عدد اليوم
طور فريق بحثي بقيادة جامعة هونغ كونغ للعلوم والتكنولوجيا نظامًا رائدًا لتحليل علم الأمراض باستخدام الذكاء الاصطناعي، قادرًا على التعرف بدقة على أنواع متعددة من السرطان باستخدام عدد قليل جدًا من العينات، دون الحاجة إلى أي تدريب إضافي.
يُعزز هذا الإنجاز، بشكل كبير، مرونة وكفاءة الرعاية الطبية المدعومة بالذكاء الاصطناعي، مما يُمثل خطوة هامة نحو اعتماد علم الأمراض الذكي على نطاق واسع.
يتم تشخيص ما يقرب من 20 مليون حالة سرطان جديدة سنويًا في جميع أنحاء العالم، ويلعب الفحص النسيجي دورًا محوريًا في التشخيص السريري واتخاذ قرارات العلاج.
تتطلب نماذج الذكاء الاصطناعي التقليدية عادةً جمع وتدريب عشرات الآلاف من صور ومجموعات بيانات علم الأمراض لتدريبها على كل نوع محدد من أنواع السرطان أو مهمة تشخيصية، مما يؤدي إلى دورات تطوير مطولة وتكاليف حاسوبية وبشرية باهظة.
ولمعالجة هذه التحديات، قام فريق بحثي بقيادة البروفيسور لي شياومينغ، الأستاذ المساعد في قسم الهندسة الإلكترونية وهندسة الحاسوب في جامعة هونغ كونغ للعلوم والتكنولوجيا، بالتعاون مع مستشفى الشعب بمقاطعة غوانغدونغ في الصين وكلية الطب بجامعة هارفارد في الولايات المتحدة، بتطوير نظام جديد لتحليل علم الأمراض يُسمى PRET (التعرف الشامل على السرطان دون تدريب مسبق). نُشر البحث في مجلة Nature Cancer.
اقرأ أيضا... الذكاء الاصطناعي يسهم في كشف المؤشرات الجينية بسرعة ودقة
يُعد هذا النظام الأول من نوعه الذي يُدخل مفهوم "التعلم في السياق" من معالجة اللغة الطبيعية إلى تحليل صور علم الأمراض. يُمكّن هذا النظام النموذج من التكيف الفوري مع أنواع السرطان الجديدة وأداء مهام تشخيصية، مثل فحص السرطان، وتصنيف الأورام الفرعية، وتجزئة الورم، خلال مرحلة الاستدلال، وذلك بالرجوع إلى شريحة واحدة إلى ثماني شرائح ورمية مُعَلَّمة. وباعتباره أداة تشخيصية ذكية سهلة الاستخدام، يتجاوز نظام PRET الحاجة إلى الضبط الدقيق لكل مهمة على حدة في نماذج الذكاء الاصطناعي التقليدية.
أجرى فريق البحث تقييمًا شاملًا لنظام PRET باستخدام 23 مجموعة بيانات مرجعية دولية من مؤسسات طبية في الصين والولايات المتحدة وهولندا، تغطي 18 نوعًا من السرطان ومهام تشخيصية متنوعة. وأظهرت النتائج تفوق النظام على الطرق الحالية في 20 مهمة، حيث تجاوزت مساحة المنطقة تحت المنحنى (AUC)، وهي مقياس لدقة التشخيص، 97% في 15 مهمة منها.
وحقق نظام PRET دقة المساحة الواقعة تحت المنحنى بلغت 100% في فحص سرطان القولون والمستقيم، و99.54% في تجزئة أورام سرطان الخلايا الحرشفية في المريء. وفي مهمة الكشف عن نقائل العقد اللمفاوية، وهي مهمة بالغة الصعوبة، حقق نظام PRET دقة بلغت حوالي 98.71% باستخدام ثماني عينات فقط، متجاوزًا بذلك متوسط أداء 11 أخصائي علم أمراض، والذين بلغ متوسط دقة حوالي 81%. إضافةً إلى ذلك، أظهر نظام PRET قابلية تعميم مستقرة وقوية عبر مختلف الفئات السكانية والمناطق ذات مستويات الموارد الطبية المتفاوتة.
وقال البروفيسور لي شياومينغ "تكمن القيمة الأساسية لنظام PRET في كسر الحواجز التقليدية المتمثلة في 'البيانات الضخمة والتدريب المتكرر'، مما يُمكّن من تطبيق أنظمة علم الأمراض المدعومة بالذكاء الاصطناعي في بيئات سريرية حقيقية بتكلفة أقل ومرونة أكبر. وهذا لا يُسهم فقط في تخفيف عبء العمل الذي يواجهه أخصائيو علم الأمراض، بل يُمكنه أيضًا تحسين الوصول إلى تشخيص السرطان في المناطق المحرومة".
وأضاف "من خلال هذا النظام سهل الاستخدام، نأمل أن تتجاوز خدمات التشخيص المتقدمة والدقيقة المدعومة بالذكاء الاصطناعي القيود الجغرافية والموارد، وبالتالي تعزيز العدالة في الرعاية الصحية على مستوى العالم".
ويتطلع فريق البحث إلى المستقبل، حيث يخطط لمواصلة تحسين أداء النظام التشخيصي وتوسيع نطاق تطبيقاته لتشمل مهام سريرية إضافية، مثل التنبؤ بالطفرات الجينية وتقييم تشخيص المرضى، مما يفتح آفاقًا جديدة لمستقبل التشخيص المرضي المدعوم بالذكاء الاصطناعي.
مصطفى أوفى (أبوظبي)
