स्तन कैंसर निदान में क्रांति! केवल AI ही नहीं, गणित भी स्तन कैंसर निदान को विकसित कर रहा है

स्तन कैंसर की जांच के लिए एकत्रित ऊतक को पैथोलॉजिस्ट द्वारा माइक्रोस्कोप के तहत विस्तार से जांचा जाता है।

यह केवल यह पुष्टि करने के लिए नहीं है कि कैंसर कोशिकाएं मौजूद हैं या नहीं। यह भी देखा जाता है कि कोशिकाओं का आकार सामान्य ऊतक से कितना बदल गया है, क्या स्तन ग्रंथि की मूल संरचना बनी हुई है, क्या कोशिकाएं नियमित रूप से व्यवस्थित हैं या वे अव्यवस्थित होकर फैल रही हैं। पैथोलॉजिस्ट विभिन्न विशेषताओं को मिलाकर कैंसर के प्रकार और उसकी घातकता का निर्धारण करते हैं।

स्तन कैंसर के उपचार की योजना बनाने में, महिला हार्मोन के प्रति प्रतिक्रिया करने वाले रिसेप्टर्स की उपस्थिति, HER2 नामक प्रोटीन, कोशिकाओं की वृद्धि क्षमता, ट्यूमर का आकार, लसीका ग्रंथियों में मेटास्टेसिस जैसी कई जानकारी का उपयोग किया जाता है।

फिर भी, प्रत्येक मरीज के लिए यह सटीक रूप से भविष्यवाणी करना आसान नहीं है कि कैंसर आगे कैसे बढ़ेगा और कौन सा उपचार सबसे प्रभावी होगा।

इन चुनौतियों के जवाब में, कोलंबिया विश्वविद्यालय और अन्य अनुसंधान टीमों ने "टोपोलॉजी" नामक गणित की एक शाखा का उपयोग करके एक नई मूल्यांकन विधि प्रस्तुत की है।

अनुसंधान टीम का लक्ष्य था कि पैथोलॉजिस्ट द्वारा देखे गए ट्यूमर ऊतक की "व्यवस्थितता" और "अव्यवस्थितता" को एक निरंतर संख्यात्मक रूप में व्यक्त किया जाए। ऊतक की संरचना को गणना योग्य डेटा में बदलकर, मरीज की जीवित रहने की अवधि और उपचार प्रतिक्रिया की अधिक सटीक भविष्यवाणी की जा सकती है।

सामान्य ऊतक और कैंसर ऊतक की "व्यवस्था" अलग होती है

सामान्य स्तन ग्रंथि में, कोशिकाएं एक निश्चित भूमिका और स्थान बनाए रखते हुए, नलिकाओं और लोब्यूल्स जैसी संरचनाएं बनाती हैं।

हालांकि, जब कोशिकाएं कैंसरयुक्त हो जाती हैं, तो यह व्यवस्था धीरे-धीरे खो जाती है। कोशिकाओं का आकार और आकार अनियमित हो जाता है, और नाभिक का आकार भी अनियमित हो जाता है। मूल रूप से मौजूद ग्रंथि संरचना टूट जाती है, और कोशिका समूहों की सीमाएं भी अस्पष्ट हो जाती हैं।

आम तौर पर, जो ट्यूमर सामान्य ऊतक के करीब संरचना बनाए रखते हैं, वे अपेक्षाकृत धीरे-धीरे बढ़ सकते हैं। दूसरी ओर, जो ट्यूमर अपनी संरचना की व्यवस्था को बड़े पैमाने पर खो देते हैं, उनमें वृद्धि और आसपास के ऊतकों में घुसपैठ की संभावना अधिक होती है।

पैथोलॉजिस्ट पहले से ही इस तरह के ऊतक परिवर्तनों का अवलोकन कर रहे हैं।

हालांकि, जटिल आकृतियों को केवल मानव आंखों से पूरी तरह से संख्यात्मक रूप में व्यक्त करना कठिन है। पैथोलॉजिकल निदान में स्पष्ट मानदंड होते हैं, लेकिन कुछ चरणों के ग्रेड में व्यक्त नहीं किए जा सकने वाले सूक्ष्म अंतर होते हैं।

यहां तक कि एक ही ग्रेड में वर्गीकृत मरीजों के लिए, उपचार प्रतिक्रिया और पुनरावृत्ति जोखिम समान नहीं हो सकते हैं। अनुसंधान टीम ने पारंपरिक वर्गीकरण के बीच छिपे सूक्ष्म अंतर को गणितीय रूप से निकालने का प्रयास किया।

