CRISP அடித்தள மாதிரி அறுவை சிகிச்சையின் போது உறைந்த-பிரிவு நோயியலுக்கு AI-ஐ கொண்டு வருகிறது

அறுவை சிகிச்சை அறையின் அழுத்தங்களுக்காக வடிவமைக்கப்பட்ட மாதிரி

நோயாளி இன்னும் அறுவை சிகிச்சை மேசையில் இருக்கும்போதே அறுவை சிகிச்சை நிபுணர்களுக்கு தேவையான திசு-நிலை தகவல்களை வழங்கும் துல்லிய அறுவை சிகிச்சையின் மையத்தில் அறுவை சிகிச்சை நோயியல் அமைந்துள்ளது. ஆனால் அந்த தகவலின் ஆதாரமான உறைந்த பிரிவு நீண்ட காலமாக ஒரு தடையாக இருந்து வருகிறது. இந்த பணி கண்டறியும் அளவில் சிக்கலானது, நேர அழுத்தத்தின் கீழ் மாதிரிகளை விளக்குவது கடினம், மேலும் நவீன கணினி கருவிகளைப் பயிற்றுவிக்கும் அளவுக்கு பெரிய உயர்தர உறைந்த-பிரிவு தரவுத்தொகுப்புகள் அரிதாகவே இருந்தன. இந்த கட்டுப்பாடுகள் அறுவை சிகிச்சை நோயியல் உண்மையில் வழங்கக்கூடிய மருத்துவ தாக்கத்தை வரம்புக்குட்படுத்தியுள்ளன.

சமீபத்திய ஆண்டுகளில் கணினி நோயியல் கணிசமாக முன்னேறியுள்ளது, ஆனால் இந்த துறை ஒரு நிலையான நம்பகத்தன்மை இடைவெளியை எதிர்கொண்டுள்ளது: பெரிய அளவிலான, முன்னோக்கு சரிபார்ப்பு பற்றாக்குறை பெரும்பாலான வழிமுறைகளை வழக்கமான அறுவை சிகிச்சை பணிப்பாய்வுகளுக்கு வெளியே வைத்துள்ளது. Nature Medicine-இல் புதிதாக வெளியிடப்பட்ட ஒரு ஆய்வு அந்த இடைவெளியை நேரடியாக நிரப்புவதற்கான ஒரு முயற்சியை விவரிக்கிறது. ஆராய்ச்சியாளர்கள் CRISP-ஐ அறிமுகப்படுத்தினர், இது உறைந்த-பிரிவு ஸ்லைடுகளில் மட்டுமே கட்டமைக்கப்பட்ட பார்வை அடிப்படையிலான நோயியல் அடித்தள மாதிரி, நோயியலுக்கான மருத்துவம் சார்ந்த வலுவான அறுவை சிகிச்சை ஆதரவை (Clinically-oriented Robust Intraoperative Support for Pathology) வழங்கும் தெளிவான இலக்குடன்.

இந்த பணி ஒரு திறந்த அணுகல், ஏற்கப்பட்ட கையெழுத்துப் பிரதியாக வெளியிடப்பட்டுள்ளது, சக-மதிப்பாய்வு செய்யப்பட்ட கண்டுபிடிப்புகள் விரைவாக பரவும் வகையில் முன்கூட்டியே வெளியிடப்பட்டது. இந்த பதிப்பு ஒரு நிரந்தர DOI-ஐ கொண்டுள்ளது மற்றும் மேற்கோள் காட்டக்கூடியது, இருப்பினும் இது இறுதி பதிப்பு பதிவால் மாற்றப்படுவதற்கு முன்பு மேலும் திருத்தங்களுக்கு உட்பட்டது என்று ஆசிரியர்கள் குறிப்பிடுகின்றனர்.

