PathVista Integrates Cellular Foundation Models with Multiscale Histopathology for Colorectal Cancer Prognosis and Molecular Stratification

कैंसर के खिलाफ लड़ाई में, डॉक्टर दुश्मन को देखने के लिए लंबे समय से सूक्ष्मदर्शी (माइक्रोस्कोप) पर भरोसा करते आए हैं। वे ऊतकों (टिश्यू) के पतले स्लाइस देखते हैं, जिन्हें बैंगनी और गुलाबी रंगों से रंगा जाता है, ताकि असामान्य कोशिकाओं का पता लगाया जा सके और यह मापा जा सके कि ट्यूमर कितना आक्रामक हो सकता है। यह विधि, जिसे हिस्टोपैथोलॉजी कहा जाता है, दशकों से मानक उपचार रही है। हालाँकि, एक एकल स्लाइड में लाखों कोशिकाएं होती हैं, और मानवीय आँख एक बार में उनमें से केवल एक छोटे से अंश पर ही ध्यान केंद्रित कर सकती है। जबकि एक रोगविज्ञानी (पैथोलॉजिस्ट) ट्यूमर के सामान्य आकार को देख सकता है, व्यक्तिगत कोशिकाओं और उनके तत्काल परिवेश के बीच के सूक्ष्म अंतर्संबंध अक्सर छिपे रह जाते हैं। ये नन्ही बारीकियाँ—जैसे कि एक कैंसर कोशिका का एक प्रतिरक्षा कोशिका (इम्यून सेल) के बगल में विशिष्ट विन्यास, या केंद्रक (न्यूक्लियस) का सटीक आकार—यह भविष्यवाणी करने की कुंजी हो सकती है कि क्या कोई रोगी जीवित बचेगा या बीमारी वापस आएगी। वर्षों से, कंप्यूटरों ने इन छवियों का विश्लेषण करके मदद करने की कोशिश की है, लेकिन वे अक्सर ऊतकों को व्यापक, धुंधले पैच के रूप में देखते थे, जिससे वे उन सूक्ष्म विवरणों को चूक जाते थे जो प्रत्येक कोशिका को अद्वितीय बनाते हैं।

एक नया अध्ययन 'पाथविस्टा' (PathVista) नामक एक प्रणाली पेश करता है, जिसे कंप्यूटर के इन सूक्ष्म मानचित्रों को पढ़ने के तरीके को बदलने के लिए डिज़ाइन किया गया है। ऊतक के बड़े, धुंधले हिस्सों को घूरने के बजाय, यह प्रणाली पहले व्यक्तिगत कोशिकाओं की जांच करने के लिए ज़ूम करती है, और 16 करोड़ से अधिक उदाहरणों से कोशिकीय आकृतियों और व्यवहारों की एक "शब्दावली" सीखती है। इसके बाद, यह यह देखने के लिए पीछे हटती है कि ये कोशिकाएं बड़े ऊतक परिदृश्य में कैसे फिट होती हैं। व्यक्तिगत कोशिका की कहानी को उसके पड़ोस की कहानी के साथ जोड़कर, पाथविस्टा ट्यूमर की वास्तविक प्रकृति की कहीं अधिक स्पष्ट तस्वीर बनाता है। शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण कोलोरेक्टल कैंसर वाले हजारों रोगियों पर किया, जो दुनिया भर में तीसरा सबसे आम कैंसर है, और पाया कि यह कोशिका-केंद्रित दृष्टिकोण उल्लेखनीय सटीकता के साथ उत्तरजीविता (सर्वाइवल) की भविष्यवाणी कर सकता है और विशिष्ट आनुवंशिक उत्परिवर्तनों (म्यूटेशन) की पहचान कर सकता है, जो अक्सर मौजूदा तरीकों से बेहतर प्रदर्शन करता है।