555 स्तन कैंसर ऊतकों का विश्लेषण

अध्ययन में, उत्तरी कैरोलिना, अमेरिका के मरीजों के केंद्र में, विभिन्न पृष्ठभूमि वाले 555 स्तन कैंसर मरीजों के ऊतक डेटा का विश्लेषण किया गया।

अनुसंधान टीम ने मल्टीपल इम्यूनोफ्लोरेसेंस स्टेनिंग नामक तकनीक का उपयोग करके ट्यूमर ऊतक के भीतर कई कोशिकाओं और अणुओं की पहचान की।

इसमें कैंसर कोशिकाओं के अलावा, CD8 पॉजिटिव टी कोशिकाएं जैसी इम्यून कोशिकाएं, मैक्रोफेज से संबंधित कोशिकाएं, और ट्यूमर को घेरने वाले स्ट्रोमल कोशिकाएं शामिल थीं। इम्यून प्रतिक्रिया को दबाने वाले तंत्र से संबंधित PD-L1 की अभिव्यक्ति की भी जांच की गई।

अनुसंधान टीम ने केवल कोशिकाओं की संख्या नहीं गिनी।

प्रत्येक कोशिका के ऊतक में कहां स्थित है, इसे निर्देशांक के रूप में रिकॉर्ड किया गया, और यह विश्लेषण किया गया कि कैंसर कोशिकाएं कैसे एकत्रित होती हैं, इम्यून कोशिकाएं कैंसर कोशिकाओं के कितने करीब हैं, और कोशिका समूहों के बीच किस प्रकार की जगह मौजूद है।

अर्थात, "कौन सी कोशिकाएं कितनी हैं" के अलावा, "कौन सी कोशिकाएं कहां हैं, और वे एक-दूसरे के साथ किस प्रकार का संबंध बनाती हैं" की भी जांच की गई।

ऊतक के आकार को मापने के लिए "पर्सिस्टेंट होमोलॉजी"

कोशिकाओं की जटिल व्यवस्था को संख्यात्मक रूप में व्यक्त करने के लिए "पर्सिस्टेंट होमोलॉजी" नामक गणितीय विधि का उपयोग किया गया।

यह डेटा में मौजूद आकार, कनेक्शन और छिद्र जैसी संरचनाओं की विभिन्न मापदंडों से जांच करने की विधि है।

प्रत्येक कोशिका को एक नक्शे पर लगाए गए बिंदु के रूप में देखना आसान होता है।

प्रत्येक बिंदु के चारों ओर एक छोटा वृत्त बनाएं और उस वृत्त को धीरे-धीरे बड़ा करें। जब वृत्त छोटा होता है, तो कोशिकाएं स्वतंत्र बिंदुओं के रूप में मौजूद होती हैं। जब वृत्त बड़ा होता है, तो निकटवर्ती कोशिकाएं जुड़ जाती हैं और कई समूह बनते हैं।

वृत्त को और बढ़ाने पर, अलग-अलग समूह मिल जाते हैं। इस प्रक्रिया में, कोशिका समूहों से घिरे स्थान या छिद्र बनते हैं और अंततः गायब हो जाते हैं।

पर्सिस्टेंट होमोलॉजी प्रत्येक समूह या स्थान के लिए यह गणना करती है कि वे किस मापदंड पर प्रकट होते हैं और कितने समय तक बने रहते हैं।

जो संरचनाएं जल्दी गायब हो जाती हैं, वे आकस्मिक भिन्नता या छवि पर शोर हो सकती हैं। दूसरी ओर, जो संरचनाएं मापदंड बदलने पर भी लंबे समय तक बनी रहती हैं, वे उस ऊतक की मौलिक विशेषताओं को दर्शाने की संभावना रखते हैं।

अनुसंधान टीम ने इस जानकारी को सांख्यिकीय विश्लेषण या मशीन लर्निंग के लिए उपयोगी संख्याओं में परिवर्तित किया। इसके बाद, कोशिकाओं के बीच की दूरी, कोशिका घनत्व, समूह का आकार, PD-L1 की तीव्रता आदि को मिलाकर ट्यूमर ऊतक की व्यवस्था को दर्शाने वाला स्कोर तैयार किया।

उच्च स्कोर अपेक्षाकृत संगठित ऊतक संरचना को दर्शाता है। निम्न स्कोर कोशिका व्यवस्था के बड़े पैमाने पर टूटने और ऊतक की अव्यवस्था को दर्शाता है।

