नया एआई मॉडल जीवित रहने की भविष्यवाणी कर सकता है, कोलन कैंसर का इलाज, अध्ययन से पता चलता है

एक नए अध्ययन के अनुसार, एक नया आर्टिफिशियल इंटेलिजेंस मॉडल दुनिया भर में दूसरे सबसे घातक कैंसर, कोलोरेक्टल कैंसर के रोगियों के लिए रोग का निदान करने और उपचार पर निर्णय लेने वाले डॉक्टरों के लिए बहुत आवश्यक स्पष्टता ला सकता है।

अध्ययन पत्रिका ‘नेचर कम्युनिकेशंस’ में प्रकाशित हुआ था।

नया उपकरण सटीक रूप से भविष्यवाणी करता है कि कोलोरेक्टल ट्यूमर कितना आक्रामक है, रोग की पुनरावृत्ति के साथ और उसके बिना रोगी के जीवित रहने की कितनी संभावना है, और उनके लिए इष्टतम चिकित्सा क्या हो सकती है।

इस तरह के सवालों का जवाब देने वाला एक उपकरण होने से चिकित्सकों और रोगियों को इस कुटिल बीमारी को नेविगेट करने में मदद मिल सकती है, जो समान उपचार प्राप्त करने वाले समान रोग प्रोफाइल वाले लोगों के बीच भी अलग-अलग व्यवहार करती है – और अंततः उन 1 मिलियन लोगों में से कुछ को बचा सकती है जो कोलोरेक्टल कैंसर का दावा करते हैं। वर्ष।

शोधकर्ताओं का कहना है कि उपकरण मानव विशेषज्ञता को बढ़ाने के लिए है, न कि बदलने के लिए।

“हमारा मॉडल ऐसे कार्य करता है जो मानव रोगविज्ञानी अकेले छवि देखने के आधार पर नहीं कर सकते हैं,” अध्ययन के सह-वरिष्ठ लेखक कुन-हिंग यू ने कहा, एचएमएस में ब्लावात्निक संस्थान में बायोमेडिकल सूचना विज्ञान के सहायक प्रोफेसर। यू ने पैथोलॉजिस्ट, ऑन्कोलॉजिस्ट, बायोमेडिकल इंफॉर्मेटिशियंस और कंप्यूटर वैज्ञानिकों की एक अंतरराष्ट्रीय टीम का नेतृत्व किया।

यू ने कहा, “हम जो उम्मीद करते हैं वह मानव रोगविज्ञान विशेषज्ञता का प्रतिस्थापन नहीं है, लेकिन मानव रोगविज्ञानी क्या कर सकते हैं, इसकी वृद्धि।” “हम पूरी तरह से उम्मीद करते हैं कि यह दृष्टिकोण कैंसर प्रबंधन के मौजूदा नैदानिक ​​​​अभ्यास को बढ़ाएगा।”

शोधकर्ताओं ने चेतावनी दी है कि किसी भी रोगी का पूर्वानुमान कई कारकों पर निर्भर करता है और कोई भी मॉडल किसी भी रोगी के जीवित रहने का पूरी तरह से अनुमान नहीं लगा सकता है। हालांकि, वे कहते हैं, नया मॉडल चिकित्सकों को अधिक बारीकी से पालन करने, अधिक आक्रामक उपचारों पर विचार करने, या प्रायोगिक उपचारों का परीक्षण करने के लिए नैदानिक ​​​​परीक्षणों की सिफारिश करने में उपयोगी हो सकता है यदि उनके रोगियों ने उपकरण के मूल्यांकन के आधार पर खराब भविष्यवाणी की है।

शोधकर्ताओं ने कहा कि उपकरण इस देश और दुनिया भर में संसाधन-सीमित क्षेत्रों में विशेष रूप से उपयोगी हो सकता है जहां उन्नत रोगविज्ञान और ट्यूमर अनुवांशिक अनुक्रमण आसानी से उपलब्ध नहीं हो सकता है।

नया टूल कई मौजूदा एआई टूल्स से आगे निकल गया है, जो मुख्य रूप से मानव विशेषज्ञता को दोहराने या अनुकूलित करने वाले कार्य करते हैं। तुलना करके, नया उपकरण माइक्रोस्कोपी छवियों पर दृश्य पैटर्न का पता लगाता है और व्याख्या करता है जो मानव आंखों के लिए अदृश्य हैं।

MOMA (मल्टी-ओमिक्स मल्टी-कॉहोर्ट असेसमेंट के लिए) नामक टूल शोधकर्ताओं और चिकित्सकों के लिए स्वतंत्र रूप से उपलब्ध है।

