अन्ननलिकेचा कर्करोग हा लवकर ओळखणे सर्वात कठीण असलेल्या घातक आजारांपैकी एक आहे. लक्षणे उशिरा दिसतात आणि उपलब्ध स्क्रीनिंग साधने संपूर्ण लोकसंख्येपर्यंत सहज पोहोचू शकत नाहीत. २२ सप्टेंबर २०२६ रोजी Nature Medicine मध्ये प्रकाशित झालेल्या एका अभ्यासात या गणितात बदल होण्याची शक्यता वर्णन केली आहे: एक कृत्रिम बुद्धिमत्ता मॉडेल जे नॉनकॉन्ट्रास्ट छातीच्या CT वर अन्ननलिकेचा कर्करोग आणि पूर्व-कर्करोगाच्या घावांचे निदान करते, हा असा स्कॅन प्रकार आहे जो जगभरात आधीच मोठ्या संख्येने केला जातो.
या मॉडेलला Esophageal AI-Guided malignant Lesion Evaluation, किंवा EAGLE असे म्हणतात. त्याच्या विकसकांनी मूलभूत कार्य — नॉनकॉन्ट्रास्ट कॉम्प्युटेड टोमोग्राफीवर अन्ननलिकेच्या लवकर घातक रोगांचे निदान — ऐतिहासिकदृष्ट्या अशक्य मानले जात होते असे वर्णन केले आहे. DOI 10.1038/s41591-026-04656-4 अंतर्गत प्रकाशित त्यांच्या अभ्यासात हजारो रुग्ण आणि तीन देशांतील डझनभराहून अधिक क्लिनिकल केंद्रांवर प्रशिक्षण आणि पडताळणीची नोंद आहे.
EAGLE भरून काढण्याचा प्रयत्न करत असलेली स्क्रीनिंगची तफावत
अभ्यासाच्या सारांशानुसार, अचूक, नॉन-इनव्हेसिव्ह आणि स्केलेबल स्क्रीनिंग साधनांच्या अभावामुळे अन्ननलिकेच्या कर्करोगाचे लवकर निदान हे जागतिक आरोग्याचे सततचे आव्हान राहिले आहे. विद्यमान पद्धतींनी मोठ्या लोकसंख्येच्या स्क्रीनिंगचा व्यावहारिक मार्ग दिला नाही, त्यामुळे अनेक प्रकरणे लक्षणे उद्भवल्यानंतरच उघडकीस येतात.
नॉनकॉन्ट्रास्ट CT हे उपायासाठी स्पष्ट उमेदवार वाटेल, कारण हे स्कॅन व्यापकपणे उपलब्ध आहेत आणि फुफ्फुस तसेच इतर छातीच्या कारणांसाठी वारंवार घेतले जातात. परंतु अन्ननलिका हे कठीण लक्ष्य आहे. पोकळ नलिकाकार रचना असल्याने ती कोसळण्याची आणि हालचालीमुळे होणाऱ्या विकृतींची शक्यता असते, आणि लहान लवकर घातक घाव सामान्य ऊतींपासून वेगळे ओळखणे कठीण होते. ही शरीररचना आणि इमेजिंग भौतिकी यामुळेच लेखकांनी निदान कार्याला केवळ कठीण नव्हे तर अगम्य मानले गेलेले असे वर्णन केले आहे.
EAGLE नेमके हेच समस्येचे निराकरण करण्यासाठी तयार केले गेले: छातीच्या नॉनकॉन्ट्रास्ट CT प्रतिमांमधून कर्करोग आणि पूर्व-कर्करोगाच्या घाव दोन्ही ओळखणे.
मोठ्या प्रमाणावर प्रशिक्षण आणि पडताळणी
अभ्यासाची विकास प्रक्रिया तिच्या आकारमान आणि भौगोलिक व्याप्तीसाठी उल्लेखनीय आहे. EAGLE ला दोन केंद्रांतील ६,८१३ रुग्णांवर प्रशिक्षित केले गेले. त्यानंतर तीन देशांतील १२ केंद्रांवर पडताळणी केली गेली, ज्यात संधीवादी आणि लोकसंख्या-आधारित स्क्रीनिंग सेटिंग्जमध्ये ८०,६१२ रुग्णांचा समावेश होता.
