Preoperative prediction of muscle invasion in bladder cancer: a preliminary development and validation of diffusion-weighted-imaging-based habitat analysis

ब्लैडर कैंसर (मूत्राशय का कैंसर) एक ऐसी बीमारी है जहाँ मूत्राशय की परत अनियंत्रित रूप से बढ़ने लगती है, लेकिन सभी मामले एक समान नहीं होते। सर्जरी से पहले डॉक्टरों को सबसे महत्वपूर्ण अंतर यह स्पष्ट करना होता है कि क्या कैंसर मूत्राशय की पेशी दीवार (मसल वॉल) में गहराई तक घुस गया है। यदि ऐसा नहीं हुआ है, तो उपचार अक्सर ट्यूमर को खुरच कर निकालने की एक मामूली प्रक्रिया होती है। यदि यह हो गया है, तो बीमारी बहुत अधिक गंभीर हो जाती है, जिसके लिए आक्रामक कीमोथेरेपी, रेडिएशन, या यहाँ तक कि पूरे मूत्राशय को निकालने की आवश्यकता होती है। दशकों से, यह जानने का एकमात्र तरीका कि पेशी में आक्रमण हुआ है या नहीं, बायोप्सी करना रहा है, जो एक ऐसी प्रक्रिया है जिसमें ऊतक का नमूना लेने के लिए मूत्राशय में एक स्कोप डाला जाता है। यह प्रक्रिया आक्रामक है, दर्दनाक हो सकती है, और कभी-कभी ट्यूमर की गहरी परतों को पहचानने में विफल रहती है। डॉक्टर लंबे समय से उम्मीद कर रहे थे कि एक साधारण स्कैन बिना सुई या स्कोप के यह उत्तर प्रदान कर सके, लेकिन ट्यूमर की आंतरिक संरचना अक्सर मानक छवियों के लिए स्पष्ट रूप से प्रकट होने के लिए बहुत जटिल होती है।

चीन के झोंगशान अस्पताल और संबद्ध संस्थानों की शोधकर्ताओं की एक टीम ने हाल ही में इस समस्या को हल करने के लिए मूत्राशय के ट्यूमर को एक नए तरीके से देखने का प्रयास किया। उन्होंने डिफ्यूजन-वेटेड इमेजिंग (डिफ्यूजन-वेटेड इमेजिंग) नामक एक प्रकार की मैग्नेटिक रेजोनेंस इमेजिंग (एमआरआई) पर ध्यान केंद्रित किया, जो शरीर के भीतर पानी के अणुओं की गति को मापती है। स्वस्थ ऊतकों में, पानी स्वतंत्र रूप से घूमता है, लेकिन एक ट्यूमर में, कोशिकाएं इतनी घनी भरी होती हैं कि पानी फंस जाता है। शोधकर्ताओं ने महसूस किया कि एक ट्यूमर कोशिकाओं का एक समान ब्लॉक नहीं है; यह विभिन्न वातावरणों का एक मिश्रण (पैचवर्क) है, जिनमें से कुछ में घनी कोशिकाएं हैं, कुछ में रक्त का प्रवाह कम है, और कुछ मृत ऊतक हैं। इस जटिलता को पकड़ने के लिए, उन्होंने "हैबिटेट एनालिसिस" (आवास विश्लेषण) नामक एक विधि विकसित की। पूरे ट्यूमर को एक एकल वस्तु के रूप में मानने के बजाय, उन्होंने कंप्यूटर का उपयोग करके ट्यूमर को अलग-अलग उप-क्षेत्रों, या 'हैबिटेट्स' (आवासों) में विभाजित किया, जो इस आधार पर थे कि प्रत्येक सूक्ष्म स्थान में पानी कैसे घूम रहा था। फिर उन्होंने यह देखने के लिए देखा कि क्या इन आवासों का विशिष्ट मिश्रण यह भविष्यवाणी कर सकता है कि क्या कैंसर ने पेशी की दीवार तक पहुँच बना ली है।

