MRI-Based Morphologic Patterns Associated With Lateral Patellar Dislocation: An Interpretable Machine Learning Retrospective Case–Control Study

घुटने की संरचना एक जटिल हिंज (hinge) की तरह है, लेकिन कई युवाओं के लिए, यह एक ऐसा जोड़ भी है जो आश्चर्यजनक रूप से अस्थिर महसूस होता है। एक सामान्य चोट घुटने की चपनी (kneecap) से जुड़ी होती है, जो एक छोटा त्रिकोणीय हड्डी है जो घुटने के जोड़ के सामने स्थित होती है, और यह अपने ट्रैक से बगल की ओर खिसक जाती है। इस घटना को 'लेटरल पटेला डिसलोकेशन' (lateral patellar dislocation) कहा जाता है, जो अक्सर खेलों या अचानक होने वाली गतिविधियों के दौरान होता है। हालांकि यह चोट दिखने में नाटकीय होती है, लेकिन इसका कारण आमतौर पर कोई एक टूटा हुआ हिस्सा नहीं, बल्कि घुटने के भीतर सूक्ष्म आकृतियों और संरेखणों का एक संयोजन होता है। घुटने की चपनी जांघ की हड्डी में एक खांच (groove) द्वारा अपनी जगह पर टिकी रहती है, ठीक वैसे ही जैसे पटरी पर एक ट्रेन, और उन कोमल ऊतकों (soft tissues) द्वारा जो रस्सियों की तरह कार्य करते हैं। यदि पटरी बहुत उथली है, रस्सियाँ बहुत ढीली हैं, या ट्रेन बहुत ऊपर स्थित है, तो यह प्रणाली विफल होने के प्रति संवेदनशील हो जाती है। इन आकृतियों के बीच के सटीक अंतर्संबंध को समझना डॉक्टरों के लिए भविष्य की चोटों को रोकने हेतु महत्वपूर्ण है, फिर भी हड्डी के आकार और विस्थापन के बीच का संबंध शायद ही कभी एक सरल रेखा होता है जहाँ केवल एक माप पूरी कहानी बता सके।

कुनमिंग मेडिकल यूनिवर्सिटी के फर्स्ट एफिलिएटेड हॉस्पिटल के शोधकर्ताओं की एक टीम ने घुटनों के स्कैन के एक बड़े संग्रह का उपयोग करके इन जटिल संबंधों का मानचित्र तैयार करने का लक्ष्य रखा। उन्होंने 446 घुटनों का एमआरआई (MRI) डेटा एकत्र किया, जिन्हें उन्होंने दो समूहों में विभाजित किया: 198 घुटने जिनमें घुटने की चपनी के खिसकने का पुख्ता इतिहास था, और 248 घुटने उन रोगियों के जिनमें घुटने का दर्द था लेकिन उन्हें कभी ऐसी घटना का अनुभव नहीं हुआ था। केवल एक माप देखने के बजाय, टीम ने घुटने की शारीरिक रचना के दस अलग-अलग पहलुओं की जांच की, जिसमें खांच की गहराई, हड्डी की सतहों का कोण और पिंडली की हड्डी के सापेक्ष घुटने की चपनी की ऊंचाई शामिल थी। इस डेटा के विशाल ढेर को समझने के लिए, वे मशीन लर्निंग नामक एक प्रकार के कंप्यूटर प्रोग्राम की ओर मुड़े। ये प्रोग्राम डेटा में ऐसे पैटर्न खोजने के लिए डिज़ाइन किए गए हैं जो मानक गणित के लिए बहुत जटिल होते हैं, जिससे शोधकर्ताओं को यह देखने में मदद मिलती है कि विभिन्न हड्डियों के आकार मिलकर अस्थिरता कैसे पैदा करते हैं।

शोधकर्ताओं ने कंप्यूटर को स्थिर घुटनों और अस्थिर घुटनों के बीच अंतर करने के लिए प्रशिक्षित किया, और डेटा से सीखने की इसकी क्षमता का परीक्षण किया और फिर एक नए सेट के घुटनों पर इसके प्रदर्शन की जांच की जिन्हें इसने पहले कभी नहीं देखा था। कंप्यूटर मॉडल उल्लेखनीय सटीकता के साथ काम कर गया, और लगभग हर बार विस्थापन के इतिहास वाले घुटनों की सही पहचान की। हालांकि, इस अध्ययन का वास्तविक मूल्य केवल कंप्यूटर की सटीकता में नहीं था, बल्कि इस बात में था कि शोधकर्ताओं ने कंप्यूटर से उसकी सोच को समझाने के लिए कैसे कहा। प्रत्येक विशिष्ट हड्डी के माप के योगदान के आधार पर कंप्यूटर के निर्णय को तोड़ने वाली एक विधि का उपयोग करते हुए, उन्होंने पाया कि विस्थापन का जोखिम एक निरंतर और क्रमिक तरीके से नहीं बदलता है। इसके बजाय, जोखिम नाटकीय रूप रूप से बदल जाता है जब कुछ माप विशिष्ट सीमाओं (thresholds) को पार कर जाते हैं।

