এআই ও ক্যান্সার গবেষণা ── 2026-10-25
ক্যান্সার ও এআই নিয়ে নতুন গবেষণাপত্র, যা জার্নাল ফিড, PubMed (সব জার্নালে অনুসন্ধান) এবং OpenAlex (Google Scholar-এর বদলে ব্যবহৃত একটি পাবলিক ইনডেক্স) থেকে সংগৃহীত এবং Jev (ভাষাগত বিচার করা একটি এআই) দ্বারা বিচারিত: মৌলিক গবেষণা, এআই কেন্দ্রীয়, ১৩টি থিমের কোনটি, চিকিৎসা বা ট্রায়াল, এবং তারপর দৈনিক সীমা পর্যন্ত গুরুত্ব অনুযায়ী ক্রমানুসারে সাজানো। জার্নাল ইমপ্যাক্ট ফ্যাক্টর দিয়ে ছাঁটাই করা হয় না; প্রতিটি গবেষণাপত্রে তার জার্নালের IF-সমতুল্য (OpenAlex দুই-বছরের গড় সাইটেডনেস) এবং সেই মানের তারিখ দেখানো হয়। প্রতিটি এন্ট্রিতে মূল অ্যাবস্ট্র্যাক্ট সম্পূর্ণ দেখানো হয়।
ক্যানসারের ধরন অনুযায়ী পড়ুন: ক্যান্সার জীববিজ্ঞান（4） · স্তন（4） · ফুসফুস（4） · অগ্ন্যাশয়（0） · প্রোস্টেট（0） · এসিসি（0） · মস্তিষ্ক（1） · ডিম্বাশয়（0） · এন্ডোমেট্রিয়াল（1） · গ্যাস্ট্রিক（1） · লিভার（4） · কিডনি（0） · মূত্রথলি（1）
ক্যান্সারের আণবিক জীববিজ্ঞান ও AI
- সারসংক্ষেপ
ডায়াগনস্টিক ইমেজিং হলো কৃত্রিম বুদ্ধিমত্তা (AI) অ্যালগরিদমের সবচেয়ে সম্ভাবনাময় ক্লিনিক্যাল প্রয়োগগুলোর একটি। এই গবেষণার উদ্দেশ্য ছিল স্বাভাবিক ও অস্বাভাবিক কুকুরের মস্তিষ্কের ম্যাগনেটিক রেজোন্যান্স ইমেজ (MRI)-এর মধ্যে পার্থক্য নির্ণয়ের জন্য কাস্টমাইজড কনভলিউশনাল নিউরাল নেটওয়ার্ক (CNN) SepNetDense মূল্যায়ন করা, যার লক্ষ্য ডায়াগনস্টিক দক্ষতা বৃদ্ধি করা এবং অস্বাভাবিক ছবি চিহ্নিত করতে রেডিওলজিস্টদের সহায়তা করা। ডেটাসেটে চারটি বিশ্ববিদ্যালয় থেকে সংগৃহীত 550টি কুকুরের ট্রান্সভার্স, স্যাজিটাল ও ডর্সাল প্লেনের T1-weighted (T1w) প্রি- ও পোস্ট-কনট্রাস্ট সিকোয়েন্স অন্তর্ভুক্ত ছিল। যেসব কুকুরের হিস্টোপ্যাথলজির মাধ্যমে অথবা বর্তমান ক্লিনিক্যাল ঐকমত্যের ভিত্তিতে নিশ্চিতকৃত পূর্ণাঙ্গ ক্লিনিক্যাল রোগনির্ণয় ছিল, সেগুলোকে অন্তর্ভুক্ত করা হয়। রোগীদের এলোমেলোভাবে একটি প্রশিক্ষণ সেট (n = 444), একটি ভ্যালিডেশন সেট (n = 53) এবং একটি টেস্ট সেটে (n = 53) ভাগ করা হয়। প্রতিটি MRI-কে স্লাইস ধরে ধরে স্বাভাবিক বা অস্বাভাবিক হিসেবে লেবেল করা হয়। মডেলটি 205টি স্বাভাবিক ইমেজিং ডেটাসেট (যেমন, এক্সট্রাক্রানিয়াল কারণসমূহ, ইডিওপ্যাথিক এপিলেপ্সি, প্যারোক্সিজমাল ডিসকাইনেসিয়া) এবং 239টি অস্বাভাবিক ডেটাসেট (যেমন, নিওপ্লাজম, প্রদাহজনিত ক্ষত, অন্যান্য প্যাথলজি) দিয়ে প্রশিক্ষিত হয়। মডেলটি টেস্ট সেটের 74% প্রকৃত স্বাভাবিক স্লাইসকে স্বাভাবিক এবং 73% প্রকৃত অস্বাভাবিককে অস্বাভাবিক হিসেবে সঠিকভাবে অনুমান করেছে। রোগী পর্যায়ে মডেলের অনুমানের ROC বিশ্লেষণে দেখা যায়, প্রতি রোগীতে 51% অস্বাভাবিক স্লাইসের থ্রেশহোল্ডে মডেলটি 83% সংবেদনশীলতা (95% CI 67–91%) এবং 78% (95% CI 54–91%) নির্দিষ্টতার একটি সর্বোত্তম ভারসাম্যে পৌঁছেছে, যেখানে ব্যালেন্সড অ্যাকুরেসি ছিল 80% (95% CI 69–92%)। ANCOVA প্রকাশ করেছে যে CNN-এর শ্রেণিবিন্যাস কর্মক্ষমতা একাধিক জৈবিক, প্রযুক্তিগত ও প্রাতিষ্ঠানিক ফ্যাক্টর দ্বারা প্রভাবিত হয়েছিল। ক্ষতের রোগনির্ণয়, প্রাতিষ্ঠানিক পরিবেশ এবং জাতের আকারের তাৎপর্যপূর্ণ বড় প্রভাব ছিল, যেখানে দেহ-ওজন একটি তাৎপর্যপূর্ণ মাঝারি প্রভাব দেখিয়েছে। রোগনির্ণয় ও প্রতিষ্ঠানের মধ্যে, এবং জাতের আকার ও ওজনের মধ্যেও বড় প্রভাবের আকারসহ তাৎপর্যপূর্ণ মিথস্ক্রিয়া পরিলক্ষিত হয়েছে। এছাড়াও, শারীরস্থানিক অক্ষ বরাবর অনুমানের বিভাগগুলোর বণ্টনে একটি স্বতন্ত্র প্যাটার্ন পরিলক্ষিত হয়, যেখানে সব MRI সিকোয়েন্সে কেন্দ্রীয় কোয়ার্টাইলগুলোতে CNN-এর কর্মক্ষমতা আরও ভালো হওয়ার প্রবণতা ছিল। সামগ্রিকভাবে, ফলাফলগুলো কুকুরের মস্তিষ্কের MRI গবেষণার CNN-সহায়িত ট্রায়াজের সম্ভাব্যতা প্রদর্শন করে এবং রোগনির্ণয়, প্রাতিষ্ঠানিক পরিবেশ, জাতের আকার ও দেহ-ওজনকে মডেলের কর্মক্ষমতার মূল নির্ধারক হিসেবে তুলে ধরে, পাশাপাশি দৃঢ় ভেটেরিনারি AI অ্যাপ্লিকেশনের বিকাশের জন্য বৈচিত্র্যময় ডেটাসেটের গুরুত্বের ওপর জোর দেয়।
জার্নাল IF-সমতুল্য: 5.2 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-04 অনুযায়ী মান, 2026-10-05 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Abani S, Laue M, Dickinson PJ, De Decker S, Gutierrez-Quintana R, Ghiasvand S, et al. কুকুরের মস্তিষ্কের MRI অস্বাভাবিকতার জন্য CNN মডেল-ভিত্তিক চিত্র শ্রেণিবিন্যাস. Sci Rep. 2026 Oct 23;16(1):33913. doi:10.1038/s41598-026-71470-w.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ - সারসংক্ষেপ
