हैं कि उन्हें मापा जा सकता है, भले ही मानव आंख उन्हें न देख सके। हालांकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक प्रारंभिक खोज है। यह अध्ययन एक एकल चिकित्सा केंद्र में किया गया था जिसमें रोगियों की संख्या अपेक्षाकृत कम थी, और परिणामों की विश्वसनीयता की पुष्टि करने के लिए उन्हें बड़े समूहों में परीक्षण करने की आवश्यकता है। यह कार्य अभी तत्काल उपयोग के लिए नया नैदानिक उपकरण (डायग्नोस्टिक टूल) प्रदान नहीं करता है, लेकिन यह इस पथ पर अन्वेषण जारी रखने का एक मजबूत कारण प्रदान करता है। यह प्रदर्शित करता है कि उन्नत इमेजिंग को कंप्यूटर विश्लेषण के साथ जोड़ने से भविष्य में डॉक्टरों को बिना किसी आक्रामक परीक्षण के उच्च-जोखिम वाले आनुवंशिक प्रोफाइल की पहचान करने में मदद मिल सकती है, जो प्रोस्टेट कैंसर के रोगियों के लिए अधिक व्यक्तिगत और कम बोझ वाली देखभाल की दिशा में एक कदम 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।