Preoperative Prediction of Microvascular Invasion in small hepatocellular carcinoma (≤3 cm) by leveraging cross-phase variations of MRI contrast phases
यह अध्ययन प्रदर्शित करता है कि मल्टी-फेज एमआरआई अनुक्रमों से निकाले गए रेडियोमिक्स फीचर्स के फूरियर-प्रेरित टेम्पोरल एनकोडिंग का उपयोग करने वाला एक मशीन लर्निंग मॉडल, विशेष रूप से 5-मिमी परिट्यूमरल विस्तार के भीतर, 0.850 के AUC के साथ छोटे हेपेटोसेलुलर कार्सिनोमा में माइक्रोवैस्कुलर इनवेजन की प्रभावी रूप से भविष्यवाणी करता है, जो सिंगल-फेज और केवल क्लिनिकल दृष्टिकोणों से बेहतर प्रदर्शन करता है।
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
लीवर कैंसर आधुनिक चिकित्सा के सबसे कठिन चुनौतियों में से एक बना हुआ है, जो अक्सर तब भी वापस आ जाता है जब एक सर्जन ने दृश्यमान ट्यूमर को सफलतापूर्वक निकाल दिया हो। इस पुनरावृत्ति का एक प्रमुख कारण एक छिपा हुआ खतरा है जिसे माइक्रोवैस्कुलर इनवेजन (microvascular invasion) कहा जाता है, जहाँ कैंसर कोशिकाओं के सूक्ष्म, अदृश्य धागे ट्यूमर के आसपास की रक्त वाहिकाओं में घुस जाते हैं। यह प्रक्रिया एक महत्वपूर्ण चेतावनी संकेत है कि बीमारी अधिक आक्रामक है और फैलने की संभावना अधिक है, फिर भी इसे नग्न आंखों से नहीं देखा जा सकता और न ही सर्जरी पूरी होने और ऊतकों (tissue) की सूक्ष्मदर्शी से जांच होने तक मानक स्कैन द्वारा पकड़ा जा सकता है। क्योंकि डॉक्टर यह नहीं जान सकते कि ये सूक्ष्म आक्रमणकारी मौजूद हैं या नहीं, उन्हें यह निर्णय लेने में कठिनाई होती है कि कितने चौड़े स्वस्थ ऊतक के मार्जिन को हटाना है, और अक्सर वे उस पूरी तस्वीर के बिना काम करते हैं जिससे वे लड़ रहे हैं।
द दशकों से, रेडियोलॉजिस्ट लीवर ट्यूमर को देखने के लिए मैग्नेटिक रेजोनेंस इमेजिंग, या एमआरआई (MRI), पर निर्भर रहे हैं। ये स्कैन शरीर के माध्यम से कंट्रास्ट डाई (contrast dye) बहने के दौरान अलग-अलग क्षणों पर चित्र लेते हैं, जो आर्टेरियल (arterial), वेनस (venous) और डिलेड (delayed) चरणों में ट्यूमर के चमकने के तरीके को कैप्चर करते हैं। हालांकि डॉक्टर लंबे समय से ट्यूमर के चरित्र का आकलन करने के लिए इन बदलते पैटर्न का उपयोग करते आए हैं, लेकिन मानवीय आंख केवल अनुभव और अंतर्ज्ञान के आधार पर इन परिवर्तनों की गुणात्मक व्याख्या कर सकती है। सवाल जो शोधकर्ताओं ने हल करने की कोशिश की है वह यह है कि क्या एक चरण से दूसरे चरण में ट्यूमर की बनावट (texture) और चमक के बदलने का विशिष्ट तरीका इस बारे में एक मापने योग्य रहस्य रखता है कि क्या उन अदृश्य कैंसर कोशिकाओं ने पहले ही पास की वाहिकाओं पर आक्रमण कर लिया है।
हुआशान अस्पताल और शंघाई पॉलिटेक्निक यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने कंप्यूटर को एमआरआई छवियों द्वारा बताई गई कहानी को पढ़ने के लिए प्रशिक्षित करके इस रहस्य को खोजने का प्रयास किया। उन्होंने उन 115 रोगियों पर ध्यान केंद्रित किया जिन्हें छोटे लीवर ट्यूमर थे, जिनका आकार 3 सेंटीमीटर से अधिक नहीं था, और जिनकी सर्जरी हो चुकी थी। टीम जानती थी कि सबसे खतरनाक ट्यूरों में एक अराजक, आक्रामक बनावट होती है जो स्कैन के दौरान रक्त प्रवाह के बदलते ही बदल जाती है। केवल ट्यूमर को देखने के बजाय, उन्होंने ट्यूमर के किनारे के ठीक बाहर एक स्वस्थ दिखने वाले ऊतक के पतले घेरे का भी परीक्षण किया, जिससे उन्होंने खतरे के बाहर रिसने की जांच के लिए अपना दृश्य क्षेत्र 3, 5 और 10 मिलीमीटर तक विस्तृत किया।
