वाशिंगटन (एएनआई): वीए बोस्टन हेल्थकेयर सिस्टम, दाना-फार्बर कैंसर संस्थान और हार्वर्ड टी.एच. के सहयोग से हार्वर्ड मेडिकल स्कूल और कोपेनहेगन विश्वविद्यालय में जांचकर्ताओं के नेतृत्व में नए शोध के अनुसार। चैन स्कूल ऑफ पब्लिक हेल्थ, एक आर्टिफिशियल इंटेलिजेंस टूल ने केवल रोगियों के मेडिकल रिकॉर्ड का उपयोग करके निदान से तीन साल पहले तक लोगों को अग्नाशय के कैंसर के उच्चतम जोखिम में सफलतापूर्वक पहचान लिया है।
नेचर मेडिसिन में 8 मई को प्रकाशित निष्कर्ष, सुझाव देते हैं कि एआई-आधारित जनसंख्या स्क्रीनिंग बीमारी के लिए उच्च जोखिम वाले लोगों को खोजने में मूल्यवान हो सकती है और एक ऐसी स्थिति के निदान में तेजी ला सकती है जो अक्सर उन्नत चरणों में पाई जाती है जब उपचार कम प्रभावी होता है और परिणाम निराशाजनक हैं, शोधकर्ताओं ने कहा। अग्नाशयी कैंसर दुनिया के सबसे घातक कैंसरों में से एक है, और इसके टोल बढ़ने का अनुमान है।
वर्तमान में, अग्न्याशय के कैंसर के लिए व्यापक रूप से स्क्रीन करने के लिए जनसंख्या-आधारित उपकरण नहीं हैं। जिन लोगों का पारिवारिक इतिहास और कुछ आनुवंशिक उत्परिवर्तन हैं जो उन्हें अग्नाशय के कैंसर के लिए पूर्वनिर्धारित करते हैं, उन्हें लक्षित तरीके से जांचा जाता है। लेकिन इस तरह की लक्षित स्क्रीनिंग उन श्रेणियों के बाहर आने वाले अन्य मामलों को याद कर सकती है, शोधकर्ताओं ने कहा।
अध्ययन सह ने कहा, "सबसे महत्वपूर्ण निर्णयों में से एक चिकित्सक दिन-प्रतिदिन का सामना करता है, जो किसी बीमारी के लिए उच्च जोखिम में है, और आगे के परीक्षण से किसे लाभ होगा, जिसका अर्थ अधिक आक्रामक और अधिक महंगी प्रक्रियाएं भी हो सकती हैं।" -वरिष्ठ अन्वेषक क्रिस सैंडर, एचएमएस में ब्लावात्निक संस्थान में सिस्टम बायोलॉजी विभाग में संकाय सदस्य। "एक एआई उपकरण जो अग्नाशयी कैंसर के लिए उच्चतम जोखिम वाले लोगों पर शून्य कर सकता है जो आगे के परीक्षणों से अधिक लाभ उठाने के लिए खड़े होते हैं, नैदानिक निर्णय लेने में सुधार की दिशा में एक लंबा रास्ता तय कर सकते हैं।"
बड़े पैमाने पर लागू, सैंडर ने कहा, इस तरह के दृष्टिकोण से अग्नाशय के कैंसर का पता लगाने में तेजी आ सकती है, पहले उपचार हो सकता है, और परिणामों में सुधार हो सकता है और रोगियों के जीवन काल को लम्बा खींच सकता है।
अध्ययन के सह-वरिष्ठ अन्वेषक सोरेन ब्रुनाक ने कहा, "कई प्रकार के कैंसर, विशेष रूप से जिन्हें जल्दी पहचानना और इलाज करना मुश्किल होता है, रोगियों, परिवारों और संपूर्ण स्वास्थ्य प्रणाली पर प्रतिकूल प्रभाव डालते हैं।" कोपेनहेगन विश्वविद्यालय में नोवो नॉर्डिस्क फाउंडेशन सेंटर फॉर प्रोटीन रिसर्च में। "एआई-आधारित स्क्रीनिंग अग्नाशय के कैंसर के प्रक्षेपवक्र को बदलने का एक अवसर है, एक आक्रामक बीमारी जो जल्दी निदान करने और सफलता की संभावना सबसे अधिक होने पर तुरंत इलाज करने के लिए कुख्यात है।"
नए अध्ययन में, एआई एल्गोरिदम को दो अलग-अलग डेटा सेटों पर प्रशिक्षित किया गया था, जिसमें डेनमार्क और संयुक्त राज्य अमेरिका के कुल 9 मिलियन रोगी रिकॉर्ड थे। शोधकर्ताओं ने एआई मॉडल को रिकॉर्ड में निहित डेटा के आधार पर बताए गए संकेतों को देखने के लिए "पूछा"। रोग कोड के संयोजन और उनकी घटना के समय के आधार पर, मॉडल भविष्यवाणी करने में सक्षम था कि भविष्य में कौन से रोगियों को अग्नाशयी कैंसर विकसित होने की संभावना है। विशेष रूप से, कई लक्षण और रोग कोड सीधे अग्न्याशय से संबंधित या उपजी नहीं थे।