அளவில் பயிற்சி: பத்து மையங்களில் இருந்து 100,000 உறைந்த பிரிவுகள்

இந்த அடித்தள மாதிரி பத்து மருத்துவ மையங்களில் இருந்து சேகரிக்கப்பட்ட 100,000-க்கும் மேற்பட்ட உறைந்த பிரிவுகளைப் பயன்படுத்தி உருவாக்கப்பட்டது. அந்த தரவுத்தொகுப்பு அதன் அளவிற்காக மட்டுமல்ல, அதன் அமைப்பிற்காகவும் குறிப்பிடத்தக்கது. உறைந்த பிரிவுகள் பெரும்பாலான கணினி நோயியல் ஆராய்ச்சியில் ஆதிக்கம் செலுத்தும் ஃபார்மலின்-நிலைப்படுத்தப்பட்ட, பாரஃபின்-பொதிக்கப்பட்ட ஸ்லைடுகளிலிருந்து வேறுபடுகின்றன — அவை அறுவை சிகிச்சையின் போது விரைவாக தயாரிக்கப்படுகின்றன, மேலும் அவற்றின் காட்சி பண்புகள் அந்த அவசரத்தை பிரதிபலிக்கின்றன. உறைந்த-பிரிவு பொருட்களில் மட்டுமே பயிற்சி அளிப்பதன் மூலம், வேறு ஒரு இமேஜிங் சூழலுக்காக கட்டப்பட்ட மாதிரியை மாற்றியமைப்பதற்குப் பதிலாக, அறுவை சிகிச்சை முடிவெடுப்பதன் உண்மையான நிலைமைகளுக்கு பொருந்தும் ஒரு அமைப்பை உருவாக்குவதை உருவாக்குநர்கள் நோக்கமாகக் கொண்டனர்.

CRISP மருத்துவம் சார்ந்தது என்று விவரிக்கப்படுகிறது, இது அதன் பயிற்சி வடிவமைப்பு மற்றும் அதன் மதிப்பீட்டு மூலோபாயம் இரண்டிலும் ஊடுருவிச் செல்லும் ஒரு கட்டமைப்பாகும். வெறுமனே அளவுகோல் செயல்திறனுக்காக மேம்படுத்துவதற்குப் பதிலாக, இந்த ஆய்வு உண்மையான அறுவை சிகிச்சை பயன்பாட்டை வெற்றியின் அளவுகோலாகக் கருதுகிறது.

கிட்டத்தட்ட 100 கண்டறியும் பணிகளில் பின்னோக்கு சோதனை

மதிப்பீட்டு கட்டம் 15,000-க்கும் மேற்பட்ட அறுவை சிகிச்சை ஸ்லைடுகள் மற்றும் கிட்டத்தட்ட 100 பின்னோக்கு கண்டறியும் பணிகளை உள்ளடக்கியது. அந்த பணிகள் வேண்டுமென்றே பரந்த அளவிலான மருத்துவ கேள்விகளை உள்ளடக்கியிருந்தன, அவற்றில்:

• தீங்கற்ற-தீங்கிழைக்கும் பாகுபாடு
• முக்கிய அறுவை சிகிச்சை முடிவெடுக்கும் சூழல்கள்
• அனைத்து புற்றுநோய் கண்டறிதல்

இந்த பணிகளின் தொகுப்பில், CRISP ஆறு நிறுவனங்கள், 14 கட்டி வகைகள் மற்றும் 24 உடற்கூறியல் தளங்களில் வலுவான பொதுமைப்படுத்தலை நிரூபித்தது. முக்கியமாக, அந்த வரம்பில் மாதிரி பயிற்சியின் போது எதிர்கொள்ளாத உடற்கூறியல் தளங்கள் மற்றும் அரிய புற்றுநோய்கள் அடங்கும் — குறுகிய பயிற்சி பெற்ற அமைப்புகள் தோல்வியடையும் விளிம்பு நிலை வழக்குகள். பார்க்கப்படாத தளங்கள் மற்றும் அசாதாரண கட்டி வகைகளுக்கு பொதுமைப்படுத்துவது, பல்வேறு சிறப்புகள் மற்றும் மருத்துவமனை அமைப்புகளில் அறுவை சிகிச்சை நிபுணர்களை ஆதரிக்கும் ஒரு கருவிக்கு ஒரு அர்த்தமுள்ள சமிக்ஞையாகும்.

3,000-க்கும் மேற்பட்ட நோயாளிகளில் முன்னோக்கு சரிபார்ப்பு

இந்த ஆய்வின் மிக முக்கியமான அம்சம் அதன் முன்னோக்கு கூறு ஆகும். CRISP 3,000-க்கும் மேற்பட்ட நோயாளிகளைக் கொண்ட ஒரு முன்னோக்கு கூட்டத்தில் மதிப்பிடப்பட்டது, இது மதிப்பீட்டை தொகுக்கப்பட்ட பின்னோக்கு ஸ்லைடுகளிலிருந்து உண்மையான உலக பராமரிப்பின் குழப்பமான நிலைமைகளுக்கு நகர்த்தும் ஒரு அமைப்பாகும். அந்த நிலைமைகளின் கீழ், மாதிரி உயர் கண்டறியும் துல்லியத்தை தக்க வைத்துக் கொண்டது.

