Short-TR Optimization on Post-Contrast Deep Learning Synthetic MRI (DL-MAGiC) for Improved Visualization of ACTH-Secreting Pituitary Microadenomas: A Technical Feasibility Study

मानव स्वास्थ्य के जटिल परिदृश्य में, पिट्यूटरी ग्रंथि एक छोटा लेकिन अत्यंत महत्वपूर्ण अंग है, जिसे अक्सर 'मास्टर ग्लैंड' कहा जाता है क्योंकि यह शरीर के हार्मोनल ऑर्केस्ट्रा को निर्देशित करती है। जब इस ग्रंथि पर एक सूक्ष्म ट्यूमर बढ़ता है और ACTH नामक हार्मोन का बहुत अधिक स्राव करता है, तो यह कुशिंग रोग (Cushing disease) नामक स्थिति को जन्म देता है। यह स्थिति गंभीर शारीरिक परिवर्तनों और स्वास्थ्य जोखिमों का कारण बनती है, जिससे डॉक्टरों के लिए सर्जरी से पहले ट्यूमर के सटीक स्थान का पता लगाना महत्वपूर्ण हो जाता है। दशकों से, मैग्नेटिक रेजोनेंस इमेजिंग, या एमआरआई (MRI), इस खोज के लिए स्वर्ण मानक रहा है। हालांकि, यह कार्य अत्यंत कठिन है। ट्यूमर अक्सर चावल के एक दाने से भी छोटा होता है, और जब ऊतकों को दृश्यमान बनाने के लिए कंट्रास्ट डाई इंजेक्ट की जाती है, तो ट्यूमर और स्वस्थ ग्रंथि अक्सर समान चमक के साथ दिखाई देते हैं। अंतर की यह कमी ट्यूमर को पृष्ठभूमि में मिला देती है, जिससे बड़ी संख्या में मामलों में निदान छूट जाता है। जब सर्जन ट्यूमर को नहीं ढूंढ पाता है, तो रोगी को बार-बार स्कैन कराने, उपचार में देरी, या यहाँ तक कि दोनों एड्रिनल ग्रंथियों को अनावश्यक रूप से निकालने का सामना करना पड़ सकता है।

शोधकर्ता लंबे समय से जानते हैं कि एमआरआई चित्र लेने के लिए उपयोग की जाने वाली सेटिंग्स यह बदल सकती हैं कि ऊतक कैसे दिखाई देते हैं। विशेष रूप से, रेडियो पल्स के बीच का समय, जिसे रिपिटिशन टाइम (repetition time) कहा जाता है, और सिग्नल कैप्चर करने का समय, जिसे इको टाइम (echo time) कहा जाता है, विभिन्न ऊतकों के बीच के कंट्रास्ट को निर्धारित करते हैं। पारंपरिक एमआरआई में, ये सेटिंग्स एक बार स्कैन शुरू होने के बाद लॉक हो जाती हैं। यदि प्रारंभिक सेटिंग्स ट्यूमर को स्पष्ट रूप से नहीं दिखाती हैं, तो रोगी को अलग सेटिंग्स के साथ दूसरा स्कैन कराना पड़ता है, जिसमें अधिक समय लगता है और उन्हें अधिक रेडिएशन या कंट्रास्ट डाई का सामना करना पड़ता है। सिंथेटिक एमआरआई नामक एक नई तकनीक इस समस्या को हल करने का प्रयास करती है, जो एक ही स्कैन में भारी मात्रा में कच्चा डेटा कैप्चर करती है। इस डेटा से, कंप्यूटर रोगी के मशीन से बाहर जाने के बाद भी किसी भी संयोजन की टाइमिंग सेटिंग्स के साथ चित्र उत्पन्न कर सकते हैं। डीप लर्निंग, जो कृत्रिम बुद्धिमत्ता (AI) का एक रूप है जो शोर (noise) को साफ करता है और विवरणों को स्पष्ट करता है, इस तकनीक के माध्यम से बिना दोबारा स्कैन किए उच्च-गुणवत्ता वाले चित्र बनाने का वादा करती है।

डियांजियांग के ट्रेडिशनल चाइनीज मेडिसिन अस्पताल और पेकिंग यूनियन मेडिकल कॉलेज अस्पताल के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए हाथ मिलाया कि क्या यह नया दृष्टिकोण अंततः इन मायावी ट्यूमरों को खोजने की समस्या को हल कर सकता है। उन्होंने विशेष रूप से उन रोगियों के एक समूह पर ध्यान केंद्रित किया जिन्हें पहले कुशिंग रोग का निदान किया जा चुका था और जिनके ट्यूमर को सर्जरी द्वारा हटा दिया गया था और पैथोलॉजी द्वारा पुष्टि की गई थी। इस अध्ययन में उन उनचास (49) रोगियों को शामिल किया गया जिन्होंने डीप लर्निंग सिंथेटिक तकनीक का उपयोग करके एक विशेष एमआरआई स्कैन कराया। मशीन द्वारा डिफ़ॉल्ट रूप से बनाए गए चित्रों को देखने के बजाय, शोधकर्ताओं ने कंप्यूटर का उपयोग करके स्कैन के सोलह अलग-अलग संस्करणों को संश्लेषित किया, जिनमें से प्रत्येक में टाइमिंग सेटिंग्स का एक अनूठा संयोजन था। इसके बाद उन्होंने प्रत्येक संस्करण में ट्यूमर स्वस्थ ग्रंथि के मुकाबले कितनी स्पष्टता से उभरा, इसका मापन किया।

