Texture-driven radiomics from longitudinal contrast-enhanced CT predicts short-term immunotherapy response in lung cancer: A retrospective cohort study

उन्नत फेफड़ों के कैंसर की लड़ाई में, डॉक्टरों के पास एक शक्तिशाली नया उपकरण है: ऐसी दवाएं जो रोगी की अपनी प्रतिरक्षा प्रणाली को ट्यूमर पर हमला करने के लिए जगा देती हैं। ये उपचार, जिन्हें इम्यून चेकपॉइंट इनहिबिटर (immune checkpoint inhibitors) के रूप में जाना जाता है, देखभाल के परिदृश्य को बदल चुके हैं, और वहां आशा प्रदान कर रहे हैं जहां पहले बहुत कम उम्मीदें थीं। हालांकि, वे हर किसी के लिए काम नहीं करते हैं। कुछ रोगियों के ट्यूमर नाटकीय रूप से सिकुड़ जाते हैं, जबकि अन्यों में कोई बदलाव नहीं दिखता या यहां तक कि एक अस्थायी, भ्रामक वृद्धि देखी जाती है जो वास्तव में प्रतिरक्षा प्रणाली द्वारा शक्ति जुटाने का संकेत होती है। दवा काम कर रही है या नहीं, यह जांचने के लिए वर्तमान मानक सीटी स्कैन पर ट्यूमर के आकार को मापने पर निर्भर करता है। यह विधि, हालांकि उपयोगी है, अक्सर सफलता या विफलता के सूक्ष्म, शुरुआती संकेतों को पकड़ने के लिए बहुत धीमी होती है, और इसे शरीर के साथ इन दवाओं के जटिल व्यवहार से भ्रमित किया जा सकता है। वैज्ञानिक लंबे समय से उम्मीद कर रहे थे कि मेडिकल इमेजिंग का कंप्यूटर विश्लेषण, जिसे रेडियोमिक्स (radiomics) कहा जाता है, उन छिपे हुए पैटर्न को खोज सकेगा जो ट्यूमर के आकार बदलने से पहले ही यह भविष्यवाणी कर सकें कि कौन प्रतिक्रिया देगा। लेकिन इन कंप्यूटर मॉडलों का एकल, स्थिर स्कैन पर उपयोग करने के पिछले प्रयास असंगत रहे हैं, जो अक्सर विभिन्न मशीनों और स्कैनिंग तकनीकों के शोर से वास्तविक जैविक संकेतों को अलग करने में विफल रहे।

लांज़ोउ विश्वविद्यालय और कैम्ब्रिज विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस समस्या को अलग तरह से देखने का निर्णय लिया। यह पूछने के बजाय कि एक एकल चित्र ट्यूमर के बारे में उन्हें क्या बता सकता है, उन्होंने पूछा कि परिवर्तन की कहानी क्या प्रकट कर सकती है। उन्होंने इम्यूनोथेरेपी के अपने पहले दौर को प्राप्त करने वाले रोगियों पर ध्यान केंद्रित किया और दो स्कैनों की तुलना की: एक जो उपचार शुरू होने से पहले लिया गया था और दूसरा जो कुछ हफ्तों बाद लिया गया था, जब उपचार अभी भी जारी था। यह विश्लेषण करने के बजाय कि ट्यूमर कितना बड़ा था, उन्होंने इस बात पर ध्यान केंद्रित किया कि दो क्षणों के बीच ट्यूमर की आंतरिक बनावट (texture) कैसे विकसित हुई, और वे यह पता लगाने की कोशिश कर रहे थे कि क्या दवा काम कर रही है या नहीं, इसका एक स्पष्ट संकेत मिल सकता है। 156 रोगियों को शामिल करने वाला उनका अध्ययन यह प्रकट करता है कि अल्पकालिक प्रतिक्रिया की भविष्यवाणी करने की कुंजी केवल एक क्षण में ट्यूमर की उपस्थिति में नहीं है, बल्कि इसमें है कि प्रतिरक्षा प्रणाली के जुड़ने पर इसकी आंतरिक संरचना विशेष रूप से कैसे बदलती है।

