Interpretable Machine Learning and Point-of-Care Digital Risk Stratification for Pneumothorax Following Lung Tumor Ablation: A Multicenter Validation Study

जब डॉक्टर उन फेफड़ों के ट्यूमर का इलाज करते हैं जो सर्जरी के लिए बहुत छोटे हैं या जिन्हें निकालना बहुत जोखिम भरा है, तो वे अक्सर 'थर्मल एब्लेशन' नामक एक तकनीक का सहारा लेते हैं। इस प्रक्रिया में, एक पतली सुई को त्वचा के माध्यम से गाइड करते हुए ट्यूमर के अंदर डाला जाता है, जहाँ यह कैंसर कोशिकाओं को नष्ट करने के लिए तीव्र ऊष्मा (हीट) का उपयोग करती है। यह ओपन सर्जरी का एक कम आक्रामक (मिनिमली इनवेसिव) विकल्प है, जो कई रोगियों के लिए तेजी से रिकवरी प्रदान करता है। हालाँकि, फेफड़ा एक नाजुक, हवा से भरा अंग है, और इसमें सुई चुभाने से एक विशिष्ट जोखिम होता है: हवा बाहर निकल सकती है, जिससे फेफड़ा ढह सकता है। 'न्यूमोथोरैक्स' के रूप में जानी जाने वाली यह स्थिति एक सामान्य जटिलता है। जबकि कई मामले मामूली होते हैं और अपने आप ठीक हो जाते हैं, एक महत्वपूर्ण हिस्सा ऐसे गंभीर पतन (कोलैप्स) का सामना करता है जिसके लिए हवा को बाहर निकालने और फेफड़े को फिर से फुलाने के लिए छाती में एक ट्यूब डालने की आवश्यकता होती है। वर्तमान में, डॉक्टर प्रक्रिया के बाद हर मरीज के साथ एक ही तरह का व्यवहार करते हैं: वे इस जटिलता के विकसित होने की संभावना देखने के लिए पूरे एक दिन तक उन पर बारीकी से नज़र रखते हैं। यह "एक ही आकार सबके लिए" (वन-साइज़-फिट्स-ऑल) वाला दृष्टिकोण का अर्थ है कि कई कम जोखिम वाले मरीजों को अनावश्यक समय अस्पताल में बिताना पड़ता है, जबकि उच्च जोखिम वाले मरीजों को शायद तब तक अतिरिक्त ध्यान नहीं मिल पाता जब तक कि बहुत देर न हो जाए।

युन्नान, चीन के अस्पतालों के एक शोध दल ने इस प्रतिक्रियात्मक दृष्टिकोण को बदलने के लिए एक ऐसा उपकरण बनाने का लक्ष्य रखा, जो समस्या होने से पहले ही अनुमान लगा सके कि किसे जोखिम है। उन्होंने एक प्रमुख अस्पताल में फेफड़ों के टरूम एब्लेशन से गुजरने वाले 1,100 से अधिक रोगियों का डेटा एकत्र किया और उस जानकारी का उपयोग एक कंप्यूटर प्रोग्राम को प्रशिक्षित करने के लिए किया। लक्ष्य एक सरल तरीका खोजना था जिससे रोगी के विशिष्ट विवरणों—जैसे कि ट्यूमर फेफड़ों की बाहरी परत के कितने करीब था, सुई कितनी बार डाली गई थी, और हीटिंग प्रक्रिया में कितना समय लगा—को देखा जा सके और गंभीर फेफड़ों के ढहने की सटीक संभावना की गणना की जा सके। शोधकर्ताओं ने अपने कंप्यूटर मॉडल का परीक्षण आठ अन्य विभिन्न गणितीय दृष्टिकोणों के विरुद्ध किया और पाया कि एक विशिष्ट प्रकार का एल्गोरिदम, जिसे 'रैंडम फॉरेस्ट' कहा जाता है, सबसे सटीक था। इस मॉडल ने डेटा में उन जटिल पैटर्न को पहचानना सीखा जिन्हें मानव डॉक्टर शायद मिस कर दें, जैसे कि यदि हीटिंग का समय एक निश्चित बिंदु से आगे बढ़ जाता है या यदि सुई को कुछ से अधिक बार डाला जाता है, तो लीकेज का जोखिम तेजी से बढ़ जाता है।

