అన్నవాహిక క్యాన్సర్ ప్రారంభ దశలో గుర్తించడం చాలా కష్టమైన క్యాన్సర్లలో ఒకటిగా చాలా కాలంగా ఉంది. లక్షణాలు సాధారణంగా ఆలస్యంగా కనిపిస్తాయి, మరియు ఇప్పటికే ఉన్న స్క్రీనింగ్ సాధనాలు మొత్తం జనాభాకు సులభంగా విస్తరించబడవు. 2026 సెప్టెంబర్ 22న Nature Medicineలో ప్రచురించబడిన ఒక అధ్యయనం ఈ లెక్కలో సాధ్యమయ్యే మార్పును వివరిస్తుంది: ప్రపంచవ్యాప్తంగా భారీ సంఖ్యలో ఇప్పటికే నిర్వహించబడుతున్న ఒక రకమైన స్కాన్ అయిన కాంట్రాస్ట్ లేని ఛాతీ CTపై అన్నవాహిక క్యాన్సర్ మరియు పూర్వ-క్యాన్సర్ లేజన్లను గుర్తించే కృత్రిమ మేధస్సు మోడల్.
ఈ మోడల్ను Esophageal AI-Guided malignant Lesion Evaluation, లేదా EAGLE అని పిలుస్తారు. కాంట్రాస్ట్ లేని కంప్యూటెడ్ టోమోగ్రఫీపై ప్రారంభ అన్నవాహిక క్యాన్సర్లను కనుగొనడం — చారిత్రాత్మకంగా అసాధ్యమని భావించిన పని — అని దాని అభివృద్ధికర్తలు వివరిస్తున్నారు. DOI 10.1038/s41591-026-04656-4 కింద ప్రచురించబడిన వారి అధ్యయనం, వేలాది మంది రోగులపై మరియు మూడు దేశాల్లోని డజను కంటే ఎక్కువ క్లినికల్ కేంద్రాల్లో శిక్షణ మరియు ధృవీకరణను నివేదిస్తుంది.
EAGLE పూరించడానికి ప్రయత్నించే స్క్రీనింగ్ అంతరం
అధ్యయనం యొక్క సారాంశం ప్రకారం, ఖచ్చితమైన, నాన్-ఇన్వాసివ్ మరియు స్కేలబుల్ స్క్రీనింగ్ సాధనాల లేమి ప్రారంభ అన్నవాహిక క్యాన్సర్ గుర్తింపును నిరంతర ప్రపంచ ఆరోగ్య సవాలుగా ఉంచింది. ఇప్పటికే ఉన్న విధానాలు పెద్ద జనాభాను స్క్రీన్ చేయడానికి ఆచరణాత్మక మార్గాన్ని అందించలేదు, దీని వలన చాలా కేసులు లక్షణాలు బయటపడిన తర్వాత మాత్రమే కనుగొనబడతాయి.
కాంట్రాస్ట్ లేని CT ఒక పరిష్కారానికి స్పష్టమైన అభ్యర్థిగా అనిపించవచ్చు, ఎందుకంటే స్కాన్లు విస్తృతంగా అందుబాటులో ఉంటాయి మరియు ఊపిరితిత్తులు మరియు ఇతర ఛాతీ సూచనల కోసం తరచుగా తీసుకోబడతాయి. కానీ అన్నవాహిక ఒక కష్టమైన లక్ష్యం. బోలు నాళికా నిర్మాణంగా, ఇది కుప్పకూలడం మరియు కదలిక కళంకాలకు గురవుతుంది, మరియు చిన్న ప్రారంభ క్యాన్సర్ లేజన్లను సాధారణ కణజాలం నుండి వేరు చేయడం కష్టం. ఆ శరీర నిర్మాణ శాస్త్రం మరియు ఇమేజింగ్ భౌతిక శాస్త్రం కారణంగానే రచయితలు ఈ గుర్తింపు పనిని కేవలం కష్టం అని కాకుండా చేరుకోలేనిదిగా పరిగణించబడిందని వర్ణిస్తున్నారు.