परिणामों ने एक स्पष्ट और आश्चर्यजनक पैटर्न का खुलासा किया। अधिकांश रोगियों के लिए, जिनके ट्यूमर कंट्रास्ट डाई इंजेक्ट करने के बाद आसपास के स्वस्थ ऊतक की तुलना में गहरे दिखाई दिए, सबसे अच्छे चित्र वे नहीं थे जो मानक सेटिंग्स के साथ थे। इसके बजाय, ट्यूमर तब सबसे अधिक दृश्यमान हुए जब शोधकर्ताओं ने पल्स के बीच बहुत कम समय (very short timing) का उपयोग किया। इन इष्टतम चित्रों में, मानक सेटिंग्स की तुलना में ट्यूमर और ग्रंथि के बीच का कंट्रास्ट लगभग नब्बे प्रतिशत सुधर गया। ट्यूमर, जो पहले धुंधले और पहचान में कठिन थे, अब स्पष्ट और सुस्पष्ट हो गए। शोधकर्ताओं ने पाया कि यह सुधार सबसे अधिक तब हुआ जब पल्स के बीच का समय 100 मिलीसेकंड सेट किया गया और सिग्नल कैप्चर का समय 5 से 8 मिलीसेकंड के बीच रखा गया। हालांकि इन सेटिंग्स के साथ चित्र की समग्र चमक थोड़ी कम हो गई, लेकिन ट्यूमर और ग्रंथि के बीच चमक का अंतर इतना बढ़ गया कि ट्यूमर को देखना बहुत आसान हो गया।

अध्ययन ने सात रोगियों के एक छोटे समूह का भी अध्ययन किया जिनके ट्यूमर आसपास के ऊतकों की तुलना में अधिक चमकीले दिखाई दिए। इन मामलों में, टाइमिंग सेटिंग्स बदलने से दृश्यता में कोई महत्वपूर्ण अंतर नहीं आया। यह अंतर महत्वपूर्ण है क्योंकि यह सुझाव देता है कि नई तकनीक विशेष रूप से सबसे आम और खोजने में कठिन प्रकार के ट्यूमर के लिए शक्तिशाली है। शोधकर्ताओं ने दो विशेषज्ञ रेडियोलॉजिस्ट से छवियों की समीक्षा करवाई, जो यह नहीं जानते थे कि कौन सी सेटिंग्स उपयोग की गई थीं। डॉक्टरों ने लगातार कम टाइमिंग सेटिंग्स वाले चित्रों को 'उत्कृष्ट' रेटिंग दी, और नोट किया कि ट्यूमर की सीमाएं स्पष्ट थीं और घाव (lesions) आसानी से पहचाने जा सकते थे। इसके विपरीत, मानक या लंबी टाइमिंग सेटिंग्स वाले चित्रों को 'औसत' या 'खराब' श्रेणी में रखा गया, जहाँ ट्यूमर अक्सर धुंधले या स्वस्थ ऊतक से अभिन्न दिखाई देते थे।

यह कार्य इस बात का तकनीकी चमत्कार है कि एमआरआई छवियों को लिए जाने के बाद उन्हें कैसे संसाधित किया जा सकता है। शोधकर्ताओं ने प्रदर्शित किया कि डीप लर्निंग सिंथेटिक एमआरआई का उपयोग करके, यह संभव है कि बिना रोगी को दोबारा स्कैन किए छिपे हुए ट्यूमर को दिखाने के लिए एकदम सही सेटिंग्स खोजी जा सकें। अध्ययन पुष्टि करता है कि सबसे आम प्रकार के ACTH-सेक्रेटिंग ट्यूमर के लिए, बहुत कम टाइमिंग सेटिंग एक स्पष्ट तस्वीर बनाती है। हालांकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक 'फिजिबिलिटी स्टडी' (व्यवहार्यता अध्ययन) है, जिसका अर्थ है कि यह सिद्ध करता है कि यह विधि नियंत्रित सेटिंग में काम करती है, लेकिन यह अभी तक यह सिद्ध नहीं करता है कि इन सेटिंग्स का उपयोग वास्तविक अस्पताल में करने से बेहतर सर्जिकल परिणाम मिलेंगे। अगला कदम, जिसे शोधकर्ता करने की योजना बना रहे हैं, यह परीक्षण करना है कि क्या ये अनुकूलित सेटिंग्स सीधे मानक एमआरआई मशीनों पर निदान में सुधार कर सकती हैं। तब तक, यह अध्ययन इस बात का एक महत्वपूर्ण रोडमैप प्रदान करता है कि मशीन को अदृश्य को देखने के लिए कैसे ट्यून किया जाए, जो यह आशा जगाता है कि कम रोगियों को उस निदान के लिए प्रतीक्षा करनी पड़ेगी जो बस पहुंच से बाहर लग रहा है।