AI ने मस्तिष्क की छिपी सफाई व्यवस्था का नक्शा बनाकर उजागर किया एक नया 'दो-गति' रहस्य

वर्षों तक, मस्तिष्क की अपशिष्ट-निकासी प्रणाली—जिसे ग्लिम्फैटिक सिस्टम कहते हैं—एक ब्लैक बॉक्स बनी रही। वैज्ञानिक जानते थे कि सेरेब्रोस्पाइनल फ्लूइड (CSF) रक्त वाहिकाओं के आसपास की जगहों से होकर बहता है और अल्जाइमर रोग में शामिल अमाइलॉइड-बीटा प्रोटीन जैसे चयापचय अपशिष्ट को बाहर निकालता है, लेकिन जीवित ऊतकों के भीतर यह द्रव कितनी तेजी से बहता है, इसे पारंपरिक इमेजिंग से मापना असंभव था । प्रवाह इतना धीमा था कि उसे कैमरे में क़ैद ही नहीं किया जा सकता था।

अब, यूनिवर्सिटी ऑफ रोचेस्टर के यांत्रिक अभियांत्रिकी विभाग के प्रोफेसर डगलस केली के नेतृत्व में, ब्राउन यूनिवर्सिटी और यूनिवर्सिटी ऑफ कोपेनहेगन के सहयोगियों के साथ एक टीम ने उस बाधा को तोड़ दिया है। मई 2026 में साइंस एडवांसेज में प्रकाशित एक अध्ययन में, उन्होंने मानक MRI वीडियो से ग्लिम्फैटिक तरल प्रवाह के वेग का पुनर्निर्माण करने के लिए भौतिकी-सूचित आर्टिफिशियल इंटेलिजेंस का उपयोग किया । परिणाम मस्तिष्क के छिपे हुए हाइड्रोलिक ब्लूप्रिंट का पहला विस्तृत नक्शा है, जो दो नाटकीय रूप से भिन्न गतियों पर संचालित एक प्रणाली को दर्शाता है।

तकनीकी सफलता: AI को तरल गतिकी के नियम सिखाना

पारंपरिक MRI यह दिखा सकता है कि एक ट्रेसर डाई मस्तिष्क में फैल रही है, लेकिन जब गति केवल कुछ माइक्रोन प्रति सेकंड होती है, तो वह उस प्रसार का वेग नहीं माप सकता । इस चुनौती से पार पाने के लिए, शोधकर्ताओं ने न्यूरल नेटवर्क बनाए और उन्हें मस्तिष्क के ऊतकों में डाई के फैलने के टाइम-लैप्स MRI वीडियो पर प्रशिक्षित किया। इसकी मुख्य नवीनता AI को केवल इमेजिंग डेटा ही नहीं, बल्कि तरल गतिकी के मूलभूत समीकरण भी खिलाना था ।

यह दृष्टिकोण, जिसे भौतिकी-सूचित न्यूरल नेटवर्क या आर्टिफिशियल इंटेलिजेंस वेलोसिमेट्री (AIV) के रूप में जाना जाता है, मॉडल की भविष्यवाणियों को भौतिकी के नियमों का पालन करने के लिए बाध्य करता है । ऐसा करके, AI डाई की गति से दो पहले अगम्य मापदंडों का अनुमान लगा सका: तरल का स्थानीय वेग और आसपास के मस्तिष्क ऊतक की पारगम्यता । यह तकनीक उसी समूह के पहले के शोध पर आधारित है जिसमें चूहों की रक्त वाहिकाओं के आस-पास की जगहों में दबाव, दीवार कतरनी तनाव और 3D वेग को मापने के लिए AIV का उपयोग किया गया था ।

खोज: एक दोहरी-गति वाली सफाई प्रणाली

AI-संचालित पुनर्निर्माण ने स्थान के अनुसार ग्लिम्फैटिक सिस्टम के तरल प्रवाह में एक तीव्र विरोधाभास को उजागर किया :

• सतह पर तेज़ प्रवाह: खुले क्षेत्रों में, जैसे खोपड़ी और मस्तिष्क के बीच सबअर्कनॉइड स्पेस में, CSF कुछ माइक्रोन प्रति सेकंड की गति से चलता है, और प्रमुख धमनी मार्गों पर कुशलतापूर्वक बहता है।
• गहरे ऊतकों में धीमा प्रवाह: एक बार जब तरल मस्तिष्क के सघन पैरेन्काइमा (कार्यात्मक ऊतक) में प्रवेश करता है, तो यह सतही प्रवाह की तुलना में लगभग 50 गुना धीमी गति से टपकता है ।

यह दोहरी-गति व्यवस्था जैविक रूप से सार्थक है। मस्तिष्क की बाहरी सतह एक उच्च-चालकता वितरण नेटवर्क के रूप में कार्य करती है, जबकि गहरा ऊतक उच्च हाइड्रोलिक प्रतिरोध प्रस्तुत करता है, जिससे तरल संकीर्ण अंतरालीय स्थानों से होकर धीरे-धीरे रिसता है । केली के समूह के पिछले मॉडलिंग कार्य ने पहले ही संकेत दिया था कि केवल कम-प्रतिरोध वाली रक्त वाहिकाओं के आस-पास की जगहों और उच्च-प्रतिरोध वाले पैरेन्काइमा का संयोजन ही एक छोटे दबाव ड्रॉप के साथ ग्लिम्फैटिक प्रवाह को संचालित कर सकता है और पूरे कॉर्टेक्स में अच्छा प्रवेश सुनिश्चित कर सकता है । नए AI माप अब इस संरचना के लिए प्रत्यक्ष जीवित (in vivo) साक्ष्य प्रदान करते हैं।