मॉडल को विभिन्न राष्ट्रीय रोगी समूहों से कोलोरेक्टल कैंसर वाले लगभग 2,000 रोगियों से प्राप्त जानकारी पर प्रशिक्षित किया गया था जिसमें 450,000 से अधिक प्रतिभागी शामिल थे – स्वास्थ्य पेशेवर अनुवर्ती अध्ययन, नर्सों का स्वास्थ्य अध्ययन, कैंसर जीनोम एटलस कार्यक्रम और एनआईएच का पीएलसीओ (प्रोस्टेट, फेफड़े, कोलोरेक्टल और डिम्बग्रंथि) कैंसर स्क्रीनिंग परीक्षण।

प्रशिक्षण चरण के दौरान, शोधकर्ताओं ने रोगियों की आयु, लिंग, कैंसर चरण और परिणामों के बारे में मॉडल जानकारी प्रदान की। उन्होंने इसे ट्यूमर के जीनोमिक, एपिजेनेटिक, प्रोटीन और मेटाबोलिक प्रोफाइल के बारे में भी जानकारी दी।

फिर शोधकर्ताओं ने ट्यूमर के नमूनों की मॉडल पैथोलॉजी छवियों को दिखाया और इसे ट्यूमर के प्रकार, आनुवंशिक उत्परिवर्तन, एपिजेनेटिक परिवर्तन, रोग की प्रगति और रोगी के अस्तित्व से संबंधित दृश्य मार्करों को देखने के लिए कहा।

शोधकर्ताओं ने तब परीक्षण किया कि मॉडल “वास्तविक दुनिया” में कैसा प्रदर्शन कर सकता है, इसे विभिन्न रोगियों के ट्यूमर के नमूनों से पहले नहीं देखी गई छवियों का एक सेट खिलाकर। उन्होंने वास्तविक रोगी परिणामों और अन्य उपलब्ध नैदानिक ​​जानकारी के साथ इसके प्रदर्शन की तुलना की।

मॉडल ने निदान के बाद रोगियों के समग्र अस्तित्व की सटीक भविष्यवाणी की, साथ ही साथ कितने वर्ष कैंसर मुक्त होंगे।

उपकरण ने यह भी सटीक भविष्यवाणी की कि एक व्यक्तिगत रोगी विभिन्न उपचारों का जवाब कैसे दे सकता है, इस आधार पर कि रोगी के ट्यूमर ने विशिष्ट अनुवांशिक उत्परिवर्तनों को बरकरार रखा है जो कैंसर को प्रगति या फैलाने के लिए कम या ज्यादा प्रवण करता है।

उन दोनों क्षेत्रों में टूल ने मानव पैथोलॉजिस्ट के साथ-साथ वर्तमान एआई मॉडल को भी पीछे छोड़ दिया।

शोधकर्ताओं ने कहा कि मॉडल समय-समय पर उन्नत होता रहेगा क्योंकि विज्ञान विकसित होता है और नए डेटा सामने आते हैं।

“यह महत्वपूर्ण है कि किसी भी एआई मॉडल के साथ, हम लगातार उसके व्यवहार और प्रदर्शन की निगरानी करते हैं क्योंकि हम रोग के बोझ या नए पर्यावरण विषाक्त पदार्थों के वितरण में बदलाव देख सकते हैं जो कैंसर के विकास में योगदान करते हैं,” यू ने कहा। “नए और अधिक डेटा के साथ मॉडल को बढ़ाना महत्वपूर्ण है क्योंकि वे साथ आते हैं ताकि इसका प्रदर्शन कभी भी पीछे न रहे।”

समझदार गप्पी पैटर्न

नया मॉडल ट्यूमर इमेजिंग तकनीकों में हालिया प्रगति का लाभ उठाता है जो विस्तार के अभूतपूर्व स्तर की पेशकश करता है, जो मानव मूल्यांकनकर्ताओं के लिए अगोचर रहता है। इन विवरणों के आधार पर, मॉडल ने सफलतापूर्वक संकेतकों की पहचान की कि ट्यूमर कितना आक्रामक था और किसी विशेष उपचार के जवाब में व्यवहार करने की कितनी संभावना थी।

अकेले एक छवि के आधार पर, मॉडल ने विशिष्ट अनुवांशिक उत्परिवर्तनों की उपस्थिति या अनुपस्थिति से जुड़ी विशेषताओं को भी इंगित किया – ऐसा कुछ जिसे आम तौर पर ट्यूमर के जीनोमिक अनुक्रम की आवश्यकता होती है। सीक्वेंसिंग समय लेने वाली और महंगी हो सकती है, खासकर उन अस्पतालों के लिए जहां ऐसी सेवाएं नियमित रूप से उपलब्ध नहीं होती हैं।

