DCE-MRI Radiomics-Based Tumor Habitat Analysis for Three-Class Prediction of HER2 Expression Status in Breast Cancer

मुख्य तस्वीर: ब्रेस्ट कैंसर को "पढ़ने" का एक नया तरीका

कल्पना कीजिए कि एक ब्रेस्ट ट्यूमर केवल मिट्टी के एक ठोस लोथड़े जैसा नहीं है, बल्कि एक हलचल भरे, विविध शहर की तरह है। इस शहर के अंदर, अलग-अलग मोहल्लों के अलग-अलग "व्यक्तित्व" होते हैं। कुछ हिस्से व्यस्त और तेजी से बढ़ने वाले हैं, जबकि अन्य शांत या धीमे हैं।

लंबे समय से, डॉक्टर यह समझने की कोशिश कर रहे हैं कि क्या ट्यूमर में HER2 नामक एक विशिष्ट प्रोटीन है। HER2 को एक "ईंधन के प्रकार" के रूप में सोचें। यदि कैंसर में यह बहुत अधिक है (HER2-पॉजिटिव), तो यह एक विशिष्ट हाई-ऑक्टेन ईंधन पर चलता है। यदि इसमें यह बिल्कुल नहीं है (HER2-जीरो), तो यह दूसरे ईंधन पर चलता है।

हाल ही में, डॉक्टरों ने एक बीच का रास्ता खोजा है: HER2-लो (HER2-low)। यह एक ऐसी कार की तरह है जो उस विशेष ईंधन की बहुत कम, सूक्ष्म मात्रा पर चलती है। इस खोज ने नियमों को बदल दिया, पुराने "हाँ/नहीं" सिस्टम को "उच्च/निम्न/कोई नहीं" सिस्टम में बदल दिया।

समस्या: यह जानने के लिए कि ट्यूमर का ईंधन प्रकार क्या है, डॉक्टरों को आमतौर पर एक छोटी सुई वाली बायोप्सी (एक नमूना) लेनी पड़ती है। लेकिन बायोप्सी उस बड़े शहर के केवल एक सड़क के कोने की फोटो लेने जैसा है। आप अन्य मोहल्लों को मिस कर सकते हैं, या परिणाम मिलने तक वह नमूना पुराना हो सकता है।

समाधान: यह शोध पत्र एक नए तरीके का प्रस्ताव देता है जिससे बिना अंदर काटे पूरे शहर को देखा जा सके। उन्होंने एक विशेष प्रकार के MRI स्कैन (जिसे DCE-MRI कहा जाता है) और एक कंप्यूटर प्रोग्राम का उपयोग किया ताकि ट्यूमर के भीतर विभिन्न "मोहल्लों" का मानचित्र बनाया जा सके।

---

उन्होंने यह कैसे किया: "शहर का मानचित्र" उपमा

1. डेटा एकत्र करना (जनसंख्या)
शोधकर्ताओं ने चीन के दो अलग-अलग अस्पतालों के 502 महिलाओं के मेडिकल रिकॉर्ड देखे। उन्होंने इन महिलाओं को तीन समूहों में विभाजित किया:

• ट्रेनिंग सेट (प्रशिक्षण समूह): वे छात्र जो पाठ सीख रहे हैं (401 रोगी)।
• वैलिडेशन सेट (सत्यापन समूह): अभ्यास परीक्षा (50 रोगी)।
• टेस्ट सेट (परीक्षण समूह): अंतिम परीक्षा (51 रोगी)।

2. "हैबिटेट" विश्लेषण (मोहल्लों का मानचित्रण)
पूरे ट्यूमर को एक बड़े ढेर के रूप में देखने के बजाय, कंप्यूटर ने हैबिटेट विश्लेषण (Habitat Analysis) नामक तकनीक का उपयोग किया।

• कल्पना कीजिए कि ट्यूमर जेली बीन्स का एक मिला-जुला जार है।
• कंप्यूटर ने MRI स्कैन पर दिखने के आधार पर इन जेली बीन्स को अलग-अलग ढेरों में बांटने के लिए तीन अलग-अलग छंटाई विधियों (जैसे छलनी, चुंबक या रंग सॉर्टर का उपयोग करना) का उपयोग किया।
• ये ढेर "हैबिटेट्स" (Habitats) हैं। प्रत्येक हैबिटेट ट्यूमर के भीतर एक विशिष्ट प्रकार के ऊतक (tissue) का प्रतिनिधित्व करता है।

3. "फिंगरप्रिंट" निकालना
एक बार जब ट्यूमर को इन मोहल्लों में बांट दिया गया, तो कंप्यूटर ने प्रत्येक के बारे में सैकड़ों सूक्ष्म विवरणों को मापा। इसने देखा कि:

• आकार (Shape): क्या मोहल्ला गोल, टेढ़ा-मेढ़ा या सपाट है?
• बनावट (Texture): क्या सतह चिकनी है या ऊबड़-खाबड़?
• चमक (Brightness): जब कंट्रास्ट डाई डाली जाती है, तो ऊतक कितना चमकता है?

