A continuous transcriptomic entropy score is associated with overall survival in WHO grade 3 IDH-mutant glioma: development and external validation across two sequencing platforms

ब्रेन कैंसर की दुनिया में, एक विशिष्ट प्रकार का ट्यूमर लंबे समय से डॉक्टरों के लिए एक कठिन पहेली बना हुआ है। ये हैं ग्लियोमा (gliomas), वे ट्यूमर जो मस्तिष्क की सहायक कोशिकाओं से बढ़ते हैं। जब किसी रोगी में IDH म्यूटेशन नामक एक विशिष्ट आनुवंशिक परिवर्तन होता है, तो अन्य ब्रेन कैंसर की तुलना में स्थिति सामान्यतः बेहतर होती है, लेकिन आगे का रास्ता अनिश्चित बना रहता है। डॉक्टर वर्तमान में यह तय करने के लिए कि रोगी का उपचार कितनी आक्रामकता से किया जाए, दो मुख्य संकेतों पर भरोसा करते हैं: ट्यूमर की ग्रेड, जो सूक्ष्मदर्शी (microscope) के नीचे कोशिकाओं के असामान्य दिखने का एक मोटा पैमाना है, और MGMT नामक जीन की स्थिति, जो यह प्रभावित कर सकता है कि कोई दवा कितनी प्रभावी होगी। हालाँकि, ये उपकरण बहुत ही सीमित और अपूर्ण साधन हैं। दो रोगी कागजों पर एक जैसे दिख सकते हैं, समान ग्रेड और जीन स्थिति साझा कर सकते हैं, फिर भी एक व्यक्ति एक दशक तक जीवित रहता है जबकि दूसरा दो साल से भी कम समय में दम तोड़ देता है। परिणामों का यह बड़ा अंतर डॉक्टरों को अनुमान लगाने पर मजबूर कर देता है, जिससे संभावित रूप से एक रोगी को ऐसी कठोर रेडिएशन और कीमोथेरेपी के संपर्क में लाया जा सकता है जिसका कोई लाभ नहीं है, या इसके विपरीत, एक ऐसे ट्यूमर के इलाज के लिए बहुत देर तक प्रतीक्षा की जा सकती है जो चुपचाप अधिक खतरनाक होता जा रहा है।

वर्षों से, शोधकर्ताओं ने ट्यूमर की आनुवंशिक गतिविधि, या ट्रांसक्रिप्टोमिक्स (transcriptomics) का उपयोग करके इस समस्या को हल करने का प्रयास किया है। अधिकांश मौजूदा तरीके एक छँटाई मशीन की तरह काम करते हैं, जो ट्यूमर को कुछ निश्चित श्रेणियों में से एक में रख देते हैं। जबकि ये श्रेणियाँ लोगों के समूहों का अच्छा वर्णन करती हैं, वे एक अकेले व्यक्ति के बारे में निर्णय लेने के लिए खराब उपकरण हैं। वे एक लेबल प्रदान करते हैं, जैसे कि "टाइप A" या "टाइप B," न कि इस बात का माप कि कोई विशिष्ट ट्यूमर घातक होने के कितने करीब है। जो गायब था, वह था हर एक रोगी को एक निरंतर स्कोर (continuous score) देने का तरीका, एक ऐसा अंक जो उन्हें ठीक-ठीक बता सके कि उनका ट्यूमर एक धीमी गति से बढ़ने वाले द्रव्यमान और एक आक्रामक, तेजी से चलने वाले कैंसर के बीच के स्पेक्ट्रम पर कहाँ स्थित है।

