يتعلم نظام الذكاء الاصطناعي “لغة السرطان” لتمكين التشخيص المحسن

قال مطورو النظام إن نظام الكمبيوتر الذي يسخر قوة الذكاء الاصطناعي لتعلم “لغة السرطان” يمكن أن يساعد في توفير تشخيص أسرع.

وقال الباحثون إن النظام قادر على اكتشاف علامات المرض في العينات البيولوجية بدقة ملحوظة، ويمكنه أيضًا تقديم تنبؤات موثوقة لنتائج المرضى.

حاليًا، يقوم علماء الأمراض بفحص وتوصيف سمات عينات الأنسجة المأخوذة من مرضى السرطان على شرائح تحت المجهر.

وتساعد ملاحظاتهم حول نوع الورم ومرحلة نموه الأطباء على تحديد مسار العلاج لكل مريض وفرص تعافيه.

قام فريق دولي من المتخصصين في الذكاء الاصطناعي وعلماء السرطان، بقيادة باحثين من جامعة غلاسكو وجامعة نيويورك، بتطوير نظام جديد، أطلقوا عليه اسم التعلم النمطي الظاهري النسيجي (HPL).

بدأوا بجمع آلاف الصور عالية الدقة لعينات أنسجة سرطان الرئة الغدي المأخوذة من 452 مريضًا مخزنين في قاعدة بيانات أطلس جينوم السرطان التابع للمعهد الوطني للسرطان بالولايات المتحدة.

وفي كثير من الحالات، تكون البيانات مصحوبة بمعلومات إضافية حول كيفية تطور السرطان لدى المرضى.

بعد ذلك، قاموا بتطوير خوارزمية تستخدم عملية تدريب تسمى التعلم العميق تحت الإشراف الذاتي لتحليل الصور والأنماط الموضعية بناءً فقط على البيانات المرئية في كل شريحة.

قامت الخوارزمية بتقسيم صور الشرائح إلى آلاف المربعات الصغيرة، يمثل كل منها كمية صغيرة من الأنسجة البشرية.

قامت شبكة عصبية عميقة بفحص البلاط، وتعلم نفسها في هذه العملية التعرف على وتصنيف أي ميزات بصرية مشتركة عبر أي من الخلايا في كل عينة من الأنسجة.

وقال الدكتور كي يوان، من كلية علوم الحوسبة بجامعة جلاسكو، الذي أشرف على البحث وهو المؤلف الرئيسي للورقة البحثية، إن الخوارزمية تعلمت اكتشاف العناصر المرئية المتكررة في البلاط والتي تتوافق مع القوام وخصائص الخلية وهندسة الأنسجة التي تسمى الأنماط الظاهرية.

وقال: “من خلال مقارنة تلك العناصر المرئية عبر سلسلة الصور الكاملة التي فحصتها، تعرفت على الأنماط الظاهرية التي غالبًا ما ظهرت معًا، واختارت بشكل مستقل الأنماط المعمارية التي حددها علماء الأمراض البشرية بالفعل في العينات”.

عندما أضاف الفريق تحليل شرائح من سرطان الرئة ذو الخلايا الحرشفية إلى نظام HPL، كان قادرًا على التمييز بشكل صحيح بين ميزاتها بدقة تصل إلى 99٪.

بمجرد أن حددت الخوارزمية الأنماط في العينات، استخدمها الباحثون لتحليل الروابط بين الأنماط الظاهرية التي صنفتها والنتائج السريرية المخزنة في قاعدة البيانات، بما في ذلك المدة التي عاشها المرضى بعد إجراء جراحة السرطان.

ارتبطت التنبؤات التي قدمها نظام HPL بشكل جيد مع نتائج الحياة الواقعية للمرضى المخزنين في قاعدة البيانات، حيث تم تقييم احتمالية وتوقيت عودة السرطان بشكل صحيح بنسبة 72٪ من الوقت.

توصل علماء الأمراض البشرية المكلفون بنفس التنبؤ إلى الاستنتاجات الصحيحة بدقة تصل إلى 64٪.

وعندما تم توسيع البحث ليشمل تحليل آلاف الشرائح عبر 10 أنواع أخرى من السرطان، كانت النتائج دقيقة بالمثل.

يعد البروفيسور جون لو كويسن، من كلية علوم السرطان بجامعة جلاسكو، أحد كبار المؤلفين المشاركين في الورقة وأشرف على البحث.

وقال: “يستغرق تدريب علماء الأمراض البشرية سنوات عديدة على تحديد أنواع السرطان الفرعية التي يقومون بفحصها تحت المجهر واستخلاص استنتاجات حول النتائج الأكثر احتمالا للمرضى.

“إنها مهمة صعبة وتستغرق وقتًا طويلاً، وحتى الخبراء المدربون تدريبًا عاليًا يمكنهم أحيانًا استخلاص استنتاجات مختلفة من نفس الشريحة.

“بمعنى ما، فإن الخوارزمية الموجودة في قلب نظام HPL علمت نفسها من المبادئ الأولى التحدث بلغة السرطان – للتعرف على الأنماط المعقدة للغاية في الشرائح وقراءة ما يمكن أن تخبرنا به عن نوع السرطان وأعراضه.” التأثير المحتمل على صحة المرضى على المدى الطويل.

“على عكس اختصاصي علم الأمراض البشري، فهو لا يفهم ما ينظر إليه، لكنه لا يزال بإمكانه استخلاص استنتاجات دقيقة بشكل مذهل بناءً على التحليل الرياضي.

“يمكن أن تكون أداة لا تقدر بثمن لمساعدة علماء الأمراض في المستقبل، وزيادة مهاراتهم الحالية من خلال رأي ثانٍ غير متحيز تمامًا.

“إن الرؤية التي توفرها الخبرة البشرية وتحليل الذكاء الاصطناعي معًا يمكن أن توفر تشخيصًا أسرع وأكثر دقة للسرطان وتقييمًا للنتائج المحتملة للمرضى.

“وهذا بدوره يمكن أن يساعد في تحسين المراقبة والرعاية المصممة بشكل أفضل عبر علاج كل مريض.”

ونُشر البحث في مجلة نيتشر كوميونيكيشنز.

كما ساهم في هذه الورقة باحثون من جامعة كوليدج لندن ومعهد كارولينسكا في السويد.