शोधकर्ताओं ने रोगियों से डेटा एकत्र करना शुरू किया जिन्होंने कंट्रास्ट-एन्हांस्ड सीटी स्कैन (contrast-enhanced CT scans) प्राप्त किए थे, जो रक्त वाहिकाओं और ऊतकों को स्पष्ट रूप से उभारने के लिए एक विशेष डाई का उपयोग करते हैं। उन्होंने ट्यूमर और उसके ठीक आसपास के ऊतकों का सावधानीपूर्वक मानचित्रण किया, और छवियों के भीतर ग्रे-स्केल पैटर्न के हजारों सूक्ष्म संख्यात्मक विवरण निकाले। ये विवरण ऊतक की बनावट का वर्णन करते हैं—कि आंतरिक संरचना कितनी खुरदरी, चिकनी या जटिल दिखाई देती है—न कि केवल इसके आकार या रूप का। फिर उन्होंने कंप्यूटर मॉडल बनाए ताकि यह देखा जा सके कि क्या ये संख्याएं यह भविष्यवाणी कर सकती हैं कि रोगी एक "रिस्पोंडर" (responder) होगा, जिसका अर्थ है कि उनका ट्यूमर सिकुड़ गया या गायब हो गया, या "नॉन-रिस्पोंडर" (non-responder) होगा।

परिणाम चौंकाने वाले थे। जब टीम ने केवल उपचार शुरू होने से पहले के स्कैन को देखा, तो कंप्यूटर मॉडल मूल रूप से अनुमान लगा रहे थे। वे उन रोगियों के बीच अंतर नहीं कर सके जो अंततः प्रतिक्रिया देंगे और जो नहीं देंगे, और उनका प्रदर्शन संयोग (chance) से बेहतर नहीं था। यहाँ तक कि डॉक्टरों के पास उपलब्ध नैदानिक जानकारी, जैसे आयु, धूम्रपान का इतिहास और उपयोग की गई विशिष्ट दवा भी, एक विश्वसनीय भविष्यवाणी करने में विफल रही। हालांकि, जैसे ही शोधकर्ताओं ने पहले स्कैन और दूसरे स्कैन के बीच के परिवर्तन को देखा, तस्वीर स्पष्ट हो गई। दो स्कैनों के बीच बनावट (texture) के अंतर पर आधारित एक मॉडल ने उच्च सटीकता के साथ अल्पकालिक परिणाम की सफलतापूर्वक भविष्यवाणी की। यह सुझाव देता है कि भविष्यवाणात्मक शक्ति ट्यूमर की प्रारंभिक अवस्था में नहीं, बल्कि उपचार के दबाव में इसके रूपांतरण में निहित है।

महत्वपूर्ण रूप से, अध्ययन ने दिखाया कि यह सफलता बनावट (texture) द्वारा संचालित थी, न कि केवल ट्यूमर के छोटा होने से। शोधकर्ताओं ने परीक्षण किया कि क्या मॉडल केवल सिकुड़ने को मापने का एक शानदार तरीका था, जो पहले से ही आकार-आधारित नियमों द्वारा कैप्चर किया जा चुका है। उन्होंने पाया कि जब उन्होंने ट्यूमर के आकार और रूप से संबंधित सभी मापों को हटा दिया, तब भी मॉडल उतना ही सटीक रहा। वास्तव में, सबसे महत्वपूर्ण सुराग ट्यूमर के आंतरिक पैटर्न में परिवर्तन थे, जैसे कि कोशिका घनत्व और संगठन का प्रतिनिधित्व करने वाले पिक्सेल की व्यवस्था। यह इंगित करता है कि प्रतिरक्षा प्रणाली कैंसर के सूक्ष्म परिदृश्य को उस समय बहुत पहले ही बदल देती है जब ट्यूमर का कुल आयतन (volume) नग्न आंखों या मानक माप उपकरणों द्वारा देखे जाने योग्य स्तर तक नहीं बदलता।

