जैविक आधार
प्लाज्मा में पूरे शरीर से एपोप्टोटिक और नेक्रोटिक कोशिकाओं से निकलने वाले न्यूक्लिक एसिड का मिश्रण होता है। कैंसर रोगियों में, इस cfDNA का एक अंश ट्यूमर कोशिकाओं से उत्पन्न होता है और इसमें दैहिक उत्परिवर्तन, प्रतिलिपि संख्या परिवर्तन और असामान्य मेथिलेशन पैटर्न होते हैं। ctDNA की सांद्रता ट्यूमर बोझ, संवहनीता और टर्नओवर दर के साथ भिन्न होती है। इसके अतिरिक्त, ट्यूमर विशिष्ट प्रोटीन और ग्लाइकोप्रोटीन स्रावित करते हैं, जैसे कार्सिनोएम्ब्रायोनिक एंटीजन (CEA) और कैंसर एंटीजन 125 (CA-125), जिनका उपयोग लंबे समय से सीरम बायोमार्कर के रूप में किया जाता रहा है, हालांकि सीमित संवेदनशीलता और विशिष्टता के साथ।
हालिया शोध फ्रैगमेंटोमिक्स पर केंद्रित है - cfDNA टुकड़ों के आकार और अंतिम मोटिफ का विश्लेषण। ट्यूमर से प्राप्त टुकड़े सामान्य cfDNA की तुलना में छोटे होते हैं और अलग अंतिम अनुक्रम प्रदर्शित करते हैं। मशीन लर्निंग मॉडल कैंसर को गैर-कैंसर नमूनों से अलग करने के लिए इन सूक्ष्म पैटर्न का लाभ उठा सकते हैं। CpG द्वीपों को लक्षित करने वाले मेथिलेशन-आधारित दृष्टिकोण जानकारी की एक और परत प्रदान करते हैं, क्योंकि कैंसर जीनोम अक्सर व्यापक हाइपोमेथिलेशन और प्रमोटर क्षेत्रों में फोकल हाइपरमेथिलेशन प्रदर्शित करते हैं।
मशीन लर्निंग दृष्टिकोण
प्लाज्मा डेटा से कैंसर की संभावना का अनुमान लगाने में आमतौर पर पर्यवेक्षित शिक्षण शामिल होता है। एक मॉडल को ज्ञात कैंसर मामलों और स्वस्थ नियंत्रणों के समूह पर प्रशिक्षित किया जाता है, जिसमें अनुक्रमण या प्रोटियोमिक परख से प्राप्त इनपुट सुविधाएँ होती हैं। सामान्य एल्गोरिदम में लॉजिस्टिक रिग्रेशन, रैंडम फॉरेस्ट और ग्रेडिएंट बूस्टिंग शामिल हैं, लेकिन डीप लर्निंग विधियों ने गति प्राप्त की है। तंत्रिका नेटवर्क, विशेष रूप से अवशिष्ट नेटवर्क और छवि-जैसे मेथिलेशन मानचित्रों के लिए U-Net वेरिएंट, जटिल गैर-रेखीय संबंधों को पकड़ सकते हैं।
फीचर इंजीनियरिंग महत्वपूर्ण है। कच्चे अनुक्रमण डेटा को उत्परिवर्तन एलील अंश, मेथिलेशन बीटा मान, टुकड़े के आकार के वितरण और प्रतिलिपि संख्या प्रोफाइल जैसी सुविधाओं में बदल दिया जाता है। प्रशिक्षण से पहले प्रिंसिपल कंपोनेंट विश्लेषण जैसी आयामीता कम करने की तकनीकें अक्सर लागू की जाती हैं। मॉडल 0 और 1 के बीच एक संभावना स्कोर आउटपुट करते हैं, जिसमें संवेदनशीलता और विशिष्टता को संतुलित करने के लिए एक सीमा चुनी जाती है। यह सुनिश्चित करने के लिए अंशांकन आवश्यक है कि स्कोर वास्तविक संभावना को दर्शाता है, जो अक्सर आइसोटोनिक रिग्रेशन या प्लैट स्केलिंग के माध्यम से प्राप्त किया जाता है।