या दोन सेटिंग्ज महत्त्वाच्या आहेत. संधीवादी स्क्रीनिंग म्हणजे इतर क्लिनिकल कारणांसाठी आधीच घेतलेल्या CT स्कॅनवर मॉडेल लागू करणे, कोणालाही नवीन प्रक्रिया करावी लागत नाही. लोकसंख्या-आधारित स्क्रीनिंग म्हणजे निर्धारित लोकसंख्येला चाचणीसाठी आमंत्रित करणारे संघटित कार्यक्रम. त्यामुळे पडताळणीने मॉडेलची चाचणी वास्तविक स्क्रीनिंग साधन कसे वापरले जाईल अशा परिस्थितीत केली, केवळ निवडक संशोधन डेटासेटमध्ये नाही.
- प्रशिक्षण समूह: दोन केंद्रांतील ६,८१३ रुग्ण.
- पडताळणी: तीन देशांतील १२ केंद्रे, ८०,६१२ रुग्णांचा समावेश.
- संधीवादी-स्क्रीनिंग बाह्य चाचणी समूह: आठ केंद्रे, n = ११,४६६.
- कमी-डोस CT पडताळणी: दोन केंद्रे, n = १,६०७.
- वास्तविक-जगातील कॅलिब्रेशन समूह: तीन केंद्रे, n = ३५,४०२.
मॉडेलची कामगिरी
संधीवादी स्क्रीनिंग सेटिंगमध्ये, बहुकेंद्रीय बाह्य चाचणी समूह — आठ केंद्रे आणि ११,४६६ रुग्ण — यांनी ९८.५% विशिष्टता निर्माण केली. कर्करोगासाठी संवेदनशीलता ९०.०% पर्यंत पोहोचली. पूर्व-कर्करोगाच्या घावांसाठी संवेदनशीलता ५२.५% होती.
कमी-डोस CT वर पडताळणी, दोन केंद्रे आणि १,६०७ रुग्णांवर, मानक नॉनकॉन्ट्रास्ट CT निकालांशी तुलनीय कामगिरी दर्शविली. हा शोध महत्त्वाचा आहे कारण तो सूचित करतो की अन्ननलिकेच्या कर्करोगाचे स्क्रीनिंग फुफ्फुसाच्या कर्करोगाच्या स्क्रीनिंग कार्यक्रमांवर स्तरित केले जाऊ शकते, जे आधीच कमी-डोस CT वर अवलंबून आहेत आणि आधीच मोठ्या संख्येने लोकांपर्यंत पोहोचतात.
संशोधकांनी तीन केंद्रे आणि ३५,४०२ रुग्णांवरील वास्तविक-जगातील समूहात कॅलिब्रेशनचीही नोंद दिली आहे, हे पाऊल महत्त्वाचे आहे कारण मॉडेलचे भेदभाव गुण नेहमीच्या व्यवहारात निरीक्षित परिणामांशी त्याच्या अंदाजित संभाव्यता जुळतात याची हमी देत नाहीत.
आकडे काळजीपूर्वक वाचणे
मुख्य आकडेवारी जवळून वाचण्यासारखी आहे. ९८.५% विशिष्टता म्हणजे बाह्य चाचणी समूहांमध्ये, रोग नसलेल्या फार कमी लोकांना चिन्हांकित केले जाईल — स्क्रीनिंगमध्ये हा एक अत्यंत महत्त्वाचा गुणधर्म आहे, जिथे खोटे सकारात्मक निकाल चिंता, पाठपुरावा प्रक्रिया आणि खर्च निर्माण करतात. कर्करोगासाठी ९०.०% संवेदनशीलता दर्शवते की मॉडेलने त्या सेटिंगमध्ये बहुतेक कर्करोग पकडले.
पूर्व-कर्करोगाच्या घावांसाठी ५२.५% संवेदनशीलता अधिक गुंतागुंतीची कथा सांगते. पूर्व-कर्करोगाचे बदल, व्याख्येनुसार, आक्रमक कर्करोगापेक्षा लवकर आणि सूक्ष्म असतात, आणि बाह्य चाचणी समूहांमध्ये मॉडेलने त्यांपैकी जवळपास निम्मे चुकवले. यामुळे साधनाचे संभाव्य मूल्य पुसट होत नाही — लवकर, उपचारयोग्य घावांचा मोठा वाटा ओळखणे अजूनही परिणाम बदलू शकते — परंतु याचा अर्थ EAGLE, वर्णन केल्याप्रमाणे, परिपूर्ण लवकर-चेतावणी प्रणाली नाही.
