أحدث ما بلغه الذكاء الاصطناعي في أبحاث السرطان وتشخيصه وعلاجه

تحتل تقنيات الذكاء الاصطناعي (YZ) والتعلم الآلي والتعلم العميق التي نسمع عنها كثيرًا مكانها في الأبحاث الطبية الحيوية والرعاية الصحية في الأورام أيضًا، حيث تتسم تطبيقاتها المحتملة باتساع وأهمية كبيرين. وتشمل دراسات الذكاء الاصطناعي في الأورام مجالات مثل تشخيص السرطان وتحديد أنواعه الفرعية وتحسين علاجاته وتحديد أدوية مرشحة جديدة في اكتشاف الدواء. والبيانات الطبية الضخمة اللازمة لنماذج التعلم الآلي متاحة بالفعل، لكن عوائق مهمة لا تزال تحتاج إلى تجاوز لبلوغ كامل قوة الذكاء الاصطناعي واستثمار الفرصة في أبحاث السرطان والممارسة السريرية معًا.

فكيف نبدأ تطبيق الذكاء الاصطناعي لتحسين تشخيص السرطان ومسار المرض لدى المرضى والعلاج، ولتوجيه اكتشاف أدوية جديدة؟

أجاب عن الأسئلة أربعة علماء خبراء: Olivier Elemento، أستاذ الفيزيولوجيا والفيزياء الحيوية بجامعة Cornell؛ وChristina Leslie، أستاذة الفيزيولوجيا والفيزياء الحيوية وبيولوجيا النظم في مركز Memorial Sloan Kettering للسرطان؛ وJohan Lundin، أستاذ التكنولوجيا الطبية بجامعة Helsinki في فنلندا ومعهد Karolinska في السويد؛ وGeorgia Tourassi، أستاذة الأشعة بجامعة Duke وجامعة Tennese في Knoxville.

قبل الدخول في التفاصيل، لنلخص مفاهيم الذكاء الاصطناعي, التعلم الآلي والتعلم العميق بالإنفوغرافيك التالي:

دراسات واعدة لتشخيص السرطان وعلاجه

يقول الخبراء إن الدراسات التي تركز على وسائل التصوير في الذكاء الاصطناعي والتعلم العميق واعدة بلا شك. وشهد العقد الماضي تطورات كبيرة في تطبيق الذكاء الاصطناعي بأبحاث السرطان، تشمل التعلم العميق وزيادة القدرة الحاسوبية، وكذلك نقل البيانات التي يستخدمها اختصاصيو الباثولوجيا لتشخيص السرطان إلى الوسائط الرقمية واستمرار هذا النقل. وكما تعلمت خوارزمية الشبكة العصبية AlphaGo22 لعب Go انطلاقًا من نتائج المباريات وأثبتت دقتها بهزيمة جميع أبطال Go، يمكن تحليل هذه البيانات البصرية التي يمكن تخزينها سحابيًا في الأورام بخوارزميات الذكاء الاصطناعي (YZ) ضمن شبكة عصبية مدرّبة.

كما يمكن تقييم تجانس الورم وتغايره بنموذج تعلم عميق. وظهرت أمثلة كثيرة بسرعة في هذا المجال، توحي بإمكان استخدام الذكاء الاصطناعي لتحليل فيديوهات تنظير القولون أيضًا.

إلى جانب كشف الورم، تشمل المجالات الواعدة اختيار العلاج وتخطيطه والتنبؤ بالإنذار (مسار المرض) بمساعدة الحاسوب والبيانات السريرية، وتطوير أدوية جديدة، وتحري السرطان في المجتمع.

مع ازدياد عدد الأدوية وتنوعها وإضافة العلاجات المركبة، أصبح اختيار العلاج في الأورام أكثر تعقيدًا تدريجيًا. وقد تحل التطورات في الذكاء الاصطناعي هذه المشكلات، وتتيح توقع توليفة الأدوية الأكثر فعالية للمريض. وبذلك ستأخذ العلاجات الشخصية مكانها في الأورام استنادًا أيضًا إلى التباين الجيني وفوق الجيني بين المرضى.

ونماذج التعلم العميق التي تتنبأ ببنية البروتين 3D من تسلسل الأحماض الأمينية الأولي إنجاز هندسي جديد أيضًا. وقد يدعم استخدام الذكاء الاصطناعي لإنجاز ذلك والوصول إلى نتائج دقيقة بما يكفي لتحل محل البيانات التجريبية إنتاج معارف علمية جديدة.

أكبر تحدٍ لاستخدام الذكاء الاصطناعي في التطبيقات السريرية

توجد فجوة كبيرة بين أدبيات الأبحاث الطبية الحيوية ونماذج الذكاء الاصطناعي المستخدمة سريريًا، ومعظم النماذج لا يمكن تطبيقها في العيادة. والسبب الأول خطوات الحصول على الموافقات المتغيرة بسرعة. وسبب آخر ضرورة دمج الذكاء الاصطناعي في سير العمل السريري وتدريب الموظفين على سير العمل المحدّث، وهي عملية تتطلب وقتًا واستثمارًا كبيرين.