EAGLE సరిగ్గా ఆ సమస్యను పరిష్కరించడానికి నిర్మించబడింది: ఛాతీ కాంట్రాస్ట్ లేని CT చిత్రాల నుండి క్యాన్సర్ మరియు పూర్వ-క్యాన్సర్ లేజన్లు రెండింటినీ గుర్తించడం.
స్కేల్ వద్ద శిక్షణ మరియు ధృవీకరణ
అధ్యయనం యొక్క అభివృద్ధి పైప్లైన్ దాని పరిమాణం మరియు భౌగోళిక విస్తృతికి గుర్తించదగినది. EAGLE రెండు కేంద్రాల నుండి తీసుకోబడిన 6,813 మంది రోగులపై శిక్షణ పొందింది. తరువాత ఇది మూడు దేశాల్లోని 12 కేంద్రాల్లో ధృవీకరించబడింది, ఇందులో అవకాశవాద మరియు జనాభా-ఆధారిత స్క్రీనింగ్ సెట్టింగ్లలో 80,612 మంది రోగులు ఉన్నారు.
ఆ రెండు సెట్టింగ్లు ముఖ్యమైనవి. అవకాశవాద స్క్రీనింగ్ అంటే ఇతర క్లినికల్ కారణాల కోసం ఇప్పటికే తీసుకోబడిన CT స్కాన్లకు మోడల్ను వర్తింపజేయడం, ఎవరూ కొత్త ప్రక్రియకు లోనుకాకుండా. జనాభా-ఆధారిత స్క్రీనింగ్ అనేది నిర్వచించిన జనాభాను పరీక్ష కోసం ఆహ్వానించే నిర్వహిత కార్యక్రమాలను సూచిస్తుంది. అందువల్ల ధృవీకరణ నిజమైన స్క్రీనింగ్ సాధనం ఎలా ఉపయోగించబడుతుందో పోలిన పరిస్థితుల్లో మోడల్ను పరీక్షించింది, కేవలం ఎంపిక చేసిన పరిశోధన డేటాసెట్లో మాత్రమే కాదు.
- శిక్షణ కోహోర్ట్: రెండు కేంద్రాల నుండి 6,813 మంది రోగులు.
- ధృవీకరణ: మూడు దేశాల్లోని 12 కేంద్రాలు, 80,612 మంది రోగులు.
- అవకాశవాద-స్క్రీనింగ్ బాహ్య పరీక్ష కోహోర్ట్లు: ఎనిమిది కేంద్రాలు, n = 11,466.
- తక్కువ-మోతాదు CT ధృవీకరణ: రెండు కేంద్రాలు, n = 1,607.
- నిజ-ప్రపంచ కాలిబ్రేషన్ కోహోర్ట్: మూడు కేంద్రాలు, n = 35,402.
మోడల్ ఎలా పనిచేసింది
అవకాశవాద స్క్రీనింగ్ సెట్టింగ్లో, బహుళ-కేంద్ర బాహ్య పరీక్ష కోహోర్ట్లు — 11,466 మంది రోగులతో ఎనిమిది కేంద్రాలు — 98.5% నిర్దిష్టతను ఉత్పత్తి చేశాయి. క్యాన్సర్ కోసం, సున్నితత్వం 90.0%కి చేరుకుంది. పూర్వ-క్యాన్సర్ లేజన్ల కోసం, సున్నితత్వం 52.5%.
