Prediction of non-surgical spinal decompression efficacy in lumbar disc herniation patients is based on pre-treatment paravertebral muscle MRI radiomics and clinical factors in a two-center study with external validation.

पीठ का दर्द एक सार्वभौमिक मानवीय अनुभव है, कामकाजी उम्र के लाखों वयस्कों के लिए एक निरंतर साथी, जो सरल गतिविधियों को भी दैनिक संघर्ष में बदल सकता है। जब निचले रीढ़ की हड्डियों के बीच स्थित कुशनिंग डिस्क अपनी जगह से खिसक जाती हैं, तो वे नसों पर दबाव डाल सकती हैं, जिससे पैरों में तेज दर्द होता है और व्यक्ति की कार्य करने की क्षमता सीमित हो जाती है। हालांकि गंभीर मामलों के लिए सर्जरी एक विकल्प है, लेकिन अधिकांश लोगों को पहले रूढ़िवादी (कंजर्वेटिव) उपचारों की पेशकश की जाती है जो शरीर को काटे बिना दबाव कम करने के लिए डिज़ाइन किए गए हैं। ऐसा ही एक तरीका एक विशेष मशीन का उपयोग करता है जो रीढ़ को धीरे से खींचती है, जिससे नसों के लिए जगह बनती है और शरीर को स्वयं को ठीक करने के लिए प्रोत्साहित किया जाता है। हालांकि, यह उपचार हर किसी के लिए काम नहीं करता है। कुछ रोगी तत्काल राहत महसूस करते हैं, जबकि अन्यों में कोई बदलाव नहीं दिखता। दशकों से, डॉक्टरों को यह अनुमान लगाने के लिए कि कौन से रोगी लाभान्वित होंगे, स्पष्ट और वस्तुनिष्ठ भविष्यवाणियों के बजाय अनुभव और सामान्य लक्षणों पर निर्भर रहना पड़ता था।

शोधकर्ताओं की एक टीम ने अब इस प्रश्न का उत्तर देने में मदद करने के लिए एक नया उपकरण विकसित किया है। मानक चिकित्सा छवियों को उन्नत कंप्यूटर विश्लेषण के साथ जोड़कर, उन्होंने एक ऐसी प्रणाली बनाई है जो उपचार शुरू होने से पहले रोगी की रीढ़ की जांच कर सकती है और यह अनुमान लगा सकती है कि उनके सुधार की कितनी संभावना है। यह अध्ययन रीढ़ के साथ चलने वाली मांसपेशियों पर केंद्रित रहा, जिन्हें अक्सर मानक स्कैन में अनदेखा कर दिया जाता है। 'रेडियोमिक्स' नामक तकनीक का उपयोग करते हुए, शोधकर्ताओं ने कंप्यूटर को मांसपेशियों की बनावट और संरचना में उन सूक्ष्म, अदृश्य पैटर्न का पता लगाना सिखाया जिन्हें मानवीय आँख नहीं देख सकती। उन्होंने पाया कि इन मांसपेशियों के पैटर्न को रोगी की आयु और स्वास्थ्य इतिहास जैसे सरल तथ्यों के साथ देखने से, वे सटीक रूप से भविष्यवाणी कर सकते थे कि कौन उपचार के प्रति अच्छी प्रतिक्रिया देगा और कौन नहीं।