इवी दत्ता का एक नया अध्ययन इस कमी को दूर करने के लिए 'ट्रांसक्रिप्टोमिक एम्बिग्युटी इंडेक्स' (Transcriptomic Ambiguity-Index) नामक एक नई स्कोरिंग प्रणाली विकसित और परीक्षण करके इस अंतर को संबोधित करता है। शोधकर्ताओं ने एक सरल लेकिन शक्तिशाली विचार से शुरुआत की: जब एक कंप्यूटर प्रोग्राम एक ट्यूमर को एक श्रेणी में वर्गीकृत करने की कोशिश करता है, तो उस निर्णय का आत्मविश्वास मायने रखता है। कल्पना कीजिए कि एक कंप्यूटर को एक धीमी गति से बढ़ने वाले, लो-ग्रेड ग्लियोमा और एक तेजी से बढ़ने वाले, घातक ग्लियोब्लास्टोमा के बीच अंतर करने के लिए प्रशिक्षित किया गया है। अधिकांश लो-ग्रेड ट्यूमर के लिए, कंप्यूटर बहुत आश्वस्त होता है, और एक ऐसा स्कोर देता है जो कहता है, "यह निश्चित रूप से एक लो-ग्रेड ट्यूमर है।" लेकिन कुछ ट्यूमर के लिए, कंप्यूटर हिचकिचाता है। उनकी आनुवंशिक प्रोफ़ाइल बीच में कहीं स्थित होती है, जिससे यह कहना कठिन हो जाता है कि वे लो-ग्रेड हैं या हाई-ग्रेड। शोधकर्ताओं ने प्रस्तावित किया कि यह हिचकिचाहट कोई गलती या शोर (noise) नहीं है, बल्कि एक महत्वपूर्ण संकेत है। यह सुझाव देता है कि ट्यूमर जैविक रूप से संक्रमण (transitioning) के दौर से गुजर रहा है, और सूक्ष्मदर्शी के नीचे दिखने से पहले ही उच्च-श्रेणी के कैंसर के लक्षण दिखाना शुरू कर रहा है।

इस विचार को एक उपकरण में बदलने के लिए, टीम ने एक बड़े सार्वजनिक डेटाबेस से सैकड़ों रोगियों के आनुवंशिक डेटा का विश्लेषण किया। उन्होंने दो चरम प्रकार के ग्लियोमा के बीच अंतर करने के लिए एक कंप्यूटर मॉडल बनाया। फिर, प्रत्येक नए ट्यूमर के लिए, उन्होंने मापा कि मॉडल उनके वर्गीकरण में कितना अनिश्चित था। उन्होंने इस अनिश्चितता को एक एकल संख्या में बदल दिया, एक ऐसा स्कोर जो बढ़ता जाता है जैसे-जैसे ट्यूमर को वर्गीकृत करना कठिन होता जाता है। कम स्कोर का अर्थ है कि ट्यूमर स्पष्ट रूप से लो-ग्रेड है, जबकि उच्च स्कोर का अर्थ है कि ट्यूमर संदिग्ध (ambiguous) है, जो हाई-ग्रेड बनने की दहलीज पर मंडरा रहा है। यह स्कोर निरंतर (continuous) है, जिसका अर्थ है कि यह कोई भी मान ले सकता है, जिससे उन सूक्ष्म अंतरों को स्पष्ट किया जा सकता है जो एक साधारण श्रेणी प्रदान नहीं कर सकती।

शोधकर्ताओं ने फिर इस स्कोर का परीक्षण रोगियों के तीन अलग-अलग समूहों पर किया ताकि यह देखा जा सके कि क्या यह जीवित रहने की भविष्यवाणी कर सकता है। पहले समूह का उपयोग स्कोर बनाने और उसे परिष्कृत करने के लिए किया गया था, जबकि अन्य दो समूह, जो एक अलग देश से थे और अलग मशीनों पर अनुक्रमित (sequenced) किए गए थे, यह देखने के लिए उपयोग किए गए थे कि क्या यह स्कोर बिना किसी बदलाव के वास्तविक दुनिया में काम करेगा। परिणाम आश्चर्यजनक थे। WHO ग्रेड 3 IDH-म्यूटेंट ग्लियोमा वाले रोगियों में, यह स्कोर इस बात का प्रबल भविष्यवक्ता था कि वे कब तक जीवित रहेंगे। स्कोर में प्रत्येक मानक वृद्धि के साथ, मृत्यु का जोखिम काफी बढ़ गया। यह पैटर्न तीनों समूहों में बना रहा, भले ही समूह आकार, स्थान और आनुवंशिक डेटा को पढ़ने वाली तकनीक में भिन्न थे। स्कोर एक शक्तिशाली भविष्यवक्ता बना रहा, भले ही शोधकर्ताओं ने आयु, 1p/19q कोडेलीशन स्टेटस, MGMT मिथाइलेशन और रोगियों को प्राप्त उपचार जैसे अन्य ज्ञात कारकों को ध्यान में रखा हो।

