Habitat Imaging Combined with Multiscale Peritumoral Radiomics and Pathological STAS Status for Predicting Early Postoperative Recurrence in Stage T1 Non-Small Cell Lung Cancer

फेफड़ों का कैंसर दुनिया भर में कैंसर से होने वाली मृत्यु का प्रमुख कारण बना हुआ है, और शुरुआती चरण के रोगियों के लिए, सर्जरी अक्सर मानक उपचार होती है। हालांकि, एक सफल ऑपरेशन के बाद भी, कुछ रोगियों को इस बात का बड़ा जोखिम होता है कि कैंसर वापस आ सकता है। एक विशिष्ट जैविक विशेषता, जिसे 'स्प्रेड थ्रू एयर स्पेसेस' (हवा के स्थानों के माध्यम से प्रसार) के रूप में जाना जाता है, एक शक्तिशाली चेतावनी संकेत के रूप में कार्य करती है। यह तब होता है जब कैंसर कोशिकाएं मुख्य ट्यूमर से अलग होकर फेफड़ों की छोटी वायु थैलियों में स्वतंत्र रूप से तैरने लगती हैं, यह व्यवहार बीमारी के वापस आने की संभावना को बढ़ाता है। समस्या यह है कि डॉक्टर इस खतरनाक विशेषता की पुष्टि केवल तभी कर सकते हैं जब ट्यूमर को निकाल लिया जाए और सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे इसकी जांच की जाए, जिससे सर्जरी शुरू होने से पहले उनके पास जोखिम का पूर्वानुमान लगाने का कोई तरीका नहीं बचता। इसे हल करने के लिए, शोधकर्ताओं ने 'रेडियोमिक्स' नामक क्षेत्र की ओर रुख किया है, जो चिकित्सा छवियों को केवल चित्रों के रूप में नहीं, बल्कि छिपे हुए डेटा के विशाल स्रोतों के रूप में देखता है। स्कैन के भीतर प्रकाश और बनावट के सूक्ष्म पैटर्न का विश्लेषण करके, कंप्यूटर उन विवरणों का पता लगा सकते हैं जो मानवीय आंखों के लिए अदृश्य हैं, जो सर्जरी से पहले ट्यूमर की वास्तविक प्रकृति में एक संभावित खिड़की प्रदान करते हैं।

चीन के शानक्सी बेथ्यून अस्पताल के शोधकर्ताओं की एक टीम ने एक नई विधि विकसित की है जिससे यह भविष्यवाणी की जा सके कि शुरुआती चरण के फेफड़ों के कैंसर के सर्जरी के बाद वापस आने की कितनी संभावना है। उन्होंने स्टेज T1 नॉन-स्मॉल सेल लंग कैंसर वाले रोगियों पर ध्यान केंद्रित किया, जो एक ऐसा समूह है जिसका पूर्वानुमान आमतौर पर अच्छा होता है लेकिन फिर भी उन्हें पुनरावृत्ति (रिकरेंस) का गैर-नगण्य जोखिम होता है। टीम ने एक परिष्कृत कंप्यूटर मॉडल बनाया जो तीन अलग-अलग प्रकार की जानकारी को जोड़ता है: रोगी का नैदानिक विवरण, 'स्प्रेड थ्रू एयर स्पेसेस' की जैविक स्थिति, और ट्यूमर की आंतरिक संरचना तथा उसके तत्काल परिवेश का गहन विश्लेषण। उनका लक्ष्य एक ऐसा उपकरण बनाना था जो डॉक्टरों को उच्च-जोखिम वाले रोगियों की पहचान करने में मदद कर सके, जिससे अधिक व्यक्तिगत फॉलो-अप योजनाओं और उपचार निर्णयों की अनुमति मिल सके।

इस मॉडल को बनाने के लिए, शोधकर्ताओं ने 2019 और 2022 के बीच शुरुआती चरण के फेफड़ों के कैंसर के लिए सर्जरी कराने वाले 216 रोगियों के रिकॉर्ड की समीक्षा की। उन्होंने इन रोगियों को दो समूहों में विभाजित किया: कंप्यूटर को प्रशिक्षित करने के लिए एक बड़ा समूह और यह परीक्षण करने के लिए कि कंप्यूटर ने कितनी अच्छी तरह सीखा, एक छोटा समूह। टीम ने सबसे पहले रोगियों के चेस्ट सीटी स्कैन की जांच की, जो फेफड़ों के विस्तृत 3D चित्र होते हैं। ट्यूमर को एक एकल, समान पिंड (ब्लोब) के रूप में देखने के बजाय, उन्होंने 'हैबिटेट इमेजिंग' नामक तकनीक का उपयोग किया। यह विधि ट्यूमर को पिक्सेल कैसे दिखते हैं और व्यवहार करते हैं, इसके आधार पर छोटे, विशिष्ट उप-क्षेत्रों में विभाजित करती है, ठीक वैसे ही जैसे एक भूविज्ञानी एक ही क्षेत्र के भीतर मिट्टी के विभिन्न प्रकारों का मानचित्रण कर सकता है। इन नन्हे क्षेत्रों को एक साथ समूहबद्ध करके, कंप्यूटर ट्यूमर के भीतर उस जटिल, असमान परिदृश्य को देख सका जिसे एक मानक स्कैन मिस कर देता।