తక్కువ-మోతాదు CTపై ధృవీకరణ, రెండు కేంద్రాలు మరియు 1,607 మంది రోగులను కవర్ చేస్తూ, ప్రామాణిక కాంట్రాస్ట్ లేని CT ఫలితాలతో పోల్చదగిన పనితీరును చూపించింది. ఆ ఆవిష్కరణ ముఖ్యమైనది ఎందుకంటే ఇది అన్నవాహిక క్యాన్సర్ స్క్రీనింగ్ను ఊపిరితిత్తుల క్యాన్సర్ స్క్రీనింగ్ కార్యక్రమాలపై పొరలుగా ఉంచవచ్చని సూచిస్తుంది, ఇవి ఇప్పటికే తక్కువ-మోతాదు CTపై ఆధారపడతాయి మరియు ఇప్పటికే పెద్ద సంఖ్యలో ప్రజలను చేరుకుంటాయి.
పరిశోధకులు మూడు కేంద్రాలు మరియు 35,402 మంది రోగులను కవర్ చేసే నిజ-ప్రపంచ కోహోర్ట్లో కాలిబ్రేషన్ను కూడా నివేదిస్తున్నారు, ఇది ముఖ్యమైనది ఎందుకంటే ఒక మోడల్ యొక్క వివక్షత స్కోర్లు దాని అంచనా సంభావ్యతలు సాధారణ ఆచరణలో గమనించిన ఫలితాలతో సరిపోతాయని హామీ ఇవ్వవు.
సంఖ్యలను జాగ్రత్తగా చదవడం
ప్రధాన సంఖ్యలు నిశిత పఠనానికి తగినవి. 98.5% నిర్దిష్టత అంటే బాహ్య పరీక్ష కోహోర్ట్లలో, వ్యాధి లేని చాలా తక్కువ మంది ఫ్లాగ్ చేయబడతారు — స్క్రీనింగ్లో ఇది కీలకమైన లక్షణం, ఇక్కడ తప్పుడు పాజిటివ్లు ఆందోళన, ఫాలో-అప్ ప్రక్రియలు మరియు ఖర్చును కలిగిస్తాయి. క్యాన్సర్ కోసం 90.0% సున్నితత్వం ఆ సెట్టింగ్లో మోడల్ చాలా వరకు క్యాన్సర్లను పట్టుకుందని సూచిస్తుంది.
పూర్వ-క్యాన్సర్ లేజన్ల కోసం 52.5% సున్నితత్వం మరింత సంక్లిష్టమైన కథను చెబుతుంది. పూర్వ-క్యాన్సర్ మార్పులు, నిర్వచనం ప్రకారం, ఇన్వాసివ్ క్యాన్సర్ కంటే ముందుగానే మరియు సూక్ష్మంగా ఉంటాయి, మరియు బాహ్య పరీక్ష కోహోర్ట్లలో మోడల్ వాటిలో దాదాపు సగం మిస్ అయింది. ఇది సాధనం యొక్క సంభావ్య విలువను తుడిచివేయదు — ప్రారంభ, చికిత్స చేయగల లేజన్లలో గణనీయమైన వాటాను గుర్తించడం ఇప్పటికీ ఫలితాలను మార్చగలదు — కానీ EAGLE, వివరించిన విధంగా, పరిపూర్ణ ప్రారంభ-హెచ్చరిక వ్యవస్థ కాదు.
ఇక్కడ ఊపిరితిత్తుల క్యాన్సర్ స్క్రీనింగ్ కార్యక్రమాలు ఎందుకు ముఖ్యం
తక్కువ-మోతాదు CT ఫలితాలు అధ్యయనంలో అత్యంత ఆచరణాత్మకంగా పరిణామాత్మకమైన భాగం కావచ్చు. ఊపిరితిత్తుల క్యాన్సర్ స్క్రీనింగ్ ఇప్పటికే అధిక-ప్రమాదం ఉన్న వ్యక్తులను పునరావృత ప్రాతిపదికన CT స్కానర్లలోకి తీసుకువస్తుంది. ఒక మోడల్ అదే చిత్రాల నుండి అదనపు రేడియేషన్, కాంట్రాస్ట్ ఏజెంట్లు లేదా అపాయింట్మెంట్లు లేకుండా అన్నవాహిక క్యాన్సర్ సంకేతాలను సంగ్రహించగలిగితే, ఆ తనిఖీని జోడించడం యొక్క ఉపాంత ఖర్చు మొదటి నుండి ప్రత్యేక స్క్రీనింగ్ మార్గాన్ని నిర్మించడం కంటే చాలా తక్కువగా ఉండవచ్చు.