স্নায়বিক সমস্যার সবচেয়ে মারাত্মক দুটি রূপ হলো ব্রেন টিউমার ও আলঝেইমার রোগ (AD), যেগুলোর চিকিৎসা সম্ভব শুধুমাত্র MRI-এর সাহায্যে অত্যন্ত নির্ভুলভাবে রোগনির্ণয় করা হলে। বিশ্লেষণাধীন প্রকল্পটি ভারসাম্যহীন MRI ডেটাসেট বিবেচনা করে এবং শ্রেণিবিন্যাস প্রক্রিয়া উন্নত করতে সিনথেটিক মাইনরিটি ওভারস্যাম্পলিং টেকনিক (SMOTE)-এর কথা বলে। তাঁরা বেশ কয়েকটি ML ও DL মডেল অন্তর্ভুক্ত করেছেন, যার মধ্যে রয়েছে RF, SVM, Voting Classifier, CNN, VGG16, ResNet50 ও Inception V3, এ ছাড়াও LSTM-যুক্ত AlexNet, Xception এবং নতুন Transformer ও LSTM Enhanced Attention-Based Explainable CNN (TLEABLCNN)। TLEABLCNN মডেল ধারাবাহিকভাবে তার বেসলাইন মডেলগুলোর চেয়ে ভালো ফল দেখিয়েছে—Scenario A-তে শ্রেণিবিন্যাসের নির্ভুলতা 96.1%, Scenario B-তে 97.4% ও Scenario C-তে 98.2%। ম্যাক্রো-প্রিসিশন, রিকল ও F1-স্কোরেও এটি ছিল শ্রেষ্ঠ। মস্তিষ্কের অস্বাভাবিকতা শনাক্ত করতে YOLOv5, YOLOv8, YOLOv9 ও YOLOv11 অবজেক্ট রিকগনিশন মডেল ব্যবহার করা হয়। YOLOv9 সর্বোচ্চ বেস্ট মিন এভারেজ প্রিসিশন (mAP) অর্জন করেছে 91.5%। YOLOv8 সেরা নির্ভুলতা অর্জন করেছে 91.8%। এ ছাড়া, হিটম্যাপের মতো XAI কৌশল ব্যবহার করা হয়েছিল হিটম্যাপ তৈরির জন্য, যেগুলো MRI স্ক্যানের সবচেয়ে গুরুত্বপূর্ণ অংশগুলো প্রকাশ করেছে যা মডেলের পূর্বাভাসকে প্রভাবিত করেছিল। এতে ফলাফলগুলো সহজ হয়েছে এবং পেশাদার আস্থা বেড়েছে। এই ফলাফলগুলো ব্যাখ্যাযোগ্য উপায়ে মস্তিষ্কের রোগ আবিষ্কারে কাঠামোটির শক্তির ইঙ্গিত দেয়।
জার্নাল IF-সমতুল্য: 0.0 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-07 অনুযায়ী মান, 2026-10-08 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: [লেখকের নাম উল্লেখ নেই]. TLEABLCNN: আনব্যালান্সড ব্রেন MRI-তে SMOTE এবং অ্যাটেনশন-বেসড এক্সপ্লেনেবল ডিপ লার্নিং ব্যবহার করে মস্তিষ্ক ও আলঝেইমার রোগ শনাক্তকরণ। IJDDT. 2026 Oct 22;16(76s). doi:10.25258/ijddt.16.76s.161.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
ক্যান্সার জীববিজ্ঞানের সব 4টি পেপার দেখুন →
স্তন ক্যান্সার: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
টিউমার-অনুপ্রবেশকারী লিম্ফোসাইট (TILs) স্তন ক্যান্সারের ইমিউন মাইক্রোএনভায়রনমেন্টের এমন বায়োমার্কার, যা চিকিৎসায় সাড়া এবং প্রগনোসিসের সঙ্গে সম্পর্কিত, তবে এগুলোর মূল্যায়ন মূলত শল্য হিস্টোপ্যাথলজির ওপর নির্ভর করে। TIL-এর মাত্রা পূর্বাভাস করতে আমরা মাল্টিফেজ টিউমারাল–পেরিটিউমারাল DCE-MRI রেডিওমিক্সকে প্রচলিত বৈশিষ্ট্যের সঙ্গে একত্রিত করে একটি প্রি-অপারেটিভ মডেল তৈরি ও যাচাই করার লক্ষ্য নিয়েছিলাম। এই রেট্রোস্পেক্টিভ দ্বি-কেন্দ্রিক সমীক্ষায় 495 জন রোগীকে অন্তর্ভুক্ত করা হয়, যাঁরা প্রাথমিক চিকিৎসা হিসেবে শল্যচিকিৎসামূলক অপসারণের (surgical resection) আগে প্রি-অপারেটিভ স্তন DCE-MRI করান। পূর্ববর্তী স্তন MRI-ভিত্তিক TIL গবেষণায় প্রচলিতভাবে গৃহীত পূর্বনির্ধারিত 10% কাটঅফ ব্যবহার করে শল্য নমুনায় TIL মূল্যায়ন করা হয়। ছয়টি DCE-MRI ফেজ জুড়ে টিউমারাল ও 3-mm পেরিটিউমারাল অঞ্চল থেকে প্রাপ্ত রেডিওমিক বৈশিষ্ট্যগুলো ক্লিনিকাল, সেমান্টিক MRI এবং বায়োপসি-নির্ভর বৈশিষ্ট্যের সঙ্গে একত্রিত করা হয়। ডিসক্রিমিনেশন, ক্যালিব্রেশন, ইনক্রিমেন্টাল ভ্যালু এবং ক্লিনিকাল উপযোগিতার মাধ্যমে মডেলের কার্যকারিতা মূল্যায়ন করা হয় এবং বৈশিষ্ট্যের অবদান নির্ধারণে Shapley additive explanations (SHAP) বিশ্লেষণ ব্যবহার করা হয়। কম্বাইন্ড মডেলটি ট্রেনিং, অভ্যন্তরীণ ভ্যালিডেশন এবং বাহ্যিক ভ্যালিডেশন সেটে যথাক্রমে 0.882 (95% কনফিডেন্স ইন্টারভাল [CI]: 0.840–0.920), 0.777 (95% CI: 0.672–0.866) এবং 0.738 (95% CI: 0.637–0.826) AUC অর্জন করে। বাহ্যিক ভ্যালিডেশনে, কম্বাইন্ড মডেলটি প্রচলিত মডেলের তুলনায় উল্লেখযোগ্য ইন্টিগ্রেটেড ডিসক্রিমিনেশন ইমপ্রুভমেন্ট (IDI) দেখায় (IDI = 0.105, P = 0.005) এবং টিউমারাল–পেরিটিউমারাল মডেলের ক্ষেত্রেও তাই (IDI = 0.098, P = 0.001)। ডিসিশন কার্ভ বিশ্লেষণে অধিকাংশ মূল্যায়িত থ্রেশহোল্ড সম্ভাবনায় অধিক নেট বেনিফিট দেখা যায়। SHAP বিশ্লেষণে পরবর্তী-ফেজের পেরিটিউমারাল রেডিওমিক বৈশিষ্ট্যগুলোকে TIL অনুমানের প্রধান পূর্বাভাসমূলক উপাদান হিসেবে চিহ্নিত করা হয়। মাল্টিফেজ টিউমারাল–পেরিটিউমারাল DCE-MRI রেডিওমিক্সকে প্রচলিত প্রি-অপারেটিভ বৈশিষ্ট্যের সঙ্গে একত্রিত করা TIL-এর মাত্রা পূর্বাভাসে সম্ভাবনা দেখিয়েছে, যেখানে লেট-ফেজ পেরিটিউমারাল বৈশিষ্ট্যই পূর্বাভাসের কার্যকারিতায় প্রাধান্য পেয়েছে। ইমিউন-সম্পর্কিত ঝুঁকি স্ট্র্যাটিফিকেশন এবং ব্যক্তিভিত্তিক মাল্টিডিসিপ্লিনারি চিকিৎসা পরিকল্পনার জন্য এই মডেলটি একটি সম্ভাবনাময় প্রি-অপারেটিভ টুল সরবরাহ করে।