कंपählt सबसे शक्तिशाली कारक जिसे कंप्यूटर ने पहचाना, वह था जांघ की हड्डी में उस खांच की गहराई जहाँ घुटने की चपनी स्थित होती है। जब यह खांच उथली थी, विशेष रूप से लगभग 3.0 से 3.6 मिलीमीटर से कम मापी गई, तो मॉडल का पूर्वानुमान मजबूती से अस्थिर घुटने की ओर झुक गया। यह एक क्रमिक ढलान नहीं है जहाँ थोड़ा उथला खांच थोड़ा बदतर होता है; बल्कि, एक स्पष्ट बिंदु है जहाँ जोखिम तेजी से बढ़ जाता है। इसी तरह, घुटने की चपनी की ऊंचाई भी महत्वपूर्ण थी। जब घुटने की चपनी सामान्य से अधिक ऊँची स्थित थी, जिसे टेंडन की लंबाई और हड्डी की लंबाई के अनुपात के 1.15 और 1.40 के बीच होने से दर्शाया गया, तो मॉडल ने फिर से घुटने को विस्थापन के प्रति संवेदनशील के रूप में चिह्नित किया। खांच के कोण ने भी महत्वपूर्ण भूमिका निभाई; जब कोण 143 और 151 डिग्री के बीच खुला, जिससे एक सपाट सतह बनी, तो अस्थिरता की संभावना बढ़ गई।

ये निष्कर्ष बताते हैं कि विस्थापन के प्रति संवेदनशील घुटने की शारीरिक रचना एक उथली खांच, एक ऊँची स्थित घुटने की चपनी और एक सपाट ट्रैक का एक विशिष्ट संयोजन है। अध्ययन इस बात पर प्रकाश डालता है कि ये विशेषताएं स्वतंत्र समस्याएं नहीं हैं, बल्कि एक ही रूपात्मक पैटर्न (morphologic pattern) के हिस्से हैं। शोधकर्ता सावधानी बरतते हुए नोट करते हैं कि हालांकि कंप्यूटर ने जोखिम बदलने वाली इन विशिष्ट श्रेणियों की पहचान की है, लेकिन ये संख्याएँ अभी तक रोगी के निदान के लिए प्रमाणित चिकित्सा नियम नहीं हैं। यह अध्ययन रोगियों के एक एकल समूह पर किया गया था, और परीक्षण चरण में देखी गई पूर्ण सटीकता अलग आबादी या अलग स्कैनिंग उपकरणों के साथ कायम नहीं रह सकती है। लेखक जोर देते हैं कि इन संक्रमण क्षेत्रों (transition zones) को आगे परीक्षण किए जाने वाले एक परिकल्पना के रूप में देखा जाना चाहिए, न कि अंतिम निर्णय के रूप में।

अंततः, यह कार्य साधारण चेकलिस्ट के मापों से परे चर्चा को ले जाता है। यह दिखाता है कि घुटने की स्थिरता एक नाजुक संतुलन पर निर्भर करती है जहाँ हड्डी के आकार में छोटे बदलाव जोखिम में अचानक बदलाव ला सकते हैं। इन गैर-रैखिक (nonlinear) पैटर्न को विज़ुअलाइज़ करने के लिए उन्नत उपकरणों का उपयोग करके, यह अध्ययन एक स्पष्ट तस्वीर पेश करता है कि क्यों कुछ घुटने विफल हो जाते हैं जबकि अन्य स्थिर रहते हैं। शोधकर्ताओं को उम्मीद है कि भविष्य के अध्ययन लोगों के व्यापक समूहों में इन विशिष्ट संक्रमण बिंदुओं की पुष्टि करेंगे, जिससे अंततः डॉक्टरों को जोखिम वाले घुटनों की जल्दी पहचान करने और प्रत्येक रोगी की अनूठी शारीरिक रचना के अनुसार उपचार को अनुकूलित करने में मदद मिल सके। फिलहाल, यह कार्य एक विस्तृत मानचित्र के रूप में खड़ा है, जो यह दर्शाता है कि घुटने की अस्थिरता को समझने का मार्ग सरल, अलग-थseits तथ्यों के बजाय जटिल, परस्पर जुड़े आकारों से बना है।