शोधकर्ताओं ने शुरुआत में कंप्यूटर को यह सिखाने के लिए कि क्या देखना है, यह बताए बिना कोशिकाओं को पहचानना सिखाया। उन्होंने सिस्टम को कोलोरेक्टल कैंसर के ऊतकों से ली गई व्यक्तिगत कोशिकाओं की लाखों छवियां दीं। कंप्यूटर ने समान दिखने वाली कोशिकाओं को एक साथ समूहबद्ध करना सीखा, जिससे केवल उनके दृश्य स्वरूप के आधार पर कोशिकीय प्रकारों का एक मानसिक पुस्तकालय तैयार हुआ। यह प्रक्रिया, जिसे 'सेल्फ-सुपरवाइज्ड लर्निंग' कहा जाता है, ने सिस्टम को ऐसे पैटर्न खोजने की अनुमति दी जो मानवीय आंखों से छूट सकते हैं, जैसे कि कोशिका के आकार में सूक्ष्म भिन्नता या कोशिकाओं के आपस में गुच्छे बनाने का तरीका। एक बार जब कंप्यूटर इस कोशिकीय शब्दावली में महारत हासिल कर चुका था, तो शोधकर्ताओं ने पाथविस्टा को इसका उपयोग करने के लिए बनाया। प्रत्येक नए रोगी की स्लाइड के लिए, सिस्टम पहले प्रत्येक कोशिका की पहचान करता है और उसका विश्लेषण करता है, उनकी अद्वितीय विशेषताओं को कैप्चर करता है। इसके बाद, यह व्यापक ऊतक संरचना को समझने के लिए व्यापक संदर्भ को देखता है। अंत में, यह इन दोनों दृश्यों को मिला देता है, जिससे एक व्यापक रिपोर्ट तैयार होती है जो सूक्ष्म विवरणों और मैक्रोस्कोपिक वास्तुकला दोनों को दर्शाती है।

जब 2,568 रोगियों के एक बड़े समूह पर परीक्षण किया गया, तो पाथविस्टा ने अपनी उपयोगिता सिद्ध की। सिस्टम ने प्रत्येक रोगी के लिए एक जोखिम स्कोर उत्पन्न किया जिसने उत्तरजीविता की संभावनाओं की दृढ़ता से भविष्यवाणी की। जिन रोगियों को सिस्टम ने उच्च-जोखिम वाला बताया, उनमें निम्न-जोखिम वाले रोगियों की तुलना में पांच वर्षों के भीतर बीमारी से मरने की संभावना काफी अधिक थी। अंतर स्पष्ट था: उच्च-जोखिम वाले समूह के लिए मृत्यु का जोखिम निम्न-जोखिम वाले समूह की तुलना में छह गुना से अधिक था। यह भविष्यवाणी तब भी सही रही जब शोधकर्ताओं ने ट्यूमर के आकार, लिम्फ नोड की भागीदारी और रोगी की आयु जैसे अन्य ज्ञात कारकों को भी ध्यान में रखा। वास्तव में, कंप्यूटर के जोखिम स्कोर ने पारंपरिक नैदानिक कारकों की तुलना में उत्तरजीविता के बारे में अधिक सुसंगत जानकारी प्रदान की जिनका डॉक्टर वर्तमान में उपयोग करते हैं। सिस्टम ने सफलतापूर्वक यह भी भविष्यवाणी की कि उपचार के बाद रोगी कितने समय तक बीमारी से मुक्त रहेंगे और बीमारी के दोबारा होने की कितनी संभावना है।

यह सुनिश्चित करने के लिए कि सिस्टम केवल उन विशिष्ट छवियों को याद नहीं कर रहा है जिन पर इसे प्रशिक्षित किया गया था, शोधकर्ताओं ने दो पूरी तरह से अलग समूहों के रोगियों पर इसका परीक्षण किया जो अन्य अस्पतालों और डेटाबेस से थे। विभिन्न ऊतक तैयारी विधियों और रोगी जनसांख्यिकी के बावजूद, पाथविस्टा उच्च-जोखिम वाले रोगियों को निम्न-जोखिम वाले रोगियों से अलग करने की अपनी क्षमता बनाए रखने में सफल रहा। एक बाहरी समूह में, सिस्टम ने उच्च-जोखिम वाले रोगियों की सही पहचान की जिनकी मृत्यु की संभावना बहुत अधिक थी, जिसमें निम्न-जोखिम वाले समूह की तुलना में मृत्यु का जोखिम अनुपात लगभग तीन गुना अधिक था। एक अन्य बड़े डेटाबेस में, यह जोखिम अनुपात और भी अधिक था, जो पांच गुना से अधिक था। ये परिणाम बताते हैं कि सिस्टम ने केवल एक विशिष्ट डेटासेट की विचित्रताओं को याद करने के बजाय, सूक्ष्मदर्शी के नीचे आक्रामक ट्यूमर कैसे दिखते हैं, इसके मौलिक जैविक सत्यों को सीखा है।