शोधकर्ताओं ने कहा कि यह ठीक ऐसी स्थितियों में है कि मॉडल संसाधन-सीमित सेटिंग्स में या उन स्थितियों में उपचार के विकल्प के लिए समय पर निर्णय समर्थन प्रदान कर सकता है जहां आनुवंशिक अनुक्रमण के लिए कोई ट्यूमर ऊतक उपलब्ध नहीं है।

शोधकर्ताओं ने कहा कि क्लीनिकों और अस्पतालों में उपयोग के लिए मॉडल को तैनात करने से पहले, इसे संभावित, यादृच्छिक परीक्षण में परीक्षण किया जाना चाहिए जो प्रारंभिक निदान के बाद समय के साथ वास्तविक रोगियों में उपकरण के प्रदर्शन का आकलन करता है। इस तरह का एक अध्ययन मॉडल की क्षमताओं का स्वर्ण-मानक प्रदर्शन प्रदान करेगा, यू ने कहा, अकेले छवियों का उपयोग करके उपकरण के वास्तविक जीवन के प्रदर्शन की सीधे मानव चिकित्सकों के साथ तुलना करके, जो ज्ञान और परीक्षण के परिणामों का उपयोग करते हैं, जिस तक मॉडल की पहुंच नहीं है।

मॉडल की एक और ताकत, शोधकर्ताओं ने कहा, इसका पारदर्शी तर्क है। यदि मॉडल का उपयोग करने वाला एक चिकित्सक पूछता है कि उसने दी गई भविष्यवाणी क्यों की, तो उपकरण इसके तर्क और इसके द्वारा उपयोग किए जाने वाले चर की व्याख्या करने में सक्षम होगा।

यू ने कहा कि यह सुविधा उनके द्वारा उपयोग किए जाने वाले एआई मॉडल में चिकित्सकों के विश्वास को बढ़ाने के लिए महत्वपूर्ण है।

गेजिंग रोग प्रगति, इष्टतम उपचार

मॉडल जीवित रहने में अंतर से संबंधित छवि विशेषताओं को सटीक रूप से इंगित करता है। उदाहरण के लिए, इसने तीन छवि विशेषताओं की पहचान की जो खराब परिणामों को दर्शाती हैं:

– एक ट्यूमर के भीतर ग्रेटर सेल घनत्व।

– ट्यूमर कोशिकाओं के आसपास संयोजी सहायक ऊतक की उपस्थिति, जिसे स्ट्रोमा कहा जाता है।

– चिकनी मांसपेशियों की कोशिकाओं के साथ ट्यूमर कोशिकाओं की सहभागिता।

मॉडल ने ट्यूमर स्ट्रोमा के भीतर के पैटर्न की भी पहचान की, जिसने संकेत दिया कि कौन से रोगियों के कैंसर की पुनरावृत्ति के बिना लंबे समय तक जीवित रहने की संभावना है।

उपकरण ने सटीक रूप से भविष्यवाणी की कि कौन से रोगियों को प्रतिरक्षा जांच चौकी अवरोधकों के रूप में जाना जाने वाले कैंसर उपचार के एक वर्ग से लाभ होगा। जबकि ये उपचार पेट के कैंसर के कई रोगियों में काम करते हैं, कुछ को कोई औसत दर्जे का लाभ नहीं होता है और इसके गंभीर दुष्प्रभाव होते हैं। यू ने कहा कि मॉडल इस प्रकार चिकित्सकों को दर्जी उपचार और उन रोगियों को छोड़ने में मदद कर सकता है जिन्हें लाभ नहीं होगा।

मॉडल ने कोलोरेक्टल कैंसर से जुड़े एपिजेनेटिक परिवर्तनों का भी सफलतापूर्वक पता लगाया। ये परिवर्तन – जो तब होते हैं जब मिथाइल समूह के रूप में जाने जाने वाले अणु डीएनए से जुड़ते हैं और बदलते हैं कि डीएनए कैसे व्यवहार करता है – मौन जीन के लिए जाना जाता है जो ट्यूमर को दबाते हैं, जिससे कैंसर तेजी से बढ़ता है। इन परिवर्तनों की पहचान करने की मॉडल की क्षमता एक अन्य तरीके को चिन्हित करती है जिससे यह उपचार की पसंद और पूर्वानुमान को सूचित कर सकता है। (एएनआई)