Association of clinicopathological features with spread through air spaces in non-small cell lung cancer: a retrospective machine-learning study
19 क्लिनिकोपैथोलॉजिकल विशेषताओं का उपयोग करने वाले इस रेट्रोस्पेक्टिव मशीन-लर्निंग अध्ययन ने पाया कि हालांकि उपलब्ध डेटा में नॉन-स्मॉल सेल लंग कैंसर में एयर स्पेस के माध्यम से प्रसार (STAS) की भविष्यवाणी करने के लिए एक मध्यम विभेदक संकेत मौजूद है, लेकिन प्रमुख भविष्यवक्ताओं के पोस्ट-रिसेक्शन समय और उप-इष्टतम अंशांकन (सबऑप्टिमल कैलिब्रेशन) के कारण परिणामी मॉडल एक प्रीऑपरेटिव नैदानिक निर्णय सहायता के बजाय जुड़ाव के लिए एक खोजपूर्ण उपकरण के रूप में सबसे उपयुक्त 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
फेफड़ों के कैंसर के उपचार के जटिल परिदृश्य में, सर्जन हर बार ऑपरेशन करते समय एक महत्वपूर्ण निर्णय का सामना करते हैं: कितना ऊतक (tissue) निकालना है। लक्ष्य ट्यूमर को पूरी तरह से निकालना है, जबकि जितना संभव हो सके उतना स्वस्थ फेफड़ा बचाना है, लेकिन यह चुनाव भारी पड़ता है। यदि बहुत कम निकाला गया, तो कैंसर वापस आ सकता है; यदि बहुत अधिक लिया गया, तो रोगी के जीवन की गुणवत्ता प्रभावित होती है। दशकों से, डॉक्टर इस निर्णय को लेने के लिए ट्यूमर के आकार और दिखावट पर भरोसा करते आए हैं। हालांकि, कैंसर के व्यवहार का एक विशिष्ट पैटर्न, जिसे "स्प्रेड थ्रू एयर स्पेसेस" (हवा के स्थानों के माध्यम से प्रसार) के रूप में जाना जाता है, एक छिपे हुए खतरे के रूप में उभरा है। यह पैटर्न तब होता है जब कैंसर कोशिकाएं मुख्य ट्यूमर द्रव्यमान से अलग हो जाती हैं और फेफड़ों की छोटी वायु थैलियों के माध्यम से तैरती हैं, और उन क्षेत्रों में बस जाती हैं जो नग्न आंखों से स्वस्थ दिखाई देते हैं। जब ऐसा होता है, तो सर्जरी के बाद कैंसर के वापस आने की संभावना अधिक होती है, भले ही सर्जन ने सोचा हो कि उन्होंने सब कुछ निकाल दिया है। समस्या यह है कि डॉक्टर इस खतरनाक पैटर्न की पुष्टि केवल तब कर सकते हैं जब फेफड़े को निकाल लिया जाता है और सूक्ष्मदर्शी (microscope) के नीचे जांचा जाता है, एक ऐसा समय जब कितना काटने का निर्णय पहले ही लिया जा चुका होता है।
रूस के शोधकर्ताओं की एक टीम ने यह देखने के लिए हाथ आजमाया कि क्या वे सर्जरी शुरू होने से पहले ही इस छिपे हुए खतरे की भविष्यवाणी कर सकते हैं। उन्होंने नॉन-स्मॉल सेल लंग कैंसर (एक सामान्य प्रकार का कैंसर) के लिए सर्जरी कराने वाले 230 रोगियों का डेटा एकत्र किया। टीम ने एक परिष्कृत कंप्यूटर प्रोग्राम का उपयोग किया, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे संरचित डेटा (structured data) से सीखने के लिए डिज़ाइन किया गया है, ताकि प्रत्येक रोगी के बारे में विस्तृत जानकारी का विश्लेषण किया जा सके। इस जानकारी में रोगी की आयु, कैंसर कोशिकाओं का विशिष्ट प्रकार, ट्यूमर का आकार, और क्या कैंसर ने रक्त वाहिकाओं या तंत्रिकाओं (nerves) पर आक्रमण किया था, शामिल था। महत्वपूर्ण बात यह है कि कंप्यूटर द्वारा विश्लेषण किए गए 19 चरों (variables) में से, केवल आयु ही एक ऐसा तथ्य था जो ऑपरेशन से पहले ज्ञात था; 11 विशेषताएं वास्तव में पोस्ट-ऑपरेटिव (सर्जरी के बाद की) विशेषताएं थीं जिन्हें केवल ऊतक को निकालने और जांचने के बाद ही निर्धारित किया जा सकता था। कंप्यूटर को इन कारकों और "स्प्रेड थ्रू एयर स्पेसेस" पैटर्न की उपस्थिति के बीच संबंध खोजने के लिए प्रशिक्षित किया गया था, जिसकी पुष्टि 81 रोगियों में हुई थी और अन्य 149 में यह अनुपस्थित था।
