புற்றுநோய் கேஷெக்சியா அட்லஸ் எடை இழப்பை கட்டி முன்னேற்றத்துடன் இணைக்கிறது

புற்றுநோய் கேஷெக்சியா என்பது புற்றுநோயியல் துறையில் மிக முக்கியமானதும், கண்காணிக்க கடினமானதுமான சிக்கல்களில் ஒன்றாகும். இந்த wasting syndrome, புற்றுநோய் சிகிச்சை நடைபெறும் காலத்தில் உடல் எடை மற்றும் உடல் சக்தியை குறைக்கக்கூடும். இருப்பினும், அதன் நேரம், உயிரியல் தொடர்புகள் மற்றும் குறிப்பிட்ட கட்டிகளுடனான இணைப்புகள் முழுமையாக வரையறுக்கப்படவில்லை. Nature Medicine இதழில் புதிதாக வெளியான ஆய்வு, Memorial Sloan Kettering Cancer Center-இன் நீண்டகால clinicogenomic பதிவுகளைப் பயன்படுத்தி, சுகாதார அமைப்பு அளவில் இந்த நிலையை episode-level முறையில் வரைபடமிட்டுள்ளது.

2010 முதல் 2024 வரை MSK-IMPACT profiling மேற்கொண்ட 52,236 புற்றுநோய் நோயாளிகளின் தரவை ஆராய்ச்சியாளர்கள் பகுப்பாய்வு செய்தனர். கேஷெக்சியாவை ஒரே நிலையான குறிச்சொல்லாகக் கருதாமல், காலப்போக்கில் consensus-defined cachectic weight loss-ன் பாதைகளை அவர்கள் அடையாளம் கண்டனர். இதன் மூலம் நிகழ்வுகள் எப்போது ஏற்பட்டன, அவை முடிவுகள் மற்றும் நோயின் போக்குடன் எவ்வாறு தொடர்புடையவை, மேலும் வழக்கமாக சேகரிக்கப்படும் எந்தத் தகவல்கள் அவற்றுடன் இணைந்திருந்தன என்பதைக் குழு ஆய்வு செய்ய முடிந்தது.

நோய் முன்னேற்றத்தைச் சுற்றி நிகழ்வுகள் திரண்டன

பல்வேறு புற்றுநோய் வகைகளில், cachectic weight-loss நிகழ்வுகள் நோய் முன்னேற்றக் காலங்களைச் சுற்றி திரளும் போக்கைக் கொண்டிருந்தன. ஆய்வு செய்த கிட்டத்தட்ட அனைத்து புற்றுநோய் வகைகளிலும் இந்த நிகழ்வுகள் மோசமான முடிவுகளுடன் தொடர்புடையதாக ஆய்வு கண்டறிந்தது. எடை இழப்பு ஒரு பின்னணி அறிகுறியை விட அதிகமான மருத்துவ முக்கியத்துவம் கொண்டது என்பதை இது வலியுறுத்துகிறது: தரவுகளில், அது நோயாளியின் நோய் பயணத்தின் முக்கியமான கட்டங்களைச் சுற்றி தோன்றியது.

தரவு தொகுப்பின் அளவு முக்கியமானது, ஏனெனில் புற்றுநோய் கேஷெக்சியா ஒரு கட்டி வகையையோ சிகிச்சை சூழலையையோ மட்டும் சார்ந்ததல்ல. பெரிய நீண்டகால குழு, சிறிய ஆய்வுகளில் அல்லது சில மருத்துவ வருகைகளில் மட்டுமே எடை பதிவு செய்யும் பதிவுகளில் தவறவிடப்படும் வடிவங்களை வெளிப்படுத்த முடியும். ஆசிரியர்களின் episode-resolved வடிவமைப்பு, மாறிக்கொண்டிருக்கும் மருத்துவ நிகழ்வை ஒருமுறை மேற்கொள்ளப்படும் அளவீட்டிலிருந்து வேறுபடுத்துகிறது.