शोधकर्ताओं ने दो अलग-अलग अस्पतालों के 766 रोगियों के डेटा को एकत्र किया जिन्होंने इस गैर-सर्जिकल स्पाइनल डीकंप्रेशन उपचार का अनुभव किया था। उपचार शुरू होने से पहले, प्रत्येक रोगी का उनके निचले हिस्से का एमआरआई (MRI) स्कैन किया गया था। टीम ने अपना ध्यान तीन विशिष्ट मांसपेशी समूहों पर केंद्रित किया: सोआस मेजर (psoas major), जो पेट के गहरे हिस्से में होती है; इरेक्टर स्पाइनी (erector spinae), जो रीढ़ को सहारा देती है; और मल्टीफिडस (multifidus), जो एक छोटी लेकिन महत्वपूर्ण मांसपेशी है जो प्रत्येक व्यक्तिगत कशेरुका (vertebra) को स्थिर करती है। विशेष सॉफ्टवेयर का उपयोग करके, उन्होंने एमआरआई छवियों पर इन मांसपेशियों को मैप किया और सैकड़ों मात्रात्मक विशेषताएं निकालीं। इन विशेषताओं ने ऊतकों के घनत्व, वसा की उपस्थिति और मांसपेशियों के रेशों की सूक्ष्म बनावट जैसी चीजों को मापा।

इस विशाल डेटा को समझने के लिए, टीम ने मशीन लर्निंग का उपयोग किया, जो एक प्रकार का कंप्यूटर प्रोग्राम है जो उदाहरणों का अध्ययन करके पैटर्न पहचानना सीखता है। उन्होंने रोगियों को समूहों में विभाजित किया, जिसमें एक बड़े समूह का उपयोग कंप्यूटर को प्रशिक्षित करने के लिए किया गया और एक अलग समूह का उपयोग इसके भविष्यवाणियों के परीक्षण के लिए किया गया। कंप्यूटर ने उन रोगियों के बीच अंतर करना सीखा जो उपचार के बाद काफी सुधार करते थे और जो नहीं करते थे। परिणामों ने दिखाया कि कंप्यूटर मॉडल अत्यधिक सटीक था। जब मॉडल ने मांसपेशियों के डेटा को बुनियादी नैदानिक जानकारी—जैसे रोगी की आयु, मधुमेह या उच्च रक्तचाप की स्थिति, और उनका व्यवसाय—के साथ जोड़ा, तो इसने किसी भी एकल सूचना स्रोत की तुलना में बेहतर प्रदर्शन किया।

सबसे महत्वपूर्ण खोज यह थी कि कंप्यूटर मांसपेशियों में विशिष्ट संकेतों की पहचान कर सकता था जो सफलता की भविष्यवाणी करते थे। विश्लेषण से पता चला कि मल्टीफिडस मांसपेशी की स्थिति विशेष रूप से निर्णायक थी। जिन रोगियों की मल्टीफिडस मांसपेशियों में स्वस्थ बनावट और कम वसायुक्त घुसपैठ (fatty infiltration) के संकेत थे, उनके उपचार के प्रति अच्छी प्रतिक्रिया देने की संभावना बहुत अधिक थी। इसके विपरीत, जिन मांसपेशियों में क्षय के लक्षण थे या जिनमें वसा की अधिकता थी, उन्हें लाभ होने की संभावना कम थी। कंप्यूटर ने उस बात की भी पुष्टि की जिसे डॉक्टर लंबे समय से समझते आए हैं: आयु एक प्रमुख कारक है। कम उम्र के रोगी, जिनकी रीढ़ की डिस्क और मांसपेशियां आम तौर पर अधिक लचीली और हाइड्रेटेड होती हैं, वृद्ध रोगियों की तुलना में बहुत बेहतर प्रतिक्रिया देते हैं, जिनकी ऊतक अक्सर सख्त और घिसे हुए होते हैं।

इस अध्ययन ने केवल संख्याओं की सूची तैयार नहीं की; इसने एक व्यावहारिक मॉडल बनाया है जिसका उपयोग निर्णयों के मार्गदर्शन के लिए किया जा सकता है। शोधकर्ताओं ने यह सुनिश्चित करने के लिए कि यह वास्तविक दुनिया में काम करता है, अपने मॉडल का परीक्षण एक अलग अस्पताल के रोगियों के पूरी तरह से नए समूह पर किया, और यह सफल रहा। मॉडल ने उन रोगियों की सही पहचान की जो सुधार करेंगे, और साथ ही उन लोगों को भी चिह्नित किया जिनके परिणाम मिलने की संभावना कम थी। यह महत्वपूर्ण है क्योंकि इसका मतलब है कि डॉक्टर मरीजों को ऐसे उपचार के अधीन करने से बच सकते हैं जिसके सफल होने की संभावना कम है, जिससे समय और संसाधनों की बचत होती है। इसके बजाय, उन रोगियों को जल्द ही अन्य विकल्पों, जैसे सर्जरी या विभिन्न अन्य उपचारों की ओर निर्देशित किया जा सकता है।

