ذكاء اصطناعي يكشف 18 نوعًا من السرطان بتحديدات قليلة

في تطور طبي لافت، كشف فريق بحثي بقيادة جامعة هونج كونج للعلوم والتقنية عن نظام ذكاء اصطناعي ثوري في مجال علم الأمراض. يمتلك هذا النظام قدرة فائقة على التعرف بدقة على أنواع متعددة من السرطان، حتى باستخدام عدد قليل جدًا من العينات، ودون الحاجة إلى أي تدريب إضافي. هذا الإنجاز، الذي نقله موقع Medical xpress، يمثل قفزة نوعية نحو تعزيز كفاءة ومرونة الرعاية الطبية المدعومة بالذكاء الاصطناعي، ويفتح الباب أمام اعتماد أوسع لعلم الأمراض الذكي في المجال الصحي.

يأتي هذا الابتكار في وقت حاسم، حيث يتم تشخيص ملايين الحالات الجديدة للسرطان سنويًا حول العالم. وعلى الرغم من الدور الجوهري الذي يلعبه الفحص النسيجي في التشخيص واتخاذ قرارات العلاج، إلا أن النقص العالمي الحاد في أخصائيي علم الأمراض يضع ضغطًا كبيرًا على النظام الصحي. لذا، تزداد الحاجة الملحة لحلول مبتكرة يمكنها الارتقاء بكفاءة التحليل النسيجي، وهنا يبرز دور الذكاء الاصطناعي كمنقذ محتمل، رغم التحديات التي لا تزال تواجه تطبيقه العملي.

تحديات تشخيص السرطان التقليدي ودور الذكاء الاصطناعي

تعتمد نماذج الذكاء الاصطناعي التقليدية في تحليل علم الأمراض على تدريب شامل، يتطلب جمع وتجهيز عشرات الآلاف من صور البيانات. يتم هذا التدريب لكل نوع سرطاني أو مهمة تشخيصية على حدة، مما يطيل من دورات التطوير ويرفع التكاليف الحاسوبية والبشرية بشكل كبير. إضافة إلى ذلك، غالبًا ما تعاني هذه النماذج من قصور في القدرة على التعميم، مما يستدعي عمليات ضبط دقيق مكثفة عند تطبيقها على أورام مختلفة في بيئات سريرية واقعية. هذه القيود تحد من قابليتها للتوسع والاعتماد، خاصة في المناطق التي تعاني من نقص الموارد الطبية.

نظام PRET: ثورة في تحليل الصور المرضية

لمعالجة هذه المعوقات، نجح فريق البحث، بالتعاون مع مستشفى الشعب بمقاطعة جوانجدونج وكلية الطب بجامعة هارفارد، في تطوير نظام مبتكر لتحليل علم الأمراض يُعرف باسم PRET (التعرف الشامل على السرطان دون الحاجة إلى تدريب مسبق). نُشرت تفاصيل هذا البحث في مجلة Nature Cancer المرموقة. يُمثل هذا النظام ابتكارًا رائدًا بإدخاله مفهوم “التعلم السياقي” المستعار من معالجة اللغة الطبيعية إلى مجال تحليل الصور المرضية. يُمكّن هذا المفهوم النموذج من التكيف الفوري مع أنواع جديدة من السرطان وأداء مهام تشخيصية متعددة، مثل فحص السرطان، وتصنيف الأورام الفرعية، وتجزئة الورم، وذلك بالاعتماد على شريحة ورمية واحدة إلى ثماني شرائح مُعلّمة فقط أثناء مرحلة الاستدلال. وبوصفه أداة تشخيصية ذكية “جاهزة للاستخدام”، يتجاوز نظام PRET المتطلبات المعقدة للضبط الدقيق الخاص بكل مهمة التي تتطلبها نماذج الذكاء الاصطناعي التقليدية.

نتائج واعدة ودقة علمية فائقة

أجرى فريق البحث تقييمًا شاملاً لنظام PRET باستخدام 23 مجموعة بيانات مرجعية دولية، تم جمعها من مؤسسات طبية رائدة في الصين والولايات المتحدة وهولندا. غطت هذه البيانات 18 نوعًا مختلفًا من السرطان، بالإضافة إلى مهام تشخيصية متنوعة. أظهرت النتائج تفوق هذا النظام بشكل ملحوظ على الطرق التشخيصية الحالية في 20 مهمة من المهام المختبرة. تجاوزت مساحة المنطقة تحت المنحنى (AUC)، وهو مقياس أساسي لدقة التشخيص، نسبة 97% في 15 مهمة منها. اللافت أن نظام PRET حقق دقة مكانية (AUC) بلغت 100% في فحص سرطان القولون والمستقيم، و99.54% في تجزئة أورام سرطان الخلايا الحرشفية في المريء. وفي مهمة بالغة الصعوبة تمثلت في الكشف عن نقائل السرطان في العقد اللمفاوية، سجل PRET دقة مكانية (AUC) بلغت حوالي 98.71% باستخدام ثماني عينات فقط. هذا الأداء فاق بكثير متوسط أداء 11 أخصائي علم أمراض بشري، والذي بلغ حوالي 81%. علاوة على ذلك، أثبت نظام PRET قابلية تعميم قوية ومستقرة عبر مجموعات سكانية متنوعة ومناطق ذات مستويات مختلفة من الموارد الطبية.

تعزيز المساواة الصحية عالميًا

يأمل الباحثون أن يسهم هذا النظام المبتكر في تجاوز القيود الجغرافية والتشغيلية التي تواجه خدمات التشخيص المتقدمة والدقيقة. من خلال تزويد المناطق ذات الموارد المحدودة بأدوات تشخيصية عالية الدقة، يمكن لهذا البرنامج أن يعزز المساواة في الحصول على رعاية صحية عالمية الجودة، مما يفتح آفاقًا جديدة للتشخيص المبكر والعلاج الفعال للسرطان.