जिन मरीजों की ऊतक व्यवस्था उच्च होती है, वे बेहतर परिणाम दिखाते हैं

अध्ययन के परिणामस्वरूप, टोपोलॉजी पर आधारित स्कोर स्तन कैंसर मरीजों की जीवित रहने की अवधि से संबंधित था।

जिन मरीजों का स्कोर ऊतक संरचना की अपेक्षाकृत व्यवस्था को दर्शाता है, उनमें लंबे समय तक जीवित रहने और बेहतर परिणाम की प्रवृत्ति देखी गई। दूसरी ओर, जिन ट्यूमरों का स्कोर ऊतक की व्यवस्था के नुकसान को दर्शाता है, वे अधिक आक्रामक प्रकृति से जुड़े थे।

केवल ट्यूमर कोशिकाओं की संरचना का विश्लेषण करने पर भी कुछ भविष्यवाणी क्षमता थी, और इम्यून कोशिकाओं या PD-L1 से संबंधित जानकारी जोड़ने पर मॉडल की प्रदर्शन क्षमता बढ़ सकती थी।

अनुसंधान पत्र में बताया गया है कि टोपोलॉजी का उपयोग करने वाले संकेतक पारंपरिक कुछ जीन और प्रोटीन मार्करों की तुलना में उच्च भविष्यवाणी सटीकता दिखाते हैं।

हालांकि, इसका मतलब यह नहीं है कि पारंपरिक परीक्षणों की आवश्यकता नहीं होगी।

स्तन कैंसर का भविष्य, ट्यूमर का आकार, प्रगति, आणविक प्रकार, उपचार सामग्री, मरीज की उम्र और स्वास्थ्य स्थिति आदि कई कारकों पर निर्भर करता है। नया स्कोर मौजूदा परीक्षणों की जगह लेने के लिए नहीं है, बल्कि उसमें अतिरिक्त जानकारी के रूप में उम्मीद की जाती है।

जाति या जातीयता के आधार पर भविष्यवाणी में अंतर कम हो सकता है

इस अध्ययन में, टोपोलॉजी संकेतक की भविष्यवाणी क्षमता गैर-हिस्पैनिक काले और गैर-हिस्पैनिक सफेद मरीजों के बीच अपेक्षाकृत स्थिर थी।

चिकित्सा भविष्यवाणी मॉडल, जिन डेटा के आधार पर विकसित होते हैं, उनके आधार पर कुछ समूहों में सटीकता कम हो सकती है।

पारंपरिक कुछ बायोमार्करों में, जाति या जातीयता के आधार पर भविष्यवाणी प्रदर्शन में अंतर की रिपोर्ट की गई है। इस टोपोलॉजी संकेतक ने, उनके मुकाबले, मरीज समूहों के प्रदर्शन में कम परिवर्तनशीलता दिखाई।

विविध मरीजों के लिए स्थिर सटीकता बनाए रखने वाली तकनीक, चिकित्सा असमानता को बढ़ावा नहीं देने के लिए महत्वपूर्ण है।

हालांकि, केवल इस परिणाम से निष्पक्षता साबित नहीं होती है। जाति या जातीयता केवल एक जैविक वर्गीकरण नहीं है, बल्कि चिकित्सा पहुंच, जीवन पर्यावरण, आय, उपचार शुरू करने का समय आदि कई सामाजिक कारकों से भी संबंधित है।

वास्तव में विभिन्न देशों या क्षेत्रों में उपयोग करने के लिए, और व्यापक मरीज समूहों पर परीक्षण की आवश्यकता होगी।

जीन जानकारी के साथ संयोजन में उपचार प्रतिक्रिया की भविष्यवाणी

अनुसंधान टीम ने ऊतक छवियों से प्राप्त टोपोलॉजी स्कोर को जीन अभिव्यक्ति डेटा के साथ भी संयोजित किया।

इसका परिणाम यह हुआ कि ऊतक संरचना की विशेषताओं के साथ जुड़े जीन समूह की पहचान की गई और "टोपोलॉजी-व्युत्पन्न जीन हस्ताक्षर" बनाया गया।

इस जीन हस्ताक्षर को एक अन्य स्तन कैंसर नैदानिक परीक्षण डेटा पर लागू करने पर, शल्य चिकित्सा से पहले किए जाने वाले औषधीय उपचार की प्रतिक्रिया की भविष्यवाणी करने की संभावना दिखाई दी।