शोधकर्ताओं ने केवल ट्यूमर तक ही सीमित नहीं रहे। उन्होंने ट्यूमर के ठीक आसपास के ऊतकों का भी विश्लेषण किया, जिससे ट्यूमर के किनारे से एक, तीन और पांच मिलीमीटर की दूरी पर विश्लेषण के छल्ले (रिंग्स) बनाए गए। वे जानते थे कि ट्यूमर के ठीक बगल वाला वातावरण अक्सर इस बारे में सुराग रखता है कि वह कितनी आक्रामकता से बढ़ रहा है। उन्होंने इन क्षेत्रों से हजारों संख्यात्मक विशेषताएं निकालीं, जिसमें ट्यूमर के आकार से लेकर ऊतक की बनावट तक सब कुछ मापा गया। फिर उन्होंने इन इमेजिंग विवरणों को रोगियों के मेडिकल इतिहास, जैसे आयु और लिंग, और पैथोलॉजिकल परीक्षण के परिणामों के साथ जोड़ा, जिसने पुष्टि की थी कि क्या 'स्प्रेड थ through एयर स्पेसेस' मौजूद था।

टीम ने यह देखने के लिए कई अलग-अलग कंप्यूटर लर्निंग एल्गोरिदम का परीक्षण किया कि कौन सा पुनरावृत्ति की भविष्यवाणी करने में सबसे बेहतर हो सकता है। उन्होंने पाया कि एक मॉडल जो इन सभी तत्वों—नैदानिक कारकों, ट्यूमर के आंतरिक "हैबिटेट्स", और ट्यूमर के चारों ओर तीन मिलीमीटर के छल्ले के फीचर्स—को जोड़ता है, उसने सबसे अच्छा प्रदर्शन किया। अपने परीक्षण समूह में, इस संयुक्त मॉडल ने 0.865 के स्कोर के साथ सटीकता दर के साथ पुनरावृत्ति के जोखिम की सही पहचान की। यह उन मॉडलों से काफी बेहतर था जो केवल नैदानिक डेटा, केवल आंतरिक ट्यूमर पैटर्न, या केवल आसपास के ऊतकों पर निर्भर थे। अध्ययन ने दिखाया कि ट्यूमर के आसपास का तीन मिलीमीटर का क्षेत्र आसपास के वातावरण के बारे में सबसे उपयोगी जानकारी प्रदान करता है, जो यह सुझाव देता है कि ट्यूमर का तत्काल पड़ोस उसके व्यवहार को समझने के लिए महत्वपूर्ण है।

शोधकर्ताओं ने यह भी पुष्टि की कि कुछ कारक पुनरावृत्ति के स्वतंत्र भविष्यवक्ता थे। इनमें स्कैन पर एक विशिष्ट संकेत जिसे 'वैक्यूल साइन' कहा जाता है, रोगी का लिंग, 'स्प्रेड थ्रू एयर स्पेसेस' की उपस्थिति, टरमर द्वारा पास की फेफड़ों की परत को खींचने का तरीका, और ट्यूमर का अधिकतम आकार शामिल थे। जब कंप्यूटर मॉडल ने 'स्प्रेड थ्रू एयर स्पेसेस' की स्थिति को विस्तृत इमेजिंग डेटा के साथ एकीकृत किया, तो इसने किसी भी एकल जानकारी की तुलना में जोखिम की बहुत स्पष्ट तस्वीर बनाई। मॉडल उच्च विश्वसनीयता के साथ उन रोगियों के बीच अंतर करने में सक्षम था जो कैंसर मुक्त रहेंगे और उनके बीच जिन्हें बीमारी के वापस आने का अनुभव होगा।

हालांकि परिणाम आशाजनक हैं, लेखक नोट करते हैं कि उनके अध्ययन की सीमाएं हैं। यह एक मध्यम संख्या में रोगियों के साथ एक एकल अस्पताल में आयोजित किया गया था, और डेटा एक विशिष्ट आबादी से आया था, जिसका अर्थ है कि मॉडल को व्यापक रूप से उपयोग करने से पहले लोगों के बड़े और विविध समूहों पर परीक्षण करने की आवश्यकता है। इसके अतिरिक्त, ट्यूमर क्षेत्रों का मानचित्रण करने की प्रक्रिया मैन्युअल रूप से की गई थी, जो समय लेने वाली है, हालांकि भविष्य के स्वचालित तकनीकी विकास इससे गति बढ़ा सकते हैं। इन बाधाओं के बावजूद, अध्ययन यह प्रदर्शित करता है कि ट्यूमर के सूक्ष्म जीव विज्ञान से लेकर स्कैन के स्थूल (मैक्रोस्कोपिक) पैटर्न तक, विभिन्न स्तरों की जानकारी को जोड़ना भविष्यवाणी के लिए एक शक्तिशाली उपकरण बनाता है।

यह कार्य शुरुआती चरण के फेफड़ों के कैंसर के प्रबंधन के लिए एक व्यावहारिक मार्ग प्रदान करता है। ट्यूमर की आंतरिक विविधता और उसके तत्काल परिवेश का विश्लेषण करने वाले एक गैर-आक्रामक दृष्टिकोण का उपयोग करके, डॉक्टर जल्द ही अधिक सटीकता के साथ पुनरावृत्ति के जोखिम की भविष्यवाणी कर सकेंगे। यह पोस्ट-सर्जरी देखभाल को अनुकूलित करने में मदद कर सकता है, जिससे यह सुनिश्चित हो सके कि उच्च जोखिम वाले रोगियों को आवश्यक ध्यान और उपचार मिले, जबकि कम जोखिम वाले लोगों को अनावश्यक हस्तक्षेपों से बचाया जा सके। अध्ययन बताता है कि कैंसर देखभाल का भविष्य केवल ट्यूमर को देखने में नहीं है, बल्कि उस जटिल कहानी को समझने में है जो यह अपने आकार, अपने परिवेश और अपनी छिपी हुई आंतरिक संरचना के माध्यम से बताती है।