জার্নাল IF-সমতুল্য: 3.8 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-02 অনুযায়ী মান, 2026-10-03 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Yang W, Chen M, Cui Y, Xu W, Tian W, Jiang Y, et al. মাল্টিফেজ টিউমারাল–পেরিটিউমোরাল DCE-MRI রেডিওমিক্স এবং প্রচলিত বৈশিষ্ট্যের মাধ্যমে স্তন ক্যান্সারের টিউমার-অনুপ্রবিষ্ট লিম্ফোসাইটের মাত্রার প্রাক-অপারেটিভ পূর্বানুমান। BMC Med Imaging. 2026 Oct 23 [প্রিন্টের আগে ই-প্রকাশিত]। doi:10.1186/s12880-026-02930-y.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ - সারসংক্ষেপ
পটভূমি: নিওঅ্যাডজুভ্যান্ট কেমোথেরাপি (NAC)-এর পরে অবশিষ্ট বগলদেশীয় লসিকাগ্রন্থি (ALN) রোগের সঠিক শনাক্তকরণ চিকিৎসা পরিকল্পনা এবং সম্ভাব্য সার্জিক্যাল ডি-এস্কালেশন মূল্যায়নের জন্য অপরিহার্য। আমরা NAC-পরবর্তী বগলদেশীয় রিস্টেজিংয়ের জন্য প্রচলিত আলট্রাসনোগ্রাফি (US), শিয়ার-ওয়েভ ইলাস্টোগ্রাফি (SWE), কৃত্রিম বুদ্ধিমত্তা (AI)/রেডিওমিক্স এবং মাল্টিমোডাল আলট্রাসাউন্ড-ভিত্তিক মডেলগুলোর ডায়াগনস্টিক কর্মক্ষমতা মূল্যায়ন করেছি।
পদ্ধতি: শুরু থেকে ডিসেম্বর 2025 পর্যন্ত PubMed, Embase, the Cochrane Library এবং Web of Science-এ অনুসন্ধান করা হয়েছে। অক্সিলারি (বগলের) অস্ত্রোপচার-পরবর্তী হিস্টোপ্যাথলজি ছিল রেফারেন্স স্ট্যান্ডার্ড, এবং অক্সিলারি লিম্ফ নোডে অবশিষ্ট রোগকে (ypN+) অভিন্নভাবে পজিটিভ টার্গেট কন্ডিশন হিসেবে সংজ্ঞায়িত করা হয়। স্টাডি-স্তরের 2×2 টেবিলগুলো এই দিক অনুযায়ী সামঞ্জস্যপূর্ণ করা হয়। পক্ষপাতের ঝুঁকি ও প্রযোজ্যতা মূল্যায়ন করা হয় Quality Assessment of Diagnostic Accuracy Studies-2 (QUADAS-2) টুল দিয়ে। পর্যাপ্ত সংখ্যক স্বাধীন স্টাডিসম্পন্ন মোডালিটি গোষ্ঠীর জন্য বাইভেরিয়েট র্যান্ডম-এফেক্টস মডেল এবং হায়ারার্কিক্যাল সামারি রিসিভার অপারেটিং ক্যারেক্টারিস্টিক (HSROC) কার্ভ ব্যবহার করা হয়; পজিটিভ লাইকলিহুড রেশিও (PLR) এবং নেগেটিভ লাইকলিহুড রেশিও (NLR) র্যান্ডম-এফেক্টস মডেল দিয়ে পুল করা হয়। সম্ভাব্য ওভারল্যাপিং কোহোর্টগুলো সেনসিটিভিটি বিশ্লেষণে পরীক্ষা করা হয়। স্টাডি প্রোটোকলটি PROSPERO (International Prospective Register of Systematic Reviews; নিবন্ধন নং CRD420251271199)-এ নিবন্ধিত ছিল।
ফলাফল: সিস্টেম্যাটিক রিভিউয়ে মোট 14টি নিবন্ধ অন্তর্ভুক্ত করা হয়েছিল, যার মধ্যে 10টি পরিমাণগত সংশ্লেষণে 12টি টেস্ট-স্তরের ডেটাসেট সরবরাহ করেছে। প্রচলিত আল্ট্রাসনোগ্রাফির (US) ক্ষেত্রে (ছয়টি গবেষণা), পুলড সংবেদনশীলতা ছিল 0.55 [95% আস্থার ব্যবধান (CI): 0.36–0.73], পুলড নির্দিষ্টতা ছিল 0.79 (95% CI: 0.73–0.84), HSROC বক্ররেখার নিচের ক্ষেত্রফল (AUC) ছিল 0.78, এবং পুলড PLR ও NLR ছিল যথাক্রমে 2.47 (95% CI: 1.42–4.28) এবং 0.54 (95% CI: 0.30–0.95)। AI/রেডিওমিক্স মডেল (তিনটি গবেষণা) 0.93 (95% CI: 0.80–0.98) পুলড সংবেদনশীলতা, 0.82 (95% CI: 0.60–0.94) নির্দিষ্টতা এবং 0.94 AUC দেখিয়েছে; তবে লাইকলিহুড-রেশিও-র CI-গুলি ছিল অত্যন্ত প্রশস্ত, এবং বাইভেরিয়েট কোভেরিয়েন্স অনুমান সীমানায় পৌঁছেছে। SWE সংক্রান্ত প্রমাণ সীমিত ছিল দুটি সম্ভাব্যভাবে ওভারল্যাপিং প্রতিবেদনের মধ্যে, এবং কেবল একটি মাল্টিমোডাল সম্মিলিত-মডেল গবেষণায় সম্পূর্ণ হারমোনাইজড 2×2 টেবিল ছিল। 40% প্রি-টেস্ট সম্ভাবনায়, প্রচলিত US-এর নেতিবাচক ফলাফল অবশিষ্ট নোডাল রোগের পোস্ট-টেস্ট সম্ভাবনা আনুমানিক 26%-এ নামিয়ে আনে।
উপসংহারসমূহ: কনভেনশনাল US একাই NAC-এর পরে অবশিষ্ট অ্যাক্সিলারি নোডাল রোগ নির্ভরযোগ্যভাবে বাদ দিতে পারে না। AI/রেডিওমিক্স পদ্ধতিগুলো আশাব্যঞ্জক ডায়াগনস্টিক কর্মক্ষমতা দেখাচ্ছে, তবে এর প্রমাণ স্বল্প, অসমসত্ত্ব এবং অনিশ্চিত। বর্তমানে প্রাপ্ত ডেটা নিশ্চিত মোডালিটি র্যাঙ্কিং বা শুধু ইমেজিংয়ের ভিত্তিতে অ্যাক্সিলারি সার্জারি বাদ দেওয়াকে সমর্থন করে না, এবং প্রসপেক্টিভ মাল্টিসেন্টার এক্সটার্নাল ভ্যালিডেশন প্রয়োজন।
জার্নাল IF-সমতুল্য: 1.9 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-12 অনুযায়ী মান, 2026-10-13 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Liu T, He Y, Yuan X, Wang J, Liu Y, Cao C, et al. স্তন ক্যান্সারের রোগীদের নিওঅ্যাডজুভ্যান্ট কেমোথেরাপির পর অবশিষ্ট অ্যাক্সিলারি লসিকাগ্রন্থি রোগ মূল্যায়নে আল্ট্রাসনোগ্রাফি-ভিত্তিক ইমেজিং পদ্ধতিসমূহের নৈদানিক নির্ভুলতা: একটি সিস্টেম্যাটিক রিভিউ ও মেটা-বিশ্লেষণ. Quant Imaging Med Surg. 2026 Nov;16(11):868-8. doi:10.21037/qims-2026-1427.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
ফুসফুসের ক্যানসার: চিকিৎসা, ট্রায়াল ও AI
- সারসংক্ষেপ
পটভূমি: ফুসফুসীয় নিউরোএন্ডোক্রাইন কার্সিনোমা (pNECs) একটি বিরল ও বৈচিত্র্যময় ম্যালিগন্যান্সির দল, যা নিম্ন-গ্রেডের কার্সিনয়েড থেকে শুরু করে উচ্চ-গ্রেডের স্মল-সেল ফুসফুসের কার্সিনোমা (SCLC) এবং লার্জ-সেল নিউরোএন্ডোক্রাইন কার্সিনোমা (LCNEC) পর্যন্ত বিস্তৃত। এই টিউমারগুলির জন্য প্রোগনোস্টিক সরঞ্জাম দুর্লভ এবং বহিঃস্থ কোহোর্টে খুব কমই সেগুলির যাচাই করা হয়েছে।