टीम ने यह भी जांचा कि यह संकेत कहाँ स्थित है। एक सामान्य धारणा है कि ट्यूमर के आसपास का ऊतक प्रतिरक्षा प्रणाली के लिए एक महत्वपूर्ण युद्धक्षेत्र है और इसमें सबसे महत्वपूर्ण सुराग हो सकते हैं। इसका परीक्षण करने के लिए, शोधकर्ताओं ने ट्यूमर, उसके ठीक आसपास के ऊतक और दोनों के संयोजन का विश्लेषण किया। उन्होंने पाया कि भविष्यवाणात्मक संकेत सबसे मजबूत और विश्वसनीय था जब केवल ट्यूमर को ही देखा गया। आसपास के ऊतकों को जोड़ने से भविष्यवाणी में सुधार नहीं हुआ; कुछ मामलों में, इसने केवल शोर (noise) ही जोड़ा। यह निष्कर्ष इस धारणा को चुनौती देता है कि परिधि (periphery) हमेशा सबसे अधिक सूचनात्मक क्षेत्र होती है, यह सुझाव देते हुए कि अल्पकालिक प्रतिक्रिया के लिए, ट्यूमर के कोर के भीतर होने वाले परिवर्तन सबसे अधिक बताने वाले होते हैं।

हालांकि मॉडल इस बात की भविष्यवाणी करने में उत्कृष्ट था कि क्या कोई रोगी अल्पकालिक रूप से प्रतिक्रिया देगा, लेकिन दीर्घकालिक उत्तरजीविता (survival) की भविष्यवाणी करने की इसकी क्षमता अधिक सीमित थी। शोधकर्ताओं ने पाया कि बनावट परिवर्तन रोगियों को अलग-अलग जोखिम समूहों में मामूली रूप से विभाजित कर सकते थे, लेकिन यह समग्र उत्तरजीविता की भविष्यवाणी नहीं कर सका। ऐसा संभवतः इसलिए है क्योंकि उत्तरजीविता उन कई कारकों से प्रभावित होती है जो प्रारंभिक उपचार के बाद होते हैं, जैसे कि आगामी उपचार या अन्य स्वास्थ्य संबंधी मुद्दे, जो शुरुआती संकेत को कम कर देते हैं। अध्ययन यह निष्कर्ष निकालता है कि जबकि ये अनुदैर्ध्य (longitudinal) बनावट परिवर्तन इस बात के लिए एक शक्तिशाली प्रारंभिक चेतावनी प्रणाली हैं कि क्या एक दवा काम कर रही है, वे बीमारी के पूरे पाठ्यक्रम के लिए कोई भविष्य बताने वाला यंत्र (crystal ball) नहीं हैं।

इस कार्य के निहितार्थ भविष्य में डॉक्टरों द्वारा कैंसर उपचार की निगरानी करने के तरीके के लिए महत्वपूर्ण हैं। यह सुझाव देता है कि सफलता का निर्णय लेने के लिए ट्यूमर के सिकुड़ने का इंतजार करना ही एकमात्र तरीका नहीं है। उपचार के पहले कुछ हफ्तों के भीतर सूक्ष्म, बनावटी बदलावों (textural shifts) पर ध्यान केंद्रित करके, चिकित्सक गैर-प्रतिक्रिया देने वाले रोगियों की पहचान बहुत पहले कर सकते हैं, जिससे उन्हें उस दवा के दुष्प्रभावों से बचाया जा सके जो काम नहीं कर रही है और उन्हें जल्द ही दूसरा उपचार अपनाने की अनुमति मिल सके। यह अध्ययन स्थिर स्नैपशॉट के बजाय समय के साथ होने वाले परिवर्तन को देखने के महत्व को भी रेखांकित करता है, एक ऐसा सिद्धांत जो चिकित्सा इमेजिंग के कई क्षेत्रों में लागू किया जा सकता है। हालांकि, शोधकर्ता सावधानी बरतते हुए कहते हैं कि उनके निष्कर्ष एक एकल केंद्र से आए हैं और उन्हें नैदानिक देखभाल के एक मानक हिस्से के रूप में उपयोग करने से पहले रोगियों के बड़े, विविध समूहों में पुष्टि करने की आवश्यकता है। फिलहाल, यह कार्य हमें यह समझने के लिए एक स्पष्ट दृष्टि प्रदान करता है कि उनकी छवियां वास्तव में हमें क्या बता रही हैं: कि ट्यूमर की प्रतिक्रिया की कहानी उसके बदलते आकार में नहीं, बल्कि उसकी बदलती बनावट (texture) में लिखी जाती है।