Multi-Time-Point Kidney Segmentation in Lutetium-177 SPECT/CT Imaging Using a 3D Deep Learning Approach for Patient-Specific Dosimetry
यह अध्ययन प्रदर्शित करता है कि एक SwinUNETR-आधारित 3D डीप लर्निंग मॉडल, विशेषज्ञ मैनुअल सेगमेंटेशन के तुलनीय डोज़िमेट्रिक सटीकता बनाए रखते हुए, Lu-177 SPECT/CT किडनी सेगमेंटेशन के लिए प्रोसेसिंग समय को 80% से अधिक कम कर देता है, जिससे रेडियोफार्मास्युटिकल थेरेपी के लिए कुशल रोगी-विशिष्ट डोज़िमेट्री सक्षम 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
आधुनिक कैंसर उपचार के क्षेत्र में, एक शक्तिशाली रणनीति में रेडियोधर्मी दवाओं का उपयोग करके ट्यूमर कोशिकाओं को ढूंढना और उन्हें नष्ट करना शामिल है, जबकि शरीर के बाकी हिस्सों को सुरक्षित रखा जा सके। इस दृष्टिकोण को रेडियोफार्मास्युटिकल थेरेपी के रूप में जाना जाता है, जो उन अणुओं पर निर्भर करता है जो गाइडेड मिसाइलों की तरह कार्य करते हैं, और कैंसर तक विकिरण (रेडिएशन) की एक सटीक खुराक सीधे पहुँचाते हैं। हालाँकि, ये दवाएं शरीर से बाहर निकलने के लिए अक्सर गुर्दों (किडनी) के माध्यम से यात्रा करती हैं, जिसका अर्थ है कि इन महत्वपूर्ण अंगों द्वारा अनजाने में कुछ विकिरण अवशोषित किया जा सकता है। यदि खुराक बहुत अधिक हो जाए, तो यह गुर्दों को नुकसान पहुँचा सकती है, इसलिए डॉक्टरों को सावधानीपूर्वक यह गणना करनी चाहिए कि प्रत्येक रोगी के गुर्दे वास्तव में कितनी विकिरण प्राप्त कर रहे हैं। इस गणना के लिए दवा दिए जाने के बाद कई अलग-अलग समय पर रोगी के शरीर की विस्तृत तस्वीरें लेना आवश्यक होता है, और फिर उनके आयतन (वॉल्यूम) और उनमें मौजूद विकिरण को मापने के लिए प्रत्येक छवि पर गुर्दे की रूपरेखा को मैन्युअल रूप से ट्रेस करना पड़ता है। हालाँकि यह प्रक्रिया सुरक्षा के लिए अनिवार्य है, लेकिन यह अविश्वसनीय रूप से धीमी और उबाऊ है, क्योंकि इसमें एक विशेषज्ञ को प्रत्येक रोगी के लिए इन रूपरेखाओं को हाथ से खींचने में घंटों समय बिताना पड़ता है।
बैंकॉक के चुलालोंगकोर्न विश्वविद्यालय के शोधकर्ताओं की एक टीम ने आर्टिफिशियल इंटेलिजेंस का उपयोग करके इस महत्वपूर्ण कार्य को तेज करने का एक नया तरीका विकसित किया है। उन्होंने एक परिष्कृत कंप्यूटर प्रोग्राम को प्रशिक्षित किया है जो इन उपचारों में उपयोग की जाने वाली जटिल त्रि-आयामी (थ्री-डायमेंशनल) छवियों में गुर्दों को स्वचालित रूप से खोजने और उनकी रूपरेखा बनाने में सक्षम है। अध्ययन विशेष रूप से ल्यूटेटियम-177 (Lutetium-177) नामक पदार्थ का उपयोग करके किए जाने वाले एक विशिष्ट प्रकार के रेडियोधर्मी उपचार प्राप्त करने वाले रोगियों पर केंद्रित था, जिसका उपयोग कुछ प्रोस्टेट कैंसर और न्यूरोएंडोक्राइन ट्यूमर के इलाज के लिए किया जाता है। शोधकर्ताओं ने यह देखने के लिए चार अलग-अलग प्रकार के उन्नत कंप्यूटर मॉडलों का परीक्षण किया कि कौन सा मॉडल मानव विशेषज्ञ के कार्य की सबसे अच्छी तरह नकल कर सकता है। उन्होंने मॉडलों को दस रोगियों की हजारों छवियां दीं, जिससे सॉफ्टवेयर को बिना किसी मानवीय सहायता के गुर्दे के आकार और स्थान को पहचानना सिखाया गया। लक्ष्य केवल रेखाएं तेजी से खींचना नहीं था, बल्कि यह सुनिश्चित करना था कि प्राप्त माप विकिरण की खुराक को सुरक्षित रूप से गणना करने के लिए पर्याप्त सटीक हों।