शोधकर्ताओं ने पाया कि कंप्यूटर वास्तव में डेटा में एक संकेत (signal) को पहचान सकता था। यह उन रोगियों के बीच अंतर करने में सक्षम था जिनमें खतरनाक प्रसार था और जिनमें नहीं था, जो कि केवल अनुमान लगाने की तुलना में बेहतर था। हालांकि, संकेत इतना मजबूत नहीं था कि इसे एक विश्वसनीय 'क्रिस्टल बॉल' (भविष्य बताने वाला यंत्र) माना जा सके। मॉडल ने वास्तव में मौजूद मामलों में केवल आधे से अधिक मामलों में प्रसार की सही पहचान की, जबकि अनुपस्थिति के मामलों में लगभग चार में से चार मामलों में इसे सही ढंग से खारिज कर दिया। इससे भी महत्वपूर्ण बात यह है कि शोधकर्ताओं ने इस विशिष्ट जानकारी का उपयोग प्री-सर्जरी निर्णयों के लिए करने में एक मौलिक खामी महसूस की: कंप्यूटर द्वारा उपयोग किए जाने वाले कई सुराग, जैसे कि ट्यूमर का सटीक आकार या क्या इसने किसी तंत्रिका पर आक्रमण किया था, केवल तभी ज्ञात होते हैं जब सर्जन ऊतक को काट कर निकाल देता है। आप सूक्ष्मदर्शी के नीचे देखने से पहले यह नहीं जान सकते कि ट्यूमर का रक्त वाहिका में आक्रमण कितना गहरा है।
इस समय संबंधी समस्या के कारण, लेखकों ने निष्कर्ष निकाला कि उनके मॉडल का उपयोग सर्जरी से पहले सर्जन के चाकू का मार्गदर्शन करने के लिए एक उपकरण के रूप में नहीं किया जा सकता है। मॉडल अनिवार्य रूप से प्रश्न का अनुमान लगाने के दौरान उत्तर कुंजी (answer key) को देख रहा है। हालांकि कंप्यूटर यह सीख सकता था कि रोगी की विशेषताओं और कैंसर के व्यवहार के बीच क्या संबंध है, लेकिन इसकी सटीकता इतनी उच्च नहीं थी कि इसे अकेले जीवन-मरण के निर्णयों के लिए भरोसेमंद बनाया जा सके। यह अध्ययन वर्तमान मेडिकल रिकॉर्ड के साथ क्या संभव है, इसका एक स्पष्ट मानचित्र है, जो यह दर्शाता है कि हालांकि इन विशेषताओं और कैंसर के प्रसार के बीच एक मापने योग्य संबंध है, लेकिन यह संबंध इतना कमजोर और पोस्ट-सर्जरी तथ्यों पर इतना निर्भर है कि सर्जरी के कमरे में उपयोगी नहीं है। शोधकर्ता सुझाव देते हैं कि अगला कदम इन मौजूदा सुरागों को नई जानकारी के साथ जोड़ना है जिसे सर्जरी से पहले एकत्र किया जा सकता है, जैसे कि स्कैन से विस्तृत चित्र या आणविक परीक्षण (molecular tests), ताकि एक ऐसा उपकरण बनाया जा सके जो एक दिन सर्जनों को बेहतर विकल्प चुनने में मदद कर सके। फिलहाल, यह अध्ययन वर्तमान डेटा की सीमाओं का एक सावधानीपूर्ण, ईमानदार मूल्यांकन है, जो यह सिद्ध करता है कि हालांकि पहेली के टुकड़े वहां मौजूद हैं, फिर भी वे अभी तक एक पूर्ण चित्र नहीं बनाते जिसका उपयोग रोगी के कैंसर के भविष्य की भविष्यवाणी करने के लिए किया जा सके।
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।