மீண்டும் தோன்றும் இரத்தப் பரிசோதனை அடையாளம்

பல்வேறு malignancies-களில் ஒரே மாதிரியான serologic pattern-ஐ அட்லஸ் கண்டறிந்தது. cachectic weight-loss நிகழ்வுகளின் போது, நோயாளிகளுக்கு குறைந்த albumin மற்றும் hemoglobin அளவுகளுடன், அதிக liver-enzyme அளவுகளும் காணப்பட்டன. இவற்றில் எந்த ஒரு ஆய்வக மாற்றமும் கேஷெக்சியாவை ஏற்படுத்துகிறது என்பதை இந்த முடிவுகள் நிரூபிக்கவில்லை. இருப்பினும், எடை இழப்பு நிகழ்வுகள் வழக்கமான பராமரிப்பில் ஏற்கனவே பொதுவாக அளவிடப்படும் மருத்துவ அளவீடுகளின் அடையாளம் காணக்கூடிய தொகுப்புடன் தொடர்புடையவை என்பதை அவை காட்டுகின்றன.

Albumin, hemoglobin மற்றும் liver-enzyme மதிப்புகள் கேஷெக்சியாவுக்கான தனிப்பட்ட markers அல்ல; அவற்றை தனித்தனி diagnostic tests ஆக ஆய்வு முன்வைக்கவில்லை. இந்தச் சூழலில் அவற்றின் மதிப்பு, நீண்டகால எடைத் தரவு மற்றும் நோயாளியின் பிற தகவல்களுடன் இணைக்கும்போது, syndrome-உடன் தொடர்புடைய systemic consequences-ஐ விவரிக்க உதவுவதிலுள்ளது.

கட்டி மரபியல் ஆய்வில் இணைந்தது

கேஷெக்டிக் நிகழ்வுகளை somatic tumor genotypes-உடனும் பகுப்பாய்வு இணைத்தது. பல genomic features, கேஷெக்டிக் நிகழ்வுகள் அடிக்கடி தொடங்குவதுடன் தொடர்புடையதாக இருந்தன; பல நோய்களில் TP53 mutation இதனுள் அடங்கும். புற்றுநோய் தொடர்பான எடை இழப்பை மேம்பட்ட நோயின் பொதுவான விளைவாக மட்டும் கருதாமல், நோயாளியின் மருத்துவப் போக்கையும் கட்டி உயிரியல் தன்மையையும் இணைத்து கேஷெக்சியாவை ஆய்வு செய்யும் சாத்தியமான வழியை இந்தக் கவனிப்பு சுட்டிக்காட்டுகிறது.

தொடர்பு என்பது mechanism-க்கு சமமானதல்ல; ஒரு குறிப்பிட்ட mutation நேரடியாக கேஷெக்சியாவை உருவாக்குகிறது என்பதை அறிக்கையிடப்பட்ட முடிவுகள் காட்டவில்லை. இருப்பினும், வேறுபட்ட கட்டிகளும் வேறுபட்ட கட்டி மாற்றங்களும் கொண்ட நோயாளிகளுக்கு ஏன் வேறுபட்ட ஆபத்துகள் இருக்கலாம் என்பதை எதிர்கால ஆய்வுகள் ஆராய்வதற்கான hypotheses-ஐ genomic links வழங்குகின்றன.

வரவிருக்கும் ஆபத்தை கணித்தல்

காணப்பட்ட வடிவங்களை அடிப்படையாகக் கொண்டு, lung, colorectal மற்றும் prostate cancer நோயாளிகளில் வரவிருக்கும் cachectic weight loss-ஐ கணிக்க ஆராய்ச்சியாளர்கள் multivariable model ஒன்றை உருவாக்கினர். 5,785 நோயாளிகளை உள்ளடக்கிய Dana-Farber Cancer Institute-இன் சுயாதீன வெளிப்புற cohort-ல் இந்த model validate செய்யப்பட்டது.

