টিউমার কোষ সনাক্ত করার জন্য কৃত্রিম বুদ্ধিমত্তার ক্ষমতা আরও সঠিক হাড়ের ক্যান্সারের পূর্বাভাসের চাবিকাঠি ধরে রাখতে পারে

কিউশু ইউনিভার্সিটির গবেষকরা একটি মেশিন লার্নিং মডেল তৈরি এবং যাচাই করেছেন যা অস্টিওসারকোমা, সবচেয়ে সাধারণ ম্যালিগন্যান্ট হাড়ের টিউমারের প্যাথলজিকাল চিত্রগুলিতে চিকিত্সার পরে বেঁচে থাকা টিউমার কোষের ঘনত্ব সঠিকভাবে মূল্যায়ন করতে পারে। মডেলটি চিকিত্সার জন্য পৃথক টিউমার কোষের প্রতিক্রিয়া মূল্যায়ন করতে পারে এবং প্রথাগত পদ্ধতির তুলনায় রোগীর সামগ্রিক পূর্বাভাস আরও নির্ভরযোগ্যভাবে ভবিষ্যদ্বাণী করতে পারে।

সার্জারি এবং কেমোথেরাপি স্থানীয় অস্টিওসারকোমা রোগীদের পূর্বাভাস উল্লেখযোগ্যভাবে উন্নত করেছে।যাইহোক, উন্নত মেটাস্ট্যাটিক রোগের রোগীদের (পর্যায় ক্যান্সার কোষ দূরবর্তী টিস্যুতে ছড়িয়ে পড়েছে) বেঁচে থাকার হার কম। সার্জারি এবং কেমোথেরাপির মাধ্যমে স্ট্যান্ডার্ড চিকিত্সার পরে, রোগীর পূর্বাভাস মূল্যায়ন তাদের পরবর্তী ব্যক্তিগতকৃত চিকিত্সা পরিকল্পনা নির্ধারণের জন্য গুরুত্বপূর্ণ। যাইহোক, রোগীর ফলাফলের পূর্বাভাস অনেক চ্যালেঞ্জের সম্মুখীন হয়।

বর্তমানে, প্রাগনোসিস নেক্রোসিস হার মূল্যায়নের উপর নির্ভর করে, যার মধ্যে একজন প্যাথলজিস্ট একটি টিউমারের মধ্যে মৃত টিস্যুর অনুপাত মূল্যায়ন করে। দুর্ভাগ্যবশত, এই পদ্ধতিগুলি প্যাথলজিস্ট মূল্যায়নের মধ্যে পরিবর্তনশীলতার দ্বারা সীমাবদ্ধ এবং সঠিকভাবে চিকিত্সার প্রতিক্রিয়ার পূর্বাভাস দিতে পারে না।

দ্রুত, আরও সঠিক ভবিষ্যদ্বাণীর প্রয়োজনীয়তা স্বীকার করে, সহ-প্রথম লেখক কেনগো কাওয়াগুচি, পিএইচডি, এবং কাজুকি মিয়ামা, পিএইচডি, অর্থোপেডিক সার্জারি বিভাগ, কিউশু ইউনিভার্সিটি গ্র্যাজুয়েট স্কুল অফ মেডিক্যাল সায়েন্সেস, জাপান, এবং লেকচারার মাকোটো এন্ডো , Ph.D., অর্থোপেডিক সার্জারির অধ্যাপক, কিউশু ইউনিভার্সিটি হাসপাতালে, এবং সহযোগীরা আরও বিশদ মূল্যায়নের জন্য কৃত্রিম বুদ্ধিমত্তার বুদ্ধিমত্তা (AI) ব্যবহার করেছেন৷ ডঃ এন্ডোর নেতৃত্বে বহু-বিভাগীয় দলে কিউশু বিশ্ববিদ্যালয়ের অধ্যাপক রাইমা বিসে, অধ্যাপক ইয়োশিনাও ওদা এবং অধ্যাপক ইয়াসুহারু নাকাশিমা অন্তর্ভুক্ত।

তাদের গবেষণার পেছনের যুক্তি ব্যাখ্যা কর প্রকাশ বিদ্যমান এনপিজে যথার্থ অনকোলজিডাঃ এন্ডো বলেছেন, “প্রথাগত পদ্ধতিতে, নেক্রোসিস হারগুলি পৃথক কোষের সংখ্যার পরিবর্তে নেক্রোসিস এলাকার উপর ভিত্তি করে গণনা করা হয়, যা মূল্যায়নকারীদের মধ্যে যথেষ্ট পুনরুত্পাদনযোগ্য নয় এবং ক্যান্সার প্রতিরোধক ওষুধের প্রভাবকে সম্পূর্ণরূপে প্রতিফলিত করে না৷ তাই, আমরা উন্নত করার জন্য AI ব্যবহার করার কথা বিবেচনা করেছি৷ অনুমান.”

