ಹೊಸ AI-ಆಧಾರಿತ ಮಾದರಿಯು ಮೊದಲ ಶಸ್ತ್ರಚಿಕಿತ್ಸೆಯ ನಂತರ ಗ್ಲಿಯೊಬ್ಲಾಸ್ಟೊಮಾ ಎಲ್ಲಿ ಹಿಂತಿರುಗುತ್ತದೆ ಎಂಬುದನ್ನು ಊಹಿಸಬಹುದು, ಇದು MRI ನಲ್ಲಿ ತೋರಿಸುವ ಮೊದಲು ವೈದ್ಯರಿಗೆ ಚಿಕಿತ್ಸೆ ನೀಡಲು ಸಂಭಾವ್ಯವಾಗಿ ಅವಕಾಶ ನೀಡುತ್ತದೆ.

ಗ್ಲಿಯೊಬ್ಲಾಸ್ಟೊಮಾ ವಯಸ್ಕರಲ್ಲಿ ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ಮಾರಣಾಂತಿಕ ಮೆದುಳಿನ ಗೆಡ್ಡೆಯಾಗಿದೆ ಮತ್ತು ಮಾರಣಾಂತಿಕವಾಗಿದೆ, ರೋಗನಿರ್ಣಯದ ನಂತರ ಸುಮಾರು 17 ತಿಂಗಳ ಸರಾಸರಿ ಬದುಕುಳಿಯುತ್ತದೆ. ಶಸ್ತ್ರಚಿಕಿತ್ಸಕರು ಗೋಚರಿಸುವ ಎಲ್ಲಾ ಗೆಡ್ಡೆಗಳನ್ನು ತೆಗೆದುಹಾಕಿ ಮತ್ತು ರೋಗಿಗಳು ಚಿಕಿತ್ಸೆಯನ್ನು ಪಡೆದ ನಂತರವೂ, ಕ್ಯಾನ್ಸರ್ ಯಾವಾಗಲೂ ಹಿಂತಿರುಗುತ್ತದೆ.

ಈಗ, UC ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋ ಮತ್ತು ಮಿಚಿಗನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ನೇತೃತ್ವದ ಸಂಶೋಧಕರು AI ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಅದು ಮೊದಲ ಮರುಕಳಿಸುವಿಕೆಯು ಸಂಭವಿಸುವ ಹೆಚ್ಚಿನ ಮಟ್ಟದ ನಿಖರತೆಯೊಂದಿಗೆ ಊಹಿಸಬಹುದು. ಗ್ಲಿಯೊಬ್ಲಾಸ್ಟೊಮಾದಲ್ಲಿ, ಹೆಚ್ಚಿನ ರೋಗಿಗಳು ಗೆಡ್ಡೆಯ ಕುಹರದೊಳಗೆ ಅಥವಾ ಹತ್ತಿರ ಮರುಕಳಿಸುತ್ತಾರೆ.

ಸಂಶೋಧನೆಗಳನ್ನು ಸೆಪ್ಟೆಂಬರ್ 25 ರಂದು ಪ್ರಕಟಿಸಲಾಯಿತು ವಿಜ್ಞಾನದಲ್ಲಿ ಪ್ರಗತಿ ಮತ್ತು ನ್ಯಾಷನಲ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಹೆಲ್ತ್‌ನಿಂದ ಬೆಂಬಲಿತವಾಗಿದೆ, ಎಂಆರ್‌ಐನಲ್ಲಿ ಹೊಸ ಗೆಡ್ಡೆ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಮೊದಲು ವೈದ್ಯರು ಈ ಪ್ರದೇಶಗಳಲ್ಲಿ ಉದ್ದೇಶಿತ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಬಳಸಲು ಅನುಮತಿಸಬಹುದು.

“ಟ್ಯೂಮರ್ ತೆಗೆಯುವ ಸಮಯದಲ್ಲಿ ಮೌಲ್ಯಯುತವಾದ ನೈಜ-ಸಮಯದ ಮಾರ್ಗದರ್ಶನದೊಂದಿಗೆ ನರಶಸ್ತ್ರಚಿಕಿತ್ಸಕರಿಗೆ ಒದಗಿಸುವ ನಂಬಲಾಗದ ಸಾಮರ್ಥ್ಯವನ್ನು ಈ ವ್ಯವಸ್ಥೆಯು ಹೊಂದಿದೆ” ಎಂದು ಯುಸಿ ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋ ಮತ್ತು ಡ್ರೆಕ್ಸೆಲ್ ಯೂನಿವರ್ಸಿಟಿ ಕಾಲೇಜ್ ಆಫ್ ಮೆಡಿಸಿನ್‌ನಲ್ಲಿ ಪೋಸ್ಟ್‌ಡಾಕ್ಟರಲ್ ರಿಸರ್ಚ್ ಫೆಲೋ ಆಗಿರುವ ಮೊದಲ ಲೇಖಕ ಸಂಜೀವ್ ಖೇರ್ ಹೇಳಿದರು. “ಇದು ಹೆಚ್ಚಿನ ಚಿಕಿತ್ಸೆಯ ನಿರ್ಧಾರಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ ಒಳನೋಟಗಳನ್ನು ಸಹ ರಚಿಸಬಹುದು.”