उत्तरजीविता की भविष्यवाणी करने के अलावा, पाथविस्टा ने दिखाया कि यह विशिष्ट आनुवंशिक उत्परिवर्तनों के लिए एक जासूस के रूप में भी कार्य कर सकता है। कोलोरेक्टल कैंसर विभिन्न आनुवंशिक त्रुटियों द्वारा संचालित होता है, और कौन सी त्रुटियां मौजूद हैं, यह जानना सही उपचार चुनने के लिए महत्वपूर्ण है। सिस्टम 90% से अधिक मामलों में 'माइक्रोसैटेलाइट इंस्टेबिलिटी' नामक एक विशिष्ट आनुवंशिक अस्थिरता वाले ट्यूमरों की उच्च सटीकता के साथ पहचान करने में सक्षम था। यह महत्वपूर्ण है क्योंकि इस विशिष्ट उत्परिवर्तन वाले रोगी अक्सर इम्यूनोथेरेपी के प्रति अच्छी प्रतिक्रिया देते हैं। सिस्टम ने BRAF जीन में एक विशिष्ट उत्परिवर्तन की पहचान करने में भी अच्छा प्रदर्शन किया, जो एक खराब भविष्यवाणियों से जुड़ा है और जिसके लिए अलग लक्षित उपचारों की आवश्यकता होती है। हालांकि यह KRAS नामक एक अन्य सामान्य उत्परिवर्तन को पकड़ने में कम सफल रहा, लेकिन अन्य दो को पहचानने की इसकी क्षमता बताती है कि ये आनुवंशिक परिवर्तन ऊतक पर विशिष्ट, दृश्य पदचिह्न छोड़ते हैं जिन्हें कंप्यूटर पढ़ सकता है।

अध्ययन में यह भी पता लगाया गया कि क्या यह कोशिका-केंद्रित दृष्टिकोण अन्य प्रकार के कैंसर में काम कर सकता है। शोधकर्ताओं ने कोलोरेक्टल कैंसर पर प्रशिक्षित उसी प्रणाली को फेफड़ों और स्तन कैंसर के नमूनों पर लागू किया। आश्चर्यजनक रूप से, सिस्टम ने विभिन्न अंगों में परिणामों की भविष्यवाणी करने और ट्यूमर के प्रकारों को वर्गीकृत करने की अपनी क्षमता बनाए रखी। यह इंगល់ करता है कि कैंसर होने पर कोशिकाएं व्यवहार करने के मौलिक तरीके—वे कैसे विभाजित होती हैं, वे प्रतिरक्षा कोशिकाओं के साथ कैसे परस्पर क्रिया करती हैं, और वे खुद को कैसे व्यवस्थित करती हैं—विभिन्न प्रकार के कैंसर में साझा किए जाते हैं। सिस्टम ने कोशिकीय आक्रामकता की एक सार्वभौमिक भाषा सीखी जो कोलन से परे भी लागू होती है।

अंत में, शोधकर्ताओं ने सिस्टम के भीतर झाँका ताकि यह समझा जा सके कि वह वास्तव में क्या देख रहा है। उन्होंने पाया कि कंप्यूटर ने ऊतक के उन क्षेत्रों पर सबसे अधिक ध्यान दिया जहाँ कोशिकाएं तेजी से विभाजित हो रही थीं, जहाँ रक्त वाहिकाएं बन रही थीं, और जहाँ ऑक्सीजन का स्तर कम था—जो आक्रामक कैंसर के लक्षण हैं। इसके विपरीत, उन रोगियों में जो लंबे समय तक जीवित रहे, सिस्टम ने उन क्षेत्रों पर ध्यान केंद्रित किया जो प्रतिरक्षा कोशिकाओं से समृद्ध थे, जो ट्यूमर से लड़ने के लिए जानी जाती हैं। स्थापित जैविक ज्ञान के साथ सिस्टम के इस संरेखण से डॉक्टरों को विश्वास मिलता है कि सिस्टम केवल यादृच्छिक पैटर्न नहीं खोज रहा है, बल्कि वास्तव में बीमारी के वास्तविक जैविक चालकों की पहचान कर रहा है।

ये निष्कर्ष नियमित चिकित्सा छवियों के उपयोग के बारे में एक नया दृष्टिकोण प्रदान करते हैं। प्रत्येक कोशिका को एक अद्वितीय डेटा के टुकड़े के रूप में मानकर और बड़े ऊतक पारिस्थितिकी तंत्र में उसके स्थान को समझकर, पाथविस्टा एक मानक सूक्ष्मदर्शी स्लाइड को प्रोग्नोस्टिक (रोगनिदान संबंधी) जानकारी के एक समृद्ध स्रोत में बदल देता है। हालांकि यह सिस्टम जेनेटिक टेस्टिंग का विकल्प नहीं है, लेकिन यह एक शक्तिशाली, सुलभ उपकरण प्रदान करता है जो डॉक्टरों को उच्च-जोखिम वाले रोगियों की जल्दी पहचान करने और उपचारों को अधिक प्रभावी ढंग से अनुकूलित करने में मदद कर सकता है। यह अध्ययन प्रदर्शित करता है कि कैंसर देखभाल के कुछ सबसे कठिन प्रश्नों के उत्तर पहले से ही उन ऊतक नमूनों में मौजूद हैं जिन्हें हम दशकों से देख रहे हैं; हमें बस उन्हें देखने के एक नए तरीके की आवश्यकता थी।