An antibody-independent diagnostic model based on routine blood biomarkers for primary biliary cholangitis

लीवर की बीमारी अक्सर आंखों के सामने होते हुए भी छिपी रहती है, जो शरीर की आंतरिक छनन प्रणाली का एक धीमा क्षरण है जिसे तब तक अनसुना किया जा सकता है जब तक कि महत्वपूर्ण क्षति न हो जाए। इस स्थिति के विभिन्न रूपों में से एक 'प्राइमरी बाइलरी कोलेंजाइटिस' (primary biliary cholangitis) है, जो एक पुरानी बीमारी है जहाँ प्रतिरक्षा प्रणाली गलती से लीवर के भीतर उन सूक्ष्म नलिकाओं पर हमला करती है जो पित्त (bile) ले जाती हैं। ये नलिकाएं शरीर से अपशिष्ट और विषाक्त पदार्थों को बाहर निकालने के लिए आवश्यक हैं; जब ये नष्ट हो जाती हैं, तो पित्त जमा होने लगता है, जिससे सूजन, निशान (scarring) और अंततः लीवर फेलियर होता है। यह बीमारी विशेष रूप से पेचीदा है क्योंकि यह मुख्य रूप से महिलाओं को प्रभावित करती है और अक्सर गहरी थकान या खुजली वाली त्वचा जैसे अस्पष्ट लक्षणों के साथ शुरू होती है, जिन्हें आसानी से अन्य सामान्य बीमारियों के रूप में गलत समझा जा सकता है। दशकों से, डॉक्टर निदान की पुष्टि करने के लिए विशिष्ट एंटीबॉडीज—रक्त में मौजूद प्रोटीन जो प्रतिरक्षा हमले का संकेत देते हैं—को खोजने पर निर्भर रहे हैं। हालांकि, रोगियों की एक बड़ी संख्या इन एंटीबॉडीज का उत्पादन नहीं करती है, जिससे वे एक नैदानिक अनिश्चितता की स्थिति में रह जाते हैं जहाँ उनकी स्थिति या तो छूट जाती है या बहुत देर से पकड़ी जाती है।

कुनमिंग, चीन के अस्पतालों के शोधकर्ताओं की एक टीम ने इस बीमारी को जल्दी पहचानने का एक नया तरीका विकसित किया है, यहाँ तक कि उन रोगियों में भी जिनमें वे विशिष्ट एंटीबॉडीज नहीं हैं। दुर्लभ प्रतिरक्षा मार्करों की तलाश करने के बजाय, उन्होंने उन नियमित रक्त परीक्षणों की ओर रुख किया जो लगभग हर चिकित्सा दौरे में मानक के रूप में मौजूद होते हैं। सैकड़ों रोगियों के डेटा का विश्लेषण करके, उन्होंने पाया कि सामान्य रक्त मानों (blood values) का एक विशिष्ट संयोजन एक विश्वसनीय चेतावनी प्रणाली के रूप में कार्य कर सकता है। उनके काम के परिणामस्वरूप एक दृश्य उपकरण विकसित हुआ जिसे 'नोमोग्राम' (nomogram) कहा जाता है, जो डॉक्टरों के लिए एक सरल कैलकुलेटर की तरह कार्य करता है। एक चिकित्सक रोगी की आयु, लिंग और कुछ मानक रक्त संख्याओं को दर्ज करके, एक स्पष्ट संभावना स्कोर प्राप्त कर सकता है जो यह दर्शाता है कि क्या रोगी को संभवतः प्राइमरी बाइलरी कोलेंजाइटिस है। यह दृष्टिकोण बीमारी को अपरिवर्तनीय क्षति पहुँचाने से पहले पकड़ने का एक व्यावहारिक मार्ग प्रदान करता है, विशेष रूप से उन लोगों के लिए जो पारंपरिक परीक्षणों की पकड़ से छूट जाते।

शोधकर्ताओं ने अपना काम कुनमिंग मेडिकल यूनिवर्सिटी के फर्स्ट एफिलिएटेड अस्पताल में आए 600 से अधिक रोगियों के मेडिकल रिकॉर्ड एकत्र करके शुरू किया। उन्होंने इन व्यक्तियों को सावधानीपूर्वक दो समूहों में विभाजित किया: मॉडल बनाने के लिए एक बड़ा समूह और इसे परीक्षण करने के लिए एक छोटा समूह। उन्होंने यह देखने के लिए दूसरे अस्पताल से भी डेटा एकत्र किया कि क्या उनके निष्कर्ष एक अलग सेटिंग में भी लागू होते हैं। लक्ष्य रक्त में ऐसे पैटर्न खोजना था जो प्राइमरी बाइलरी कोलेंजाइटिस वाले रोगियों को अन्य लीवर समस्याओं या स्वस्थ व्यक्तियों से अलग कर सकें। उन्होंने लीवर एंजाइम, कोलेस्ट्रॉल स्तर और लाल एवं सफेद रक्त कोशिकाओं की गणना सहित व्यापक श्रेणी के मानक मापों को देखा। सावधानीपूर्वक सांख्यिकीय विश्लेषण के माध्यम से, उन्होंने उपयोगी संकेतकों की सूची को नौ विशिष्ट कारकों तक सीमित कर दिया जो लगातार रोगियों में दिखाई दिए।