উদ্দেশ্যসমূহ: এই গবেষণার লক্ষ্য ছিল pNEC-এর জন্য Transformer-ভিত্তিক একটি প্রোগনস্টিক পূর্বাভাস মডেল তৈরি করা এবং একটি স্বাধীন বহিঃস্থ কোহোর্টে তা যাচাই করা, যাতে সারভাইভাল (বেঁচে থাকার) অনুমান উন্নত হয় এবং ব্যক্তিভিত্তিক চিকিৎসার সিদ্ধান্তে সহায়তা মেলে।
পদ্ধতি: এই রেট্রোস্পেক্টিভ দুই-কেন্দ্রিক কোহোর্ট স্টাডিতে অস্ত্রোপচারের মাধ্যমে অপসারিত pNEC-র 823 জন রোগী (2001-2023) অন্তর্ভুক্ত ছিলেন। Center 1-এ মডেল তৈরি করা হয়েছিল (n=374; প্রশিক্ষণ ও অভ্যন্তরীণ টেস্ট সেটে এলোমেলোভাবে 8:2 অনুপাতে ভাগ করা) এবং একটি স্বাধীন Center 2 কোহোর্টে (n=449) বহিরাগত যাচাই করা হয়েছিল। তিনটি অ্যালগরিদম—logistic regression (LR), decision tree (DT), এবং Transformer-ভিত্তিক ট্যাবুলার ফাউন্ডেশন মডেল TabPFN—1-, 3-, এবং 5-বছরের ল্যান্ডমার্কে overall survival (OS) ও disease-free survival (DFS) অনুমানের জন্য তুলনা করা হয়েছিল, যেখানে মূল্যায়ন করা হয়েছিল receiver operating characteristic, ক্যালিব্রেশন ও decision curve বিশ্লেষণের মাধ্যমে, এবং ব্যাখ্যাযোগ্যতার জন্য ব্যবহৃত হয়েছিল SHapley Additive exPlanations (SHAP) বিশ্লেষণ।
ফলাফল: দুটি টেস্ট সেটের অধিকাংশ কাজে TabPFN সর্বোচ্চ কার্ভের নিচের ক্ষেত্রফল (AUC) অর্জন করেছে, তবে কাজভেদে ব্যতিক্রম ছিল: অভ্যন্তরীণ টেস্ট সেটে, 1-বছরের OS-এর জন্য লজিস্টিক রিগ্রেশন সর্বোত্তম ছিল (AUC 0.885), আর বাকি কাজগুলোর মধ্যে 3-বছরের OS (0.880), সামগ্রিক DFS (0.810) এবং 1-বছরের DFS (0.892) সহ বাকি সব কাজে TabPFN সর্বোত্তম ছিল; বাহ্যিক টেস্ট সেটে, TabPFN 1- ও 3-বছরের OS এবং সামগ্রিক, 1- ও 3-বছরের DFS-এর জন্য (0.747-0.802) সর্বোত্তম থাকলেও 5-বছরের OS ও DFS-এ লজিস্টিক রিগ্রেশন সর্বোত্তম ছিল। বাহ্যিক ক্যালিব্রেশন ছিল কম সন্তোষজনক। রোগের পর্যায়, প্যাথলজিক্যাল সাবটাইপ এবং বয়স ছিল মূল প্রোগনস্টিক পূর্বানুমানক, আর নিম্ন-গ্রেডের সাবটাইপগুলোর ক্ষেত্রে TabPFN ছিল বেশি নির্ভুল। SHAP বিশ্লেষণ প্রতিটি ফিচারের অবদান পরিমাপ করে মডেলটিকে ব্যাখ্যাযোগ্য করেছে।
উপসংহারসমূহ: Transformer-ভিত্তিক মডেলটি pNEC-এ সার্ভাইভাল অনুমানের মান উন্নত করে, যেখানে প্রচলিত পদ্ধতির চেয়ে কাজভেদে সুবিধা রয়েছে এবং একটি স্বাধীন প্রাতিষ্ঠানিক কোহোর্টে এর ট্রান্সপোর্টেবিলিটি নিশ্চিত হয়েছে। ব্যাপক ক্লিনিক্যাল ব্যবহারের আগে প্রসপেক্টিভ মাল্টিসেন্টার ভ্যালিডেশন এবং ক্যালিব্রেশন পরিমার্জন প্রয়োজন।
জার্নাল IF-সমতুল্য: 2.7 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-02 অনুযায়ী মান, 2026-10-03 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Liu L, Liang L, Wang D, Zhang J, Zhao K, Guo C, et al. ট্রান্সফর্মার-ভিত্তিক কৃত্রিম বুদ্ধিমত্তা মডেল ব্যবহার করে ফুসফুসের নিউরোএন্ডোক্রাইন কার্সিনোমার প্রোগনোস্টিক পূর্বাভাস: একটি দ্বি-কেন্দ্রিক রেট্রোস্পেক্টিভ কোহোর্ট সমীক্ষা. Front Oncol. 2026 Oct 23;16:1948262. doi:10.3389/fonc.2026.1948262.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ - সারসংক্ষেপ
পটভূমি: হাড়ে মেটাস্টেসিস হলো নন-স্মল সেল ফুসফুসের ক্যান্সারের (NSCLC) একটি সাধারণ ও ক্লিনিক্যালি গুরুত্বপূর্ণ জটিলতা এবং এটি নিম্ন বেঁচে থাকার হারের সঙ্গে যুক্ত। যদিও পজিট্রন নির্গমন টমোগ্রাফি-কম্পিউটেড টমোগ্রাফি (PET-CT) পূর্ণাঙ্গ কঙ্কাল মূল্যায়ন দেয়, এর ব্যয় ও বিকিরণের ঝুঁকি নিয়মিত ব্যবহার সীমিত করতে পারে। তাই রুটিনভাবে পাওয়া যায় এমন ক্লিনিক্যাল ও বুকের CT-সংক্রান্ত তথ্যের ভিত্তিতে একটি সহজলভ্য পদ্ধতি এমন রোগীদের শনাক্ত করতে সাহায্য করতে পারে, যারা পরবর্তী কঙ্কাল ইমেজিং থেকে উপকৃত হতে পারেন। এই গবেষণার লক্ষ্য ছিল NSCLC রোগীদের হাড়ে মেটাস্টেসিসের জন্য একটি কার্যকর পূর্বাভাসমূলক মডেল তৈরি করা।
পদ্ধতি: এই গবেষণায় Surveillance, Epidemiology, and End Results (SEER) ডেটাবেসের (2000–2021) 17,646 জন এশীয় NSCLC রোগীর ডেটা ট্রেনিং সেট হিসেবে রেট্রোস্পেক্টিভভাবে বিশ্লেষণ করা হয় এবং যাচাইয়ের জন্য শাংহাই চেস্ট হাসপাতালের (2022–2023) 308 জন NSCLC রোগীর একটি স্বাধীন বহিঃস্থ কোহোর্ট ব্যবহার করা হয়। ভেরিয়েবল নির্বাচনের জন্য ইউনিভ্যারিয়েট ও মাল্টিভ্যারিয়েট লজিস্টিক রিগ্রেশন (LR) বিশ্লেষণ এবং কোলিনিয়ারিটি বিশ্লেষণ করা হয়। একটি নতুন ধরনের DualDrop-Gated Transformer (DGT) মডেল তৈরি করা হয় এবং LR, extreme gradient boosting (XGBoost), LightGBM, TabTransformer ও FTTransformer-এর সঙ্গে তুলনা করা হয়। রিসিভার অপারেটিং ক্যারেক্টারিস্টিক (ROC), ক্যালিব্রেশন এবং ডিসিশন কার্ভের মাধ্যমে কার্যকারিতা মূল্যায়ন করা হয়।
