انتقل إلى المحتوى
Prof. Dr. Mustafa Özdoğan · اختصاصي الأورام الطبية

تصنيف أنجح بكثير للسرطان بالتعلم الآلي

تصنيف أنجح بكثير للسرطان بالتعلم الآلي

تُصنف سرطانات كثيرة عادة بحسب مظهر الخلايا مجهريًا. يجري اختصاصيو التشريح المرضي هذا الفحص منذ نحو 200 عام، ورغم خبرتهم وتقييمهم بمعايير وخوارزميات كثيرة، تحمل التشخيصات سمات ذاتية وقد تختلف جزئيًا بحسب المراقب. في بحث عن أورام الدماغ باستخدام إحدى تقنيات الذكاء الاصطناعي الحالية، التعلم الآلي ، في بحث عن أورام الدماغ، حققت دراسة الأنماط الجزيئية نتائج موضوعية وأكثر حساسية في تشخيص السرطان.

أهم أساس لعلاج المرض تحديده صحيحًا. ومع تطورات تقنية في معالجة الصور بالذكاء الاصطناعي ، يمكن الآن إجراء دراسات تشخيص دقيقة مستقلة عن النتائج الذاتية. يعمل Capper وفريقه على هذه التقنيات وقدموا تصنيفًا جديدًا لأورام الدماغ بالأنماط الجزيئية.

تُحلل أورام كثيرة اليوم وتُعرف بصفاتها الجزيئية إلى جانب النسيجية. أوصت منظمة الصحة العالمية (DSÖ) في 2016 بدمج المعلومتين للتشخيص المتكامل. لكن التشخيص المعتمد أساسًا على النسيج لا يكفي لأورام نادرة كثيرة لغياب المحددات الجزيئية. كما يواجه صعوبات، منها التنوع الخلوي المحتمل في أورام تشكل فسيفساء خلايا بتغيرات جينية مختلفة، أو اشتراك أورام دماغية مختلفة بصفات نسيجية متشابهة. وتبقى أسئلة عن مدى عكس التشابه النسيجي لتشابه الأورام، مع إمكان اختلاف مسار المتشابه نسيجيًا واتفاق مسار المختلف.

من تطورات التحليل النسيجي المهمة توسيع أدوات الحوسبة التي تتيح للتعلم الآلي تحليل بياناته. في هذا النهج، يكون الحاسوب، باستخدام مجموعة بيانات صور عينات أورام صنفها طبيب، قد تدرب. يستخدم معلومات التصنيف لتطوير معاييره الخاصة للتعرف على الأنماط وتحديد الأنواع. لكن تظهر صعوبة إذا غابت معايير تشخيص محددة لأورام معينة أو تعذر تمييز أنواع نسيجيًا.

قرر Capper وزملاؤه التركيز على معلومات جزيئية لا يتطلب تصنيفها تقييمات بصرية معقدة، وعلى التغيرات فوق الجينية. طبقوا التعلم الآلي لتصنيف الأورام بتغيرات مثيلة DNA (إضافة مجموعات الميثيل إلى DNA)، وقارنوا التشخيصات بتشخيص اختصاصيي الأمراض بالتحليل النسيجي.

مثيلة DNA تعديل يُعرف بالتغير فوق الجيني. لا تغير هذه الفئة تسلسل DNA، لكنها قد تؤثر في التعبير الجيني أو مصير الخلية. ويتضح دور مثيلة DNA والتغيرات الأخرى بالسرطان أكثر فأكثر. قد يتغير النمط الجينومي الشامل للتغيرات، المسمى الإبيجينوم، كثيرًا في سرطانات عديدة. مثلًا تسبب طفرات IDH1 أوIDH2 في أورام الدماغ الدبقية اضطرابًا شاملًا لأنماط مثيلة DNA قد يرتبط بنتائج سريرية محددة.

أكدت دراسات سابقة مزايا تنميط مثيلة DNA لتشخيص أورام دماغية محددة، لأن تحليلها عبر الإبيجينوم يوفر نهجًا غير متحيز. لكن التنميط الروتيني ما زال نادرًا نسبيًا للتشخيص السريري لأسباب: التكلفة ومتطلبات العينة ونقص خبراء تحليل البيانات، والتساؤل عن أثر النتائج في العلاج. مع ذلك يوجد تقدم؛ فهناك تقنيات تستخدم DNA المستخلص من أنسجة الورم المحفوظة كيميائيًا والأشيع على الشرائح، والمسماة عينات مثبتة بالفورمالين ومضمنة بالبارافين (FFPE).

زود المؤلفون الحاسوب ببيانات مثيلة شاملة للجينوم لعينات تكاد تشمل جميع أورام الدماغ المصنفة بـDSÖ. استخدمت الحواسيب عينات مصنفة من اختصاصيي الأمراض ومن التعلم غير الخاضع للإشراف، والتعلم الخاضع للإشراف للتعرف إلى أنماط المثيلة.