முக்கிய மருத்துவ கண்டுபிடிப்பு: CRISP 92.6% வழக்குகளில் அறுவை சிகிச்சை முடிவுகளை நேரடியாக தெரிவித்தது. அந்த எண்ணிக்கை வெறும் கணிப்பை விட ஒருங்கிணைப்பைப் பற்றி பேசுகிறது — மாதிரியின் வெளியீடு ஒரு குறிப்பு லேபிளுடன் ஒப்பிடப்பட்டது மட்டுமல்ல, அறுவை சிகிச்சை தேர்வுகள் எடுக்கப்பட்ட தருணத்தில் பயன்படுத்தப்பட்டது.

மனித-AI ஒத்துழைப்பு மற்றும் பணிச்சுமை நிவாரணம்

நோயியல் நிபுணர்களும் மாதிரியும் தனித்தனியாக அல்லாமல் ஒன்றாகச் செயல்படும்போது என்ன நடக்கிறது என்பதையும் இந்த ஆய்வு ஆராய்ந்தது. அறிக்கையிடப்பட்ட முடிவுகளின்படி, மனித-AI ஒத்துழைப்பு பல உறுதியான நன்மைகளை உருவாக்கியது:

• கண்டறியும் பணிச்சுமை 35% குறைந்தது
• 105 துணை சோதனைகள் தவிர்க்கப்பட்டன
• நுண்-மெட்டாஸ்டாசிஸ் கண்டறிதல் 87.5% துல்லியத்தை எட்டியது

இந்த ஒவ்வொரு முடிவும் அறுவை சிகிச்சை நோயியலில் வெவ்வேறு அழுத்தப் புள்ளியைக் கையாளுகிறது. குறைக்கப்பட்ட பணிச்சுமை, சுழற்சி நேரம் இறுக்கமாகவும் பணியாளர்கள் குறைவாகவும் உள்ள துறைகளில் முக்கியமானது. தவிர்க்கப்பட்ட துணை சோதனைகள் செலவு, வளப் பயன்பாடு மற்றும் ஒரு அறுவை சிகிச்சையின் போது கூடுதல் சோதனை அறிமுகப்படுத்தக்கூடிய தாமதம் ஆகியவற்றில் தாக்கங்களைக் கொண்டுள்ளன. மேம்படுத்தப்பட்ட நுண்-மெட்டாஸ்டாசிஸ் கண்டறிதல் இந்த துறையில் மிகக் கடினமான பிரச்சினைகளில் ஒன்றை இலக்காகக் கொண்டுள்ளது, அங்கு கட்டி செல்களின் சிறிய படிவுகளை தவறவிடுவது எளிது மற்றும் கவனிக்கத் தவறுவது விளைவுகளை ஏற்படுத்தும்.

உறைந்த பிரிவுகள் தானியங்கமயமாக்கலை எதிர்த்தது ஏன்

CRISP-இன் முக்கியத்துவத்தைப் புரிந்துகொள்ள, கணினி மருத்துவத்தின் பிற பகுதிகளை விட அறுவை சிகிச்சை நோயியல் ஏன் பின்தங்கியுள்ளது என்பதைப் பாராட்ட வேண்டும். கண்டறியும் சிக்கலானது கணிசமானது: உறைந்த-பிரிவு உருவவியல் உறைபனி செயல்முறையால் சிதைக்கப்படலாம், மேலும் நோயியல் நிபுணர்கள் குறைந்த திசுவுடன் விரைவாக தீர்ப்புகளை வழங்க வேண்டும். இதற்கிடையில், பெரும்பாலான நிறுவனங்களில் உறைந்த பிரிவுகளின் காப்பகப் பதிவு, ஆராய்ச்சிக்குக் கிடைக்கும் நிரந்தர ஸ்லைடுகளின் பரந்த நூலகங்களுடன் ஒப்பிடும்போது துண்டு துண்டாக உள்ளது.