उन्होंने इन "फिंगरप्रिंट" विवरणों को रोगी के मेडिकल इतिहास (जैसे उम्र, पारिवारिक इतिहास और अन्य हार्मोन स्तर) के साथ जोड़ा ताकि एक पूर्ण प्रोफाइल बनाई जा सके।

4. शिक्षक (मशीन लर्निंग)
उन्होंने इस पूरे डेटा को एक बहुत ही स्मार्ट कंप्यूटर प्रोग्राम (LightGBM नामक मशीन लर्निंग मॉडल) में डाला। इस प्रोग्राम को एक ऐसे जासूस के रूप में सोचें जिसने हजारों मामलों का अध्ययन किया है। इसने पैटर्न पहचानना सीखा: "जब मैं एक टेढ़े-मेढ़े मोहल्ले को एक चिकने मोहल्ले के बगल में देखता हूँ, और रोगी का पारिवारिक इतिहास ऐसा है, तो आमतौर पर यह HER2-लो होता है।"

---

उन्हें क्या मिला: परिणाम

जासूस सही निकला
कंप्यूटर मॉडल का परीक्षण "अंतिम परीक्षा" समूह (51 रोगी जिन्हें उसने पहले कभी नहीं देखा था) पर किया गया।

• सटीकता (Accuracy): मॉडल सही ईंधन प्रकार (HER2 स्थिति) का अनुमान लगाने में बहुत अच्छा था। इसने 0.865 का सटीकता स्कोर (AUC) प्राप्त किया। चिकित्सा परीक्षणों की दुनिया में, इसे उत्कृष्ट माना जाता है।
• "लो" (Low) की सफलता: मॉडल विशेष रूप रूप से पेचीदा HER2-लो समूह की पहचान करने में बहुत अच्छा था। यह महत्वपूर्ण है क्योंकि इस समूह को पहचानना मानक बायोप्सी के साथ कठिन होता है।

मॉडल को स्मार्ट क्या बनाता था?
शोधकर्ताओं ने कंप्यूटर से पूछने के लिए एक टूल SHAP का उपयोग किया, "आपने वह अनुमान क्यों लगाया?"

• कंप्यूटर ने विशिष्ट "मोहल्ला" विशेषताओं की ओर इशारा किया, जैसे विभिन्न ऊतकों के बीच सीमाओं की जटिलता और बनावट के भीतर एन्ट्रॉपी (entropy) (अराजकता या अव्यवस्था का एक माप)।
• मूल रूप से, मॉडल ने सीखा कि अलग-अलग HER2 स्तरों वाले ट्यूमर अंदर से अलग दिखते हैं, भले ही वे बाहर से समान दिखें।

क्या यह डॉक्टरों के लिए उपयोगी है?
उन्होंने एक "डिसीजन कर्व एनालिसिस" चलाया, जो पूछने जैसा है: "यदि मैं उपचार का निर्णय लेने के लिए इस कंप्यूटर टूल का उपयोग करता हूँ, तो क्या मैं बेहतर विकल्प चुन पाऊंगा या केवल पुराने तरीकों का उपयोग करूँगा?"

• उत्तर: हाँ, विशेष रूप रूप से HER2-लो रोगियों के लिए। इस टूल का उपयोग करने से डॉक्टरों को यह तय करने में मदद मिलेगी कि किन रोगियों को विशिष्ट उपचार की आवश्यकता है।
• अन्य दो समूहों (HER2-जीरो और HER2-हाई) के लिए, इस टूल ने बहुत अधिक मूल्य नहीं जोड़ा क्योंकि डॉक्टर पारंपरिक तरीकों का उपयोग करके उन दोनों को पहचानने में पहले से ही बहुत अच्छे हैं।

---

निचोड़

यह अध्ययन दिखाता है कि हम एक विशेष MRI स्कैन और एक स्मार्ट कंप्यूटर का उपयोग करके ब्रेस्ट ट्यूमर के अंदर देख सकते हैं और उसके विभिन्न "मोहल्लों" का मानचित्र बना सकते हैं। इन आंतरिक मानचित्रों का विश्लेषण करके, कंप्यूटर सटीक रूप से बता सकता है कि ट्यूमर HER2-हाई, HER2-लो, या HER2-जीरो है, जिसके लिए जोखिम भरी या अधूरी सुई वाली बायोप्सी की आवश्यकता नहीं होती है।

मुख्य बात: सबसे रोमांचक हिस्सा यह है कि यह विधि HER2-लो श्रेणी पर प्रकाश डालती है, जो रोगियों का एक नया और महत्वपूर्ण समूह है जिन्हें अतीत में मिस किया जा सकता था या गलत वर्गीकृत किया जा सकता था।

नोट: लेखक स्वीकार करते हैं कि उनका अध्ययन लोगों के अपेक्षाकृत छोटे समूह पर किया गया था और इसे यह साबित करने के लिए कि यह सभी के लिए काम करता है, भविष्य में बड़े समूहों पर परीक्षण करने की आवश्यकता है।