आर्टिफिशियल इंटेलिजेंस निदान से तीन साल पहले तक अग्नाशय कैंसर की पहचान कर लेता है

मेयो क्लिनिक और एमडी एंडरसन कैंसर सेंटर के शोधकर्ताओं द्वारा विकसित एक कृत्रिम बुद्धिमत्ता मॉडल ने आश्चर्यजनक सटीकता के साथ सीटी स्कैन में अग्नाशय कैंसर के लक्षणों का पता लगाया। सिस्टम, जिसे REDMOD (रेडियोमिक्स-आधारित प्रारंभिक पहचान मॉडल) कहा जाता है, परीक्षण किए गए लगभग 73% मामलों में पारंपरिक निदान से लगभग 16 महीने पहले बीमारी की पहचान करने में सक्षम था। कुछ परीक्षाओं में, एआई ने संदिग्ध पैटर्न को दो साल से अधिक पहले ही पहचान लिया, जिसमें नैदानिक ​​​​पुष्टि से तीन साल पहले तक पता लगाने की क्षमता थी।

अग्न्याशय का कैंसर 2030 तक संयुक्त राज्य अमेरिका में कैंसर से होने वाली मौतों का दूसरा प्रमुख कारण बनने की राह पर है। वर्तमान में, 85% निदान तब होते हैं जब बीमारी पहले ही अन्य अंगों में फैल चुकी होती है, जिससे उपचारात्मक उपचार काफी कठिन हो जाता है। REDMOD नियमित परीक्षाओं में न्यूनतम परिवर्तनों की पहचान करके इस परिदृश्य को उलटने के लिए एक आशाजनक उपकरण के रूप में प्रकट होता है।

सिस्टम मानव आँख के लिए अदृश्य संकेतों का कैसे पता लगाता है

REDMOD स्पष्ट ट्यूमर की तलाश नहीं करता है। इसके बजाय, यह रेडियोमिक पैटर्न की तलाश करता है – अग्न्याशय के ऊतकों की बनावट और संरचना में सूक्ष्म परिवर्तन जो मानव दृश्य पहचान से बच जाते हैं। मॉडल को 969 सीटी स्कैन के साथ प्रशिक्षित किया गया था ताकि बीमारी के शुरुआती लक्षणों को उन चरणों में पहचानना सीखा जा सके जहां इसका इलाज अभी भी संभव है।

सामान्य कोशिकाओं के डीएनए में उत्परिवर्तन विकसित होता है जो उनकी वृद्धि को प्रभावित करता है। अग्न्याशय के कैंसर में इन परिवर्तनों को ट्यूमर में विकसित होने में अक्सर वर्षों लग जाते हैं जो इमेजिंग अध्ययन पर दिखाई देते हैं या लक्षणों का कारण बनते हैं। REDMOD किसी ट्यूमर के चिकित्सकीय रूप से प्रकट होने से बहुत पहले ही इस अदृश्य प्रगति को पकड़ सकता है।

परिणाम मानव विशेषज्ञों के विश्लेषण से बेहतर हैं

शोधकर्ताओं ने उन रोगियों के 63 सीटी स्कैन पर REDMOD का परीक्षण किया, जिनमें बाद में अग्नाशय का कैंसर विकसित हुआ, साथ ही स्वस्थ व्यक्तियों के 430 नियंत्रण स्कैन पर परीक्षण किया गया। सिस्टम ने 63 संदिग्ध मामलों में से 46 की सही पहचान की, जिससे 73% की हिट दर हासिल हुई।

दो मानव रेडियोलॉजिस्ट जिन्होंने एक ही स्कैन का एक साथ विश्लेषण किया, केवल 38.9% मामलों में शुरुआती लक्षणों का पता लगाया। अंतर एक महत्वपूर्ण लाभ का प्रतिनिधित्व करता है: एआई मॉडल ने विशेषज्ञों की तुलना में शुरुआती पहचान क्षमता को लगभग दोगुना कर दिया है।

