2 मार्च, 2022 – आर्टिफिशियल इंटेलिजेंस (एआई), डीप लर्निंग (डीएल) और मशीन लर्निंग (एमएल) ने कई उद्योगों और विज्ञान के क्षेत्रों को बदल दिया है। अब, इन उपकरणों को कैंसर बायोमार्कर खोज की चुनौतियों का समाधान करने के लिए लागू किया जा रहा है, जहां बड़ी मात्रा में इमेजिंग और आणविक डेटा का विश्लेषण पारंपरिक सांख्यिकीय विश्लेषण और उपकरणों की क्षमता से परे है। कैंसर बायोमार्कर के एक विशेष अंक में , शोधकर्ताओं ने विभिन्न दृष्टिकोणों का प्रस्ताव दिया और कैंसर और अन्य बीमारियों के लिए बायोमार्कर की सटीकता और भविष्य कहनेवाला शक्ति में सुधार के लिए एआई, डीएल और एमएल का उपयोग करने की कुछ अनूठी चुनौतियों का पता लगाया।
पैसिफिक नॉर्थवेस्ट नेशनल लेबोरेटरी के अतिथि संपादक करिन रोडलैंड, पीएचडी ने समझाया, “बायोमार्कर क्षेत्र में इमेजिंग और आणविक-आधारित डेटा की अधिकता है, और साथ ही, इतने डेटा से ग्रस्त है कि कोई भी व्यक्ति इसे समझ नहीं सकता है।” , रिचलैंड; और ओरेगन हेल्थ एंड साइंस यूनिवर्सिटी, पोर्टलैंड, या, यूएसए। “एआई उस समस्या का समाधान प्रदान करता है, और इसमें उपन्यास बातचीत को उजागर करने की क्षमता है जो कैंसर और अन्य बीमारियों के जीव विज्ञान को अधिक सटीक रूप से दर्शाती है।”
इस अंक में प्रस्तुत किए गए एआई, डीएल और एमएल के आशाजनक अनुप्रयोगों में प्रारंभिक चरण के कैंसर की पहचान करना, विशिष्ट कैंसर की साइट का उल्लेख करना, प्रत्येक रोगी के लिए उपयुक्त चिकित्सीय विकल्पों के असाइनमेंट में सहायता करना, ट्यूमर माइक्रोएन्वायरमेंट की विशेषता और प्रतिक्रिया की भविष्यवाणी करना शामिल है। प्रतिरक्षा चिकित्सा।
डिम्बग्रंथि और अग्नाशय के कैंसर के लिए बायोमार्कर की पहचान करने के लिए एआई दृष्टिकोण के उपयोग के संबंध में साहित्य का एक व्यापक अवलोकन अंतर्निहित सिद्धांतों को दर्शाता है और उन अंतरालों और चुनौतियों को देखता है जो पूरे क्षेत्र का सामना करते हैं। डिम्बग्रंथि और अग्नाशय के कैंसर दुर्लभ हैं, लेकिन घातक हैं क्योंकि उनमें शुरुआती लक्षणों और पहचान की कमी है। लीड अन्वेषक जुएरगेन ए। क्लेंक, पीएचडी, बायोमेडिकल डेटा साइंस लैब, डेलॉइट कंसल्टिंग एलएलपी, अर्लिंग्टन, वीए, यूएसए, और सहयोगियों ने बीमारी की शुरुआती पहचान के लिए छवियों का विश्लेषण करने के लिए एआई और एमएल का उपयोग करके अध्ययनों का वर्णन किया है, और मॉडल जो भविष्यवाणी करने के लिए बनाए जा सकते हैं रोगी के लिए संभावित परिणाम। कुछ चुनौतियों पर चर्चा की जाती है, जैसे कि पर्याप्त बड़े डेटासेट इकट्ठा करने में कठिनाई।
डॉ क्लेंक ने कहा, “एल्गोरिदम पूर्वाग्रह विकसित करते हैं और पूर्वाग्रहित प्रतिक्रियाएं उत्पन्न करते हैं, जब वे जिस डेटा पर प्रशिक्षित होते हैं वह गैर-प्रतिनिधि या अपूर्ण होता है।” जांचकर्ताओं का सुझाव है कि संस्थानों में दुर्लभ कैंसर के लिए बड़े और अधिक विविध छवि डेटाबेस के विकास, मानकीकृत रिपोर्टिंग विधियों, और आसानी से समझने वाले इंटरफेस जो उपयोगकर्ता विश्वास को बढ़ाते हैं, बायोमार्कर खोज पर सही प्रभाव डालने के लिए आवश्यक हैं।