स्तन कैंसर में, शल्य चिकित्सा से पहले एंटी-कैंसर दवाएं या आणविक लक्ष्यित दवाएं दी जाती हैं ताकि ट्यूमर को छोटा किया जा सके।

उपचार के बाद शल्य चिकित्सा के नमूनों में आक्रामक कैंसर की अनुपस्थिति की स्थिति को "पैथोलॉजिकल पूर्ण प्रतिक्रिया" कहा जाता है, जो आगे के परिणामों को समझने में महत्वपूर्ण संकेतक है।

भविष्य में, यदि ऊतक का आकार, जीन, प्रोटीन, मरीज की नैदानिक जानकारी को एकीकृत किया जा सके, तो "इस मरीज के लिए कौन सा उपचार सबसे प्रभावी होगा" को अधिक व्यक्तिगत रूप से निर्धारित किया जा सकता है।

हालांकि, वर्तमान में टोपोलॉजी स्कोर का उपयोग करके उपचार दवाओं का चयन नहीं किया जा सकता है। इस अध्ययन ने केवल यह संकेत दिया है कि उपचार प्रतिक्रिया से संबंधित जानकारी ऊतक संरचना में भी हो सकती है, और इसे नैदानिक उपयोग के लिए अतिरिक्त परीक्षण की आवश्यकता होगी।

ऊतक की अव्यवस्था का संबंध चयापचय और प्रतिरक्षा से भी हो सकता है

अध्ययन में यह संकेत दिया गया कि ऊतक संरचना की अव्यवस्था केवल दृश्य परिवर्तन नहीं है, बल्कि यह ट्यूमर के आंतरिक चयापचय और प्रतिरक्षा गतिविधियों से भी जुड़ी हो सकती है।

निम्न टोपोलॉजी स्कोर का संबंध कोशिकाओं के स्थानांतरण, घुसपैठ, प्रतिरक्षा दमन, और एपिथेलियल-मेसेंकाइमल ट्रांजिशन जैसी घटनाओं से संबंधित जीन मार्गों से था।

विशेष रूप से अनुसंधान टीम ने IL4I1 नामक चयापचय एंजाइम और AHR नामक रिसेप्टर से जुड़े तंत्र पर ध्यान केंद्रित किया।

यह मार्ग कैंसर कोशिकाओं की वृद्धि और स्थानांतरण, और प्रतिरक्षा प्रतिक्रिया के दमन से संबंधित हो सकता है। अध्ययन में यह देखा गया कि जिन ट्यूमरों में इस चयापचय मार्ग की गतिविधि अधिक थी, उनमें ऊतक की व्यवस्था खोने की प्रवृत्ति थी।

हालांकि, यह स्पष्ट नहीं है कि कौन सा कारण है और कौन सा परिणाम।

क्या चयापचय और प्रतिरक्षा में परिवर्तन के कारण ऊतक संरचना टूटती है, या ऊतक के टूटने के परिणामस्वरूप चयापचय और प्रतिरक्षा वातावरण बदलता है, या दोनों एक-दूसरे को प्रभावित करते हैं। कारण संबंध की पुष्टि के लिए अन्य प्रयोगों की आवश्यकता होगी।

"स्तन कैंसर की प्रारंभिक पहचान तकनीक" नहीं है

इस अध्ययन को समझने के लिए विशेष रूप से ध्यान देने योग्य कुछ बिंदु हैं।

यह विधि मैमोग्राफी या अल्ट्रासाउंड जांच की तरह नहीं है, जो अभी तक खोजे नहीं गए स्तन कैंसर का पता लगाने के लिए स्क्रीनिंग तकनीक है।

यह पहले से ही मरीज से लिए गए ट्यूमर ऊतक का विस्तार से विश्लेषण करने और कैंसर की प्रकृति, भविष्यवाणी, और उपचार प्रतिक्रिया का मूल्यांकन करने की विधि है।

समाचार शीर्षकों में इसे "निदान में सुधार की विधि" के रूप में व्यक्त किया जा सकता है, लेकिन इसे अधिक सटीक रूप से पैथोलॉजिकल निदान या भविष्यवाणी को सहायक तकनीक के रूप में समझा जाना चाहिए।

इसके अलावा, इस अध्ययन में उपयोग की गई मल्टीपल इम्यूनोफ्लोरेसेंस स्टेनिंग सभी चिकित्सा संस्थानों में नियमित रूप से उपयोग की जाने वाली जांच नहीं है।

अनुसंधान टीम सामान्य