क्लू (clues) की अंतिम सूची में रोगी की आयु और लिंग शामिल है, क्योंकि यह बीमारी अधिक उम्र की महिलाओं में बहुत आम है। इसमें बिलीरुबिन का स्तर भी शामिल है, जो रक्त में एक पीला पदार्थ है जो तब बढ़ता है जब लीवर अपशिष्ट को संसाधित करने में संघर्ष करता है, और पित्त अम्ल (bile acids), जो सूक्ष्म नलिकाओं के अवरुद्ध होने पर जमा हो जाते हैं। मॉडल 'एल्कालाइन फॉस्फेटेज' (alkaline phosphatase) के स्तर को भी महत्व देता है, जो एक एंजाइम है जो लीवर के तनाव का संकेत देता है, और 'हाई-डेंसिटी लिपोप्रोटीन' (high-density lipoprotein), जिसे अक्सर "अच्छा" कोलेस्ट्रॉल कहा जाता है, जो इन रोगियों में अलग व्यवहार करता है। अंत में, मॉडल रोगी के हीमोग्लोबिन पर विचार करता है, जो रक्त में ऑक्सीजन ले जाता है, और प्लेटलेट काउंट पर, जो रक्त का थक्का जमाने में मदद करता है। जब इन नौ कारकों को मिलाया जाता है, तो वे एक विशिष्ट प्रोफाइल बनाते हैं जो प्राइमरी बाइलरी कोलरीजाइटिस को अन्य स्थितियों से आश्चर्यजनक सटीकता के साथ अलग करता है।

इस जटिल गणना को डॉक्टर के लिए बेडसाइड पर उपयोग करना आसान बनाने के लिए, टीम ने एक नोमोग्राम बनाया। कल्पना कीजिए कि एक चार्ट है जहाँ आप रोगी के विशिष्ट परीक्षण परिणाम से एक स्कोर की ओर एक रेखा खींचते हैं, फिर सभी नौ कारकों के स्कोर को जोड़ते हैं, तो आपको कुल योग प्राप्त होता है। यह कुल संख्या सीधे बीमारी की संभावना को दर्शाती है। शोधकर्ताओं ने इस उपकरण का कड़ाई से परीक्षण किया। रोगियों के अपने प्रारंभिक समूह में, मॉडल ने लगभग 89 प्रतिशत मामलों में बीमारी की सही पहचान की। जब उन्होंने उसी अस्पताल के आंतरिक समूह के रोगियों पर इसका परीक्षण किया, तो सटीकता लगभग 86 प्रतिशत पर उच्च बनी रही। सबसे महत्वपूर्ण बात यह है कि जब उन्होंने दूसरे अस्पताल के पूरी तरह से अलग समूह के रोगियों पर इस उपकरण को लागू किया, तो इसने उतना ही अच्छा प्रदर्शन किया, लगभग 89 प्रतिशत मामलों में बीमारी की सही पहचान की। यह निरंतरता बताती है कि यह उपकरण मजबूत है और केवल लोगों के किसी एक विशिष्ट समूह का संयोग मात्र नहीं है।

अध्ययन ने यह भी देखा कि उपकरण वास्तविकता के साथ कितनी अच्छी तरह मेल खाता है। एक आदर्श नैदानिक उपकरण वास्तव में बीमारी वाले रोगी के लिए 90 प्रतिशत संभावना और बिना बीमारी वाले व्यक्ति के लिए 10 प्रतिशत संभावना की भविष्यवाणी करेगा। शोधकर्ताओं ने पाया कि उनके मॉडल की भविष्यवाणियाँ वास्तविक परिणामों के बहुत करीब थीं, जिसका अर्थ है कि इसके द्वारा उत्पन्न संख्याएँ भरोसेमंद हैं। इसके अलावा, उन्होंने विश्लेषण किया कि क्या इस उपकरण का उपयोग करने से वास्तव में डॉक्टरों को बेहतर निर्णय लेने में मदद मिलेगी। विश्लेषण ने दिखाया कि इस मॉडल पर भरोसा करने से अनुमान लगाने या कम सटीक तरीकों पर निर्भर रहने की तुलना में अधिक सही निदान होंगे और छूटे हुए मामले कम होंगे। यह एक महत्वपूर्ण कदम है क्योंकि यह एक ऐसी स्थिति के निदान के लिए एक गैर-आक्रामक, सुलभ तरीका प्रदान करता है जो अक्सर बहुत देर होने तक अनसुनी रह जाती है।

हालांकि परिणाम उत्साहजनक हैं, शोधकर्ता सावधानी बरतते हुए यह नोट करते हैं कि उनका काम एक शुरुआत है। मॉडल का परीक्षण एक ही क्षेत्र के दो अस्पतालों के रोगियों पर किया गया था, और यह पुष्टि करने के लिए कि यह हर जगह समान रूप से काम करता है, बड़े और अधिक विविध समूहों के साथ भविष्य के अध्ययन आवश्यक होंगे। वे यह भी स्वीकार करते हैं कि मॉडल को आगे की जांच के लिए संकेत देने के लिए डिज़ाइन किया गया है, न कि पूर्ण चिकित्सा मूल्यांकन को बदलने के लिए। हालांकि, नियमित रक्त कार्य को एक शक्तिशाली प्रारंभिक चेतावनी प्रणाली में बदलकर, यह शोध उन रोगियों के जीवन को बेहतर बनाने का एक ठोस तरीका प्रदान करता है जिनका निदान करना लंबे समय से कठिन रहा है। यह एक मानक रक्त परीक्षण में पाए जाने वाले साधारण नंबरों को एक स्पष्ट संकेत में बदल देता है, यह सुनिश्चित करता है कि बीमारी को प्रभावी ढंग से प्रबंधित करने के लिए पर्याप्त जल्दी पकड़ लिया जाए।