ಕರ್ನಾಟಕ ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಅಕಾಡೆಮಿ

ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಇಲಾಖೆ, ಕರ್ನಾಟಕ ಸರ್ಕಾರ

ಮೇದೋಜೀರಕ ಗ್ರಂಥಿ ಕ್ಯಾನ್ಸರ್ (ಪಿಡಿಎಸಿ)ನ ಆರಂಭಿಕ ರೋಗ ಪತ್ತೆಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಎಐ) ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ (ಎಂಎಲ್)

1 min read

ಕ್ರಾಂತಿಕಾರಿ ತಂತ್ರಜ್ಞಾನವಾದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಎಐ)ಯು ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸುತ್ತಿದೆ. ವಿವಿಧ ಯಂತ್ರ ಕಲಿಕೆ (ಎಂಎಲ್) ವಿಧಾನಗಳಲ್ಲಿ ನಾವು ಸಾಕಷ್ಟು ವಿಕಾಸವನ್ನು ನೋಡುತ್ತಿದ್ದೇವೆ. ಹೆಚ್ಚು ನಿಖರವಾಗಿದ ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಕಾರ್ಯಗಳಿಗೆ ಅನ್ವಯಿಕವಾಗಬಲ್ಲ ಎಐ ಮತ್ತು ಎಂಎಲ್.ಗಳನ್ನು ಇಲ್ಲಿಯವರೆಗೆ ಪರಿಹರಿಸಲಾಗದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತಿದೆ. ವೈದ್ಯಕೀಯ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ, ಸ್ವಯಂ ನಿರ್ವಹಣೆಗಾಗಿ ರೋಗಿಗಳನ್ನು ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ ಸಂಪರ್ಕದಲ್ಲಿರಿಸುವಲ್ಲಿ ಹಾಗೂ ಈ ಹಿಂದೆ ಕೈಗೆಟುಕದ, ವಿದ್ಯುಕ್ತವಲ್ಲದ ದತ್ತಾಂಶಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಲ್ಲಿ ಎಐ ಮತ್ತು ಎಂಎಲ್.ಗಳು ಬಹಳಷ್ಟು ಸಹಾಯ ಮಾಡುತ್ತಿವೆ.

MacCurtain, et.al. 
MacCurtain, et.al. 

ಪ್ಯಾಂಕ್ರಿಯಾಟಿಕ್ ಡಕ್ಟಲ್ ಅಡೆನೊಕಾರ್ಸಿನೋಮಾ (ಪಿಡಿಎಸಿ) ಅಥವಾ ಮೇದೋಜೀರಕ ಗ್ರಂಥಿ ಕ್ಯಾನ್ಸರ್ ಅತ್ಯಂತ ಮಾರಕ ಗೆಡ್ಡೆ ಮತ್ತು ಕ್ಯಾನ್ಸರ್ ಗಳಲ್ಲಿ ಒಂದಾಗಿದ್ದು, ತ್ವರಿತ ಪ್ರಗತಿ, ಸ್ಥಾನಾಂತರ ಮತ್ತು ರೋಗ ಗುರುತುಸುವಿಕೆಯಲ್ಲಿನ ಕಠಿಣತೆಯಂತಹ ಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದೆ. ಮೇದೋಜೀರಕ ಗ್ರಂಥಿಯ ಅಂಗರಚನಾ ಸ್ಥಳ, ರೋಗಲಕ್ಷಣಗಳು (ತೂಕದಲ್ಲಿ ಇಳಿಕೆ, ಆಯಾಸ, ಕಿಬ್ಬೊಟ್ಟೆ ಮತ್ತು ಬೆನ್ನು ನೋವು ಹಾಗೂ ಅಸ್ವಸ್ಥತೆ) ಮತ್ತು ಪ್ರಸ್ತುತ ಪರಿಣಾಮಕಾರಿ ಪರೀಕ್ಷಾ ವಿಧಾನದ ಅಲಭ್ಯತೆಯಿಂದಾಗಿ ಆರಂಭಿಕ ರೋಗ ಗುರುತುಸುವಿಕೆಯು ಕಷ್ಟವಾಗಿದೆ.

Thakur, G, et.al.