शोधकर्ताओं ने तीन अलग-अलग एमआरआई चरणों से ट्यूमर की बनावट के विस्तृत माप लिए और उन्हें एक कंप्यूटर सिस्टम में डाला जिसे पैटर्न पहचानने के लिए डिज़ाइन किया गया था। उन्होंने इस बात के विभिन्न तरीकों का परीक्षण किया कि ट्यूमर की उपस्थिति पहले चरण से अंतिम चरण तक कैसे विकसित होती है। उन्होंने केवल संख्याओं को सूचीबद्ध करने जैसे सरल तरीकों का परीक्षण किया, लेकिन उन्होंने अधिक परिष्कृत दृष्टिकोण भी आजमाए जो परिवर्तनों को एक तरंग या सिग्नल की तरह देखते हैं, जो ट्यूमर के व्यवहार की लय (rhythm) को खोजते हैं। उन्होंने इन छवि पैटर्न को मानक रक्त परीक्षण परिणामों, जैसे कि लीवर एंजाइम और विशिष्ट प्रोटीन के स्तरों के साथ जोड़ा, यह देखने के लिए कि क्या यह संयोजन एक स्पष्ट तस्वीर प्रदान करता है।
परिणामों ने दिखाया कि सबसे सफल दृष्टिकोण यह था कि तीन अलग-अलग एमआरआई चरणों के माध्यम से परिवर्तनों को एक गतिशील सिग्नल के रूप में माना जाए और जटिल पैटर्न को उनके मौलिक घटकों में तोड़ने वाली एक विशिष्ट गणितीय विधि का उपयोग करके उनका विश्लेषण किया जाए। जब इस विधि को ट्यूमर और उसके आसपास के 5-मिलीमीटर के घेरे पर लागू किया गया, तो कंप्यूटर मॉडल ने माइक्रोवैस्कुलर इनवेजन की उपस्थिति की भविष्यवाणी करने में उच्च स्तर की सटीकता हासिल की। मॉडल ने अधिकांश मामलों में अदृश्य आक्रमणकारियों की उपस्थिति की सही पहचान की, और उन मॉडलों से बेहतर प्रदर्शन किया जो स्कैन के केवल एक चरण को देखते थे या केवल रक्त परीक्षणों पर निर्भर थे।
कंप्यूटर द्वारा पाए गए सबसे महत्वपूर्ण फीचर्स का विश्लेषण करके, शोधकर्ताओं ने पाया कि भविष्यवाणी की कुंजी ट्यूमर की आंतरिक बनावट और समय के साथ वह बनावट कैसे बदलती है, इसके बीच के संबंध में निहित है। विशेष रूप से, मॉडल इस बात को देखता है कि ट्यूमर के विभिन्न हिस्से कंट्रास्ट डाई के प्रति कैसे प्रतिक्रिया करते हैं और उनमें क्या बेमेल (mismatch) होता है। जब ट्यूमर की आंतरिक संरचना और उसका परिवेश इस तरह से बदलता है जो स्वस्थ ऊतकों के सुचारू, अनुमानित पैटर्न से मेल नहीं खाता, तो मॉडल इसे उच्च जोखिम के रूप में चिह्नित करता है। यह सुझाव देता है कि एमआरआई स्कैन के दौरान ट्यूमर जिस तरह से "सांस लेता" है और बदलता है, उसमें उसकी आक्रामकता की एक छाप (fingerprint) होती है।
यह अध्ययन यह दावा नहीं करता है कि इसने लीवर कैंसर की समस्या को हल कर लिया है, न ही यह सुझाव देता है कि ये मॉडल हर अस्पताल में तत्काल उपयोग के लिए तैयार हैं। शोधकर्ताओं ने उल्लेख किया कि उनका कार्य एक ही अस्पताल के रोगियों के अपेक्षाकृत छोटे समूह पर आधारित था, और इस प्रक्रिया के लिए अभी भी एक मानव विशेषज्ञ द्वारा स्कैन पर ट्यूमर को सावधानीपूर्वक रेखांकित करने की आवश्यकता होती है, जिसमें प्रति रोगी लगभग दस मिनट का समय लगता है। हालांकि, निष्कर्ष एक आशाजनक नई दिशा प्रदान करते हैं। वे प्रदर्शित करते हैं कि एमआरआई स्कैन में सूक्ष्म, बदलते बदलाव केवल शोर (noise) नहीं हैं, बल्कि सूचना का एक समृद्ध स्रोत हैं, जिन्हें सही ढंग से डिकोड करने पर, मरीज के शरीर पर स्कैल्पल (scalpel) चलाने से पहले ही ट्यूमर के छिपे हुए व्यवहार को प्रकट किया जा सकता है। यह दृष्टिकोण अंततः सर्जनों को अधिक सटीक ऑपरेशन की योजना बनाने में मदद कर सकता है, यानी जोखिम अधिक होने पर अधिक ऊतक निकालना और जोखिम कम होने पर स्वस्थ लीवर को बचाना, और यह सब एक गैर-आक्रामक स्कैन के आधार पर संभव होगा।
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।