ಹಿರಿಯ ಲೇಖಕ ಸೀನ್ ಹರ್ವೆ-ಜಂಪರ್, MD, UCSF ಆರೋಗ್ಯದಲ್ಲಿ ನರಶಸ್ತ್ರಚಿಕಿತ್ಸಕ, ಮತ್ತು ಮಿಚೆಲ್ S. ಬರ್ಗರ್, MD, ವೇಲ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ನ್ಯೂರಾಲಜಿಯಲ್ಲಿ ಪ್ರಾಧ್ಯಾಪಕ.

“ಮೆದುಳಿನ ಭಾಗಗಳನ್ನು ತೆಗೆಯಲಾಗದ ರೋಗಿಗಳು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಫೋಕಲ್ ವಿಕಿರಣ ಅಥವಾ ನೇರವಾಗಿ ಗೆಡ್ಡೆಗೆ ಚುಚ್ಚುಮದ್ದಿನ ಔಷಧಿಗಳಂತಹ ನಿರೀಕ್ಷಿತ ಸ್ಥಳಗಳನ್ನು ಗುರಿಯಾಗಿಸುವ ಇತರ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಪಡೆಯಬಹುದು, ತಲೆಬುರುಡೆಯ ಮೂಲಕ ಇರಿಸಲಾದ ಕ್ಯಾತಿಟರ್ ಮೂಲಕ,” ಅವರು ಹೇಳಿದರು.

ಕಚ್ಚಾ ಅಂಗಾಂಶವನ್ನು ಬಳಸುವುದು ಸಮಯ ಮತ್ತು ಶ್ರಮವನ್ನು ಉಳಿಸುತ್ತದೆ

UCSF ಆರೋಗ್ಯ ರೋಗಿಗಳಿಂದ ಗ್ಲಿಯೊಬ್ಲಾಸ್ಟೊಮಾ ಶಸ್ತ್ರಚಿಕಿತ್ಸೆಯ ಸಮಯದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿದ ಅಂಗಾಂಶ ಮಾದರಿಗಳನ್ನು ಸಂಶೋಧಕರು ವಿಶ್ಲೇಷಿಸಿದ್ದಾರೆ, ಅವರಿಗೆ ಮರುಕಳಿಸುವ ಸರಾಸರಿ ಸಮಯ 5.5 ತಿಂಗಳುಗಳು. ಅವರು 60 ರೋಗಿಗಳಿಂದ ಸುಮಾರು 300 ಮಾದರಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ತಮ್ಮ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು ಮತ್ತು ಇತರ 20 ರೋಗಿಗಳಿಂದ ಸುಮಾರು 100 ಮಾದರಿಗಳಲ್ಲಿ ಪ್ರತ್ಯೇಕವಾಗಿ ಪರೀಕ್ಷಿಸಿದರು.

ಸಂಶೋಧಕರು ಸ್ಟಿಮ್ಯುಲೇಟೆಡ್ ರಾಮನ್ ಹಿಸ್ಟಾಲಜಿ (SRH) ಎಂಬ ತಂತ್ರವನ್ನು ಬಳಸಿದರು, ಇದು ಒಂದು ನಿಮಿಷಕ್ಕಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ಶುದ್ಧವಾದ, ಸಂಸ್ಕರಿಸದ ಅಂಗಾಂಶದ ಸೂಕ್ಷ್ಮ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಸಾಂಪ್ರದಾಯಿಕ ರೋಗಶಾಸ್ತ್ರಕ್ಕೆ ಬಣ್ಣಗಳು ಮತ್ತು ಕಲೆಗಳೊಂದಿಗೆ ಅಂಗಾಂಶದ ಸಂಸ್ಕರಣೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ, ಇದು ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಕಾರ್ಮಿಕ-ತೀವ್ರವಾಗಿರುತ್ತದೆ.

ನಂತರ ಅವರು UCSF ಮತ್ತು ಮಿಚಿಗನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ AI ವ್ಯವಸ್ಥೆಯಾದ FastGlioma ನೊಂದಿಗೆ ಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿದರು. ವ್ಯವಸ್ಥೆಯು ಗೆಡ್ಡೆಯ ಒಳನುಸುಳುವಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ಅಂಗಾಂಶಗಳನ್ನು ಶ್ರೇಣೀಕರಿಸುತ್ತದೆ.