External validation என்பது இந்த முடிவின் முக்கியமான பகுதியாகும். பயிற்சி தரவு உருவாக்கப்பட்ட அதே சுகாதார அமைப்பில் மட்டும் சோதிக்கப்படும் models பயனுள்ளதாகத் தோன்றலாம். தனி cohort-ல் அணுகுமுறையைச் சோதிப்பது, அதன் performance ஒரே நிறுவனத்தின் dataset-க்கு மட்டும் கட்டுப்படவில்லை என்பதற்கான ஆதாரத்தை வழங்குகிறது; இருப்பினும், எந்த clinical deployment முடிவுகளுக்கும் முன் விரிவான prospective evaluation தேவைப்படும்.

• 2010 முதல் 2024 வரை Memorial Sloan Kettering-ல் profile செய்யப்பட்ட 52,236 நோயாளிகளை dataset உள்ளடக்கியது.
• ஆய்வு செய்த கிட்டத்தட்ட அனைத்து புற்றுநோய் வகைகளிலும் cachectic episodes மோசமான outcomes-உடன் தொடர்புடையிருந்தன.
• 5,785 Dana-Farber நோயாளிகளில் risk model-ஐ ஆராய்ச்சியாளர்கள் வெளிப்புறமாக validate செய்தனர்.

வழக்கமான தரவு ஆய்வுக்கான பாதை

இந்த ஆய்வின் மையக் கருத்து அறிவியல் சார்ந்ததோடு நடைமுறைக்கும் ஏற்றது: வழக்கமான clinicogenomic data-வை புற்றுநோய் கேஷெக்சியாவுக்கான scalable discovery resource ஆகப் பயன்படுத்தலாம். இத்தகைய பதிவுகள் மீண்டும் மீண்டும் எடுக்கப்படும் எடை அளவீடுகள், laboratory testing, clinical outcomes மற்றும் tumor sequencing ஆகியவற்றை ஒன்றிணைக்கின்றன; இதனால் நோயுடன் தொடர்புடைய மாற்றங்களை காலப்போக்கில் ஆராய்ச்சியாளர்கள் கவனிக்க முடிகிறது.

மருத்துவர்களுக்கும் ஆராய்ச்சியாளர்களுக்கும், இந்தப் பணி புதிய சிகிச்சையையோ கேஷெக்சியாவுக்கான definitive explanation-ஐயோ வழங்கவில்லை. பெரிய real-world cancer population-ல் syndrome எவ்வாறு தோன்றியது என்பதற்கான விரிவான வரைபடத்தையும், clinical மற்றும் genomic associations-ஐயும் இது வழங்குகிறது; தேர்ந்தெடுக்கப்பட்ட cancers-ல் வரவிருக்கும் ஆபத்தை model செய்யலாம் என்பதையும் காட்டுகிறது. இந்த இணைப்பு, நோயாளியின் நோய்ப் பயணத்தில் முன்கூட்டியே interventions-ஐச் சோதிக்க வடிவமைக்கப்படும் எதிர்கால ஆய்வுகளுக்கு வழிகாட்டக்கூடும்.

கேஷெக்சியா morbidity மற்றும் mortality மீது ஏற்படுத்தும் தாக்கம் நீண்டகாலமாக அறியப்பட்டிருந்தாலும், அதன் drivers மற்றும் systemic effects-ஐ வரையறுப்பது கடினமாகவே இருந்துள்ளது. எடை இழப்பு நிகழ்வுகளை episodes ஆகப் பிரித்து, அவற்றை clinical, serologic மற்றும் genomic தகவல்களுடன் இணைப்பதன் மூலம், புற்றுநோய் பராமரிப்பின் தொடர்ச்சியான சவால்களில் ஒன்றை ஆராய இந்த atlas துறைக்கு ஒரு விரிவான framework-ஐ வழங்குகிறது.

இந்தக் கட்டுரை Nature Medicine-ன் reporting-ஐ அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.