Machine/Deep Learning-Based Position Prediction of Pulmonary Nodules in Free- Breathing CT-Guided Lung Puncture: A Single-Center Prospective Cohort Study
यह एकल-केंद्र प्रोस्पेक्टिव अध्ययन प्रदर्शित करता है कि एक नवीन मशीन लर्निंग फ्रेमवर्क, जो केवल एक बेसलाइन सीटी स्कैन के साथ पोर्टेबल नेज़ल एयरफ्लो या रेस्पिरेटरी इंडक्टिव प्लेथिस्मोग्राफी संकेतों का उपयोग करता है, मुक्त श्वसन के दौरान पल्मोनरी नोड्यूल की स्थितियों का सब-मिलीमीटर रियल-टाइम पूर्वानुमान प्राप्त कर सकता है, जिससे सांस रोकने या अतिरिक्त डायनेमिक इमेजिंग की आवश्यकता के बिना सीटी-निर्देशित लंग पंचर की सुरक्षा और दक्षता में वृद्धि होती 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
कल्पना कीजिए कि एक डॉक्टर मरीज के सीने के भीतर एक छोटे, चलते हुए लक्ष्य में एक बहुत ही बारीक सुई डालने की कोशिश कर रहा है। यह एक नियमित लेकिन नाजुक प्रक्रिया है जिसका उपयोग फेफड़ों के नोड्यूल्स (lung nodules) के निदान या उपचार के लिए किया जाता है, जो छोटे उभार हो सकते हैं जो सौम्य (benign) या कैंसरयुक्त हो सकते हैं। चुनौती यह है कि फेफड़े कभी भी वास्तव में स्थिर नहीं होते; वे हर सांस के साथ फैलते और सिकुड़ते हैं, जिससे लक्ष्य ऊपर-नीचे होता रहता है। इस क्षतिपूर्ति के लिए, डॉक्टर अक्सर मरीजों को सांस रोकने के लिए कहते हैं, लेकिन बुजुर्गों या फेफड़ों की बीमारी वाले लोगों के लिए यह कठिन होता है। यदि मरीज स्थिर नहीं रह पाता है, तो डॉक्टर को ट्रैक करने के लिए कई एक्स-रे स्कैन लेने पड़ते हैं, जिससे रेडिएशन का एक्सपोजर बढ़ जाता है और मरीज को टेबल पर अधिक समय तक रुकना पड़ता है। वर्षों से, चिकित्सा जगत एक ऐसा तरीका खोजने की कोशिश कर रहा था जिससे यह सटीक भविष्यवाणी की जा सके कि सामान्य सांस के दौरान वह लक्ष्य किसी भी क्षण कहाँ होगा, ताकि डॉक्टर बिना मरीज को सांस रोकने के लिए मजबूर किए या अतिरिक्त स्कैन लिए बिना सटीक निशाना लगा सके।
बीजिंग यूनिवर्सिटी पीपल्स हॉस्पिटल के शोधकर्ताओं की एक टीम ने आर्टिफिशियल इंटेलिजेंस और सरल, पोर्टेबल सेंसर का उपयोग करके इस समस्या को हल करने के लिए एक नई विधि विकसित की है। 139 रोगियों वाले एक हालिया अध्ययन में, उन्होंने एक ऐसी प्रणाली का परीक्षण किया जो मिलीमीटर के दसवें हिस्से (sub-millimeter) की सटीकता के साथ फेफड़ों के नोड्यूल्स की ऊर्ध्वाधर गति (vertical movement) की भविष्यवाणी कर सकती थी। शोधकर्ताओं ने इसके लिए किसी महंगी, जटिल मशीनरी या नए प्रकार के उच्च-विकिरण वाले स्कैन पर निर्भरता नहीं रखी। इसके बजाय, उन्होंने नोड्यूल का स्थान खोजने के लिए शुरुआत में एक मानक प्लानिंग सीटी (CT) स्कैन का उपयोग किया, और फिर मरीजों के चेहरों और धड़ पर हल्के, गैर-आक्रामक (non-invasive) सेंसर लगाए। ये सेंसर, जो स्लीप क्लीनिक में उपयोग किए जाते हैं, नाक के माध्यम से हवा के प्रवाह और छाती एवं पेट के विस्तार की निगरानी करते हैं, जबकि मरीज स्वाभाविक रूप से सांस ले रहे होते हैं।
इस अध्ययन का मुख्य केंद्र यह देखना था कि क्या कंप्यूटर सांस के इन संकेतों और फेफड़ों के नोड्यूल्स की वास्तविक गति के बीच के संबंध को सीख सकता है। टीम ने 143 नोड्यूल्स का डेटा एकत्र किया, जिसमें प्रत्येक नोड्यूल की स्थिति को कई सीटी स्कैन के दौरान रिकॉर्ड किया गया जब मरीज स्वतंत्र रूप से सांस ले रहे थे। उन्होंने यह जानकारी दो अलग-अलग प्रकार के कंप्यूटर मॉडल में डाली: एक 'सपोर्ट वेक्टर मशीन' नामक सांख्यिकीय पद्धति पर आधारित था, और दूसरा 'ResNet-18' नामक डीप लर्निंग एल्गोरिदम पर आधारित था। लक्ष्य यह था कि कंप्यूटर सांस के संकेत को देखकर किसी भी क्षण यह सटीक भविष्यवाणी कर सके कि नोड्यूल कहाँ होगा, भले ही मरीज सांस लेने के चक्र के बीच में ही क्यों न हो।
