कंप्यूटर विज़न कैंसर अनुसंधान को कैसे बढ़ाता है

कंप्यूटर विज़न एक कृत्रिम बुद्धिमत्ता है जो एल्गोरिदम को वीडियो और छवियों से सार्थक जानकारी निकालने की अनुमति देती है। कैंसर शोधकर्ताओं ने चित्रों, सूक्ष्म नमूनों, मेडिकल स्कैन आदि की जाँच के लिए इसका उपयोग करने के प्रभावी तरीके खोजे हैं। कुछ तरीके पहले से बोझिल कार्यप्रवाह को छोटा कर सकते हैं, जिससे संसाधनों की कमी से जूझ रही टीमों को लक्ष्य हासिल करने और रोगियों पर पड़ने वाले प्रभाव को बढ़ाने में मदद मिलती है।

ट्यूमर वृद्धि कारकों के ज्ञान में सुधार

बायोप्सी में कैंसर की उपस्थिति और प्रकार की पुष्टि के बाद, पैथोलॉजिस्ट नमूनों में मौजूद आरएनए अणुओं पर आनुवंशिक अनुक्रमण कर सकते हैं। फिर, वे यह पता लगा सकते हैं कि कौन से जीनोमिक परिवर्तन ट्यूमर के विकास को प्रभावित करते हैं। यह जानकारी मूल्यवान शोध और व्यक्तिगत हस्तक्षेप को बढ़ावा देती है। हालाँकि, वर्तमान विधियों की महँगाई और लंबी प्रक्रियाओं के कारण कुछ शोधकर्ता व्यवहार्य विकल्पों की तलाश में हैं।

एक टीम ने एक AI टूल बनाया जो मानक माइक्रोस्कोपी छवियों का विश्लेषण करता है ट्यूमर कोशिकाओं के भीतर आनुवंशिक गतिविधि का अनुमान लगाने के लिए बायोप्सी का उपयोग किया गया। उन्होंने अपने इस नवाचार को 7,500 प्रकार के कैंसरों का प्रतिनिधित्व करने वाले 16 से ज़्यादा नमूनों और स्वस्थ कोशिकाओं की तस्वीरों सहित अन्य प्रासंगिक डेटासेट पर आधारित किया।

इन शोधकर्ताओं ने आसान व्याख्या के माध्यम से उपयोगिता को प्राथमिकता दी और जीन-संबंधी जानकारी को एक दृश्य ट्यूमर बायोप्सी मानचित्र के रूप में प्रदर्शित करने के लिए अपना AI-संचालित प्रोग्राम बनाया। यह निर्णय उपयोगकर्ताओं को विशिष्ट क्षेत्रों में विशिष्ट भिन्नताओं की पहचान करने की अनुमति देता है। समूह ने कैंसर कोशिकाओं को देखने के लिए एक मानक अभिरंजन विधि का भी उपयोग किया, और इस उपकरण ने अभिरंजन छवियों में 15,000 से अधिक जीनों की आनुवंशिक अभिव्यक्तियों की पहचान की।

उनके निष्कर्षों ने एआई द्वारा पूर्वानुमानित आनुवंशिक गतिविधि और वास्तविक व्यवहार के बीच 80% से अधिक सहसंबंध का संकेत दिया। मॉडल ने आम तौर पर तब बेहतर प्रदर्शन किया जब नमूना डेटासेट में किसी विशिष्ट प्रकार के कैंसर के अधिक उदाहरण शामिल थे।

इस शोध दल के प्रयोगों ने स्तन कैंसर के रोगियों को जीनोमिक जोखिम स्कोर प्रदान करने के लिए एल्गोरिथम की संभावित वैधता को भी दर्शाया। जोखिम वाले समूहों में पुनरावृत्तियाँ अधिक थीं और उनके बीच का अंतराल कम था।