ফলাফল: বয়স, লিঙ্গ, T স্টেজ, N স্টেজ, হিস্টোলজিক্যাল সাবটাইপ এবং ফুসফুসে মেটাস্টেসিসের অবস্থা গুরুত্বপূর্ণ পূর্বানুমানকারী চলক হিসেবে চিহ্নিত হয়েছে। DGT মডেল ট্রেনিং সেটে 0.947, ইন্টারনাল টেস্ট সেটে 0.936 এবং এক্সটার্নাল ভ্যালিডেশন কোহোর্টে 0.879 এরিয়া আন্ডার দ্য কার্ভ (AUC) অর্জন করেছে, সঙ্গে সুষম সংবেদনশীলতা (0.856) ও সুনির্দিষ্টতা (0.934), এবং অন্যান্য মডেলকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে (P<0.01)। অ্যাবলেশন পরীক্ষাগুলো মডেলের কার্যকারিতায় গেটিং মেকানিজম ও ড্রপআউটের উল্লেখযোগ্য অবদান প্রদর্শন করেছে। DGT মডেলের ভিত্তিতে যুক্তিসঙ্গত ক্যালিব্রেশনসহ একটি নমোগ্রাম তৈরি করা হয়েছে, এবং ডিসিশন কার্ভ বিশ্লেষণ (DCA) ভালো ক্লিনিক্যাল উপযোগিতা প্রকাশ করেছে।
উপসংহারসমূহ: অত্যন্ত সাধারণীকরণযোগ্য ও ব্যাখ্যাযোগ্য একটি ডিপ লার্নিং কাঠামোর ভিত্তিতে NSCLC রোগীদের মধ্যে হাড়ের মেটাস্টেসিসের জন্য একটি নতুন DGT প্রেডিকশন মডেল 6টি প্রেডিক্টর ব্যবহার করে তৈরি ও যাচাই করা হয়েছে, যা ফুসফুসের ক্যান্সারের রোগীদের প্রাথমিক স্ক্রিনিং, সিদ্ধান্ত গ্রহণ এবং ব্যক্তিভিত্তিক ব্যবস্থাপনায় সম্ভাব্য প্রয়োগ মূল্য বহন করতে পারে।
জার্নাল IF-সমতুল্য: 1.9 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-12 অনুযায়ী মান, 2026-10-13 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Wang X, Yu H, Shen Y, Qian Q, Gao X, Xie Z, et al. নন-স্মল সেল ফুসফুস ক্যান্সারে আক্রান্ত এশীয় রোগীদের হাড়ের মেটাস্টেসিস পূর্বাভাসের জন্য একটি DualDrop-Gated Transformer মডেল: বহির্মুখী যাচাইসহ একটি রিয়েল-ওয়ার্ল্ড গবেষণা। Quant Imaging Med Surg. 2026 Nov;16(11):863-3. doi:10.21037/qims-2026-0574.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
অগ্ন্যাশয়ের ক্যান্সার: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
প্রোস্টেট ক্যানসার: চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
অ্যাডিনয়েড সিস্টিক কার্সিনোমা: চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মস্তিষ্কের টিউমার: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
MRI চিত্র থেকে মস্তিষ্কের টিউমারের সঠিক সেগমেন্টেশন রোগ নির্ণয়, চিকিৎসা পরিকল্পনা এবং পূর্বাভাসের জন্য অত্যন্ত গুরুত্বপূর্ণ। এই গবেষণায়, আমরা টিউমার সেগমেন্টেশনের দুটি মৌলিকভাবে ভিন্ন পদ্ধতির তুলনা করি: একটি সুপারভাইজড ডিপ লার্নিং মডেল (2D U-Net) এবং একটি আনসুপারভাইজড ক্লাস্টারিং অ্যালগরিদম (K-means)। আমরা বিভিন্ন (Magnetic Resonance Imaging) MRI সিকোয়েন্সে (FLAIR এবং T1-Gd) প্রশিক্ষিত 2D U-Net-এর একাধিক রূপভেদ মূল্যায়ন করি, পাশাপাশি মোডালিটিজুড়ে অভিযোজিত একটি ফাইন-টিউন করা মডেলও মূল্যায়ন করি, এবং সেগুলোর সঙ্গে তুলনা করি উভয় মোডালিটিতে পৃথকভাবে প্রয়োগ করা K-means ক্লাস্টারিং।
জার্নাল IF-সমতুল্য: 2.4 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-23 অনুযায়ী মান, 2026-10-24 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: 1. পদার্থবিজ্ঞান ও নিউক্লিয়ার প্রকৌশলে গবেষণা ও উন্নয়নের জন্য হোরিয়া হুলুবেই জাতীয় ইনস্টিটিউট, RO-077125, মাগুরেলে-বুখারেস্ট, রোমানিয়া 2. বুখারেস্ট বিশ্ববিদ্যালয়, পদার্থবিজ্ঞান অনুষদ, RO-077125 মাগুরেলে-বুখারেস্ট, রোমানিয়া, BADEA RA, ORIAN AȘ, 1. পদার্থবিজ্ঞান ও নিউক্লিয়ার প্রকৌশলে গবেষণা ও উন্নয়নের জন্য হোরিয়া হুলুবেই জাতীয় ইনস্টিটিউট, RO-077125, মাগুরেলে-বুখারেস্ট, রোমানিয়া 2. বুখারেস্ট বিশ্ববিদ্যালয়, পদার্থবিজ্ঞান অনুষদ, RO-077125 মাগুরেলে-বুখারেস্ট, রোমানিয়া, VASILIU AA, বুখারেস্ট বিশ্ববিদ্যালয়, পদার্থবিজ্ঞান অনুষদ, RO-077125 মাগুরেলে-বুখারেস্ট, রোমানিয়া, প্রমুখ। এমআরআই চিত্রে মস্তিষ্কের টিউমার সেগমেন্টেশনের জন্য সুপারভাইজড ও আনসুপারভাইজড পদ্ধতির অন্বেষণ। Rom Rep Phys. 2026 Dec 15;78(4):606-6. doi:10.59277/romrepphys.2026.78.606.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
মস্তিষ্কের সব 1টি পেপার দেখুন →
ডিম্বাশয়ের ক্যানসার: চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
এন্ডোমেট্রিয়াল ক্যান্সার: চিকিৎসা, ট্রায়াল ও AI
- সারসংক্ষেপ
উদ্দেশ্য: এন্ডোমেট্রিয়াল কার্সিনোমা (EC)-এর প্রি-অপারেটিভ রিস্ক স্ট্র্যাটিফিকেশনের জন্য মাল্টিপ্যারামেট্রিক MRI রেডিওমিক্স ও 2.5D ডিপ লার্নিং ফিচারের ভিত্তিতে রেডিওমিক্স, ডিপ লার্নিং, ক্লিনিকাল এবং সম্মিলিত মডেল তৈরি ও তুলনা করা।