महत्वपूर्ण रूप से, अध्ययन ने कुछ संभावित स्पष्टीकरणों को खारिज कर दिया कि यह स्कोर क्यों काम कर रहा था। एक चिंता यह थी कि स्कोर केवल उन रोगियों की पहचान कर रहा होगा जिनका गलत निदान किया गया था और वास्तव में उनके पास एक अलग, अधिक आक्रामक प्रकार का ट्यूमर था जिसमें IDH म्यूटेशन की कमी है। हालाँकि, जब शोधकर्ताओं ने केवल उन रोगियों को देखा जिनका आनुवंशिक रूप से पुष्टि की गई थी कि उनमें IDH म्यूटेशन है, तो स्कोर और भी बेहतर काम कर गया, जिससे यह सिद्ध हुआ कि यह केवल गलत वर्गीकरण का परिणाम नहीं था। यह स्कोर केवल इस आधार पर भी रोगियों को अलग नहीं करता था कि उनके पास 1p/19q कोडेलीशन नामक एक विशिष्ट आनुवंशिक विलोपन (deletion) है; इसने इसके ऊपर नई जानकारी प्रदान की। दिलचस्प बात यह है कि स्कोर ग्रेड 2 ट्यूमर, जो इस बीमारी का सबसे निचला ग्रेड है, के परिणामों की भविष्यवाणी करने में कम सुसंगत था। यह एक समूह में अच्छी तरह से काम करता था लेकिन अन्य समूहों में नहीं, जो यह सुझाव देता है कि हालांकि यह ग्रेड 3 ट्यूमर के लिए एक शक्तिशाली उपकरण है, यह केवल उसी चरण तक सीमित नहीं हो सकता है।

अध्ययन ने इस बारे में भी एक व्यावहारिक विवरण पर प्रकाश डाला कि ऐसे उपकरण का उपयोग कैसे किया जाना चाहिए। रोगी को मिलने वाला सटीक नंबर उस विशिष्ट मशीन और प्रयोगशाला पर निर्भर करता है जिसने उसके नमूने का विश्लेषण किया है। एक लैब में "उच्च" स्कोर दूसरी लैब में "मध्यम" हो सकता है। इसलिए, स्कोर को एक सार्वभौमिक पूर्ण संख्या के रूप में जारी नहीं किया जा सकता है। इसके बजाय, इसे रोगियों के एक संदर्भ समूह (reference group) के विरुद्ध कैलिब्रेट (calibrate) किया जाना चाहिए जिसे उसी प्लेटफॉर्म पर प्रोसेस किया गया है। एक बार यह कैलिब्रेशन हो जाने के बाद, स्कोर उस विशिष्ट समूह के भीतर रोगियों को रैंक करने का एक विश्वसनीय तरीका बन जाता है, जिससे पता चलता कि कौन अधिक जोखिम में है।

यह कार्य यह दावा नहीं करता है कि इसने ब्रेन कैंसर के उपचार की समस्या को हल कर दिया है, न ही यह कोई नई दवा या गारंटीकृत इलाज प्रदान करता है। उपयोग किया गया डेटा पिछले रोगियों से एकत्र किया गया था, जिसका अर्थ है कि निष्कर्ष संबंध (associations) हैं न कि कारण और प्रभाव का प्रमाण। शोधकर्ता इस बात पर जोर देते हैं कि भविष्य के अध्ययनों में इस स्कोर का परीक्षण किया जाना चाहिए जहाँ रोगियों का प्रॉस्पेक्टिव (prospectively) अध्ययन किया जाए ताकि यह देखा जा सके कि क्या स्कोर का उपयोग वास्तव में डॉक्टरों को बेहतर निर्णय लेने में मदद करता है। हालाँकि, अध्ययन सफलतापूर्वक प्रदर्शित करता है कि आनुवंशिक अनिश्चितता का एक निरंतर माप वास्तविक प्रोग्नोस्टिक (prognostic) मूल्य रखता है। यह ट्यूमर की उपस्थिति के स्थिर चित्रण से परे देखने और इसके विकास की गतिशील प्रक्रिया को देखने का एक तरीका प्रदान करता है, जो इस चुनौतीपूर्ण बीमारी के लिए जोखिम की एक स्पष्ट और अधिक सूक्ष्म तस्वीर पेश करता है।