लोगों ने अन्य आकर्षक चिकित्सा प्रगति के लिए भी एआई का उपयोग किया है। एक विकास COVID-19 का पता लगा सकता है 99% तक सटीकता के साथ, एक आवश्यक सार्वजनिक स्वास्थ्य सुधार को प्रदर्शित करता है। इन संभावनाओं की प्रभावशालीता के बावजूद, पेशेवरों को अपने काम को इनके साथ ही पूरक बनाना चाहिए। प्रत्यक्ष अनुभव की जगह एआई को अपनाने से रोगियों के सकारात्मक परिणाम कम हो सकते हैं।

सबसे उपयुक्त उपचार ढूँढना

कैंसर से संबंधित उपचार करवा रहे लोग संभावित रूप से कमज़ोर समाधानों से जुड़े तनाव और अप्रिय लक्षणों का विवरण देते हैं। हालाँकि कई लोग मतली, बालों का झड़ना और अन्य कई समस्याओं को सहन कर लेते हैं, लेकिन अगर शुरुआती जाँचें आशाजनक परिणाम नहीं दिखातीं, तो वे इसे जारी रखने के लिए कम सहमत हो जाते हैं।

अगर कैंसर विशेषज्ञ मरीज़ों के लिए सबसे उपयुक्त उपचार जल्द से जल्द पहचान लें, तो सभी को फ़ायदा होगा। देखभाल योजनाएँ बनाने के सामान्य तरीके में सीटी और एमआरआई स्कैन का अध्ययन प्रति पिक्सेल केवल एक डेटा बिंदु के साथ किया जाता है, जिसे ग्रे रंग में दर्शाया जाता है। कुछ शोधकर्ता प्रगति के लिए एआई का उपयोग करते हैं। एक उपकरण 30,000 विवरणों तक की जांच कर सकता है प्रति पिक्सेल और 400 वर्ग माइक्रोमीटर जितने छोटे ऊतक नमूनों का विश्लेषण करें - जो लगभग पांच मानव बाल की चौड़ाई के बराबर है।

टीम ने परिणामों का आकलन करने के लिए दान किए गए नमूनों का इस्तेमाल किया। मूत्राशय कैंसर के मामलों में इस्तेमाल करने पर, एआई प्लेटफ़ॉर्म ने एक विशिष्ट कोशिका समूह पाया जो तृतीयक लसीकावत् संरचनाएँ बनाता है। वर्तमान जानकारी बताती है कि ये रोगियों की प्रतिरक्षा चिकित्सा प्रतिक्रियाओं में सुधार करते हैं। इसके अतिरिक्त, उपकरण ने गैस्ट्रिक कैंसर के नमूनों में कैंसरग्रस्त कोशिकाओं और ऊतक म्यूकोसा के बीच अंतर किया, जिससे उपयोगकर्ताओं को उनके प्रसार की सीमा का अधिक सटीक रूप से पता लगाने में मदद मिली।

इन शोधकर्ताओं का मानना है कि उनके प्रयास डॉक्टरों को यह दिखा सकते हैं कि विभिन्न कैंसर के लिए कौन से उपचार सबसे कारगर हैं। अगर ऐसा हुआ, तो इससे आम डायग्नोस्टिक इमेज से ज़्यादा मूल्यवान डेटा निकालने में मदद करके प्रासंगिक शोध को भी कारगर बनाया जा सकता है।

दवा विकास की समयसीमा को छोटा करना

नए कैंसर उपचारों को व्यावसायिक रूप से उपलब्ध कराने में वर्षों लगते हैं, और इसकी संभावनाएँ सफल नैदानिक परीक्षणों पर निर्भर करती हैं। लंदन के शोधकर्ता हाल ही में एक AI-सक्षम दृष्टिकोण बनाया गया है यह अध्ययन करना कि दवाएँ अपने लक्ष्य तक कितनी अच्छी तरह पहुँचती हैं। सबसे प्रभावी विकल्पों पर ध्यान केंद्रित करने से परिणाम बेहतर हो सकते हैं और नियामकों को उत्पाद की उपलब्धता बढ़ाने के लिए प्रेरित किया जा सकता है।