फुफ्फुसाच्या कर्करोग स्क्रीनिंग कार्यक्रम येथे का महत्त्वाचे आहेत
कमी-डोस CT निकाल हा अभ्यासाचा व्यावहारिकदृष्ट्या सर्वात परिणामकारक भाग असू शकतो. फुफ्फुसाच्या कर्करोगाचे स्क्रीनिंग आधीच उच्च-जोखीम असलेल्या व्यक्तींना नियमितपणे CT स्कॅनरपर्यंत आणते. जर मॉडेल अतिरिक्त किरणोत्सर्ग, कॉन्ट्रास्ट एजंट किंवा भेटींशिवाय त्याच प्रतिमांमधून अन्ननलिकेच्या कर्करोगाचे संकेत काढू शकत असेल, तर ती तपासणी जोडण्याची किरकोळ किंमत सुरुवातीपासून स्वतंत्र स्क्रीनिंग मार्ग तयार करण्यापेक्षा खूपच कमी असू शकते.
लेखक कमी-डोस CT पडताळणीला फुफ्फुसाच्या कर्करोग स्क्रीनिंग कार्यक्रमांद्वारे अन्ननलिकेच्या कर्करोगाच्या स्क्रीनिंगसाठी आधार म्हणून मांडतात. हा तांत्रिकाइतकाच लॉजिस्टिक युक्तिवाद आहे: पायाभूत सुविधा, रुग्णसंख्या आणि इमेजिंग हार्डवेअर आधीच उपलब्ध आहेत.
अभ्यास काय ठरवत नाही
तीन देशांतील बहुकेंद्रीय पडताळणी हे सामान्यीकरणाच्या दिशेने एक अर्थपूर्ण पाऊल आहे, परंतु एकच पडताळणी अभ्यास उत्तर देऊ शकत नाही असे महत्त्वाचे प्रश्न शिल्लक आहेत. मॉडेल थेट स्क्रीनिंग कार्यक्रमात कसे कार्य करते, त्याचे आउटपुट रेडिओलॉजिस्टच्या कार्यप्रवाहात कसे एकत्रित होतात, आणि भिन्न जोखीम प्रोफाइल असलेल्या लोकसंख्यांमध्ये नोंदवलेली विशिष्टता टिकून राहते का, हे सर्व खुले मुद्दे आहेत.
कर्करोग संवेदनशीलता आणि पूर्व-कर्करोगाच्या घावांची संवेदनशीलता यांतील तफावत देखील एक डिझाइन तडजोड दर्शवते. आक्रमक रोग विश्वासार्हपणे चिन्हांकित करणारे साधन ट्रायाजसाठी अजूनही उपयुक्त ठरू शकते, जरी ते स्वतंत्र फिल्टर म्हणून नाही तर विद्यमान निदान मार्गांच्या पूरक म्हणून अधिक चांगले कार्य करत असले तरी.
या कामाचे मोठे महत्त्व संकल्पनात्मक आहे. जर नॉनकॉन्ट्रास्ट छातीचा CT — नियमित काळजीमध्ये आधीच समाविष्ट असलेला इमेजिंग अभ्यास — अन्ननलिकेच्या घातक रोगाबद्दल उपयुक्त माहिती देऊ शकतो, तर प्रश्न स्क्रीनिंग तांत्रिकदृष्ट्या शक्य आहे का यावरून अशा मॉडेलची तैनाती, देखरेख आणि कालांतराने पडताळणी कशी करावी याकडे वळतो. EAGLE पहिल्या प्रश्नाचे लवकर, मोठ्या प्रमाणावर उत्तर देते आणि पुढील प्रश्नांसाठी तपशीलवार कार्यसूची देते.
हा लेख Nature Medicine च्या अहवालावर आधारित आहे. मूळ लेख वाचा.
Originally published on nature.com