प्रशिक्षण के लिए बड़े, अच्छी तरह से एनोटेटेड डेटासेट की आवश्यकता होती है। कैंसर जीनोम एटलस (TCGA) जैसे सार्वजनिक संसाधन जीनोमिक और नैदानिक डेटा प्रदान करते हैं, लेकिन प्लाज्मा-आधारित डेटासेट दुर्लभ हैं। GRAIL (अब Illumina का हिस्सा) सहित कई कंपनियों ने नैदानिक परीक्षणों से स्वामित्व डेटासेट उत्पन्न किए हैं। इस डोमेन में AI के उपयोग ने व्याख्या के बारे में प्रश्न उठाए हैं, जिससे SHAP मान जैसे व्याख्यात्मक AI विधियों पर शोध हुआ है ताकि यह पहचाना जा सके कि कौन सी सुविधाएँ संभावना स्कोर को संचालित करती हैं।
नैदानिक अनुप्रयोग
प्राथमिक अनुप्रयोग प्रारंभिक कैंसर का पता लगाना है। MCED परीक्षणों का उद्देश्य कैंसर की पहचान उस चरण में करना है जब उपचार अधिक प्रभावी होता है। उदाहरण के लिए, GRAIL द्वारा विकसित गैलेरी परीक्षण, 50 से अधिक कैंसर प्रकारों का पता लगाने के लिए लक्षित मेथिलेशन विश्लेषण और एक मशीन लर्निंग क्लासिफायर का उपयोग करता है। PATHFINDER अध्ययन में, परीक्षण ने 99.5% की विशिष्टता और 43.1% का सकारात्मक भविष्य कहनेवाला मूल्य प्रदर्शित किया, जिसका अर्थ है कि सकारात्मक परिणामों में से 43.1% में कैंसर की पुष्टि हुई। परीक्षण ने उच्च सटीकता के साथ ऊतक के उत्पत्ति स्थल की भी भविष्यवाणी की, जिससे बाद के नैदानिक कार्य में मार्गदर्शन मिला।
स्क्रीनिंग से परे, प्लाज्मा में कैंसर की संभावना का उपयोग न्यूनतम अवशिष्ट रोग (MRD) निगरानी के लिए किया जाता है। उपचारात्मक इरादे वाली सर्जरी के बाद, क्रमिक प्लाज्मा नमूनों का ctDNA के लिए विश्लेषण किया जाता है; बढ़ता हुआ संभावना स्कोर पुनरावृत्ति का संकेत देता है। यह दृष्टिकोण रेडियोग्राफिक इमेजिंग से महीनों पहले पुनरावृत्ति का पता लगाने के लिए दिखाया गया है। मेटास्टैटिक सेटिंग्स में, स्कोर उपचार प्रतिक्रिया को प्रतिबिंबित कर सकता है, घटते ctDNA स्तर ट्यूमर संकोचन के साथ सहसंबंधित होते हैं।
यह अवधारणा वंशानुगत कैंसर सिंड्रोम वाले स्पर्शोन्मुख व्यक्तियों में जोखिम स्तरीकरण को भी सूचित करती है। BRCA1 या BRCA2 उत्परिवर्तन के वाहकों के लिए, प्लाज्मा-आधारित परीक्षण मौजूदा निगरानी प्रोटोकॉल के पूरक हो सकते हैं, हालांकि नैदानिक उपयोगिता के लिए साक्ष्य अभी भी उभर रहे हैं।
चुनौतियाँ और सीमाएँ
