Deep learning-assisted target volume segmentation for uterine malignancies on non-contrast CT

कैंसर के उपचार की जटिल दुनिया में, रेडिएशन थेरेपी ऊर्जा की एक सटीक किरण की तरह काम करती है जिसे आसपास के स्वस्थ अंगों को बचाते हुए ट्यूमर को नष्ट करने के लिए डिज़ाइन किया गया है। इसे संभव बनाने के लिए, डॉक्टरों को पहले रोगी के स्कैन पर एक विस्तृत मानचित्र बनाना होता है, जिसमें यह स्पष्ट रूप से रेखांकित किया जाता है कि कैंसर कहाँ है और रेडिएशन को कितनी दूर तक पहुँचना चाहिए। यह मानचित्र, जिसे 'टारगेट वॉल्यूम' (लक्ष्य आयतन) कहा जाता है, पूरे उपचार योजना की नींव है। यदि मानचित्र बहुत छोटा है, तो कैंसर जीवित रह सकता है; यदि यह बहुत बड़ा है, तो स्वस्थ ऊतकों को नुकसान पहुँच सकता है। दशकों से, इन मानचित्रों को बनाने का कार्य एक धीमा, मैनुअल कार्य रहा है जहाँ एक विशेषज्ञ कंप्यूटर स्क्रीन पर सावधानीपूर्वक सीमाओं को रेखांकित करता है, एक ऐसी प्रक्रिया जो व्यक्ति दर व्यक्ति भिन्न हो सकती है और एक एकल रोगी के लिए एक घंटे से अधिक समय ले सकती है। गर्भाशय, गर्भाशय ग्रीवा (सर्विक्स) और एंडोमेट्रियम के कैंसर के लिए यह चुनौती विशेष रूप से कठिन है क्योंकि पेल्विस के कोमल ऊतक अक्सर मानक स्कैन पर एक जैसे दिखते हैं, जिससे ट्यूमर के किनारों को स्पष्ट रूप से देखना कठिन हो जाता है।

गांज़ौ कैंसर अस्पताल, चीन के शोधकर्ताओं ने यह देखने के लिए हाथ बढ़ाया कि क्या आर्टिफिशियल इंटेलिजेंस इस प्रक्रिया को सटीकता खोए बिना तेज करने में मदद कर सकता है। उन्होंने एक विशिष्ट प्रकार के स्कैन पर ध्यान केंद्रित किया जिसे नॉन-कॉन्ट्रास्ट कंप्यूटेड टोमोग्राफी या NCCT कहा जाता है, जो रेडिएशन योजना के लिए उपयोग किया जाने वाला मानक इमेजिंग टूल है लेकिन इसमें मैग्नेटिक रेजोनेंस इमेजिंग जैसे अन्य तरीकों की उच्च-कंट्रास्ट विवरण की कमी होती है। टीम ने एक कंप्यूटर सिस्टम को प्रशिक्षित किया ताकि वह इन स्कैन को देख सके और लक्ष्य क्षेत्रों की रूपरेखा को स्वचालित रूप से बना सके। उन्होंने केवल कंप्यूटर से अनुमान लगाने के लिए नहीं कहा; उन्होंने एक ऐसा सिस्टम बनाया जो सैकड़ों पिछले मामलों से सीखता है जहाँ विशेषज्ञ डॉक्टरों ने पहले ही हाथों से मानचित्र खींचे थे। इसका लक्ष्य एक ऐसा उपकरण बनाना था जो मानचित्र का एक पहला ड्राफ्ट प्रदान कर सके, जिसे डॉक्टर फिर से जल्दी से जांच और समायोजित कर सकें, बजाय इसके कि उन्हें हर बार एक खाली स्क्रीन से शुरुआत करनी पड़े।

