Noninvasive Prediction of HER2 Expression in Bladder Cancer Using a Machine Learning Model Based on Ultrasound Radiomics: Facilitating Precision Screening for ADC Targeted Therapy
इस अध्ययन ने अल्ट्रासाउंड रेडियोमिक्स पर आधारित एक व्याख्यात्मक मशीन लर्निंग मॉडल विकसित और मान्य किया है जो मूत्राशय के कैंसर के रोगियों में पूर्वोपरatively (preoperatively) HER2 अभिव्यक्ति की स्थिति की सटीक भविष्यवाणी करता है, जिससे एंटीबॉडी-ड्रग कंजुगेट लक्षित उपचारों के लिए व्यक्तिगत स्क्रीनिंग को सुगम बनाया जा सके।
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
मूत्रशय की कैंसर (ब्लैडर कैंसर) एक सामान्य और अक्सर आक्रामक बीमारी है जो मूत्र प्रणाली को प्रभावित करती है। हालांकि डॉक्टर कभी-कभी शुरुआती चरणों के मामलों को प्रबंधित कर सकते हैं, लेकिन यह कैंसर अक्सर वापस आ जाता है या मूत्राशय की दीवार में गहराई तक बढ़ जाता है, जिससे रोगियों के लिए स्थिति बहुत गंभीर हो जाती है। इस बीमारी के व्यवहार का एक प्रमुख कारक कैंसर कोशिकाओं की सतह पर मौजूद एक विशिष्ट प्रोटीन है जिसे HER2 कहा जाता है। जब यह प्रोटीन उच्च मात्रा में मौजूद होता है, तो यह ईंधन के स्रोत की तरह कार्य करता है, जिससे ट्यूमर को बढ़ने और फैलने में मदद मिलती है। हाल के वर्षों में, डॉक्टरों ने ऐसे शक्तिशाली नए ड्रग्स विकसित किए हैं जो उन कोशिकाओं को खोजने और उन पर हमला करने के लिए डिज़ाइन किए गए हैं जिनमें यह प्रोटीन होता है। हालांकि, ये उपचार तभी काम करते हैं जब रोगी के ट्यूमर में वास्तव में यह प्रोटीन मौजूद हो। वर्तमान में, यह जानने का एकमात्र तरीका कि क्या किसी रोगी में यह प्रोटीन है, बायोप्सी करना है, जहाँ एक सर्जन सूक्ष्मदर्शी के नीचे परीक्षण के लिए मूत्राशय से ऊतक का एक छोटा सा हिस्सा निकालता है। यह प्रक्रिया आक्रामक है, रोगी के लिए असहज हो सकती है, और चूंकि यह केवल ट्यूमर के एक बहुत छोटे हिस्से का नमूना लेती है, इसलिए यदि प्रोटीन पूरे द्रव्यमान में समान रूप से वितरित नहीं है, तो यह उसे मिस कर सकती है।
लांजोउ यूनिवर्सिटी सेकंड हॉस्पिटल के शोधकर्ताओं ने बिना शरीर को काटे इस प्रोटीन को देखने का एक बेहतर तरीका खोजने का प्रयास किया। वे 'रेडियोमिक्स' नामक एक क्षेत्र की ओर मुड़े, जो मेडिकल इमेज को केवल मानव आंखों के लिए चित्रों के रूप में नहीं, बल्कि छिपे हुए डेटा के विशाल स्रोतों के रूप में देखता है। जहाँ एक डॉक्टर अल्ट्रासाउंड इमेज को देखता है और ट्यूमर के आकार और चमक को देखता है, वहीं एक कंप्यूटर पिक्सेल में हजारों सूक्ष्म पैटर्न का विश्लेषण कर सकता है जो मानवीय दृष्टि के लिए अदृश्य होते हैं। ये पैटर्न ट्यूमर की आंतरिक संरचना और उसकी जैविक बनावट के बारे में विवरण प्रकट कर सकते हैं। टीम यह जानना चाहती थी कि क्या वे मानक अल्ट्रासाउंड स्कैन में इन छिपे हुए पैटर्न का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि क्या रोगी का ट्यूमर HER2 प्रोटीन से समृद्ध है, जिससे डॉक्टरों को सर्जरी से पहले यह तय करने में मदद मिल सके कि किन रोगियों को नए लक्षित उपचारों (टारगेटेड ड्रग्स) से लाभ होगा।
इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने उन 270 रोगियों के मेडिकल रिकॉर्ड्स का अध्ययन किया जिन्हें ब्लैडर कैंसर का निदान हुआ था और जिनकी सर्जरी से पहले अल्ट्रासाउंड स्कैन किए गए थे। अध्ययन के प्रत्येक रोगी के ऊतकों की जांच सर्जरी के बाद की गई थी ताकि उनके वास्तविक HER2 स्टेटस का पता लगाया जा सके। टीम ने ट्यूमर की अल्ट्रासाउंड इमेज ली और प्रत्येक तस्वीर से 1,288 अलग-अलग संख्यात्मक विशेषताओं (फीचर्स) को निकालने के लिए विशेष सॉफ्टवेयर का उपयोग किया। ये विशेषताएं ट्यूमर की सतह की बनावट से लेकर उसके भीतर चमक के वितरण तक सब कुछ वर्णित करती थीं। चूंकि इतनी अधिक संख्या में डेटा होने से कंप्यूटर मॉडल भ्रमित हो सकता है, इसलिए शोधकर्ताओं ने शोर (नॉइज़) को फ़िल्टर करने और केवल उन पांच सबसे महत्वपूर्ण विशेषताओं को रखने के लिए एक सांख्यिकीय पद्धति का उपयोग किया जो वास्तव में प्रोटीन वाले ट्यूमर और बिना प्रोटीन वाले ट्यूमर के बीच अंतर करने में मदद करती थीं।
इन पांच प्रमुख विशेषताओं के साथ, टीम ने यह देखने के लिए चार अलग-अलग कंप्यूटर मॉडल बनाए कि कौन सा मॉडल प्रोटीन की उपस्थिति का सबसे अच्छा अनुमान लगा सकता है। उन्होंने इन मॉडलों को रोगी के डेटा के एक बड़े हिस्से पर प्रशिक्षित किया और फिर यह देखने के लिए शेष मामलों पर उनका परीक्षण किया कि वे कैसा प्रदर्शन करते हैं। परिणामों ने दिखाया कि एक विशिष्ट प्रकार का मॉडल, जिसे XGBoost के रूप में जाना जाता है, सबसे सटीक था। अनदेखे रोगियों पर परीक्षण करने पर, इस मॉडल ने उच्च विश्वसनीयता के साथ HER2 स्टेटस की सही पहचान की, और एक ऐसा स्कोर प्राप्त किया जो मजबूत भविष्य कहने वाली शक्ति (प्रेडिक्टिव पावर) को दर्शाता है। शोधकर्ताओं ने मॉडल की निर्णय लेने की प्रक्रिया को स्पष्ट करने के लिए एक तकनीक का भी उपयोग किया, जिससे यह देखा जा सके कि कौन सी इमेज फीचर्स भविष्यवाणी को संचालित कर रहे हैं। यह पारदर्शिता महत्वपूर्ण है, क्योंकि यह डॉक्टरों को यह विश्वास दिलाने में मदद करती है कि कंप्यूटर रैंडम शोर के बजाय वास्तविक जैविक संकेतों को देख रहा है।
अध्ययन यह निष्कर्ष निकालता है कि यह दृष्टिकोण सर्जरी से पहले HER2 अभिव्यक्ति (एक्सप्रेशन) की जांच करने का एक आशाजनक, गैर-आक्रामक तरीका प्रदान करता है। एक साधारण अल्ट्रासाउंड स्कैन और एक कंप्यूटर मॉडल का उपयोग करके, डॉक्टर संभावित रूप से यह पहचान सकते हैं कि किन रोगियों को लक्षित उपचारों की आवश्यकता होगी, जिससे दूसरों को अनावश्यक उपचारों से बचाया जा जा सकता है। शोधकर्ता स्वीकार करते हैं कि उनका कार्य एक एकल अस्पताल के डेटा पर आधारित है और नमूना आकार, हालांकि पर्याप्त है, अंतिम निर्णय के लिए पर्याप्त बड़ा नहीं है। वे यह भी नोट करते हैं कि उनके मॉडल ने मानक ब्लैक-एंड-व्हाइट अल्ट्रासाउंड इमेज का उपयोग किया और इसमें अभी तक रक्त प्रवाह दिखाने वाली अधिक उन्नत इमेजिंग तकनीकें शामिल नहीं की गई हैं। इन सीमाओं के बावजूद, निष्कर्ष बताते हैं कि एक नियमित अल्ट्रासाउंड इमेज के भीतर अदृश्य विवरण ब्लैडर कैंसर की आणविक प्रकृति के बारे में महत्वपूर्ण सुराग रखते हैं, जो भविष्य में व्यक्तिगत उपचार (पर्सनलाइज्ड ट्रीटमेंट) के लिए एक नया उपकरण प्रदान करते हैं।
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।