ಬೀಜಿಂಗ್ ನ ಪೀಕಿಂಗ್ ಯೂನಿವರ್ಸಿಟಿ ಹೆಲ್ತ್ ಸೈನ್ಸ್ ಸೆಂಟರ್.ನ ಇನ್.ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ಸಿಸ್ಟಮ್ಸ್ ಬಯೋಮೆಡಿಸಿನ್.ನಲ್ಲಿನ ಸಂಶೋಧನಾ ತಂಡವು (ಗುವಾಂಗ್ಕ್ಸಿ ವಾಂಗ್ ಮತ್ತು ಇತರರು, 2021) ಪಿಡಿಎಸಿಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಎಂಎಲ್ ಮತ್ತು ಲಿಪಿಡೋಮಿಕ್ಸ್ ಅನ್ನು ಬಳಸುವ ಒಂದು ವಿಧಾನವನ್ನು ಮಂದಿಟ್ಟಿದ್ದಾರೆ. ಜೈವಿಕ ಚಟುವಟಿಕೆಗಳು ಮತ್ತು ರೋಗಗ್ರಸ್ಥ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಅತಿ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಹೊಂದಿರುವ ಎಲ್ಲಾ ರೀತಿಯ ಸಣ್ಣ ಮೆಟಾಬೊಲೈಟ್ಸ್.ಗಳ ಸಂಗ್ರಹ, ಪತ್ತೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗೆ ಮೆಟಾಬೊಲೊಮಿಕ್ಸ್ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಗುರಿಯಲ್ಲದ ಮೆಟಾಬೊಲೊಮಿಕ್ಸ್.ನ ಬೃಹತ್ ಮೆಟಾಬೊಲೈಟ್ ವ್ಯಾಪ್ತಿ ಹಾಗೂ ವಿಶ್ವಾಸಾರ್ಹನೀಯ ಮತ್ತು ಗುರಿಯಾದ ಮೆಟಾಬೊಲೊಮಿಕ್ಸ್.ಗಳೆರಡರ ಏಕೀಕರಣವು ರೋಗ-ಸಂಬಂಧಿತ ಜೈವಿಕ ಗುರುತು/ಬಯೋಮಾರ್ಕರ್ ಅಧ್ಯಯನಗಳಿಗೆ ಒಂದು ಶಕ್ತಿಯುತ ತಂತ್ರವಾಗಿದೆ. ಆದುದರಿಂದ, ನಿಖರವಾದ, ದೃಢವಾದ ಮತ್ತು ಕಡಿಮೆ ವೆಚ್ಚದ ಮೆಟಾಬೊಲೊಮಿಕ್ಸ್ ವಿಧಾನಗಳು ಭವಿಷ್ಯದ ರೋಗ ಪತ್ತೆಯಲ್ಲಿ ಭರವಸೆಯನ್ನು ಹೊಂದಿವೆ. ನಿರಂತರ ಸ್ವಯಂ ಅನ್ವೇಷಣೆ ಮಾಡಬಲ್ಲ ಕ್ರಮಾವಳಿ/ ಅಲ್ಗಾರಿದಮ್ ಮತ್ತು ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರಂ ಲಕ್ಷಣಗಳ ಆಯ್ಕೆಯ ಮೂಲಕ, ಸಂಶೋಧನಾ ತಂಡವು 17 ವಿಶಿಷ್ಟ ಮೆಟಾಬೊಲೈಟ್ಸ್.ಗಳನ್ನು ಪತ್ತೆ ಲಕ್ಷಣಗಳಾಗಿ ಗುರುತಿಸಿದೆ ಹಾಗೂ ದ್ರವ ಕ್ರೋಮ್ಯಾಟೋಗ್ರಫಿ – ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಆಧಾರಿತ ಗುರಿಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಅವರು ಕ್ಯಾನ್ಸರ್ (ಪಿಡಿಎಸಿ)ನ ಲಿಪಿಡ್ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಮತ್ತು ಆಯ್ಕೆ ಮಾಡಲು ಪಿಡಿಎಸಿ ಹೊಂದಿರುವ ರೋಗಿಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ವ್ಯಕ್ತಿಗಳಿಂದ ರಕ್ತಸಾರದ ಲಿಪಿಡ್ ಮೆಟಾಬೊಲೈಟ್ಸ್ ಗಳೊಂದಿಗೆ ನಿರೂಪಿಸಲಾದ ಮೆಟಾಬೊಲೈಟ್ಸ್ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಗಳೆರಡನ್ನು  ಸಂಯೋಜಿಸಲು ಪ್ರಯತ್ನಿಸಿದರು. ನಂತರ, ಪಿಡಿಎಸಿ ಪತ್ತಗಾಗಿ ಗುರಿಯುಕ್ತ ಲಿಪಿಡ್.ನ ಬಹು ಪ್ರತಿಕ್ರಿಯೆ ಉಸ್ತುವಾರಿ (ಎಂಆರ್ ಎಂ)–ಕ್ರಮ ಪರಿಮಾಣ ವಿಶ್ಲೇಷಣೆ (ಮೋಡ್ ಕ್ವಾಂಟಿಫಿಕೇಶನ್ ಅಸ್ಸೆ)ಯನ್ನು ಬಹು ಸಂಖ್ಯೆಯ ಮಾದರಿಗಳೊಂದಿಗೆ ಅನುಸರಿಸಲಾಯಿತು ಮತ್ತು ಪ್ರಮಾಣೀಕರಿಸಲಾಯಿತು. ಈ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು, ತಂಡವು ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ಪಿಡಿಎಸಿ ಹೊಂದಿರುವ 1033 ರೋಗಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದ್ದು, ದೊಡ್ಡ ಬಾಹ್ಯ ಪ್ರಮಾಣೀಕರಣ ಸಮೂಹದಲ್ಲಿ 0.9351 ರೇಖೆಯಡಿಯ ಪ್ರದೇಶ (ಎರಿಯಾ ಅಂಡರ್ ಕರ್ವ್–ಎಯುಸಿ) ದೊಂದಿಗೆ ಶೇ. 86.74ರಷ್ಟು ನಿಖರತೆಯನ್ನು ಮತ್ತು ಭಾವೀ (ಪ್ರಾಸ್ಪೆಕ್ಟೀವ್)  ಕ್ಲಿನಿಕಲ್ ಸಮೂಹದಲ್ಲಿ  0.9389 ಎಯುಸಿ ಮತ್ತು ಶೇ. 85ರಷ್ಟು ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಿದೆ. ಈ ರೀತಿಯಾಗಿ ಏಕ-ಜೀವಕೋಶ ಅನುಕ್ರಮಣಿಕೆ, ಪ್ರೋಟಿಯೋಮಿಕ್ಸ್ ಮತ್ತು ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ದೃಶ್ಯಗಳನ್ನು ಬಳಸಿ, ಪಿಡಿಎಸಿ ಅಂಗಾಂಶಗಳ ಆಯ್ದ ಲಿಪಿಡ್.ಗಳಲ್ಲಿನ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಗಳನ್ನು ತೋರಿಸಲಾಯಿತು. ಪಿಡಿಎಸಿ ಪತ್ತೆಗೆ ಇದೊಂದು ಪರಿಣಾಮಕಾರಿ, ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು ನಿಖರವಾದ ಕನಿಷ್ಠ ಆಕ್ರಮಣಕಾರಿ ವಿಧಾನವೆಂದು ಸಂಶೋಧನಾ ತಂಡದ ಅಭಿಪ್ರಾಯ.