टीम केवल मॉडल बनाने तक ही नहीं रुकी; उन्होंने यह सुनिश्चित करने के लिए कि यह वास्तविक दुनिया में काम करेगा, इसका कड़ाई से परीक्षण किया। उन्होंने अपने निष्कर्षों को दो अन्य शहरों के दो अलग-अलग अस्पतालों के डेटा का उपयोग करके मान्य किया, जिससे यह सिद्ध हुआ कि यह उपकरण विभिन्न समूहों के लोगों और विभिन्न चिकित्सा टीमों पर लागू होने पर भी अच्छी तरह काम करता है। उन्होंने इसे बाद की तारीख में उपचारित किए गए रोगियों के विरुद्ध भी परखा ताकि यह सुनिश्चित हो सके कि चिकित्सा तकनीक विकसित होने के साथ उपकरण सटीक बना रहे। परिणामों ने दिखाया कि उपकरण ने 0.86 का AUC प्राप्त किया। इससे भी महत्वपूर्ण बात यह है कि कंप्यूटर ने अपने तर्क को स्पष्ट किया, जिसमें यह बताया गया कि कुल हीटिंग समय, सुई के पंचेर (चुभने) की संख्या, और ट्यूमर तथा फेफड़े की दीवार के बीच की दूरी सबसे महत्वपूर्ण कारक थे। विश्लेषण ने विशिष्ट सुरक्षा सीमाएं (थ्रेशोल्ड) उजागर कीं: उदाहरण के लिए, कुल हीटिंग समय को बारह मिनट से कम रखना और सुई के प्रवेश को तीन से कम तक सीमित करना जोखिम को काफी कम कर देता है।

इस खोज को डॉक्टरों के लिए उपयोगी बनाने के लिए, शोधकर्ताओं ने जटिल कंप्यूटर कोड को एक सरल, मुफ्त वेबसाइट में बदल दिया जिसका उपयोग बेडसाइड (मरीज के पास) किया जा सकता है। एक डॉक्टर अब कैलकुलेटर में रोगी के विशिष्ट विवरण दर्ज कर सकता है और तुरंत एक जोखिम स्कोर प्राप्त कर सकता है जो उन्हें चार श्रेणियों में रखता है: कम, मध्यम, उच्च, या बहुत उच्च जोखिम। यह इस तरह से देखभाल करने की अनुमति देता है। जिन्हें कम जोखिम वाला पहचाना गया है, उन्हें संभावित रूप से जल्दी घर भेजा जा सकता है, जिससे अस्पताल के संसाधनों को मुक्त किया जा सके, जबकि जिन्हें उच्च जोखिम वाला चिह्नित किया गया है, उनकी बारीकी से निगरानी की जा सकती है या तत्काल हस्तक्षेप के लिए तैयार किया जा सकता है। अध्ययन ने यह भी उजागर किया कि कुछ रक्त मार्कर, जो सूजन या ट्यूमर के भार को दर्शाते हैं, जोखिम का अनुमान लगाने में भूमिका निभाते हैं, जो यह सुझाव देता है कि रोगी की जैविक संरचना उतनी ही मायने रखती है जितना कि भौतिक प्रक्रिया। एक ऐसी प्रणाली से जहाँ हर कोई प्रतीक्षा और निगरानी करता है, व्यक्तिगत जोखिम प्रोफाइल के आधार पर अनुकूलित देखभाल की ओर बढ़ते हुए, यह डिजिटल उपकरण फेफड़ों के कैंसर के उपचार को सुरक्षित, अधिक कुशल और अधिक व्यक्तिगत बनाने का एक तरीका प्रदान करता है।