समूह ने मेलेनोमा कोशिकाओं की लगभग 100,000 त्रि-आयामी सूक्ष्मदर्शी छवियों का उपयोग किया और ज्यामितीय गहन शिक्षण एल्गोरिदम द्वारा उनके आकार का विश्लेषण किया। पिछले प्रयासों में केवल सूक्ष्मदर्शी स्लाइडों पर नमूनों से द्वि-आयामी डेटा प्राप्त किया गया था, लेकिन यह विधि कोशिकाओं का उनके शरीर में प्रकट होने के रूप में परीक्षण करती है। इसके अलावा, यह दर्शाता है कि विशिष्ट उपचारों के कारण वे कैसे आकार बदलते हैं और कोशिकीय आबादी में परिवर्तनशीलता को दर्शाता है।

यह उपकरण 99% से भी ज़्यादा सटीक ढंग से पता लगाता था कि विशिष्ट दवाएँ कोशिकाओं पर कैसा प्रभाव डालती हैं। यहाँ तक कि इसने विभिन्न प्रोटीनों पर लक्षित दवाओं के कारण होने वाले आकार परिवर्तनों की भी पहचान की।

चूँकि एआई ने जैव-रासायनिक परिवर्तनों का खुलासा किया है, शोधकर्ताओं का मानना है कि उनका यह नवाचार नई कैंसर दवाओं के साथ विशिष्ट लक्ष्यों पर ज़ोर दे सकता है। इसके बाद, यह सॉफ़्टवेयर प्रीक्लिनिकल समय-सीमा को तीन साल से घटाकर तीन महीने कर देगा। इसी तरह, यह परीक्षणों को छह साल तक कम कर सकता है, जिससे सबसे ज़्यादा फ़ायदा उठाने वाले मरीज़ों का पता तेज़ी से लगाया जा सकेगा और आम दुष्प्रभावों का पता लगाया जा सकेगा।

कैंसर मूल्यांकन कार्यों को सुव्यवस्थित करना

एआई ने कैंसर शोधकर्ताओं के कर्तव्यों को पहले ही बढ़ा दिया है, लेकिन ज़्यादातर उपकरण कार्यप्रवाह के केवल अलग-अलग हिस्सों को ही संभाल पाते हैं। इसका मतलब है कि इस तकनीक को अपने कार्यदिवस में शामिल करने के इच्छुक चिकित्सा विशेषज्ञों को कई उत्पादों का उपयोग करना सीखना होगा। हालाँकि, कुछ समूह उपयोगकर्ता-अनुकूलता बढ़ाने के लिए बहुउद्देशीय समाधान बनाना चाहते हैं।

एक ने ChatGPT जैसा एक मॉडल बनाया। उन्होंने इसका इस्तेमाल 19 से जुड़ी कई मूल्यांकन प्रक्रियाएँ कैंसर के विभिन्न प्रकारों के लिए, यह अपनी बहुमुखी प्रतिभा को दर्शाता है। विशेष रूप से, इसने बेहतर पहचान, रोग का निदान और उपचार प्रतिक्रियाओं के लिए मूल्यांकन कार्यों को गति प्रदान की। डेवलपर्स का यह भी मानना है कि उनका नवाचार कई अंतरराष्ट्रीय रोगी समूहों में परिणामों की भविष्यवाणी और सत्यापन करने वाला पहला है।

एआई मॉडल ट्यूमर के नमूनों वाली डिजिटल स्लाइड्स को पढ़ता है, आणविक प्रोफाइल का विश्लेषण करता है और कैंसरग्रस्त कोशिकाओं का पता लगाता है। इसने वृद्धि के आसपास के ऊतकों की भी जाँच की, जिससे पता चलता है कि मरीज़ों ने मानक उपचारों पर कितनी अच्छी प्रतिक्रिया दी है या शोधकर्ताओं को पता चलता है कि कौन से उपचार कम प्रभावी हैं। प्रयोगों से पता चला कि यह वर्तमान में उपलब्ध उत्पादों की तुलना में अधिक सटीक था। इसके अतिरिक्त, इसने पहली बार ट्यूमर की विशिष्ट विशेषताओं को मरीज़ों की जीवित रहने की दर में वृद्धि से जोड़ा, जिससे संभावित रूप से नए शोध क्षेत्रों का मार्ग प्रशस्त हुआ।