अध्ययन की शुरुआत 175 रोगियों के साथ हुई जिन्हें ब्लैडर कैंसर का निदान किया गया था। किसी भी सर्जरी या बायोप्सी से पहले, प्रत्येक रोगी का एक शक्तिशाली 3.0 टेस्ला मशीन का उपयोग करके विस्तृत एमआरआई स्कैन किया गया। डॉक्टरों ने रोगियों को पहले पानी पीने के लिए कहा ताकि उनका मूत्राशय भरा रहे, जिससे अंग खिंचा हुआ और देखने में आसान रहे। स्कैन्स में ट्यूमर के आकार को दिखाने के लिए मानक छवियां, साथ ही विशेष अनुक्रम (सीक्वेंस) शामिल थे जो पानी के अणुओं की गति को ट्रैक करते थे। दो अनुभवी रेडियोलॉजिस्टों ने, जो अंतिम पैथोलॉजी परिणामों से अनभिज्ञ थे, इन छवियों का सावधानीपूर्वक परीक्षण किया। उन्होंने ट्यूमर के आकार को मापा, ट्यूमर को मूत्राशय की दीवार से जोड़ने वाले 'स्टॉक' (डंठल) जैसी विशेषताओं की जाँच की, और रक्तस्राव की उपस्थिति को नोट किया।

शोध का मुख्य हिस्सा डेटा को एक कंप्यूटर प्रोग्राम में फीड करना था। प्रोग्राम ने पूरे ट्यूमर का विश्लेषण किया और पिक्सेल को उनके अद्वितीय डिफ्यूजन पैटर्न के आधार पर चार अलग-अलग आवासों (हैबिटेट्स) में वर्गीकृत किया। यह प्रक्रिया पूरी तरह से 'अनसुपरवाइज्ड' (असुपरवाइज्ड) थी, जिसका अर्थ है कि कंप्यूटर ने बिना यह बताए कि उसे क्या खोजना है, पैटर्नों को स्वयं खोजा। इसके बाद शोधकर्ताओं ने उन रोगियों के आवासों की संरचना की तुलना की जिनमें वास्तव में मस्कल-इनवेसिव (पेशी-आक्रमणकारी) कैंसर पाया गया था, बनाम वे जिनमें ऐसा नहीं था। उन्होंने एक स्पष्ट अंतर पाया: मस्कल-इनवेसिव कैंसर वाले रोगियों में एक विशिष्ट आवास प्रकार का अनुपात काफी अधिक था, जिसे शोधकर्ताओं ने 'हैबिटेट 1' का नाम दिया। जबकि यह आवास प्रकार मस्कल आक्रमण से दृढ़ता से जुड़ा हुआ था, शोधकर्ताओं ने उल्लेख किया कि तकनीकी चुनौतियों और नैतिक कारणों से, वे इस विशिष्ट अध्ययन में इन डिजिटल क्षेत्रों को विशिष्ट जैविक ऊतकों, जैसे कि उच्च कोशिका घनत्व या नेक्रोसिस (ऊतक मृत्यु), के साथ निश्चित रूप से मैप नहीं कर सके।

यह परीक्षण करने के लिए कि क्या यह खोज वास्तव में डॉक्टरों की मदद कर सकती है, टीम ने एक प्रेडिक्शन मॉडल (भविष्यवाणी मॉडल) बनाया। उन्होंने हैबिटेट विश्लेषण के डेटा को मानक नैदानिक जानकारी, जैसे रोगी की आयु और ट्यूमर का आकार, और एमआरआई पर दिखने वाली दृश्य विशेषताओं, जैसे ट्यूमर की लंबाई और स्टॉक की उपस्थिति के साथ जोड़ा। उन्होंने एक सांख्यिकीय उपकरण बनाया जिसे 'नोमोग्राम' (नोमोग्राम) कहा जाता है, जो डॉक्टरों के लिए कैलकुलेटर की तरह कार्य करता है। जब उन्होंने इस नए मॉडल का परीक्षण किया, तो यह केवल नैदानिक तथ्यों या मानक एमआरआई छवियों पर निर्भर मॉडलों की तुलना में मस्कल आक्रमण की भविष्यवाणी करने में अधिक सटीक साबित हुआ। नए मॉडल ने, जिसमें आवास डेटा शामिल था, मस्कल आक्रमण के जोखिम की पहचान 77.7% मामलों में सही ढंग से की, जो पुराने तरीकों के 0.74 AUC से एक उल्लेखनीय सुधार है। शोधकर्ताओं ने यह सुनिश्चित करने के लिए भी एक तकनीक का उपयोग किया कि मॉडल केवल रैंडम अनुमान नहीं लगा रहा है; उन्होंने यह भी जांचा कि अनुमानित संभावनाएँ वास्तविक परिणामों से कितनी मेल खाती हैं, और परिणाम एक मजबूत, विश्वसनीय निरंतरता दिखाते हैं।

