ઓક્સફર્ડ યુનિવર્સિટી અને માન્ચેસ્ટર યુનિવર્સિટીના વૈજ્ઞાનિકોએ પ્રોસ્ટેટ કેન્સર સંશોધનમાં એક સફળતા મેળવી છે, આ રોગના બે અલગ-અલગ પેટા પ્રકારોને ઓળખવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો ઉપયોગ કર્યો છે. સેલ જીનોમિક્સ જર્નલમાં પ્રકાશિત, અભ્યાસમાં AI સાથે ડીએનએ ડેટાનું વિશ્લેષણ કરવામાં આવ્યું હતું, જેમાં સંશોધકો “પ્રોસ્ટેટ ઇવોટાઇપ્સ” શબ્દ શું કહે છે તે છતી કરે છે. 159 વ્યક્તિઓમાંથી પ્રોસ્ટેટ કેન્સરના નમૂનાઓના જિનોમિક સિક્વન્સિંગમાં ઓળખાયેલ આ ઇવોટાઇપ્સ, નિદાન અને સારવારના અભિગમમાં ક્રાંતિ લાવી શકે છે, સંભવિતપણે બિનજરૂરી શસ્ત્રક્રિયાઓને અટકાવી શકે છે.
સંશોધકો માને છે કે AI-સંચાલિત તારણો આનુવંશિક પરીક્ષણના વિકાસ માટે માર્ગ મોકળો કરે છે. જ્યારે પરંપરાગત સ્ટેજીંગ અને ગ્રેડિંગ પદ્ધતિઓ સાથે જોડવામાં આવે છે, ત્યારે આ પરીક્ષણ દર્દીઓને વધુ ચોક્કસ પૂર્વસૂચન અને વ્યક્તિગત સારવાર વિકલ્પો પ્રદાન કરી શકે છે. કેન્સર રિસર્ચ યુકે દ્વારા અંશતઃ ભંડોળ પૂરું પાડવામાં આવેલ આ અભ્યાસ પ્રોસ્ટેટ કેન્સર માટે વ્યક્તિગત સારવારના નવા યુગ માટે પાયાના કામ તરીકે જોવામાં આવે છે, જે સફળ પરિણામોની સંભાવનામાં વધારો કરે છે.
ઓક્સફર્ડ યુનિવર્સિટીના મુખ્ય સંશોધક ડૉ. ડેન વુડકોક, પ્રોસ્ટેટ ગાંઠો બહુવિધ માર્ગો સાથે કેવી રીતે વિકસિત થાય છે તે સમજવાના મહત્વ પર ભાર મૂકે છે. આ વ્યક્તિગત જનીન પરિવર્તન અથવા અભિવ્યક્તિ પેટર્નને બદલે કેન્સર ઉત્ક્રાંતિના આધારે ગાંઠોનું વર્ગીકરણ કરવાની મંજૂરી આપે છે. ધ્યેય એક ગતિશીલ વર્ગીકરણ પ્રદાન કરવાનો છે જે રોગની પ્રગતિની વધુ સૂક્ષ્મ સમજ પ્રદાન કરે છે.
મેમોરિયલ સ્લોએન કેટરિંગ કેન્સર સેન્ટરના ડો. માઈકલ મોરિસ પ્રોસ્ટેટ કેન્સરની પ્રગતિના ચોક્કસ માર્ગ અને તબક્કાને સમજવામાં ડોકટરો અને દર્દીઓને માર્ગદર્શન આપવા માટે ઈવોટાઈપ્સની સંભવિતતા નોંધે છે. હાલના ડાયગ્નોસ્ટિક ટૂલ્સ જેમ કે ગ્લેસન સ્કોર અને અન્ય જીનોમિક વર્ગીકરણ પરીક્ષણોની તુલનામાં, ઇવોટાઇપિંગને વધુ ગતિશીલ અભિગમ માનવામાં આવે છે જે રોગના ઉત્ક્રાંતિમાં ચાલુ આંતરદૃષ્ટિ પ્રદાન કરે છે.
જો કે, નિષ્ણાતો ચેતવણી આપે છે કે આ આશાસ્પદ પરિણામો હોવા છતાં, અભ્યાસમાં મર્યાદાઓ છે, જેમાં નાના નમૂનાના કદનો સમાવેશ થાય છે અને પ્રોસ્ટેટ કેન્સરનું જોખમ ઓછું હોય તેવા લોકો પર ધ્યાન કેન્દ્રિત કરવામાં આવે છે. ન્યૂ ઈંગ્લેન્ડ કેન્સર સ્પેશિયાલિસ્ટ્સના ડૉ. ક્રિશ્ચિયન થોમસ સૂચવે છે કે ક્લિનિકલ મેનેજમેન્ટ માટે ચોક્કસ તારણો કાઢતા પહેલા મોટા ક્લિનિકલ અભ્યાસો, પ્રાધાન્યમાં સંભવિત રેન્ડમાઇઝ્ડ ટ્રાયલ્સ દ્વારા વધુ પુષ્ટિ જરૂરી છે.