शोधकर्ताओं ने 6 महीने, एक साल, दो साल और तीन साल के अलग-अलग समय के भीतर बीमारी के विकास के लिए उच्च जोखिम वाले लोगों का पता लगाने की क्षमता के लिए एआई मॉडल के विभिन्न संस्करणों का परीक्षण किया। कुल मिलाकर, एआई एल्गोरिद्म का प्रत्येक संस्करण यह भविष्यवाणी करने में काफी अधिक सटीक था कि बीमारी की घटना के वर्तमान जनसंख्या-व्यापी अनुमानों की तुलना में अग्नाशय के कैंसर का विकास कौन करेगा - यह परिभाषित किया गया है कि एक विशिष्ट अवधि में आबादी में कितनी बार स्थिति विकसित होती है। शोधकर्ताओं ने कहा कि उनका मानना है कि मॉडल कम से कम बीमारी की घटना की भविष्यवाणी करने में उतना ही सटीक है जितना कि वर्तमान आनुवंशिक अनुक्रमण परीक्षण हैं जो आमतौर पर केवल डेटा सेट में रोगियों के एक छोटे उपसमुच्चय के लिए उपलब्ध होते हैं।
"क्रोधित अंग"
कुछ सामान्य कैंसर जैसे कि स्तन, गर्भाशय ग्रीवा और प्रोस्टेट ग्रंथि के लिए स्क्रीनिंग अपेक्षाकृत सरल और अत्यधिक प्रभावी तकनीकों पर निर्भर करती है - क्रमशः मैमोग्राम, पैप स्मीयर और रक्त परीक्षण। इन स्क्रीनिंग विधियों ने सबसे उपचार योग्य चरणों के दौरान शुरुआती पहचान और हस्तक्षेप सुनिश्चित करके इन बीमारियों के परिणामों को बदल दिया है।
तुलनात्मक रूप से, अग्नाशयी कैंसर स्क्रीन और परीक्षण के लिए कठिन और अधिक महंगा है। चिकित्सक मुख्य रूप से पारिवारिक इतिहास और अनुवांशिक उत्परिवर्तनों की उपस्थिति को देखते हैं, जबकि भविष्य के जोखिम के महत्वपूर्ण संकेतक अक्सर कई रोगियों को याद करते हैं। एआई उपकरण का एक विशेष लाभ यह है कि इसका उपयोग किसी भी और सभी रोगियों पर किया जा सकता है जिनके स्वास्थ्य रिकॉर्ड और चिकित्सा इतिहास उपलब्ध हैं, न कि केवल ज्ञात पारिवारिक इतिहास या बीमारी के लिए आनुवंशिक प्रवृत्ति वाले लोगों में। यह विशेष रूप से महत्वपूर्ण है, शोधकर्ता कहते हैं, क्योंकि उच्च जोखिम वाले कई रोगियों को उनके आनुवंशिक प्रवृत्ति या पारिवारिक इतिहास के बारे में पता भी नहीं हो सकता है।
लक्षणों की अनुपस्थिति में और स्पष्ट संकेत के बिना कि किसी को अग्नाशय के कैंसर का उच्च जोखिम है, चिकित्सक सीटी स्कैन, एमआरआई या एंडोस्कोपिक अल्ट्रासाउंड जैसे अधिक परिष्कृत और अधिक महंगे परीक्षण की सिफारिश करने के लिए काफी सतर्क हो सकते हैं। जब इन परीक्षणों का उपयोग किया जाता है और संदिग्ध घावों की खोज की जाती है, तो रोगी को बायोप्सी प्राप्त करने की प्रक्रिया से गुजरना पड़ता है। पेट के अंदर गहरे स्थित, अंग तक पहुंचना मुश्किल है और भड़काना और भड़काना आसान है। इसकी चिड़चिड़ापन ने इसे "क्रोधित अंग" उपनाम दिया है।
शोधकर्ताओं ने कहा कि एक एआई उपकरण जो अग्नाशय के कैंसर के लिए उच्चतम जोखिम की पहचान करता है, यह सुनिश्चित करेगा कि चिकित्सक सही आबादी का परीक्षण करें, जबकि अन्य अनावश्यक परीक्षण और अतिरिक्त प्रक्रियाओं को छोड़ दें।
अग्नाशय के कैंसर के शुरुआती चरण में निदान किए गए लगभग 44 प्रतिशत लोग निदान के पांच साल बाद तक जीवित रहते हैं, लेकिन केवल 12 प्रतिशत मामलों का ही निदान किया जाता है। शोधकर्ताओं का अनुमान है कि जीवित रहने की दर उन लोगों में 2 से 9 प्रतिशत तक गिर जाती है जिनके ट्यूमर अपने मूल स्थान से आगे बढ़ गए हैं।