अध्ययन ने यह भी रेखांकित किया कि ट्यूमर की कुछ भौतिक विशेषताएं अपने आप में मजबूत संकेतक थीं। ट्यूमर की लंबाई और 'स्टॉक' की उपस्थिति दोनों को मस्कल आक्रमण के स्वतंत्र जोखिम कारकों के रूप में पुष्टि की गई। एक ट्यूमर जिसमें 'स्टॉक' होता है (जो मूत्राशय की दीवार से एक पतले जुड़ाव जैसा दिखता है), उसमें पेशी में आक्रमण करने की संभावना कम थी, जबकि लंबे ट्यूमर के गहराई तक जाने की संभावना अधिक थी। हालांकि, हैबिटेट विश्लेषण ने अंतर्दृष्टि की एक ऐसी परत जोड़ी जो ये दृश्य विशेषताएं अकेले प्रदान नहीं कर सकती थीं। ट्यूमर के अदृश्य आंतरिक परिदृश्य को मापने के माध्यम से, हैबिटेट पद्धति ने बीमारी के व्यवहार की एक स्पष्ट तस्वीर दी। शोधकर्ताओं ने एक विधि का उपयोग यह समझाने के लिए किया कि मॉडल ने अपने निर्णय क्यों लिए, जिससे पुष्टि हुई कि विशिष्ट आवास प्रकार ही बेहतर भविष्यवाणियों के पीछे का मुख्य कारक था।

इन आशाजनक परिणामों के बावजूद, लेखकों ने अपने कार्य की सीमाओं को नोट करने में सावधानी बरती। यह अध्ययन एक एकल चिकित्सा केंद्र में आयोजित किया गया था, और मॉडल का परीक्षण अभी अन्य अस्पतालों या विभिन्न आबादी के रोगियों पर नहीं किया गया है। इसका अर्थ यह है कि बिना और परीक्षण के ये निष्कर्ष सार्वभौमिक रूप से लागू नहीं हो सकते। इसके अतिरिक्त, जबकि कंप्यूटर ने चार अलग-अलग आवासों की पहचान की, शोधकर्ता इन डिजिटल क्षेत्रों को विशिष्ट जैविक ऊतकों, जैसे मृत कोशिकाओं या उच्च रक्त प्रवाह, के साथ मैप नहीं कर सके, क्योंकि इस विशिष्ट अध्ययन में उनके पास एमआरआई स्कैन को सीधे सर्जिकल ऊतक नमूनों के साथ मिलाने का अवसर नहीं था। उन्होंने स्वीकार किया कि भविष्य के शोध में बड़े रोगी समूहों और बाहरी सत्यापन (एक्सटर्नल वैलिडेशन) की आवश्यकता होगी ताकि यह सिद्ध किया जा सके कि यह विधि हर जगह काम करती है।

इस शोध का अंतिम लक्ष्य डॉक्टरों को एक गैर-आक्रामक उपकरण देना है ताकि वे सर्जरी से पहले बेहतर निर्णय ले सकें। यदि एक स्कैन डॉक्टर को विश्वसनीय रूप से बता सकता है कि ट्यूमर ने पेशी पर आक्रमण नहीं किया है, तो रोगी एक बड़ी सर्जरी और कीमोथेरेपी के भारी दुष्प्रभावों से बच सकता है। इसके विपरीत, यदि स्कैन सुझाव देता है कि पेशी प्रभावित है, तो मेडिकल टीम तुरंत अधिक आक्रामक उपचार योजना के लिए तैयार हो सकती है। अध्ययन बताता है कि ट्यूमर के आंतरिक "हैबिटेट्स" (आवासों) को देखना शरीर के भीतर क्या हो रहा है, इसे देखने का एक नया तरीका प्रदान करता है, जो सरल चित्रों से आगे बढ़कर बीमारी की प्रकृति की गहरी समझ की ओर ले जाता है। हालांकि यह विधि अभी अपने शुरुआती चरणों में है और इसके लिए अधिक परीक्षण की आवश्यकता है, यह ब्लैडर कैंसर के निदान को अधिक सटीक और रोगियों के लिए कम आक्रामक बनाने की दिशा में एक महत्वपूर्ण कदम है।