Random Survival Forest quantifies intra-stage heterogeneity of recurrence-free survival after curative gastrectomy: a single-center cohort study
यह एकल-केंद्रित कोहोर्ट अध्ययन प्रदर्शित करता है कि एक रैंडम सर्वाइवल फॉरेस्ट मॉडल, पारंपरिक पैथोलॉजिकल TNM स्टेजिंग की तुलना में बेहतर जोखिम स्तरीकरण प्रदान करते हुए, क्यूरेटिव गैस्ट्रेक्टोमी के बाद गैस्ट्रिक कैंसर रोगियों (स्टेज II–IIIB) के लिए पुनरावृत्ति-मुक्त उत्तरजीविता (recurrence-free survival) में नैदानिक रूप से सार्थक इंट्रा-स्टेज विषमता को प्रभावी ढंग से परिमाणित करता 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
जब एक सर्जन पेट का ट्यूमर निकालता है, तो पैथोलॉजिस्ट की रिपोर्ट भविष्य का पहला मानचित्र होती है। यह रिपोर्ट कैंसर को एक स्टेज (चरण) प्रदान करती है, जो इस बात पर आधारित एक लेबल है कि ट्यूमर कितनी गहराई तक बढ़ा और क्या वह पास की लिम्फ नोड्स (लसीका ग्रंथियों) तक पहुँचा। दशकों से, यह प्रणाली डॉक्टरों के लिए यह अनुमान लगाने का मानक तरीका रही है कि किसी मरीज के कैंसर के वापस आने की कितनी संभावना है। यह मरीजों को एक साथ समूहित करती है, यह मानकर कि एक ही लेबल वाले सभी लोगों को समान जोखिमों का सामना करना पड़ता है। लेकिन जीव विज्ञान शायद ही कभी इतना व्यवस्थित होता है। दो व्यक्तियों के पास बिल्कुल एक ही स्टेज लेबल हो सकता है, फिर भी उनके परिणाम बहुत भिन्न हो सकते हैं, क्योंकि उनके विशिष्ट रोग के अदृश्य विवरण उन तरीकों से भिन्न होते हैं जिन्हें मानक लेबल नहीं देख पाते। आधुनिक चिकित्सा के लिए प्रश्न यह है कि क्या हम प्रत्येक व्यक्ति के अद्वितीय जोखिमों को देखने के लिए व्यापक श्रेणियों से परे देख सकते हैं, जिससे समूह के बजाय व्यक्ति के अनुरूप देखभाल संभव हो सके।
एक एकल चिकित्सा केंद्र के शोधकर्ताओं की एक टीम ने उन रोगियों के लिए इस प्रश्न का उत्तर देने के लिए प्रयास किया जिन्होंने पेट के कैंसर को हटाने के लिए सफल सर्जरी करवाई थी। उन्होंने रोगियों के एक विशिष्ट समूह पर ध्यान केंद्रित किया जिनके ट्यूमर पास की लिम्फ नोड्स में फैल गए थे लेकिन दूर के अंगों तक नहीं पहुँचे थे, जिसे गंभीरता की एक सीमा स्टेज IIA से IIIC के रूप में जाना जाता है। जबकि मानक प्रणाली इन चरणों में सभी को एक समान जोखिम प्रोफाइल के रूप में देखती है, शोधकर्ताओं को संदेह था कि इन समूहों के भीतर छिपे अंतर महत्वपूर्ण हैं। उन्हें खोजने के लिए, वे 'रैंडम सर्वाइवल फॉरेस्ट' नामक एक कंप्यूटर पद्धति की ओर मुड़े। यह पेड़ों का जंगल नहीं है, बल्कि एक डिजिटल उपकरण है जो जटिल डेटा में पैटर्न खोजने के लिए कई अलग-अलग निर्णय पथ बनाता है, ठीक वैसे ही जैसे सौ अलग-अलग विशेषज्ञों से एक ही मामले पर राय मांगना और फिर उनके उत्तरों का औसत लेना।