بعد التدريب، صنف الحاسوب الأورام في 82 فئة منفصلة بحسب المثيلة. ولم يقابل نوعًا محددًا ضمن 29 فئة فرعية ممثلة من أنواع DSÖ سوى 29 منها.

لكن أكثر الاكتشافات إثارة لدى Capper وزملائه تصنيفات جمعت أورامًا متشابهة نسيجيًا، مثل عدة أنواع مصنفة بـDSÖ أو أنواع لا تتفق مع مجموعاتها. قد توفر الاكتشافات معلومات عن تشابه مستقل عن النسيج، وتساعد في تطوير خيارات علاج أو أدوات تشخيص.

استخدم المؤلفون الحاسوب لتصنيف 1.104 حالات اختبار لأورام شخّصها اختصاصيو التشريح المرضي بطرق نسيجية أو جزيئية قياسية. في %60.4 من الحالات تطابق تصنيف الحاسوب مع تصنيف الطبيب؛ وفي %15.5 أعطيا نوع الورم نفسه، لكن الحاسوب استطاع أيضًا إسناده لفئة فرعية. وفي %12.6 من الحالات لم يتفق تشخيص الحاسوب مع تشخيص الطبيب.

ولافتًا أن التحليل الأعمق لهذه الحالات — مثل تسلسل الجينات — أدى إلى نقل %92.8 من هذه الأورام غير المتطابقة من التشخيص الأصلي إلى تصنيف الحاسوب. كما أُسند %71 من المعاد تصنيفها إلى درجة ورمية مختلفة قد تؤثر في الإنذار أو العلاج. ولم يستطع الحاسوب تصنيف بقية الحالات (% 11.5). وأشار تحليل حوسبي إضافي إلى أن ثلث هذه المجموعة قد يمثل أورامًا نادرة صادف الحاسوب حتى الآن عينات كافية لتكوين فئة تصنيف لها.

هل يقارن نهج Capper وزملائه بتشخيص السرطان القياسي؟ ومع مزايا كقلة تكلفة العينة، هل يمثل معيارًا مستقبليًا محتملًا؟ وإن كان كذلك، فهل ستكون نهاية التحليل النسيجي؟

الحصول على ملف جزيئي شامل للعينة مفيد بالتأكيد، خصوصًا مع الفحص المجهري، وقد يكون الطريق للمستقبل مع تخصيص العلاج بحسب خصائص ورم الفرد. لكن النسيج حاليًا لا غنى عنه لتصنيف المرض، لأن الطرق القياسية لحفظ العينات وفحصها مجهريًا توفر مدخل التشخيص الروتيني الأوسع إتاحة وعالمية في المختبرات. قد يظهر المرض بتغيرات جزيئية وخلوية معًا؛ لذا قد يقوي نهج يدمج التحليل الجزيئي والفحص البصري قدرات التشخيص.

قد لا يكون الاستخدام الروتيني الواسع للمنصة عمليًا لمختبرات كثيرة اليوم، لذا فأقرب تطبيق تقييم الحالات الغامضة نسيجيًا. لكن إذا استُكمل نهج التعلم الآلي ووُسع، فقد يحل محل الفحص المجهري التشخيصي أحيانًا.

المصادر

Derek Wong, Stephen Yip.
Machine learning classifies cancer.
Nature, News and Views, 14 March 2018

طلب موعد

الذكاء الاصطناعي من DROZDOGAN

لنستكشف هذا المقال معًا

اسأل عن المقال واقرأ الإجابات إلى جانب المصادر المنشورة على موقعنا.

الذكاء الاصطناعي من DROZDOGAN

مساعد Drozdogan

تصنيف أنجح بكثير للسرطان بالتعلم الآلي

اسأل عن المقال واقرأ الإجابات إلى جانب المصادر المنشورة على موقعنا.

معلومات المحادثة والخصوصية

يجيب مساعد Drozdogan عن هذه المحادثة. قد يراجعها مسؤولو الموقع المخوّلون للتحقق من الجودة. لا تشارك معلومات شخصية.

تستخدم الإجابات بنية OpenAI التحتية. تُعالج الأسئلة والإجابات لدى هذه الخدمة؛ وتُحفظ سجلات المحادثة على موقعنا. لا تشارك بيانات تكشف هويتك أو بيانات اتصالك أو معلوماتك الصحية الشخصية.

0 / 1000

للمعلومات فقط؛ لا يقدم تشخيصًا شخصيًا أو نصيحة علاجية.

مقالات ذات صلة

استكشف مقالات أخرى حول هذا الموضوع.

ابقَ على اطلاع

تلقَّ المقالات الجديدة وآخر المستجدات العلمية عبر البريد الإلكتروني.

يعمل Google Analytics على الصفحات العامة مستقلًا عن هذه النافذة وقد يستخدم ملفات تعريف ارتباط تحليلية. يتحكم اختيارك هنا في الخدمات الخارجية فقط.