शोधकर्ताओं ने मॉडल को रुचि के क्षेत्रों के आधार पर खंडों में विभाजित 15 करोड़ बिना लेबल वाली छवियों पर प्रशिक्षित किया। बाद के चरण में, एल्गोरिदम को 60,000 प्रकार के कैंसरों को दर्शाने वाले 19 पूर्ण-स्लाइड उदाहरणों के संपर्क में लाया गया। इस दृष्टिकोण ने एआई को संपूर्ण परिणामों के लिए संपूर्ण चित्रों का मूल्यांकन करना सिखाया।

फिर, समूह ने 19,400 स्वतंत्र डेटासेट में मौजूद 32 पूर्ण-स्लाइड छवियों पर अपने उपकरण का परीक्षण किया। चूँकि यह जानकारी दुनिया भर में स्थित 24 रोगी समूहों और अस्पतालों से प्राप्त हुई थी, इसलिए यह वास्तविक जीवन की स्थितियों का एक सटीक नमूना प्रदान करती है।

बायोमेडिकल माइक्रोस्कोपी छवियों का मूल्य बढ़ाना

कैंसर शोधकर्ता अपने काम को आगे बढ़ाने के लिए बायोमेडिकल माइक्रोस्कोपी छवियों का उपयोग करते हैं, लेकिन मौजूदा कार्यप्रणाली में इस डेटा की जाँच में कई दिन लग जाते हैं। एक टीम ने इन ज़रूरी कार्यों को और भी प्रभावी बनाने के लिए एक नई कंप्यूटर विज़न तकनीक विकसित की है। यह मशीन लर्निंग का उपयोग करके नमूनों का विश्लेषण करती है और कैंसरग्रस्त ट्यूमर के बीच समान विशेषताओं का पता लगाती है।

यह उपकरण व्यक्तिगत वृद्धि के कई क्षेत्रों की जाँच करके और उन्हें समग्र रूप से देखकर कुशलतापूर्वक परिणाम प्राप्त करता है। बायोमेडिकल माइक्रोस्कोपी छवियों का विश्लेषण करने वाले अन्य उत्पाद बड़े ट्यूमर को छोटे-छोटे हिस्सों में विभाजित करते हैं और उन हिस्सों को अलग-अलग नमूनों के रूप में देखते हैं। हालाँकि, ये चित्र 1 बिलियन पिक्सेल तक हो सकते हैं, इसलिए उनका अध्ययन करने में समय लगता है।

डेवलपर्स का मानना है कि चिकित्सक ट्यूमर की छवियों से लगभग तुरंत निदान कर सकेंगे। फिर, ये पेशेवर यह जानकारी कैंसरग्रस्त ऊतकों को निकालने के लिए ऑपरेशन करने वाले सर्जनों को देंगे, जिससे वे नवीनतम जानकारी का उपयोग कर सकेंगे।

इस उपकरण की तुलना सर्वश्रेष्ठ प्रदर्शन करने वाली आधारभूत छवि विश्लेषण तकनीकों से करने पर पता चला कि यह लगभग 4% बेहतर था और कुछ मामलों में इसने लगभग 88% सटीकता हासिल की। शोधकर्ताओं ने इस बात पर भी ज़ोर दिया कि उपयोगकर्ता इसे किसी भी प्रकार के ट्यूमर और माइक्रोस्कोपी विधि पर लागू कर सकते हैं, जिससे यह व्यापक रूप से लागू हो जाता है।

कंप्यूटर विज़न के साथ कैंसर अनुसंधान को आगे बढ़ाना

एआई-संचालित कंप्यूटर विज़न कैंसर शोधकर्ताओं के आउटपुट को बेहतर बना सकता है, उनके वैज्ञानिक और रोगी-संबंधी परिणामों को अधिकतम कर सकता है। ये उदाहरण इसकी प्रचुर क्षमता को दर्शाते हैं, लेकिन इस तकनीक को लागू करने में रुचि रखने वाले पेशेवरों को अर्जित विशेषज्ञता को बढ़ाने के लिए ऐसा करना चाहिए, न कि नवाचारों को अचूक मानकर चलना चाहिए।