जो दृष्टिकोण इसे अद्वितीय बनाता है वह यह है कि यह पूरी तस्वीर को देखता है। पिछले अध्ययन अक्सर केवल डिस्क पर ध्यान केंद्रित करते थे या पूरी तरह से डॉक्टर के व्यक्तिपरक मूल्यांकन पर निर्भर थे। यह नई विधि रीढ़ को एक ऐसी प्रणाली के रूप में देखती है जहाँ आसपास की मांसपेशियों का स्वास्थ्य डिस्क की स्थिति जितना ही महत्वपूर्ण है। कंप्यूटर विश्लेषण एक उच्च-शक्ति वाले सूक्ष्मदर्शी की तरह कार्य करता है, जो मांसपेशियों के ऊतकों में उन सूक्ष्म अंतरों को प्रकट करता है जो यह निर्धारित करते हैं कि क्या रीढ़ डीकंप्रेशन मशीन के हल्के खिंचाव बल के प्रति प्रभावी ढंग से प्रतिक्रिया दे सकती है। यदि मांसपेशियां बहुत कमजोर या बहुत सख्त हैं, तो वे डिस्क तक आवश्यक बल नहीं पहुंचा सकती हैं, और उपचार विफल हो जाता है।

शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि उनका कार्य पिछले डेटा को देखने पर आधारित है, जिसका अर्थ है कि इसे भविष्य के अध्ययनों द्वारा पुष्ट करने की आवश्यकता है जहाँ रोगियों का समय के साथ आगे चलकर अनुसरण किया जाए। उन्होंने यह भी स्वीकार किया कि एमआरआई स्कैन पर मांसपेशियों को मैप करने की प्रक्रिया हाथ से की गई थी, जो समय लेने वाली है, और भविष्य के संस्करणों में इस उपकरण को तेज करने के लिए स्वचालित प्रणालियों का उपयोग किया जा सकता है। इन सीमाओं के बावजूद, यह अध्ययन पीठ दर्द के उपचार के बारे में सोचने के एक नए तरीके के लिए एक मजबूत आधार प्रदान करता है। यह क्षेत्र को 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) वाले दृष्टिकोण से हटाकर एक अधिक व्यक्तिगत रणनीति की ओर ले जाता है, जहाँ विशिष्ट उपचार का निर्णय रोगी के अपने शरीर के डेटा द्वारा समर्थित होता है।

अंत में, यह शोध एक ऐसे भविष्य की झलक देता है जहाँ चिकित्सा निर्णय सटीक और वस्तुनिष्ठ साक्ष्य द्वारा निर्देशित होते हैं। मांसपेशियों के ऊतकों की छिपी हुई भाषा को समझकर, डॉक्टर रोगियों को उनके लिए उपयुक्त उपचारों के साथ बेहतर ढंग से मिलान कर सकते हैं। लाखों लोग जो स्लिप्ड डिस्क से पीड़ित हैं, उनके लिए इसका अर्थ है एक स्पष्ट मार्ग, जो इस अनिश्चितता को कम करता है कि क्या एक रूढ़िवादी उपचार मदद करेगा या अब अन्य विकल्पों पर विचार करने का समय आ गया है। यह अध्ययन सभी के लिए इलाज का वादा नहीं करता है, लेकिन यह प्रत्येक व्यक्ति के लिए सही पथ चुनने के एक स्मार्ट तरीके का वादा जरूर करता है।