परिणामों ने दिखाया कि एक विशिष्ट मॉडल, जिसे स्विनयूनेटआर (SwinUNETR) के रूप में जाना जाता है, सबसे अच्छा प्रदर्शन करता है। छवियों को दिए जाने पर, यह मॉडल उच्च स्तर की सटीकता के साथ गुर्दे की रूपरेखा बना सका, जो अधिकांश मामलों में मानव विशेषज्ञों के कार्य से मेल खाता था। शोधकर्ताओं ने पाया कि कंप्यूटर प्रति रोगी दो मिनट से भी कम समय में कार्य पूरा कर सकता था, जबकि एक मानव विशेषज्ञ को उसी काम के लिए लगभग दस मिनट का समय लगता था। इसका अर्थ है कि स्वचालित प्रणाली ने समय की आवश्यकता को 80 प्रतिशत से अधिक कम कर दिया। हालांकि कंप्यूटर द्वारा की गई विकिरण खुराक की माप मानव विशेषज्ञों से थोड़ी भिन्न थी—जो औसतन लगभग दस प्रतिशत का अंतर था—लेकिन परिणाम इतने करीब थे कि उन्हें नैदानिक रूप से उपयोगी माना जा सके। अत्यधिक गति के लाभ को देखते हुए यह छोटा सा अंतर स्वीकार्य है, जो डॉक्टरों को अपने कर्मचारियों को अत्यधिक कार्यभार दिए बिना कई अधिक रोगियों को संसाधित करने की अनुमति देता है।
दिलचस्प बात यह है कि शोधकर्ताओं ने यह भी परीक्षण किया कि क्या कंप्यूटर को शारीरिक चित्र (जो शरीर की संरचना दिखाते हैं) और कार्यात्मक चित्र (जो दिखाते हैं कि रेडियोधर्मी दवा वास्तव में कहाँ चमक रही है) दोनों खिलाने से रूपरेखा अधिक सटीक होती है। उन्होंने पाया कि हालांकि कंप्यूटर दोनों प्रकार की छवियों को देखने पर रेखाएं अधिक पूर्णता से नहीं खींचता था, लेकिन उसे गुर्दे के वास्तविक आयतन (वॉल्यूम) की बेहतर समझ हुई। यह एक महत्वपूर्ण विवरण है क्योंकि गुर्दे का आकार खुराक गणना को सीधे प्रभावित करता है। अध्ययन बताता है कि कंप्यूटर के कार्यात्मक डेटा का उपयोग करने से इसे यह समझने में मदद मिलती है कि गुर्दे के कौन से हिस्से दवा को सक्रिय रूप से संसाधित कर रहे हैं, जिससे अंग के आकार का अधिक सटीक अनुमान मिलता है।
अध्ययन अपेक्षाकृत छोटे रोगी समूह के डेटा का उपयोग करके किया गया था, इसलिए शोधकर्ता स्वीकार करते हैं कि इस प्रणाली को हर अस्पताल में एक मानक उपकरण बनने से पहले बड़े पैमाने पर परीक्षण की आवश्यकता है। हालाँकि, निष्कर्ष दर्शाते हैं कि आर्टिफिशियल इंटेलिजेंस इन जटिल उपचारों में किडनी सेगमेंटेशन (गुर्दे के विभाजन) का भारी काम संभाल सकता है। सबसे अधिक समय लेने वाले हिस्से को स्वचालित करके, यह तकनीक व्यक्तिगत रेडिएशन थेरेपी को अधिक सुलभ और कुशल बना सकती है। रूपरेखा खींचने में घंटों बिताने के बजाय, चिकित्सा दल कंप्यूटर पर प्रारंभिक कार्य करने के लिए भरोसा कर सकते हैं, जिससे वे अपने विशेषज्ञता का उपयोग परिणामों को सत्यापित करने और अंतिम उपचार निर्णय लेने के लिए कर सकें। यह बदलाव एक ऐसे क्षेत्र में गति और निरंतरता का नया स्तर लाने का वादा करता है जहाँ रोगी की सुरक्षा और रिकवरी के लिए हर मिनट मायने रखता है।
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।