लीड अन्वेषक डेबियाओ ली, पीएचडी, बायोमेडिकल इमेजिंग रिसर्च इंस्टीट्यूट, सीडर-सिनाई मेडिकल सेंटर, लॉस एंजिल्स, सीए, यूएसए, और सहयोगियों ने अग्नाशयी डक्टल एडेनोकार्सिनोमा (पीडीएसी) के जोखिम वाले व्यक्तियों की पहचान करने के लिए एक मॉडल विकसित किया। पीडीएसी कई पूर्व शर्त असामान्यताओं से जुड़ा है जो कम्प्यूटरीकृत टोमोग्राफी (सीटी) स्कैन पर दिखाई दे सकते हैं, लेकिन इन्हें दृश्य मूल्यांकन द्वारा समझना मुश्किल है। अपने अध्ययन में, जांचकर्ताओं ने पुष्टि किए गए पीडीएसी और सीटी स्कैन वाले रोगियों के सीटी स्कैन का उपयोग उन्हीं रोगियों से किया, जिनके पास निदान से छह महीने से तीन साल पहले सीटी स्कैन किया गया था ताकि सीटी सुविधाओं के एक सेट की पहचान की जा सके जो संभावित रूप से पीडीएसी की भविष्यवाणी कर रहे थे। पहचानी गई सीटी सुविधाओं का उपयोग करके रोगियों और स्वस्थ नियंत्रणों को वर्गीकृत करने में मॉडल 86% सटीक था।
“अग्नाशय के कैंसर अनुसंधान की प्रगति के लिए एआई की चुनौती कम प्रसार के कारण डेटा की कमी है। इस प्रूफ-ऑफ़ कॉन्सेप्ट मॉडल का उद्देश्य शोधकर्ताओं को व्यापक प्रशिक्षण और मॉडल के सत्यापन के लिए एक बड़ा डेटासेट स्थापित करने के लिए प्रोत्साहित करना है,” डॉ। ली ने कहा।
रेडियोमिक्स एक उभरता हुआ क्षेत्र है जहां विभिन्न तकनीकों का उपयोग करके चिकित्सा इमेजिंग से सुविधाओं को निकाला जाता है। रेडियोमिक विशेषताएं ट्यूमर की तीव्रता, आकार और विविधता को निर्धारित कर सकती हैं और ऑन्कोलॉजिकल डिटेक्शन, डायग्नोसिस, चिकित्सीय प्रतिक्रिया और रोग का निदान करने के लिए लागू की गई हैं। लीड जांचकर्ता शाओली सॉन्ग, पीएचडी, शंघाई मेडिकल कॉलेज और फुडन यूनिवर्सिटी, शंघाई, चीन, और लिशेंग वांग, पीएचडी, शंघाई जिओ टोंग यूनिवर्सिटी, शंघाई, चीन, और सहयोगियों ने प्रीऑपरेटिव पॉज़िट्रॉन एमिशन टोमोग्राफी (पीईटी) और सीटी छवियों से रेडियोमिक डेटा संयुक्त किया। प्रारंभिक चरण के गर्भाशय ग्रीवा स्क्वैमस सेल कार्सिनोमा वाले रोगी। उन्होंने रोग-मुक्त अस्तित्व की भविष्यवाणी करने में सक्षम एक रोगसूचक हस्ताक्षर विकसित करने के लिए एल्गोरिदम का उपयोग किया।
“यह मॉडल संभावित रिलेप्स और मेटास्टेसिस के बारे में अधिक सटीक जानकारी प्रदान कर सकता है, और निर्णय लेने में सहायक हो सकता है,” उन्होंने देखा।
विशेष अंक में अन्य कागजात बायोमार्कर पहचान के लिए एआई के आवेदन की सुविधा के लिए नए कम्प्यूटेशनल टूल के विकास पर ध्यान केंद्रित करते हैं; रोगसूचक जानकारी प्रदान करने के लिए अग्नाशय के ट्यूमर में प्रतिरक्षा सुविधाओं की पहचान करने के लिए पूरे सेल इमेजिंग और इम्यूनोफ्लोरेसेंस का उपयोग; गैस्ट्रोइंटेस्टाइनल स्ट्रोमल ट्यूमर से जुड़े miRNA प्रोफाइल की पहचान करने के लिए माइक्रोआरएनए और एप्लाइड मशीन लर्निंग का उपयोग; और बृहदान्त्र कैंसर के रोगियों में एक एंटीट्यूमर प्रतिरक्षा हस्ताक्षर की पहचान करने के लिए संयुक्त बहु-ओमिक डेटासेट के श्रेणीबद्ध क्लस्टरिंग का उपयोग।
डॉ. रॉडलैंड ने कहा कि इस विशेष अंक में लेख बायोमार्कर अनुसंधान में एआई, डीएल और एमएल का उपयोग करने के लिए विभिन्न दृष्टिकोणों का एक छोटा सा नमूना है। “कैंसर का जल्द पता लगाने में सुधार के लिए और अधिक प्रभावी रणनीतियों की निरंतर तत्काल आवश्यकता है। अत्याधुनिक एआई सिस्टम को स्तन, फेफड़े, प्रोस्टेट और गर्भाशय ग्रीवा के कैंसर के लिए इमेजिंग और गैर-इमेजिंग डेटा दोनों की व्याख्या में संवेदनशीलता और विशिष्टता में सुधार करने के लिए दिखाया गया है, ”उसने कहा।
अधिक जानकारी के लिए: www.iospresscom