ಈ AI ಸ್ಕೋರ್‌ಗಳನ್ನು ಮಾತ್ರ ಸಾಂಪ್ರದಾಯಿಕ ರೋಗಶಾಸ್ತ್ರದ ಜೊತೆಗೆ ಯಾವ ಪ್ರದೇಶಗಳು ನಂತರ ಮರುಕಳಿಸುವ ಗೆಡ್ಡೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಊಹಿಸಲು ನಡೆಸಲಾಯಿತು. ಆದರೆ ಸಂಶೋಧಕರು AI ಸ್ಕೋರ್‌ಗಳನ್ನು ಕ್ಲಿನಿಕಲ್, ಇಮೇಜಿಂಗ್ ಮತ್ತು ಆಣ್ವಿಕ ಡೇಟಾದೊಂದಿಗೆ ಅವರು ಆರು ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿಗಳಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದಾಗ, ಮರುಕಳಿಸುವ ಮತ್ತು ಮರುಕಳಿಸದ ಸೈಟ್‌ಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಅತ್ಯುತ್ತಮ ಮಾದರಿಯು ಗಮನಾರ್ಹವಾಗಿ ಭಿನ್ನವಾಗಿದೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು.

ಗೆಡ್ಡೆಯ ಒಳನುಸುಳುವಿಕೆಯ AI ಅಳತೆಯು ಆರು ಮಾದರಿಗಳಲ್ಲಿ ಐದು ಪುನರಾವರ್ತನೆಯ ಪ್ರಬಲ ವೈಯಕ್ತಿಕ ಮುನ್ಸೂಚಕವಾಗಿದೆ, ಇದು ಆಣ್ವಿಕ ಗೆಡ್ಡೆಯ ಗುಣಲಕ್ಷಣಗಳಿಗಿಂತ ಹೆಚ್ಚು ಪೂರ್ವಸೂಚಕ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಮರುಕಳಿಸುವಿಕೆಯು ಎಲ್ಲಿ ಬೆಳವಣಿಗೆಯಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಮಾದರಿಯು ಎಷ್ಟು ನಿಖರವಾಗಿ ನಿರ್ಧರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಸಂಶೋಧಕರು ಪರೀಕ್ಷಿಸಿದ್ದಾರೆ. ಮಾದರಿಯ ಅಂಗಾಂಶದ 5 ಅಥವಾ 10 ಮಿಲಿಮೀಟರ್‌ಗಳ ಒಳಗೆ ಕ್ಯಾನ್ಸರ್ ಯಾವಾಗ ಹಿಂತಿರುಗುತ್ತದೆ ಎಂಬುದನ್ನು ಊಹಿಸಲು ಮಾದರಿಯು ಉತ್ತಮ ಕೆಲಸವನ್ನು ಮಾಡಿದೆ.

ತಂಡವು ಆರಂಭಿಕ ಮರುಕಳಿಸುವಿಕೆಯನ್ನು ಆರಿಸಿಕೊಂಡಿತು ಏಕೆಂದರೆ ರೋಗಿಗಳು ತಮ್ಮ ರೋಗದ ಸಮಯದಲ್ಲಿ ಪ್ರಾಯೋಗಿಕ ಚಿಕಿತ್ಸೆಯನ್ನು ಪಡೆಯುತ್ತಾರೆ, ಇದು ಗೆಡ್ಡೆಯ ಬೆಳವಣಿಗೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು, ನಂತರದ ಮರುಕಳಿಸುವಿಕೆಯನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಊಹಿಸಲು ಹೆಚ್ಚು ಕಷ್ಟವಾಗುತ್ತದೆ.

“ಒಟ್ಟಾರೆ ಗುರಿಯು ಮೊದಲ ಪುನರಾವರ್ತನೆಯನ್ನು ವಿಳಂಬಗೊಳಿಸುವುದಾಗಿತ್ತು” ಎಂದು ಆನ್ ಅರ್ಬರ್‌ನ ಮಿಚಿಗನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ನರಶಸ್ತ್ರಚಿಕಿತ್ಸೆಯ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಸಹ-ಹಿರಿಯ ಲೇಖಕ ಟಾಡ್ ಹಾಲನ್, MD, ಯಂತ್ರ ಕಲಿಕೆ ಹೇಳಿದರು. “ಅಂತಿಮವಾಗಿ, ಈ ವಿಂಡೋವನ್ನು ವಿಸ್ತರಿಸುವುದರಿಂದ ದೀರ್ಘಾವಧಿಯ ಬದುಕುಳಿಯುವಿಕೆಗೆ ಅನುವಾದಿಸಬಹುದು ಎಂದು ನಾವು ಭಾವಿಸುತ್ತೇವೆ.”