सैंडर ने कहा, "सर्जिकल तकनीकों, कीमोथेरेपी और इम्यूनोथेरेपी में उल्लेखनीय प्रगति के बावजूद जीवित रहने की दर कम है।" "तो, परिष्कृत उपचारों के अलावा, बेहतर स्क्रीनिंग, अधिक लक्षित परीक्षण और शीघ्र निदान की स्पष्ट आवश्यकता है, और यह एआई-आधारित दृष्टिकोण इस निरंतरता में पहले महत्वपूर्ण कदम के रूप में आता है।"
पिछला निदान भविष्य के जोखिम को दर्शाता है
वर्तमान अध्ययन के लिए, शोधकर्ताओं ने एआई मॉडल के कई संस्करण तैयार किए और उन्हें डेनमार्क की राष्ट्रीय स्वास्थ्य प्रणाली के 41 वर्षों के 6.2 मिलियन रोगियों के स्वास्थ्य रिकॉर्ड पर प्रशिक्षित किया। उन मरीजों में से 23,985 ने समय के साथ अग्नाशय के कैंसर का विकास किया। प्रशिक्षण के दौरान, एल्गोरिद्म ने बीमारी के लक्षणों के आधार पर भविष्य में अग्नाशय के कैंसर के जोखिम का संकेत देने वाले पैटर्न की पहचान की, यानी कि क्या रोगी की कुछ स्थितियां थीं जो समय के साथ एक निश्चित अनुक्रम में हुई थीं।
उदाहरण के लिए, पित्त पथरी, रक्ताल्पता, टाइप 2 मधुमेह, और जीआई से संबंधित अन्य समस्याओं के निदान ने मूल्यांकन के 3 वर्षों के भीतर अग्नाशय के कैंसर के लिए अधिक जोखिम का संकेत दिया। कम आश्चर्यजनक रूप से, अग्न्याशय की सूजन दो साल की एक छोटी अवधि के भीतर भविष्य के अग्न्याशय के कैंसर की दृढ़ता से भविष्यवाणी कर रही थी। शोधकर्ताओं ने चेतावनी दी है कि इनमें से कोई भी निदान स्वयं भविष्य के अग्नाशय के कैंसर का संकेतक या कारक नहीं माना जाना चाहिए। हालांकि, पैटर्न और अनुक्रम जिसमें वे समय के साथ होते हैं, एआई-आधारित निगरानी मॉडल के लिए सुराग प्रदान करते हैं और चिकित्सकों को उच्च जोखिम वाले लोगों की अधिक बारीकी से निगरानी करने या तदनुसार परीक्षण करने के लिए प्रेरित कर सकते हैं।
इसके बाद, शोधकर्ताओं ने रोगी रिकॉर्ड के एक पूरी तरह से नए सेट पर सबसे अच्छा प्रदर्शन करने वाले एल्गोरिदम का परीक्षण किया, जो पहले नहीं मिला था - 21 वर्षों में फैले लगभग 3 मिलियन रिकॉर्ड का यूएस वेटरन्स हेल्थ एडमिनिस्ट्रेशन डेटा सेट और जिसमें 3,864 व्यक्तियों को अग्नाशय के कैंसर का पता चला था। यूएस डेटा सेट पर टूल की भविष्यवाणी सटीकता कुछ कम थी। यह सबसे अधिक संभावना थी क्योंकि यूएस डेटासेट को कम समय में एकत्र किया गया था और इसमें कुछ अलग रोगी आबादी प्रोफाइल शामिल थे - डेनिश डेटा सेट में डेनमार्क की पूरी आबादी बनाम वेटरन्स अफेयर्स डेटा सेट में वर्तमान और पूर्व सैन्य कर्मियों। जब एल्गोरिथ्म को यूएस डेटासेट पर खरोंच से फिर से प्रशिक्षित किया गया, तो इसकी भविष्यवाणी की सटीकता में सुधार हुआ। यह, शोधकर्ताओं ने कहा, दो महत्वपूर्ण बिंदुओं को रेखांकित करता है: पहला, यह सुनिश्चित करना कि एआई मॉडल उच्च गुणवत्ता और समृद्ध डेटा पर प्रशिक्षित हैं। दूसरा, राष्ट्रीय और अंतरराष्ट्रीय स्तर पर एकत्रित क्लिनिकल रिकॉर्ड के बड़े प्रतिनिधि डेटासेट तक पहुंच की आवश्यकता। ऐसे विश्व स्तर पर मान्य मॉडलों की अनुपस्थिति में, एआई मॉडल को स्थानीय स्वास्थ्य डेटा पर प्रशिक्षित किया जाना चाहिए ताकि यह सुनिश्चित किया जा सके कि उनका प्रशिक्षण स्थानीय आबादी के स्वभाव को दर्शाता है। (एएनआई)