পদ্ধতি: এই রেট্রোস্পেক্টিভ স্টাডিতে প্যাথলজিক্যালভাবে নিশ্চিত EC-র 246 জন রোগী অন্তর্ভুক্ত ছিলেন, এবং অপারেশন-পূর্ব ক্লিনিকাল ও ইমেজিং ডেটা সংগ্রহ করা হয়েছিল। ক্লিনিকাল ডেটা, T2-weighted imaging (T2WI) এবং contrast-enhanced T1-weighted imaging (CE-T1WI) সংগ্রহ করা হয়েছিল। T2WI, CE-T1WI এবং এদের সমন্বয়ের ভিত্তিতে রেডিওমিক্স ও ডিপ লার্নিং মডেল গড়ে তোলা হয়েছিল। এরপর মাল্টিপ্যারামেট্রিক রেডিওমিক্স ফিচার, ডিপ লার্নিং ফিচার এবং ক্লিনিকাল প্যারামিটার একীভূত করে একটি সম্মিলিত মডেল তৈরি করা হয়েছিল। receiver operating characteristic কার্ভের নিচের ক্ষেত্রফল (AUC), ক্যালিব্রেশন কার্ভ, decision curve analysis (DCA) এবং জোড়ায় জোড়ায় মডেল তুলনার জন্য DeLong পরীক্ষা ব্যবহার করে মডেলের কার্যকারিতা ও ক্লিনিকাল উপযোগিতা মূল্যায়ন করা হয়েছিল। মডেলের ব্যাখ্যাযোগ্যতা বাড়াতে Gradient-weighted Class Activation Mapping (Grad-CAM) ব্যবহার করা হয়েছিল।
ফলাফল: ইউনিভারিয়েট ও মাল্টিভারিয়েট লজিস্টিক রিগ্রেশন বিশ্লেষণ টিউমারের সর্বোচ্চ ব্যাস, MR-DMI, BMI এবং ER স্ট্যাটাসকে স্বাধীন পূর্বানুমানমূলক ফ্যাক্টর হিসেবে চিহ্নিত করেছে। রেডিওমিক্স, ডিপ লার্নিং, ক্লিনিকাল ও সমন্বিত মডেলের তুলনা প্রমাণ করেছে যে মাল্টিপ্যারামেট্রিক MRI মডেল রেডিওমিক্স বা ডিপ লার্নিংভিত্তিক একক-সিকোয়েন্স মডেলের চেয়ে উন্নত ফল দিয়েছে, আর ভ্যালিডেশন সেটে সমন্বিত মডেলই সর্বোত্তম পূর্বানুমানমূলক কর্মক্ষমতা প্রদর্শন করেছে, যেখানে AUC 0.891, নির্ভুলতা 0.86, সংবেদনশীলতা 0.909, সুনির্দিষ্টতা 0.765 এবং F1-score 0.896 অর্জিত হয়েছে। DeLong পরীক্ষার ফলাফল দেখিয়েছে যে ট্রেনিং সেটে সমন্বিত মডেলের পূর্বানুমানমূলক কর্মক্ষমতা অন্য সব মডেলের চেয়ে বেশি ছিল এবং পার্থক্যগুলো পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ ছিল (P < 0.05)। ভ্যালিডেশন সেটে সমন্বিত মডেল ক্লিনিকাল মডেল এবং T2+CET1-Rad মডেলের তুলনায় পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ উন্নতি দেখিয়েছে (P<0.05)। ডিসিশন কার্ভ বিশ্লেষণ নির্দেশ করেছে যে সমন্বিত মডেল সর্বোচ্চ ক্লিনিকাল নেট সুবিধা প্রদান করেছে।
উপসংহার: মাল্টিপ্যারামেট্রিক MRI-ভিত্তিক রেডিওমিক্স এবং 2.5D ডিপ লার্নিংয়ের সমন্বয় EC-এর ঝুঁকি শ্রেণিবিন্যাসে সন্তোষজনক পূর্বাভাসমূলক পারফরম্যান্স দেখিয়েছে, যা একটি অ-আক্রমণাত্মক টুল হিসেবে এর সম্ভাব্য কার্যকারিতার ইঙ্গিত দেয় এবং ক্লিনিক্যাল প্র্যাকটিসে EC রোগীদের ব্যক্তিগতকৃত চিকিৎসা পরিকল্পনা ও প্রোগনস্টিক মূল্যায়নে সহায়তার জন্য একটি সম্ভাবনাময় সহায়ক পন্থা প্রদান করে।
জার্নাল IF-সমতুল্য: 2.7 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-02 অনুযায়ী মান, 2026-10-03 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Ouyang Y, Lin M, Cao Y, He N, Zhong X, Wu Y. এন্ডোমেট্রিয়াল কার্সিনোমার প্রাক-অপারেটিভ ঝুঁকি স্তরায়ণের জন্য গভীর শিক্ষণের সঙ্গে সমন্বিত মাল্টিপ্যারামেট্রিক এমআরআই-ভিত্তিক রেডিওমিক্স। Front Oncol. 2026 Oct 22;16:1942153. doi:10.3389/fonc.2026.1942153.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
এন্ডোমেট্রিয়ালের সব 1টি পেপার দেখুন →
পাকস্থলীর ক্যানসার: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
আদি গ্যাস্ট্রিক ক্যান্সারে (EGC) লিম্ফ নোড মেটাস্টেসিস (LNM)-এর নির্ভুল প্রি-অপারেটিভ মূল্যায়ন এন্ডোস্কোপিক বা শল্যচিকিৎসামূলক চিকিৎসা বেছে নেওয়ার জন্য অত্যন্ত গুরুত্বপূর্ণ। কম্পিউটেশনাল প্যাথলজির অধিকাংশ গবেষণা নিরাময়মূলক গ্যাস্ট্রেক্টোমির পরে সংগ্রহ করা রিসেকশন নমুনার ওপর নির্ভর করে, যা স্বভাবতই সেগুলোর প্রি-অপারেটিভ প্রাসঙ্গিকতা সীমিত করে। আমাদের গবেষণায় এন্ডোস্কোপিক বায়োপসির প্রি-অপারেটিভ হোল স্লাইড ইমেজ (WSI) ব্যবহার করে LNM ঝুঁকি অনুমানের জন্য একটি মাল্টিমোডাল কৃত্রিম বুদ্ধিমত্তা (AI) ফ্রেমওয়ার্ক তৈরি করা হয়েছে, যার লক্ষ্য অস্ত্রোপচারের আগেই ক্লিনিশিয়ানদের চিকিৎসা কৌশল অপ্টিমাইজ করতে সহায়তা করা এবং রোগীদের অপ্রয়োজনীয় শল্যচিকিৎসা ঝুঁকি কমানো। প্যাথলজিক্যাল ফিচার ও ক্লিনিক্যাল ভেরিয়েবল একীভূত করতে আমরা ক্লিনিক্যাল-গাইডেড কো-অ্যাটেনশন প্রক্রিয়াসহ একটি মাল্টিমোডাল ট্রান্সফরমার-ভিত্তিক মডেল তৈরি করেছি। খণ্ডিত বায়োপসি নমুনায় স্বভাবতই থাকা তথ্যের স্বল্পতা কাটিয়ে ওঠার জন্য ছদ্ম-বায়োপসি হিসেবে ব্যবহারের জন্য আমরা শল্যচিকিৎসার কলার WSI থেকে মিউকোসা ও সাবমিউকোসা অঞ্চল বের করেছি। এরপর মডেলটিকে আদর্শায়িত ছদ্ম-বায়োপসি থেকে বাস্তব-বিশ্বের বায়োপসি নমুনায় উত্তরণ ঘটাতে আরও একটি কারিকুলাম লার্নিং (CL) প্যারাডাইম ব্যবহার করা হয়। শল্যচিকিৎসার কলার 1,099টি WSI এবং এন্ডোস্কোপিক বায়োপসির 189টি WSI সমন্বিত একটি ডেটাসেট বিশ্লেষণের মাধ্যমে আমাদের ফ্রেমওয়ার্ক শল্যচিকিৎসার কলার WSI-তে 0.759 এরিয়া আন্ডার দ্য কার্ভ (AUC) এবং এন্ডোস্কোপিক বায়োপসির প্রি-অপারেটিভ WSI-তে 0.727 AUC অর্জন করেছে। আমাদের ফলাফল প্রমাণ করে যে T1 EGC-তে LNM ঝুঁকি প্রি-অপারেটিভভাবে মূল্যায়নে এন্ডোস্কোপিক বায়োপসির WSI-র জন্য প্রস্তুত একটি মাল্টিমোডাল AI ফ্রেমওয়ার্ক বাস্তবসম্মত। একটি পরীক্ষামূলক ক্লিনিক্যাল সিদ্ধান্ত-সহায়ক টুল হিসেবে এই ফ্রেমওয়ার্ক ক্লিনিশিয়ানদের প্রি-অপারেটিভ ঝুঁকি স্ট্র্যাটিফিকেশনে সহায়তার আশাব্যঞ্জক সম্ভাবনা রাখে এবং ভবিষ্যৎ শল্যচিকিৎসা ব্যবস্থাপনা অপ্টিমাইজ করার পথে একটি প্রাথমিক পদক্ষেপ হিসেবে কাজ করে।