அந்த கலவை — கடினமான படங்கள், விரைவான முடிவுகள், மெல்லிய தரவு — துல்லியமாக பெரிய மற்றும் பிரதிநிதித்துவ பயிற்சி தொகுப்புகளைச் சார்ந்திருக்கும் அடித்தள மாதிரிகள் தங்களை நிலைநிறுத்திக் கொள்ள போராடிய சூழலாகும். பத்து மையங்களில் 100,000-க்கும் மேற்பட்ட உறைந்த பிரிவுகளை ஒன்றிணைப்பது அந்த கட்டமைப்பு தடையை கடக்க ஒரு ஒருங்கிணைந்த, பல-நிறுவன முயற்சியைக் குறிக்கிறது.

அறுவை சிகிச்சை நடைமுறைக்கு முடிவுகள் என்ன கூறுகின்றன

ஒன்றாக எடுத்துக் கொண்டால், கண்டுபிடிப்புகள் CRISP-ஐ AI-இயக்கப்படும் அறுவை சிகிச்சை நோயியலுக்கான ஒரு மருத்துவம் சார்ந்த அணுகுமுறையாக நிலைநிறுத்துகின்றன, இது அறுவை சிகிச்சை முடிவெடுப்பதை ஆதரிக்கவும் கணினி முறைகளை அன்றாட நடைமுறைக்கு மொழிபெயர்க்க உதவவும் திறன் கொண்டது. இந்த ஆய்வின் வடிவமைப்பு — பல-மைய பயிற்சி, பார்க்கப்படாத தளங்கள் மற்றும் அரிய புற்றுநோய்கள் உள்ளிட்ட பரந்த பின்னோக்கு சோதனை, அதைத் தொடர்ந்து ஆயிரக்கணக்கான நோயாளிகளில் முன்னோக்கு சரிபார்ப்பு — ஒரு கருவி அறுவை சிகிச்சை அரங்கத்திற்குள் நம்பப்படுவதற்கு முன்பு ஒழுங்குமுறை அமைப்புகளும் மருத்துவமனை அமைப்புகளும் பொதுவாக எதிர்பார்க்கும் சான்று பாதையுடன் பொருந்துகிறது.

கேள்விகள் தவிர்க்க முடியாமல் எஞ்சியுள்ளன. பரந்த அளவிலான நிறுவனங்களில் நிலையான செயல்திறன், சறுக்கலுக்கான நீண்டகால கண்காணிப்பு, மற்றும் நேர-உணர்திறன் அறுவை சிகிச்சை அமைப்புகளில் ஒரு அடித்தள மாதிரியை பயன்படுத்துவதன் நடைமுறை தளவாடங்கள் அனைத்தும் மேலும் ஆய்வு கையாள வேண்டிய பகுதிகளாகும். கையெழுத்துப் பிரதியே இறுதி பதிப்பு பதிவை விட ஒரு ஆரம்பகால, மேற்கோள் காட்டக்கூடிய வெளியீடாகும், மேலும் உள்ளடக்கம் புதுப்பிக்கப்படலாம் என்று ஆசிரியர்கள் ஒப்புக்கொள்கின்றனர்.

இருப்பினும், அறிக்கையிடப்பட்ட எண்கள் அறுவை சிகிச்சை அறையில் மனித-AI ஒத்துழைப்பு எப்படி இருக்கும் என்பதைப் பற்றிய ஒரு உறுதியான உணர்வைத் தருகின்றன: பெரும்பாலான வழக்குகளில் அறுவை சிகிச்சை முடிவுகளைத் தெரிவித்த ஒரு கண்டறியும் கூட்டாளி, அறிக்கையிடல் சுமையில் தோராயமாக மூன்றில் ஒரு பங்கை உள்வாங்கியது, நூற்றுக்கும் மேற்பட்ட துணை சோதனைகளைத் தவிர்த்தது, மற்றும் நுண்-மெட்டாஸ்டாசிஸ் கண்டறிதலை மேம்படுத்தியது. நிமிடங்கள் முக்கியமானவை மற்றும் துல்லியம் பேச்சுவார்த்தைக்கு உட்பட்டதல்ல என்ற ஒரு சிறப்புத் துறைக்கு, கணினி நோயியலை ஒரு நம்பிக்கைக்குரிய ஆராய்ச்சி வாய்ப்பாக மட்டுமல்லாமல் அறுவை சிகிச்சை பணிப்பாய்வின் வழக்கமான பகுதியாக மாற்றுவதற்கான ஒரு அர்த்தமுள்ள படியாகும்.

இந்த கட்டுரை Nature Medicine-இன் அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.