वेग से परे: ऊतक पारगम्यता का मापन

ग्लिम्फैटिक अनुसंधान में एक प्रमुख छिपा हुआ चर ऊतक पारगम्यता रहा है—मस्तिष्क का ऊतक कितनी आसानी से तरल को अपने अंदर से गुजरने देता है। नया भौतिकी-सूचित AI ढांचा ट्रेसर के प्रसार का अवलोकन करके और संरक्षण नियमों के साथ समाधान को बाधित करके एक साथ पारगम्यता का अनुमान लगाता है । मस्तिष्क के ऊतकों की पारगम्यता में परिवर्तन विकृति का एक प्रारंभिक मार्कर हो सकता है; यदि ऊतक तरल प्रवाह के प्रति अधिक प्रतिरोधी हो जाता है, तो अपशिष्ट निकासी रुक जाती है। MRI से गैर-आक्रामक रूप से इस गुण को मापने में सक्षम होना न्यूरोडीजेनेरेटिव बीमारियों के शुरुआती चरणों में एक नई खिड़की खोल सकता है।

वर्तमान सीमाएं: चूहों और मनुष्यों के बीच की खाई

यह ध्यान रखना महत्वपूर्ण है कि अब तक के सभी माप पशु मॉडलों, विशेष रूप से चूहों में, आधारभूत मान स्थापित करने के लिए किए गए हैं । मानव मस्तिष्क की इमेजिंग काफी अतिरिक्त चुनौतियां प्रस्तुत करती है, जिसमें बड़ा पैमाना, लंबा स्कैन समय, और चिकित्सकीय रूप से सुरक्षित ट्रेसर एजेंटों की आवश्यकता शामिल है। शोधकर्ता सक्रिय रूप से मानव अनुप्रयोग के लिए विधि को अनुकूलित करने की दिशा में काम कर रहे हैं, लेकिन यह अनुवादात्मक कदम अभी भी प्रगति पर है ।

क्षितिज पर क्लीनिकल संभावनाएं

इन सीमाओं के बावजूद, दीर्घकालिक क्लीनिकल संभावनाएं चौंकाने वाली हैं। एक मानक MRI स्कैन से ग्लिम्फैटिक फंक्शन को सीधे मापने की क्षमता एक दिन न्यूरोलॉजी को बदल सकती है:

• अल्जाइमर रोग की स्क्रीनिंग: नींद के दौरान अमाइलॉइड बीटा प्रोटीन को साफ करने के लिए ग्लिम्फैटिक सिस्टम जिम्मेदार है । यदि AI विधि को मनुष्यों में अनुवादित किया जा सकता है, तो यह संभावित रूप से माप सकता है कि अल्जाइमर रोगी के मस्तिष्क का तरल संचार खराब है या नहीं, या प्लाक जमा होने से पहले जीवन में ही स्वस्थ व्यक्तियों में खराब सफाई की स्क्रीनिंग कर सकता है ।
• अभिघातजन्य मस्तिष्क चोट और मस्तिष्काघात: एक मस्तिष्काघात मस्तिष्क में तरल गतिकी को बाधित कर सकता है, लेकिन वर्तमान में उस व्यवधान को सीधे मापने का कोई तरीका नहीं है। AI वेलोसिमेट्री ढांचा सिर की चोट के बाद ग्लिम्फैटिक प्रवाह के प्रभावित होने का आकलन करने के लिए एक मात्रात्मक उपकरण प्रदान कर सकता है ।
• उम्र बढ़ने पर अनुसंधान: उम्र के साथ ग्लिम्फैटिक सफाई स्वाभाविक रूप से कम हो जाती है, जो संज्ञानात्मक गिरावट में योगदान करती है । युवा बनाम वृद्ध मस्तिष्कों में प्रवाह वेग की सीधे तुलना करके इस गिरावट के पीछे के भौतिक तंत्रों का पता लगाया जा सकता है और हस्तक्षेप के सुझाव दिए जा सकते हैं ।

यह विधि इमेजिंग से परे भी अनुकूलित की जा सकती है। अनुसंधान समूह ने ग्लिम्फैटिक नेटवर्क में ट्रेसर इंजेक्शन और दवा वितरण के सिमुलेशन के लिए समय-निर्भर प्रवाहों का अध्ययन करने हेतु अपने मॉडलिंग का विस्तार पहले ही कर लिया है , जो मस्तिष्क तक चिकित्सीय वितरण को निर्देशित करने में भविष्य के अनुप्रयोगों का सुझाव देता है।

भौतिकी-सूचित AI ने शोधकर्ताओं को मस्तिष्क की अपशिष्ट-निकासी प्लंबिंग की क्रियाशीलता की पहली वास्तविक झलक दी है। जबकि क्लिनिक में आवेदन अभी वर्षों दूर हैं, दो-गति प्रवाह नक्शा यह समझने के लिए एक मात्रात्मक आधार प्रदान करता है कि मस्तिष्क स्वयं को कैसे स्वच्छ रखता है—और जब वह प्रणाली विफल हो जाती है तो क्या होता है।