জার্নাল IF-সমতুল্য: 2.8 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-24 অনুযায়ী মান, 2026-10-25 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Niu X, Wang S, Yu J, Tian M, Tang Z. এন্ডোস্কোপিক বায়োপসির হোল স্লাইড ইমেজ ব্যবহার করে প্রাথমিক গ্যাস্ট্রিক ক্যান্সারে লিম্ফ নোড মেটাস্টেসিসের মাল্টিমোডাল ট্রান্সফরমার-ভিত্তিক অপারেশন-পূর্ব ঝুঁকি মূল্যায়ন। Ann Biomed Eng. 2026 Oct 22 [Epub ahead of print]. doi:10.1007/s10439-026-04380-7.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
গ্যাস্ট্রিকের সব 1টি পেপার দেখুন →
যকৃতের ক্যানসার: চিকিৎসা, ট্রায়াল ও AI
- সারসংক্ষেপ
যুক্তিভিত্তি ও উদ্দেশ্য এই গবেষণার লক্ষ্য হেপাটোসেলুলার কার্সিনোমা (HCC) ও মাস-ফর্মিং ইন্ট্রাহেপাটিক কোলাঞ্জিওকার্সিনোমা (MF-ICC)-এর মধ্যে অ-আক্রমণাত্মক প্রাক-অপারেটিভ পার্থক্য নির্ণয়ের জন্য ক্লিনিক্যাল মডেলিংয়ের সঙ্গে মিলিত ডাইনামিক কনট্রাস্ট-এনহ্যান্সড ম্যাগনেটিক রেজোন্যান্স ইমেজিং (DCE-MRI)-ভিত্তিক মাল্টি-চ্যানেল ডিপ লার্নিংকে একীভূত করে একটি ফ্রেমওয়ার্ক তৈরি করা।
পদ্ধতি: অভ্যন্তরীণ ডেভেলপমেন্ট কোহোর্টে শল্যচিকিৎসার মাধ্যমে নিশ্চিত 334 জন রোগী ছিলেন, যার মধ্যে 231 জন HCC এবং 103 জন MF-ICC রোগী ছিলেন, এবং রোগীর স্তরে এটিকে ট্রেনিং কোহোর্ট ( n = 233) ও অভ্যন্তরীণ ভ্যালিডেশন কোহোর্টে ( n = 101) ভাগ করা হয়। স্বাধীন এক্সটার্নাল ভ্যালিডেশন কোহোর্টে 50 জন রোগী অন্তর্ভুক্ত ছিলেন, যার মধ্যে 40 জন HCC এবং 10 জন MF-ICC-এ আক্রান্ত। আমরা আর্টেরিয়াল ফেজ, পোর্টাল ভেনাস ফেজ এবং ডিলেইড ফেজের চিত্রের ভিত্তিতে পৃথক দ্বি-মাত্রিক ডিপ লার্নিং মডেল তৈরি করি এবং পরে ফিউশন মডেল তৈরি করি (2D মডেল)। চ্যানেল মাত্রা বরাবর স্তূপীকৃত তিন-ফেজের চিত্র সরাসরি ইনপুট হিসেবে দিয়ে আরও একটি মাল্টি-চ্যানেল ডিপ লার্নিং মডেল তৈরি করা হয়। তদুপরি, মাল্টিভেরিয়েট বিশ্লেষণের মাধ্যমে চিহ্নিত স্বাধীন প্রেডিক্টরগুলোর ভিত্তিতে একটি ক্লিনিক্যাল মডেল তৈরি করা হয়, যা শেষ পর্যন্ত সর্বোত্তম ফল প্রদর্শনকারী ডিপ লার্নিং মডেলের সঙ্গে একীভূত করা হয়। মডেলগুলোর কার্যকারিতা মূল্যায়ন ও তুলনা করা হয়।
ফলাফল: থ্রি-ফেজ ইমেজগুলো সরাসরি মাল্টি-চ্যানেল ইনপুট হিসেবে গ্রহণকারী ডিপ লার্নিং মডেল সব সিঙ্গেল-ফেজ এবং সংশ্লিষ্ট ফিউশন মডেলের চেয়ে ভালো পার্থক্যকরণ দেখিয়েছে (অভ্যন্তরীণ ভ্যালিডেশন কোহোর্টে কার্ভের নিচের ক্ষেত্রফল [AUC] = 0.814)। HCC-কে MF-ICC থেকে পৃথক করার ক্ষেত্রে সমন্বিত 2D + মাল্টি-চ্যানেল + ক্লিনিক্যাল মডেল সর্বোত্তম পারফরম্যান্স দেখায়, অভ্যন্তরীণ ভ্যালিডেশন কোহোর্টে 0.887 (95% CI, 0.819–0.954) AUC অর্জন করে এবং বাহ্যিক ভ্যালিডেশন কোহোর্টে ভালোভাবে সাধারণীকরণ করে (AUC = 0.908; 95% CI, 0.811–1.000)। তবে একাধিক তুলনার সংশোধনের পর মডেলগুলোর মধ্যে AUC-র কোনো তাৎপর্যপূর্ণ পার্থক্য পাওয়া যায়নি।
উপসংহার: ক্লিনিক্যাল প্রেডিক্টর ও DCE-MRI মাল্টি-ফেজ ডিপ লার্নিং ফিচারকে একীভূত করা এই ফিউশন মডেলটি অস্ত্রোপচারের আগে HCC থেকে MF-ICC আলাদা করতে একটি মূল্যবান হাতিয়ার হতে পারে।
জার্নাল IF-সমতুল্য: 2.7 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-02 অনুযায়ী মান, 2026-10-03 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Zhang H, Guo L, Jia F, Liu W, Zhang M, Li F, et al. হেপাটোসেলুলার কার্সিনোমাকে মাস-ফর্মিং ইন্ট্রাহেপাটিক কোলাঞ্জিওকার্সিনোমা থেকে ননইনভেসিভভাবে পার্থক্য করতে ক্লিনিকাল মডেলের সঙ্গে সংযুক্ত ডাইনামিক কনট্রাস্ট-এনহ্যান্সড MRI ডিপ লার্নিং মডেল। Front Oncol. 2026 Oct 23;16:1936989. doi:10.3389/fonc.2026.1936989.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ - সারসংক্ষেপ
ভূমিকা: ব্যক্তি রোগীদের মধ্যে হেপাটোসেলুলার কার্সিনোমা (HCC)-এর নোডিউলভেদে অ্যাটেজোলিজুমাব প্লাস বেভাসিজুমাব (AB) থেরাপির ক্লিনিক্যাল সাড়া ভিন্ন হতে পারে। এই গবেষণার লক্ষ্য ছিল ট্রান্সক্রিপ্টোম সিগনেচার থেকে রূপান্তরিত, নোডিউল-স্তরে AB সাড়া (ABS) পূর্বাভাসের জন্য একটি নন-ইনভেসিভ রেডিওমিক্স সিগনেচার (ABRad) তৈরি ও বাহ্যিকভাবে যাচাই করা।