অধ্যয়নের প্রথম পর্যায়ে, দলটি একটি কৃত্রিম বুদ্ধিমত্তা প্রশিক্ষিত করেছে যাকে একটি গভীর শিক্ষার মডেল বলা হয় যারা বেঁচে ছিলেন তাদের সনাক্ত করতে। টিউমার কোষ এবং রোগীর ডেটা ব্যবহার করে এর পরীক্ষা কার্যকারিতা যাচাই করুন। এআই মডেলটি প্যাথলজি ইমেজে কার্যকরী টিউমার কোষ সনাক্ত করতে সক্ষম হয়েছিল, প্যাথলজিস্টদের দক্ষতার সাথে সামঞ্জস্যপূর্ণ।

দ্বিতীয় পর্যায়ে, গবেষকরা দুটি মূল মেট্রিক বিশ্লেষণ করেছেন: রোগ-নির্দিষ্ট বেঁচে থাকা, যা রোগ নির্ণয় বা চিকিত্সার পরে মৃত্যুর সময়কাল ট্র্যাক করে যা সরাসরি রোগের কারণে হয় না, এবং মেটাস্ট্যাসিস-মুক্ত বেঁচে থাকা, যা ক্যান্সার কোষ ছড়িয়েছে কিনা তা পর্যবেক্ষণ করে। সময় শরীরের দূরবর্তী অংশ। তারা কৃত্রিম বুদ্ধিমত্তা এবং পূর্বাভাস দ্বারা অনুমান করা কার্যকর টিউমার কোষের ঘনত্বের মধ্যে পারস্পরিক সম্পর্ক অন্বেষণ করেছে। উল্লেখযোগ্যভাবে, এআই মডেল ভাল প্রজননযোগ্যতা সহ প্যাথলজিস্টদের সাথে তুলনীয় সনাক্তকরণ কর্মক্ষমতা এবং নির্ভুলতা প্রদর্শন করেছে।

পরবর্তীতে, গবেষকরা রোগীদেরকে দলে ভাগ করেছেন তার উপর ভিত্তি করে যে টিউমার কোষের ঘনত্ব 400/mm3 এর চেয়ে বেশি বা কম।². সারভাইভাল বিশ্লেষণে দেখা গেছে যে উচ্চ-ঘনত্বের গোষ্ঠীর একটি খারাপ পূর্বাভাস ছিল, যখন কম-ঘনত্বের গোষ্ঠীর রোগ-নির্দিষ্ট বেঁচে থাকা এবং মেটাস্ট্যাসিস-মুক্ত বেঁচে থাকার আরও ভাল পূর্বাভাস ছিল।

অন্যদিকে, নেক্রোসিস হার রোগ-নির্দিষ্ট বেঁচে থাকা বা মেটাস্টেসিস-মুক্ত বেঁচে থাকার সাথে সম্পর্কিত ছিল না। তদ্ব্যতীত, পৃথক কেসগুলির বিশ্লেষণে দেখা গেছে যে AI- অনুমান করা কার্যকর টিউমার কোষের ঘনত্ব নেক্রোসিস হারের চেয়ে আরও নির্ভরযোগ্য প্রগনোস্টিক ভবিষ্যদ্বাণীকারী।

সামগ্রিকভাবে, এই ফলাফলগুলি পরামর্শ দেয় যে লাইভ টিউমার কোষগুলির AI-ভিত্তিক পরিমাপগুলি অভ্যন্তরীণ ম্যালিগন্যান্সি (ক্যান্সারের বিস্তারের ক্ষমতা) এবং অস্টিওসারকোমার পৃথক টিউমার কোষের প্রতিক্রিয়া উভয়ই প্রতিফলিত করে। প্যাথলজি চিত্র বিশ্লেষণে কৃত্রিম বুদ্ধিমত্তা অন্তর্ভুক্ত করা সনাক্তকরণের নির্ভুলতা উন্নত করে, আন্তঃ-রেটার পরিবর্তনশীলতা হ্রাস করে এবং সময়মত মূল্যায়ন সক্ষম করে।

তদ্ব্যতীত, কার্যকর টিউমার কোষের অনুমানগুলি কেমোথেরাপির পরে প্রসারিত হওয়া চালিয়ে যাওয়ার ক্ষমতাকে প্রতিফলিত করে এবং কোষের মৃত্যুর চেয়ে চিকিত্সার প্রতিক্রিয়ার আরও নির্ভরযোগ্য ভবিষ্যদ্বাণী করে। এই গবেষণায় বিকশিত কৃত্রিম বুদ্ধিমত্তা মডেলের বড় মাপের বৈধতা বাস্তব জীবনের ক্লিনিকাল সেটিংসে এর ব্যাপক প্রয়োগকে সহজতর করবে।

“এই নতুন পদ্ধতিতে কেমোথেরাপির মধ্য দিয়ে অস্টিওসারকোমা রোগীদের জন্য পূর্বাভাসের সঠিকতা উন্নত করার সম্ভাবনা রয়েছে৷ ভবিষ্যতে, আমরা অস্টিওসারকোমার মতো বিরল রোগগুলিতে সক্রিয়ভাবে কৃত্রিম বুদ্ধিমত্তা প্রয়োগ করতে চাই, যেখানে মহামারীবিদ্যা, প্যাথোজেনেসিস এবং এটিওলজিতে অগ্রগতি সীমিত হয়েছে৷ “

“গত কয়েক দশক সত্ত্বেও, বিশেষ করে চিকিত্সা কৌশল, যথেষ্ট অগ্রগতি অধরা রয়ে গেছে। সমস্যা সমাধানের জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে, এটি পরিবর্তিত হতে পারে। ডঃ এন্ডো শেষ করলেন।