इस अध्ययन में गर्भाशय के कैंसर वाले 157 रोगियों को शामिल किया गया, जिन्हें परीक्षण के लिए विभिन्न समूहों में विभाजित किया गया। कंप्यूटर को रोगियों के एक बड़े समूह पर प्रशिक्षित किया गया और फिर एक अलग समूह पर इसका परीक्षण किया गया जिसे इसने पहले कभी नहीं देखा था, ताकि यह सुनिश्चित हो सके कि यह नए मामलों को संभाल सके। परिणामों ने दिखाया कि आर्टिफिशियल इंटेलिजेंस उपचार क्षेत्र की बाहरी सीमा, जिसे 'प्लानिंग टारगेट वॉल्यूम' कहा जाता है, को खींचने में उल्लेखनीय रूप से अच्छा था। औसतन, कंप्यूटर का रेखांकन विशेषज्ञ डॉक्टरों के रेखांकन के साथ 90 प्रतिशत से अधिक मेल खाता था। यह बाहरी सीमा वास्तविक ट्यूमर के चारों ओर जोड़ी गई एक सुरक्षा मार्जिन है ताकि यह सुनिश्चित किया जा सके कि रेडिएशन लक्ष्य तक पहुँचे, भले ही रोगी थोड़ा हिल जाए। हालाँकि, आंतरिक सीमा के मामले में सिस्टम उतना सटीक नहीं था, जो उस वास्तविक 'क्लिनिकल टारगेट वॉल्यूम' को चिह्नित करता है जहाँ बीमारी मौजूद होती है। इस आंतरिक क्षेत्र के लिए, ओवरलैप लगभग 72 प्रतिशत था। यह अंतर महत्वपूर्ण है क्योंकि मानक स्कैन पर आंतरिक सीमा को परिभाषित करना बहुत कठिन है, क्योंकि ट्यूमर आसपास के स्वस्थ ऊतकों में मिल जाता है।

यह समझने के लिए कि क्या ये कंप्यूटर-जनित मानचित्र वास्तव में एक वास्तविक क्लिनिक में उपयोगी थे, तीन अनुभवी रेडिएशन डॉक्टरों ने स्वतंत्र रूप से परिणामों की समीक्षा की। उन्होंने एक सरल पैमाने पर कंप्यूटर के काम की गुणवत्ता को रेट किया। बाहरी सुरक्षा मार्जिन के लिए, डॉक्टरों ने पाया कि कंप्यूटर का काम 91 प्रतिशत से अधिक मामलों में नैदानिक रूप से स्वीकार्य था, जिसका अर्थ था कि यह मामूली सुधारों के साथ उपयोग के लिए तैयार था। आंतरिक ट्यूमर सीमा के लिए, स्वीकृति दर कम थी, जो लगभग 75 प्रतिशत थी, जिसमें शेष मामलों में अधिक महत्वपूर्ण बदलावों की आवश्यकता थी। डॉक्टरों ने नोट किया कि कंप्यूटर कभी-कभी लक्ष्य क्षेत्र के बिल्कुल ऊपरी और निचले हिस्से में या जहाँ गर्भाशय गर्भाशय (यूट्रस) और मलाशय (रेक्टम) मिलते हैं, वहाँ संघर्ष करता है, वे क्षेत्र जहाँ ऊतक कंट्रास्ट स्वाभाविक रूप से कम होता है। इन खामियों के बावजूद, कंप्यूटर ने कोई भी ऐसा मानचित्र नहीं बनाया जो पूरी तरह से अनुपयोगी हो। मुख्य निष्कर्ष यह था कि कंप्यूटर एक ठोस शुरुआती बिंदु प्रदान कर सकता है, लेकिन एक मानव डॉक्टर को अभी भी आंतरिक सीमाओं को सावधानीपूर्वक समीक्षा और परिष्कृत करने की आवश्यकता है।

इस तकनीक का सबसे नाटकीय प्रभाव उस समय पर देखा गया जो कार्य पूरा करने में लगा। 20 रोगियों वाले एक अलग परीक्षण में, एक अकेले डॉक्टर ने तुलना की कि मानचित्रों को हाथ से खींचने बनाम कंप्यूटर के ड्राफ्ट का उपयोग करने में कितना समय लगा। शून्य से खींचने पर, प्रक्रिया में प्रति रोगी औसतन 65 मिनट लगे। कंप्यूटर का उपयोग करके प्रारंभिक रूपरेखा तैयार करने के बाद, जिसे डॉक्टर ने संपादित किया, समय घटकर केवल 14 मिनट रह गया। यह इस महत्वपूर्ण चरण के लिए आवश्यक समय में लगभग 80 प्रतिशत की कमी थी। अध्ययन के लेखकों ने सावधानीपूर्वक नोट किया कि यह एक एकल-केंद्र परीक्षण था और यह अभी तक सिद्ध नहीं हुआ है कि यह हर प्रकार के रोगी के लिए या हर अस्पताल में पूरी तरह से काम करेगा। उन्होंने इस बात पर जोर दिया कि जबकि कंप्यूटर ने बहुत सारा समय बचाया, यह डॉक्टर की विशेषज्ञता का विकल्प नहीं था। इस सिस्टम को एक शक्तिशाली सहायक के रूप में देखा जाना चाहिए जो रेखाचित्र बनाने का भारी काम संभालता है, जिससे चिकित्सा टीम को अपने अंतिम, महत्वपूर्ण निर्णयों पर ध्यान केंद्रित करने की अनुमति मिलती है जो यह सुनिश्चित करते हैं कि उपचार सुरक्षित और प्रभावी दोनों हो।