कई चुनौतियाँ व्यापक अपनाने में बाधा डालती हैं। प्रारंभिक चरण के कैंसर के लिए संवेदनशीलता, विशेष रूप से चरण I रोग के लिए जहां ctDNA स्तर अक्सर पता लगाने की सीमा से नीचे होते हैं, अभी भी उप-इष्टतम है। अनिश्चित क्षमता की क्लोनल हेमटोपोइजिस (CHIP) गलत सकारात्मक परिणाम उत्पन्न कर सकती है, क्योंकि रक्त कोशिकाओं में उत्परिवर्तन ट्यूमर-व्युत्पन्न संकेतों के लिए गलत होते हैं। इसे कम करने के लिए, परख अक्सर पृष्ठभूमि उत्परिवर्तन को घटाने के लिए सफेद रक्त कोशिकाओं को समानांतर में अनुक्रमित करती हैं।
लागत एक महत्वपूर्ण बाधा है। cfDNA की संपूर्ण जीनोम अनुक्रमण महंगी है, और विश्लेषण के लिए आवश्यक कम्प्यूटेशनल बुनियादी ढांचा काफी है। प्रतिपूर्ति नीतियां विकसित हो रही हैं, लेकिन कई परीक्षण अभी तक बीमा द्वारा कवर नहीं किए गए हैं। नियामक अनुमोदन क्षेत्राधिकार के अनुसार भिन्न होता है; संयुक्त राज्य अमेरिका में, FDA ने कुछ MCED परीक्षणों को ब्रेकथ्रू डिवाइस पदनाम दिया है, लेकिन पूर्ण अनुमोदन के लिए मृत्यु दर लाभ प्रदर्शित करने वाले संभावित नैदानिक परीक्षणों की आवश्यकता होती है।
व्याख्या और पूर्वाग्रह भी चिंता का विषय हैं। मुख्य रूप से यूरोपीय वंश की आबादी पर प्रशिक्षित मॉडल अन्य समूहों में खराब प्रदर्शन कर सकते हैं, जिससे असमानताएं पैदा होती हैं। प्रशिक्षण समूहों में विविधता लाने और जातीयताओं में परीक्षणों को मान्य करने के प्रयास चल रहे हैं।
भविष्य की दिशाएँ
शोध प्लाज्मा-आधारित संभावना स्कोर को अन्य डेटा मोडैलिटीज के साथ एकीकृत करने की खोज कर रहा है, जैसे AI-विश्लेषित इमेजिंग और इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड। बहु-मोडल मॉडल सटीकता में सुधार कर सकते हैं और अधिक व्यक्तिगत जोखिम आकलन प्रदान कर सकते हैं। नैदानिक नोट्स को पार्स करने और प्रासंगिक सुविधाओं को निकालने के लिए बड़े भाषा मॉडल का उपयोग एक उभरता हुआ क्षेत्र है।
अनुक्रमण में तकनीकी प्रगति, जैसे नैनोपोर प्लेटफॉर्म, लागत और टर्नअराउंड समय को कम कर सकते हैं। AWS Trainium और अन्य विशेष हार्डवेयर नैदानिक सेटिंग्स में मॉडल अनुमान को तेज कर सकते हैं। इसके अतिरिक्त, मानकीकृत संदर्भ सामग्री और बेंचमार्किंग ढांचे का विकास विभिन्न परीक्षणों की तुलना की सुविधा प्रदान करेगा।
कैंसर मृत्यु दर को कम करने में प्लाज्मा-आधारित संभावना स्कोर की नैदानिक उपयोगिता स्थापित करने के लिए अनुदैर्ध्य अध्ययन की आवश्यकता है। यूनाइटेड किंगडम में NHS-Galleri परीक्षण, जिसमें 140,000 प्रतिभागियों को नामांकित किया गया, निर्णायक साक्ष्य प्रदान करने की उम्मीद है। यदि सफल होता है, तो प्लाज्मा में कैंसर की संभावना निवारक स्वास्थ्य देखभाल का एक नियमित घटक बन सकती है।