– ಡಾ. ಆನಂದ್ ಆರ್.
ಹಿರಿಯ ವೈಜ್ಞಾನಿಕ ಅಧಿಕಾರಿ,
ಕರ್ನಾಟಕ ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಅಕಾಡೆಮಿ

ಉಲ್ಲೇಖ

ಗುವಾಂಗ್ಕ್ಸಿ ವಾಂಗ್ ಮತ್ತು ಇತರರು, 2021,  ಮೆಟಾಬಾಲಿಕ್ ಡಿಟೆಕ್ಷನ್ ಅಂಡ್ ಸಿಸ್ಟಮ್ ಅನಾಲಿಸಿಸ್ ಆಫ್ ಪ್ಯಾಂಕ್ರಿಯಾಟಿಕ್ ಡಕ್ಟಲ್ ಅಡೆನೊಕಾರ್ಸಿನೋಮಾ ತ್ರೂ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್, ಲಿಪಿಡೋಮಿಕ್ಸ್ ಮತ್ತು ಮಲ್ಟಿ-ಓಮಿಕ್ಸ್. ಸೈನ್ಸ್ ಅಡ್ವಾಂನ್ಸ್, ಸಂಪುಟ 7, ಸಂಚಿಕೆ 52. https://doi.org/10.1126/sciadv.abh2724

ಠಾಕೂರ್, ಜಿ.; ಕುಮಾರ್, ಆರ್.; ಕಿಮ್, ಎಸ್.-ಬಿ.; ಲೀ, ಎಸ್.-ವೈ.; ಲೀ, ಎಸ್.-ಎಲ್. ರೋ, ಜಿ.-ಜೆ., 2021. ಥೇರಪ್ಯೂಟಿಕ ಸ್ಟೇಟಸ್ ಸ್ಟ್ರಾಟರ್ಜೀಸ್ ಇನ್ ಪ್ಯಾಂಕ್ರಿಯಾಟಿಕ್ ಡಕ್ಟಲ್ ಅಡೆನೊಕಾರ್ಸಿನೋಮಾ. ಬಯೋಮೆಡಿಸಿನ್ಸ್, ಸಂಪುಟ 9, ಸಂಚಿಕೆ 2. https://doi.org/10.3390/biomedicines9020178

ಮ್ಯಾಕ್ ಕರ್ಟನ್, ಬಿ.ಎಂ.; ಕ್ವಿರ್ಕ್, ಎನ್.ಪಿ.; ಥೋರ್ಪ್, ಎಸ್.ಡಿ.; ಗಲ್ಲಾಘರ್, ಟಿ.ಕೆ., 2021. ಪ್ಯಾಂಕ್ರಿಯಾಟಿಕ್ ಡಕ್ಟಲ್ ಅಡೆನೊಕಾರ್ಸಿನೋಮಾ: ರಿಲೇಟಿಂಗ್ ಬಯೋಮೆಕ್ಯಾನಿಕ್ಸ್ ಮತ್ತು ಪ್ರೊಗ್ನೋಸಿಸ್. ಜೆ. ಕ್ಲಿನ್. ಮೆಡ್.,  ಸಂಪುಟ 10, ಸಂಚಿಕೆ 12. https://doi.org/10.3390/jcm10122711

ನಿಮ್ಮದೊಂದು ಉತ್ತರ

ನಿಮ್ಮ ಮಿಂಚೆ ವಿಳಾಸ ಎಲ್ಲೂ ಪ್ರಕಟವಾಗುವುದಿಲ್ಲ. ಅತ್ಯಗತ್ಯ ವಿವರಗಳನ್ನು * ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ

Copyright © 2019. Karnataka Science and Technology Academy. All rights reserved.
Skip to content