రచయితలు తక్కువ-మోతాదు CT ధృవీకరణను ఊపిరితిత్తుల క్యాన్సర్ స్క్రీనింగ్ కార్యక్రమాల ద్వారా అన్నవాహిక క్యాన్సర్ స్క్రీనింగ్కు మద్దతుగా చట్రంగా ఉంచుతారు. ఇది సాంకేతికత కంటే లాజిస్టికల్ వాదన: మౌలిక సదుపాయాలు, రోగి జనాభా మరియు ఇమేజింగ్ హార్డ్వేర్ ఇప్పటికే స్థానంలో ఉన్నాయి.
అధ్యయనం పరిష్కరించనిది
మూడు దేశాల్లో బహుళ-కేంద్ర ధృవీకరణ సాధారణీకరణ వైపు ఒక అర్థవంతమైన అడుగు, కానీ ఒకే ధృవీకరణ అధ్యయనం సమాధానం ఇవ్వగలిగే దానికి వెలుపల ముఖ్యమైన ప్రశ్నలు మిగిలి ఉన్నాయి. మోడల్ ప్రత్యక్ష స్క్రీనింగ్ కార్యక్రమంలో భవిష్యత్తులో ఎలా పనిచేస్తుంది, దాని అవుట్పుట్లు రేడియాలజిస్ట్ వర్క్ఫ్లోలతో ఎలా అనుసంధానించబడతాయి, మరియు నివేదించిన నిర్దిష్టత వివిధ ప్రమాద ప్రొఫైల్లు ఉన్న జనాభాల్లో నిలుస్తుందా అనేవి అన్నీ తెరిచిన సమస్యలు.
క్యాన్సర్ సున్నితత్వం మరియు పూర్వ-క్యాన్సర్-లేజన్ సున్నితత్వం మధ్య అంతరం కూడా ఒక డిజైన్ రాజీని సూచిస్తుంది. ఇన్వాసివ్ వ్యాధిని నమ్మకంగా ఫ్లాగ్ చేసే సాధనం ఇప్పటికీ ట్రయాజ్ కోసం ఉపయోగకరంగా ఉండవచ్చు, అది స్వతంత్ర ఫిల్టర్గా కంటే ఇప్పటికే ఉన్న డయాగ్నస్టిక్ మార్గాలకు పూరకంగా మెరుగ్గా పనిచేసినా.
ఈ పని యొక్క పెద్ద ప్రాముఖ్యత భావనాత్మకమైనది. కాంట్రాస్ట్ లేని ఛాతీ CT — సాధారణ సంరక్షణలో ఇప్పటికే పొందుపరచబడిన ఒక ఇమేజింగ్ అధ్యయనం — అన్నవాహిక క్యాన్సర్ గురించి ఉపయోగకరమైన సమాచారాన్ని కలిగి ఉండగలిగితే, అప్పుడు ప్రశ్న స్క్రీనింగ్ సాంకేతికంగా సాధ్యమేనా అనే దాని నుండి అలాంటి మోడల్ను ఎలా మోహరించాలి, పర్యవేక్షించాలి మరియు కాలక్రమేణా ధృవీకరించాలి అనే దానికి మారుతుంది. EAGLE మొదటి ప్రశ్నకు ప్రారంభ, పెద్ద-స్థాయి సమాధానాన్ని మరియు తదుపరి వాటికి వివరమైన ఎజెండాను అందిస్తుంది.
ఈ వ్యాసం Nature Medicine నివేదనపై ఆధారపడింది. అసలు వ్యాసాన్ని చదవండి.
Originally published on nature.com