अलग-अलग अस्पतालों में अलग-अलग उपकरणों के साथ दो अलग-अलग डेटा सेटों पर परीक्षण दोहराए गए। सभी परिदृश्यों में, REDMOD ने लगातार प्रदर्शन बनाए रखा। जिन रोगियों के लिए कई परीक्षण उपलब्ध थे, एआई ने व्यापक रूप से संरेखित परिणाम दिए, तब भी जब परीक्षण महीनों के अंतराल पर किए गए थे।

चुनौतियाँ और कार्यान्वयन के लिए अगले चरण

अध्ययन ने एक महत्वपूर्ण बिंदु की पहचान की: 430 स्वस्थ व्यक्तियों में से 81 को REDMOD द्वारा गलत तरीके से संदिग्ध के रूप में चिह्नित किया गया था। यदि इसे वास्तविक परिदृश्य में लागू किया जाता है, तो इन लोगों को नकारात्मक परिणाम की पुष्टि करने से पहले अतिरिक्त परीक्षण प्राप्त होंगे। अनावश्यक प्रक्रियाओं से बचने के लिए इस विशिष्टता को परिष्कृत करना प्राथमिकता का प्रतिनिधित्व करता है।

• उच्च जोखिम वाले समूहों में संभावित सत्यापन
• बड़ी, अधिक विविध आबादी पर परीक्षण
• मौजूदा नैदानिक ​​प्रक्रियाओं में एकीकरण
• मॉडल विशिष्टता में सुधार
• विभिन्न अस्पताल संदर्भों में पहुंच

मेयो क्लिनिक के रेडियोलॉजिस्ट अजीत गोयनका का कहना है कि अग्नाशय के कैंसर में जीवन बचाने में सबसे बड़ी बाधा हमेशा बीमारी का पता लगाने में असमर्थता रही है, जबकि इसका इलाज अभी भी संभव है। “यह एआई अब सामान्य दिखने वाले अग्न्याशय में कैंसर के हस्ताक्षर की पहचान कर सकता है, और समय के साथ और विभिन्न नैदानिक ​​​​सेटिंग्स में विश्वसनीय रूप से ऐसा कर सकता है।”

निदान प्रतिमान को बदलने का मार्ग

REDMOD की वास्तविक क्षमता अन्य कारणों से किए जाने वाले नियमित सीटी स्कैन में इसके अनुप्रयोग में निहित है। असंबंधित लक्षणों की जांच के लिए डॉक्टर अक्सर अग्न्याशय परीक्षण का आदेश देते हैं। यदि REDMOD नियमित रूप से इन छवियों की निगरानी करता है, तो यह प्रीक्लिनिकल चरण में कैंसर का पता लगा सकता है, जब उपचारात्मक उपचार अभी भी प्रभावी होते हैं।

शोधकर्ताओं ने परीक्षणों को बड़े, अधिक विविध समूहों तक विस्तारित करने की योजना बनाई है। वे मौजूदा मेडिकल वर्कफ़्लो में एआई को शामिल करने में आसानी की भी जांच करेंगे। लक्ष्य वर्तमान निदान को – उन्नत लक्षणों के आधार पर – प्रारंभिक बीमारी के सक्रिय अवरोधन में बदलना है।

अध्ययन के लेखक इस बात पर प्रकाश डालते हैं कि बड़े, चिकित्सकीय रूप से उन्मुख डेटासेट में छिपे संकेतों का लगातार पता लगाने की फ्रेमवर्क की प्रदर्शित क्षमता, समय के साथ इसकी उच्च स्थिरता और मान्य विशिष्टता के साथ मिलकर, एआई-संवर्धित प्रारंभिक पहचान के लिए एक ठोस आधार तैयार करती है। शोधकर्ता आशावाद व्यक्त करते हैं कि, निरंतर विकास और शोधन के साथ, वे अस्तित्व में सबसे घातक प्रकार के कैंसर में से एक के खिलाफ एक अविश्वसनीय रूप से उपयोगी प्रणाली की पेशकश करने में सक्षम होंगे।