परिणाम उल्लेखनीय रूप से सटीक थे। जब मॉडलों का परीक्षण नए डेटा पर किया गया जिसे उन्होंने पहले कभी नहीं देखा था, तो सांख्यिकीय त्रुटि (मीन स्क्वेयर्ड एरर के रूप में मापी गई) लगभग 0.166 से 0.198 मिमी² थी। महत्वपूर्ण रूप से, अध्ययन ने स्पष्ट रूप से पुष्टि की कि नोड्यूल की स्थिति के लिए वास्तविक पूर्ण भविष्यवाणी त्रुटि (absolute prediction error) सभी मॉडलों के लिए 0.5 मिमी से कम रही। इसे समझने के लिए, मानव बाल की मोटाई लगभग 0.05 से 0.1 मिलीमीटर होती है, जिसका अर्थ है कि भविष्यवाणी एक एकल बाल की चौड़ाई से भी बहुत कम गति को ट्रैक करने के लिए पर्याप्त सटीक थी। यह प्रणाली लगातार अच्छी तरह से काम करती थी, चाहे मरीज अपनी पीठ के बल, पेट के बल या बगल के बल लेटा हो, और चाहे नोड्यूल फेफड़ों के ऊपरी भाग में हो या निचले भाग में। चेस्ट बेल्ट सिग्नल की तुलना में नासिका वायु प्रवाह (nasal airflow) सिग्नल का उपयोग करने पर मॉडल थोड़े बेहतर प्रदर्शन करते थे, लेकिन दोनों विधियों ने नैदानिक उपयोग के लिए आवश्यक उच्च स्तर की सटीकता प्राप्त की।
यह दृष्टिकोण इस बात पर एक बड़ा बदलाव लाता है कि इन प्रक्रियाओं को कैसे किया जा सकता है। वर्तमान में, यदि कोई मरीज सांस नहीं रोक पाता है, तो डॉक्टर को सुई की स्थिति की जांच करने और नया स्कैन लेने के लिए बार-बार प्रक्रिया को रोकना पड़ता है, जिससे समय और रेडिएशन एक्सपोजर बढ़ जाता है। इस नए प्रेडिक्टिव टूल के साथ, डॉक्टर सैद्धांतिक रूप से जान सकता है कि सांस के चक्र के किसी भी सेकंड में नोड्यूल कहाँ है। यह प्रक्रिया को अधिक सुचारू, तेज़ बना सकता है जहाँ सुई को बिना किसी बार-बार के व्यवधान या जबरन सांस रोकने की आवश्यकता के निरंतर निर्देशित किया जा सकता है। इस प्रणाली के लिए केवल एक मानक सीटी स्कैनर और एक छोटा, पोर्टेबल मॉनिटरिंग डिवाइस चाहिए, जिससे यह एक कम लागत वाला समाधान बन जाता है जिसे महंगे रोबोटिक आर्म्स या बड़े बुनियादी ढांचे के बदलाव के बिना मौजूदा अस्पताल वर्कफ़्लो में एकीकृत किया जा सकता है।
यह अध्ययन एक सिंगल-सेंटर प्रोस्पेक्टिव ट्रायल था, जिसका अर्थ है कि शोधकर्ताओं ने विशेष रूप से इस अध्ययन के लिए रोगियों को भर्ती किया और प्रक्रिया के दौरान उनका अनुसरण किया, न कि पुराने रिकॉर्ड्स को देखा। हालांकि परिणाम आशाजनक हैं, लेखक बताते हैं कि सिस्टम का परीक्षण मुख्य रूप से फेफड़ों के नोड्यूल्स के लिए एक विशिष्ट प्रकार के प्री-सर्जरी लोकलाइजेशन (pre-surgery localization) पर किया गया था। वे सुझाव देते हैं कि यह पुष्टि करने के लिए और अधिक परीक्षण की आवश्यकता है कि क्या यह विधि अन्य प्रक्रियाओं, जैसे कि ऊतक के नमूने (tissue samples) लेने या ट्यूमर को जलाने, और विभिन्न अस्पतालों एवं विभिन्न उपकरणों के साथ समान रूप से काम करती है। हालांकि, निष्कर्ष यह प्रदर्शित करते हैं कि सरल सांस के संकेतों और मशीन लर्निंग का उपयोग करके फेफड़ों के नोड्यूल की अदृश्य गति को वास्तविक समय (real-time) में ट्रैक करना संभव है। सांस लेने की अराजक गति को एक अनुमानित पैटर्न में बदलकर, यह तकनीक उन मरीजों के लिए फेफड़ों के हस्तक्षेप को सुरक्षित, तेज़ और कम कष्टदायक बना सकती है जो सांस नहीं रोक सकते।
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।