حساب خطر عودة سرطان الثدي بالذكاء الاصطناعي
في هذا المقال
التنبؤ "بصورة أفضل" بخطر عودة سرطان الثدي المبكر
يشكل سرطان الثدي المبكر الإيجابي للهرمونات (HR+) والسلبي لـHER2 نحو 70% من جميع سرطانات الثدي. وأصعب القرارات في الممارسة هو التحديد الصحيح في مرحلة العلاج المساعد لـ ما إذا كان العلاج الكيميائي ضروريًا فعلًا . فـ"العلاج الناقص" قد يزيد خطر النكس، بينما يضيف "العلاج الزائد" عبئًا غير ضروري من السمية.
رغم أن الاختبارات الجينومية الحالية (مثلOncotype DX) تسد فجوة مهمة، فإنها تبقى عادة في نطاق AUC0.75–0.80 ، وتستخدم بصورة محدودة المعلومات المخفية في شرائح علم الأمراض عن بنية الورم/البيئة الدقيقة . ويطرح عرضRF5-03، ببيانات تحقق مستقبلية، نهجًا يجمع علم الأمراض الرقمي + البيانات السريرية + الدرجات الجينومية في نموذج واحد قائم على الذكاء الاصطناعي (YZ) بالتعلم العميق ومدعوم ببيانات التحقق المستقبلي.
ملاحظة: هذا المحتوى ليس نصيحة طبية. وينبغي لفريق الأورام اتخاذ قرارات الإنذار الفردية ضمن السياق السريري الكامل للمريض.
p<0.001
اختبار جينومي
تمييز أوضح
HR3.1 (2.5–3.8)
"أين" و"بأي صفة" عُرضت هذه الدراسة؟
نُشرت النتائج في اجتماع San Antonio Breast Cancer Symposium (SABCS)2025 ، ضمن Rapid Fire Session5 ، بالرمز RF5-03 . وورد ملخص المؤتمر في ملحق J Clin Oncol (suppl): J Clin Oncol. 2025;43(suppl 17):RF5-03.
تصميم الدراسة
هذه ليست "دراسة دواء"، بل دراسة نموذج تنبؤ . فقد أخذ الباحثون من مرضى سرطان الثدي المبكرHR+/HER2− شرائح علم الأمراض وحولوها إلى صيغة رقمية، ثم أدخلوها في النموذج نفسه مع المعلومات السريرية (العمر وحالة العقد وغيرها)، و درجة الخطر الجينومي . وكان الهدف معرفة مدى قدرة النموذج على التمييز بين احتمالات النكس في السنوات5 المقبلة.
استُخدم إجمالي n=2.512 مريضًا: "تعلّم" النموذج أولًا لدى n=1.200 مريض، ثم جرى n=1.312 مريضًا ضمن تحقق مستقل. وأُبلغ أن وسيط المتابعة بلغ 4.1 سنوات في التقرير.
أداء النموذج: مقارنةAUC
العمود:AUC (0–1) • العلامات الرفيعة:95% مجال الثقة للذكاء الاصطناعيماذا يعني الفارق "فعليًا"؟
ارتفاعAUC من0.78 إلى0.88 يوحي بتمييز أدق بين "الخطورة المرتفعة والمنخفضة". وفي مثال العرض، بلغ النكس خلال5 سنوات لدى من تجاوزوا عتبة معينة 25% ، بينما بلغ في الفئة منخفضة الخطورة 5% . وقد يؤثر هذا التمييز في النقاش السريري، وخصوصًا حول من سيستفيد حقًا من العلاج الكيميائي بين المرضى.
أكثر الإشارات "فائدة" سريريًا من العرض
• في فئة الخطورة المرتفعة: HR3.1 (95% مجال الثقة:2.5–3.8)
• النكس خلال5 سنوات: 25% (مرتفع) مقابل 5% (منخفض)
• الأداء في المجموعة الفرعية ذات العقد(+): AUC0.90
• التحقق الخارجي (مجموعة آسيوية،n=300): AUC0.86
لماذا قد يغيّر علم الأمراض "المعادلة"؟
لا تتيح شرائح علم الأمراض "التشخيص" وحده، بل تحمل دلائل على سلوك الورم، مثل كثافة الخلايا ونمط النمو وبنية السدى وتوزع الخلايا المناعية. ووعد الذكاء الاصطناعي هو توحيد هذه الإشارات المرئية وإضافتها إلى التنبؤ بالإنذار.
المعايرة والموثوقية
في العرض، أُبلغ عن درجةBrier0.12 لقياس مدى "توافق التوقعات مع الواقع" (المعايرة، والأقل أفضل). ولوحظ أن الفارق في الأداء بين المجموعات الإثنية محدود (~2%) بحسب التقرير.
مسألة "الآثار الجانبية": الإطار الصحيح
هذا النموذج ليس علاجًا، ولا يولد آثارًا جانبية مباشرة. لكنه قد يؤثر في القرارات، لذا تتمثل المسألة السريرية الأهم في احتمال التصنيف الخاطئ للخطر (خطر العلاج المكثف غير الضروري أو العلاج الناقص). ولذلك ينبغي التعامل مع مخرجات النموذج، لا منفردة بل مع تقييم الطبيب في السياق السريري.
الرسالة العملية
يقدمRF5-03 إشارة قوية إلى أن الجمع بين "الجينومي + السريري + علم الأمراض" قد يحسن التنبؤ بالنكس في سرطان الثدي المبكرHR+. وإذا جاءت تحققات مماثلة من مراكز مختلفة، فقد تجعل هذه النماذج قرارات العلاج المساعد أكثر انتقائية وتخصيصًا.
المصدر (ملخص العرض): Lazar AJ, Lehman CD, وزملاؤهما. “AI-based recurrence prediction model in HR+/HER2− early breast cancer: Prospective validation.” J Clin Oncol. 2025;43(suppl 17):RF5-03.
هل كان هذا المقال مفيدًا لك؟
تساعدنا ملاحظاتك على تحسين المحتوى.
تعليقات القراء
شارك تعليقك
لا يُنشر اسمك وتعليقك إلا بعد موافقة المسؤول. لا يُعرض بريدك الإلكتروني للزوار مطلقًا.
كن أول من يعلّق.