قلم کے کینسر کا تشخیص کرنے والا نیا ٹیسٹ... مصنوعی ذہانت کے ذریعے

سوئٹزرلینڈ کی یونیورسٹی آف جنیوا کے محققین نے ایک غیر جراحی تشخیصی طریقہ تیار کیا ہے جو آنتوں اور بڑی آنت کے کینسر کی ابتدائی شناخت میں انقلاب برپا کر سکتا ہے، اور یہ طریقہ روایتی اینڈوسکوپی یا کولونوسکوپی جیسے مہنگے اور غیر آرام دہ معائنوں سے ہٹ کر ہے۔ اس نئے طریقے میں مہنگے اور تکلیف دہ روایتی اینڈوسکوپی کی جگہ سادہ پاخانے کے نمونوں کے تجزیے پر انحصار کیا گیا ہے، جس کی وجہ سے بہت سے لوگ مناسب وقت پر معائنہ کروانے سے گریز کرتے ہیں۔

محققین نے وضاحت کی کہ انہوں نے مشین لرننگ (Machine Learning) کی تکنیکوں کا استعمال کرتے ہوئے انسانی آنتوں کے بیکٹیریا کا پہلا تفصیلی کیٹلاگ تیار کیا، جس کی درستگی اتنی ہے کہ جسم کے اندر مختلف مائیکروبیل سب گروپس کیسے کام کرتے ہیں، اسے سمجھا جا سکتا ہے۔ پھر انہوں نے ان معلومات کا استعمال پاخانے کے نمونوں میں موجود بیکٹیریا کی بنیاد پر آنتوں اور بڑی آنت کے کینسر کی شناخت کے لیے کیا، جس سے ایک کم لاگت والا اور غیر جراحی متبادل فراہم ہوا۔ اس تحقیق کے نتائج 'سیل ہوسٹ اینڈ مائیکروب' (Cell Host & Microbe) نامی جریدے میں شائع ہوئے۔

یونیورسٹی آف جنیوا کے میڈیکل اسکول کے سیکشن آف سائٹولوجی اینڈ میٹابولزم میں پروفیسر اور چیف ریسرچر میرکو ٹرائیکوفسکی نے اشارہ کیا کہ ٹیم نے مائیکروبز کی درجہ بندی کے ایک درمیانی سطح پر توجہ مرکوز کی، جسے 'سب سپیشیز' (Subspecies) کہا جاتا ہے، نہ کہ مکمل بیکٹیریل انواع کا تجزیہ جو باریکیوں کو پکڑنے میں ناکام رہتا ہے، یا اسٹرینز کا تجزیہ جو افراد کے درمیان بہت مختلف ہوتا ہے۔ انہوں نے وضاحت کی کہ یہ درمیانی سطح بیکٹیریا کے درمیان فنکشنل فرق اور ان کا کینسر سمیت بیماریوں سے تعلق کو دیکھنے کی اجازت دیتی ہے، جبکہ یہ عمومی نوعیت برقرار رکھتی ہے جو مختلف آبادیوں یا ممالک کے گروپس کے درمیان ان فرقوں کو دیکھنے کی سہولت فراہم کرتی ہے۔

اس طرف سے، ریسرچ ٹیم کے ڈاکٹریٹ کے طالب علم اور اسٹڈی کے چیف ریسرچر میتیا ٹرائیکوویچ نے وضاحت کی کہ سب سے بڑا چیلنج ہزاروں حیاتیاتی ڈیٹا کا تجزیہ کرنے کے لیے ایک جدید طریقہ کار تیار کرنا تھا، اور انہوں نے تصدیق کی کہ ٹیم نے انسانی آنتوں کے مائیکروبز کی سب سپیشیز کا پہلا جامع کیٹلاگ بنانے میں کامیابی حاصل کی ہے، ساتھ ہی ایک درست اور مؤثر طریقہ بھی تیار کیا ہے جسے تحقیق اور کلینیکل ایپلیکیشنز دونوں میں استعمال کیا جا سکتا ہے۔

• ماڈل کینسر کے 90 فیصد کیسز کی شناخت کرنے میں کامیاب رہا، جو روایتی اینڈوسکوپی کے ذریعے حاصل ہونے والی 94 فیصد کی شناخت کی شرح کے بہت قریب ہے۔

• ماڈل کی درستگی موجودہ تمام غیر جراحی تشخیصی طریقوں پر حاوی ہے، جس سے اسے ابتدائی روٹین اسکریننگ کے طور پر استعمال کرنے کا راستہ ہموار ہوتا ہے، جس کے بعد مثبت مریضوں کی تصدیق کے لیے صرف اینڈوسکوپی کے لیے بھیجا جاتا ہے۔

محققین نے زور دیا کہ مزید کلینیکل ڈیٹا مستقبل میں ماڈل کی درستگی کو بڑھا سکتا ہے تاکہ یہ روایتی اینڈوسکوپی کے کارکردگی کے مکمل قریب پہنچ سکے، جبکہ یونیورسٹی آف جنیوا کے ہسپتالوں کے ساتھ مل کر فی الحال ایک کلینیکل ٹرائل کی تیاریاں جاری ہیں تاکہ یہ طے کیا جا سکے کہ اس طریقے سے کن مراحل اور کلینیکل لیژنز (Lesions) کو زیادہ درستگی سے دیکھا جا سکتا ہے۔

ٹرائیکوفسکی نے اختتام پر کہا کہ یہی طریقہ کار مستقبل میں آنتوں کے مائیکروبز کے ایک ہی تجزیے کی بنیاد پر دیگر وسیع پیمانے پر بیماریوں کے لیے غیر جراحی تشخیصی آلات تیار کرنے میں بھی استعمال کیا جا سکتا ہے۔