शोधकर्ताओं ने 486 रोगियों के रिकॉर्ड एकत्र किए जिनका कैंसर 2008 से 2020 के बीच निकाला गया था। उन्होंने कंप्यूटर को प्रत्येक रोगी के बारे में दस अलग-अलग जानकारियां दीं, जिसमें ट्यूमर और रोगी के स्वास्थ्य के विवरण शामिल थे, ताकि यह देखा जा सके कि क्या मॉडल यह भविष्यवाणी कर सकता है कि कौन तीन और पांच वर्षों तक कैंसर मुक्त रहेगा। उन्होंने पहले शुरुआती वर्षों के डेटा का उपयोग करके मॉडल को प्रशिक्षित किया और फिर इसे बाद के वर्षों के रोगियों पर परखा ताकि यह सुनिश्चित हो सके कि यह नए मामलों को संभाल सकता है। परिणामों ने दिखाया कि कंप्यूटर मॉडल मानक स्टेज लेबल की तुलना में भविष्य की बेहतर भविष्यवाणी करने में सक्षम था। जहाँ पारंपरिक प्रणाली एक मोटा अनुमान देती थी, वहीं नया मॉडल उन रोगियों के बीच अंतर कर सका जिनके कैंसर-मुक्त रहने की बहुत अधिक संभावना थी और उन लोगों के बीच जो बीमारी की वापसी की संभावना रखते थे, भले ही वे एक ही आधिकारिक स्टेज साझा करते हों।
सबसे उल्लेखनीय खोज यह थी कि रोग के मध्य चरणों के भीतर जोखिम कैसे भिन्न होता है। स्टेज II से IIIB वाले रोगियों के लिए, मॉडल ने परिणामों में एक बड़ा अंतर दिखाया। इन समूहों में कुछ रोगियों के पुनरावृत्ति की संभावना बहुत कम थी, जबकि अन्य में इसकी संभावना बहुत अधिक थी, जिसमें निम्नतम और उच्चतम जोखिम समूहों के बीच दस से पंद्रह प्रतिशत अंकों का अंतर था। इसका अर्थ है कि एक ही स्टेज लेबल वाले दो व्यक्तियों का भविष्य बहुत भिन्न हो सकता है, एक ऐसा तथ्य जिसे पुराना सिस्टम पूरी तरह से अनदेखा कर गया। हालाँकि, मॉडल ने पाया कि सबसे गंभीर समूह, स्टेज IIIC के लिए, जोखिम समान रूप से उच्च था। इस समूह में प्रत्येक व्यक्ति को पुनरावृत्ति के भारी बोझ का सामना करना पड़ा, और कंप्यूटर मॉडल ने पुष्टि की कि मानक स्टेज लेबल पहले से ही उन्हें उच्च-जोखिम के रूप में पहचानने में अच्छा काम कर रहा था। इस श्रेणी के भीतर कोई छिपा हुआ निम्न-जोखिम वाला समूह नहीं था।
यह कार्य यह सुझाव देता है कि पेट के कैंसर के मध्य चरणों के लिए वर्तमान प्रणाली बहुत अस्पष्ट है। यह रोगियों के एक विविध समूह को ऐसे देखती है जैसे वे सभी एक समान हों, जिससे संभावित रूप से अनावश्यक चिंता या अपर्याप्त निगरानी हो सकती है। नया दृष्टिकोण इन रोगियों को अधिक सूक्ष्मता से वर्गीकृत करने का एक तरीका प्रदान करता है, जिससे यह पहचानना संभव हो सके कि किसे कड़ी निगरानी की आवश्यकता है और कौन मानक देखभाल के साथ सुरक्षित रह सकता है। शोधकर्ता नोट करते हैं कि उनके निष्कर्ष एक एकल केंद्र पर आधारित हैं और उन्हें अन्य अस्पतालों द्वारा जांचने की आवश्यकता होगी ताकि यह पुष्टि हो सके कि वे हर जगह सत्य हैं। तब तक, यह अध्ययन एक स्पष्ट बेंचमार्क प्रदान करता है कि कैसे तकनीक एक दिन डॉक्टरों को व्यापक लेबल से आगे बढ़कर प्रत्येक रोगी के रोग की विशिष्ट वास्तविकता को समझने में मदद कर सकती 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।