পদ্ধতি: আমরা মূলত IMbrave150 ও GO30140 ট্রায়াল থেকে পাওয়া যথাক্রমে 209 ও 44টি চিকিৎসা-পূর্ব HCC নমুনা ব্যবহার করে ABS গড়ে তুলেছিলাম ও যাচাই করেছিলাম। এরপর অস্ত্রোপচারে অপসারিত HCC থেকে জোড়া লাগানো জিনোম-ব্যাপী ট্রান্সক্রিপ্টোম ও রিসেকশন-পূর্ব কম্পিউটেড টমোগ্রাফি ইমেজিংসহ 59 জন রোগীর ওপর মেশিন-লার্নিং পদ্ধতি প্রয়োগ করে ABS-কে ABRad-এ রূপান্তর করা হয়। পরবর্তীতে AB থেরাপি পাওয়া 55 জন রোগীর 178টি HCC নডিউল ব্যবহার করে ABRad-এর বাহ্যিক যাচাই করা হয়।
ফলাফল: ক্লিনিকাল ট্রায়াল কোহোর্টগুলিতে 148-জিনের ABS চিকিৎসা-প্রতিক্রিয়া এবং প্রগতিমুক্ত বেঁচে থাকার সময়কাল (PFS) পূর্বাভাস করেছিল। random forest অ্যালগরিদম ব্যবহার করে নির্মিত চূড়ান্ত ABRad মডেলটির ওপর কনট্রাস্ট-এনহ্যান্সড বৈশিষ্ট্যগুলির প্রবল প্রভাব ছিল। বাহ্যিক যাচাই কোহোর্টে ABRad চিকিৎসা-প্রতিক্রিয়ার মাত্রার সঙ্গে তাৎপর্যপূর্ণ ইতিবাচক সম্পর্ক দেখিয়েছে (p <0.001)। সম্পূর্ণ প্রতিক্রিয়া (CR), উদ্দেশ্যমূলক প্রতিক্রিয়া (OR) এবং রোগ নিয়ন্ত্রণ (DC) পূর্বাভাসের জন্য receiver operating characteristics বক্ররেখার নিচের ক্ষেত্রফল ছিল যথাক্রমে 0.71 (95% আস্থার ব্যবধান [CI], 0.61-0.80), 0.65 (95% CI, 0.56-0.73) এবং 0.69 (95% CI, 0.59-0.78)। নডিউল-স্তরের ABRad চিকিৎসা-প্রতিক্রিয়ার সঙ্গে স্বাধীনভাবে যুক্ত ছিল, CR-এর জন্য সমন্বিত odds ratio ছিল 3.05 (95% CI, 1.23-7.57), OR-এর জন্য 2.24 (95% CI, 1.06-4.77) এবং DC-এর জন্য 2.79 (95% CI, 1.07-7.29)। রোগী-স্তরের ABRad দীর্ঘায়িত PFS-এর সঙ্গে তাৎপর্যপূর্ণভাবে যুক্ত ছিল (p = 0.005)।
উপসংহারসমূহ: ABRad HCC-তে AB থেরাপির প্রতি নডিউল-লেভেল প্রতিক্রিয়া সফলভাবে পূর্বানুমান করেছে।
জার্নাল IF: অজানা (মেলানো যায়নি)রেফারেন্স: [লেখকের নাম উল্লেখ নেই]. সম্পূরক উপাদান: হেপাটোসেলুলার কার্সিনোমায় এটেজোলিজুমাব প্লাস বেভাসিজুমাব-এর প্রতি সাড়ার নডিউল-স্তরের পূর্বাভাসের জন্য একটি রেডিও-ট্রান্সক্রিপ্টোম সিগনেচার। Figshare. [Epub ahead of print]. doi:10.6084/m9.figshare.34754340.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
কিডনি ক্যানসার: চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মূত্রথলির ক্যান্সার: চিকিৎসা, ট্রায়াল ও AI
- সারসংক্ষেপ
মূত্রাশয়ের পেশী-আক্রমণকারী ক্যান্সারে (MIBC) আক্রান্ত রোগীদের পূর্বাভাস সাধারণত অত্যন্ত খারাপ হয়, এমনকি র্যাডিক্যাল সিস্টেক্টমি (RC) করানোর পরেও। এই সীমাবদ্ধতা মোকাবিলার জন্য আমরা একটি প্রি-অপারেটিভ ডিপ লার্নিং (DL) মডেল তৈরি ও মূল্যায়ন করেছি, যা কম্পিউটেড টমোগ্রাফি (CT) ইমেজিং ব্যবহার করে অস্ত্রোপচার-পরবর্তী রোগের অগ্রগতির ঝুঁকি অনুযায়ী MIBC রোগীদের স্তরবিন্যাস করে। চারটি প্রতিষ্ঠানের একটিতে RC করানো MIBC রোগীদের ডেটা রেট্রোস্পেক্টিভভাবে বিশ্লেষণ করা হয় এবং ট্রেনিং ও ভ্যালিডেশন কোহোর্টে বিভক্ত করা হয়। প্রি-অপারেটিভ CT ছবির ভিত্তিতে অস্ত্রোপচার-পরবর্তী অগ্রগতির ঝুঁকি পূর্বাভাস দিতে একটি ডুয়াল-চ্যানেল তথ্য-ফিউশন DL মডেল তৈরি করা হয়। এরপর, ক্লিনিক্যাল বৈশিষ্ট্যগুলিকে DL-নির্ধারিত স্কোরের সঙ্গে একত্রিত করে একটি DL-ভিত্তিক ক্লিনিক্যাল সিগনেচার তৈরি করা হয়। DL মডেলের পূর্বাভাস ক্ষমতা মূল্যায়নে কনকর্ডেন্স ইনডেক্স (C-index) এবং কার্ভের নিচের ক্ষেত্রফল (AUC) ব্যবহার করা হয়, যা DL-ভিত্তিক ক্লিনিক্যাল সিগনেচার, একটি ক্লিনিক্যাল মডেল এবং একটি Ki67 মডেলের সঙ্গে তুলনা করা হয়। MIBC-আক্রান্ত 427 জন রোগীর রেট্রোস্পেক্টিভ কোহোর্টে DL স্কোর ভ্যালিডেশন কোহোর্টে রোগের অগ্রগতির জন্য ভালো পূর্বাভাস কর্মক্ষমতা দেখিয়েছে (C-index: 0.774; AUC: 0.785), এবং ভ্যালিডেশন কোহোর্টে সাধারণভাবে তুলনাকৃত মডেলগুলির চেয়ে উচ্চতর পূর্বাভাস কর্মক্ষমতা দেখিয়েছে। একটি সর্বোত্তম থ্রেশহোল্ড ব্যবহার করে রোগীদের কোহোর্টকে দুটি পৃথক উপগোষ্ঠীতে ভাগ করা হয়, উচ্চ-ঝুঁকি ও নিম্ন-ঝুঁকি, এবং দুই গোষ্ঠীর মধ্যে অগ্রগতির কিউমুলেটিভ ইনসিডেন্সে পার্থক্য পরিলক্ষিত হয়, যা অগ্রগতির ঝুঁকি অনুযায়ী রোগীদের স্তরবিন্যাস করার মডেলের ক্ষমতাকে সমর্থন করে। DL ফ্রেমওয়ার্কে প্রি-অপারেটিভ CT ইমেজিং ব্যবহারের ফলে MIBC রোগীদের ক্ষেত্রে PFS পূর্বাভাস ও ঝুঁকি স্তরবিন্যাস সম্ভব হয়েছে, যার ব্যক্তিগতকৃত অস্ত্রোপচার-পরবর্তী সার্ভেইল্যান্সে সম্ভাব্য মূল্য রয়েছে।
জার্নাল IF-সমতুল্য: 2.6 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-21 অনুযায়ী মান, 2026-10-22 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Liu Y, Xu Z, Xia J, Guo L, Hou W, Qu B, et al. পেশি-আক্রমণশীল মূত্রথলির ক্যান্সারে রোগ অগ্রগতিমুক্ত বেঁচে থাকার পূর্বাভাস দেওয়ার জন্য একটি ব্যাখ্যাযোগ্য কনট্রাস্ট-এনহ্যান্সড সিটি-ভিত্তিক ক্রস-অ্যাটেনশন ট্রান্সফর্মার মডেল: একটি বহুকেন্দ্রিক সমীক্ষা. Abdom Radiol. 2026 Oct 22 [প্রিন্টের আগে ই-প্রকাশিত]. doi:10.1007/s00261-026-05837-y.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
মূত্রথলির সব 1টি পেপার দেখুন →