أما المشكلة الأساسية فأن نماذج الذكاء الاصطناعي تتقلب عادة في التطبيقات السريرية نتيجة تنوع المدخلات، مثل جودة البيانات والاختلاف بين من يُدخلونها ويحللونها واختلاف خصائص المرضى. وإزاء هذه التقلبات إما لم تُختبر النماذج، أو أظهرت النتائج تدهور الأداء بوضوح. وللنجاح السريري لا بد من تقييمات واقعية لأداء النماذج الحالية.

والرقمنة شرط لازم آخر لتطبيق الذكاء الاصطناعي سريريًا. فقد تحقق التحول الرقمي في الأشعة، لكن الحال مختلفة في الباثولوجيا. وأدوات رقمنة بيانات الباثولوجيا موجودة منذ أكثر من 20 سنة، إلا أن التقدم بطيء. وتلزم ابتكارات إضافية لتبسيط التكنولوجيا وخفض التكلفة وإتاحتها في البيئات محدودة الموارد.

والتواصل مسألة مهمة أيضًا؛ فلا يزال غير واضح كيف تصل تقارير الذكاء الاصطناعي إلى الأطباء، وما شكلها، وكيف يستخدم الطبيب معلوماتها في التدبير السريري للمريض.

وأخيرًا قد يقود تعاون البشر مع تكنولوجيا الذكاء الاصطناعي إلى ثقة مفرطة بها، ما قد ينتج أخطاء. ومن المهم أن يبقى المستخدمون يقظين لأي خطأ وأن يتلقوا التدريب اللازم لذلك.

أهمية الشفافية وقابلية التكرار والتحقق في الذكاء الاصطناعي

تكتسب زيادة الشفافية وقابلية التكرار والتحقق أهمية كبيرة لبناء الثقة بنماذج الذكاء الاصطناعي في العيادة والأبحاث.

لكن إذا عنت الشفافية إمكان قراءة معاملات الخوارزميات وفهم ما تفعله، فلن يكون ذلك ممكنًا لمعظم خوارزميات الذكاء الاصطناعي مستقبلًا. فقد علمت AlphaZero نفسها الشطرنج وshogi وGo بإتقان هزمت به أمهر اللاعبين، لكن لا يوجد سبب لازم للاعتقاد بأننا نستطيع، أو حتى ينبغي لنا، فهم القواعد التي تعلمت بها اللعب.

وإذا عنت قابلية التكرار الحصول على النتيجة نفسها عند إعادة تدريب خوارزمية على مجموعة البيانات نفسها، فيجب أن يتمتع النموذج المدرّب بالاستقرار. ثم يجب اختبار خوارزميات الذكاء الاصطناعي المدربة والتحقق منها. فكل الخوارزميات تُختبر في «مجموعة الاختبار» بعد تدريبها في «مجموعة التدريب»، لكن هذه الخطوات لا تتناول قابلية التعميم، التي تتطلب مجموعة بيانات للتحقق.

وخلاصة ذلك أننا قد نحتاج إلى نهج متعدد الجوانب طوال دورة حياة الذكاء الاصطناعي لضمان الشفافية وقابلية التكرار والتحقق، من جمع البيانات وتطوير الذكاء الاصطناعي إلى نشره سريريًا ومراقبة الجودة المستمرة.

مستقبل الذكاء الاصطناعي في الأورام على المديين القريب والبعيد

سنشهد خلال السنوات القليلة المقبلة تزايد تطبيق هذه النماذج في مشكلات السرطان المهمة، تبعًا لسرعة نمو نماذج الذكاء الاصطناعي واتساع تطبيقاتها وتوفر البيانات والموارد الحاسوبية. ومع التسارع الأُسّي لرقمنة الباثولوجيا وتزايد إتاحة البيانات لتدريب النماذج، ستبلغ النماذج المتنبئة بالاستجابة لعلاجات محددة النضج والأداء الكافيين للتطبيق السريري. كما ستُدرّب نماذج الذكاء الاصطناعي على النتائج الإنذارية لتقديم توقعات خاصة بكل مريض وبنتائج مرضه.

وستُستخدم أيضًا نماذج التسلسل المتنبئة بالواسمات البيولوجية المهمة، مثل الإشارات فوق الجينومية وتلامسات الكروماتين 3D، لتقييم وظيفة التباينات الجسدية غير المرمزة في جينومات السرطان منهجيًا. وستُستخدم نماذج تنبؤية مماثلة للتضفير وتعدد الأدينلة البديل لتحري طفرات المرضى التي تغير معالجة RNA. 

النتيجة

على المدى البعيد ستسعى خوارزميات الذكاء الاصطناعي إلى تحسين التشخيص والمساعدة على اختيار أفضل علاج فردي وتحسين نتائج المرضى وخفض النفقات الصحية. وقد تُستخدم لفهم الآليات البيولوجية للسرطان بصورة أفضل، وتحديد العلاجات المركبة والجرعات، وتطوير أدوية جديدة مضادة للسرطان أقل سمية. بل ستتركز الأبحاث على تحسين وسائل التصوير المستخدمة حاليًا كالتصوير الشعاعي للثدي، لتطوير نماذج تتنبأ بخطر السرطان وتساعد على الوقاية منه.