توقع الاستجابة للعلاج المناعي بتحليل الدم والمعلومات السريرية فقط: دراسة Nature
في هذا المقال
هل يستطيع الذكاء الاصطناعي توقع من سيستفيد من العلاج المناعي في سرطان الرئة؟ دراسة I3LUNG
غيّر العلاج المناعي علاج سرطان الرئة غير صغير الخلايا (KHDAK)، لكن نسبة مهمة من المرضى لا تستفيد منه. Nature Medicineفي دراسة نُشرت بتاريخ 13 سبتمبر 2026 باسم I3LUNG، أُظهر أن أداة ذكاء اصطناعي قابلة للتفسير، دُربت على بيانات 2.396 مريضًا، تتوقع الاستجابة للعلاج بالاستفادة من البيانات السريرية الروتينية بصورة أفضل من اختبار PD-L1، وتحسن قرارات الأطباء. أما مساهمة إضافة بيانات التصوير وعلم الأمراض والوراثة فلم تُثبت بعد.
- ما الذي أُجري: طُورت نماذج ذكاء اصطناعي من البيانات السريرية والدم والتصوير المقطعي وعلم الأمراض والوراثة لمرضى من 6 بلدان وفي 6 مراكز، وعددهم 2.396 مريضًا بـKHDAK يتلقون العلاج المناعي.
- النتيجة الرئيسية: كان النموذج المبني فقط على البيانات السريرية والدم الروتينية أفضل بوضوح في توقع البقاء 24 شهرًا (AUC في مجموعة الاختبار 0,74) من PD-L1 (0,53).
- الاختبار مع الأطباء: عندما أجرى 20 طبيبًا التقييم بمساعدة الأداة، ارتفعت حساسية تحديد المرضى المستجيبين من 0,72 إلى 0,87، والتوافق بين الأطباء من 0,11 إلى 0,48.
- الحدود: انخفض الأداء في التحقق الخارجي (AUC 0,55-0,72)؛ ولم يظهر تفوق نماذج البيانات المتعددة إلا في التحليلات الداخلية. والأداة ليست جاهزة بعد للاستخدام السريري.
لماذا يهم هذا الموضوع؟
توفر العلاجات المناعية مثل بيمبروليزوماب ونيفولوماب وأتيزوليزوماب استجابات تستمر سنوات لدى بعض مرضى KHDAK المتقدم. لكن بعض المرضى يتقدم مرضهم في الأشهر الأولى ولا يواجهون سوى الآثار الجانبية والتكلفة. واختبار PD-L1، وهو المؤشر الأكثر استخدامًا اليوم في اختيار العلاج، لا يتوقع الاستجابة إلا بدرجة محدودة. ولأهمية التخطيط الصحيح للعلاج المناعي في سرطان الرئة، في هذه المقالة شرحنا ذلك.
يُنظر إلى الذكاء الاصطناعي بوصفه مرشحًا لسد هذه الفجوة بتقييم بيانات كثيرة معًا. لكن معظم الدراسات في هذا المجال صغيرة وأحادية المركز وتستخدم نماذج «صندوق أسود»؛ ونادرًا ما تُختبر مساهمتها في القرارات الفعلية للأطباء. وتعالج I3LUNG المشكلتين معًا ببيانات متعددة المراكز ودراسة استخدم فيها الأطباء الأداة فعليًا.
ما دراسة I3LUNG؟
I3LUNG مشروع ذكاء اصطناعي مدعوم ببرنامج Horizon Europe للاتحاد الأوروبي، ويُنفذ بتنسيق المعهد الوطني للأورام في ميلانو. وهدفه تطوير أداة دعم قرار قابلة للتفسير تتوقع من سيستفيد من العلاج المناعي في سرطان الرئة، باستخدام البيانات السريرية والتصوير وعلم الأمراض والوراثة معًا.
شارك في الدراسة 6 مراكز من إيطاليا (المعهد الوطني للأورام في ميلانو)، وألمانيا (LungenClinic Grosshansdorf)، وإسبانيا (معهد Vall d’Hebron للأورام)، واليونان (مستشفى Metropolitan)، وإسرائيل (مركز Shaare Zedek الطبي)، والولايات المتحدة (جامعة شيكاغو). وخُصصت بيانات جامعة شيكاغو مجموعة تحقق خارجي لاختبار النموذج على مرضى لم يرهم إطلاقًا.
الشكل 1 · مسار دراسة I3LUNG
من البيانات إلى توقع قابل للتفسير.
استُخدم في التحليلات مرضى تلقوا العلاج المناعي في الخط الأول (1.437 مريضًا) والخطوط اللاحقة (638 مريضًا)، بمجموع 2.075 مريضًا. وبحسب الشكل في المقالة، استُخرجت أكثر من 4 آلاف خاصية من الصور، ومئات الخصائص من مقاطع علم الأمراض. لكن أنواع البيانات الأربعة كلها لم تكن متاحة إلا لدى 339 مريضًا.
ما مدى نجاح الذكاء الاصطناعي؟
عندما قسم النموذج المرضى إلى مجموعتي خطورة، كان وسيط البقاء للمرضى مرتفعي ومنخفضي الخطورة 4,7 مقابل 25,1 شهرًا. وكان أفضل أيضًا من درجة خطورة موجودة هي LIPI (مؤشر C يساوي 0,65 مقابل 0,55).
ما الذي وجّه النموذج أكثر؟
في تحليل قابلية التفسير (SHAP)، كانت الخصائص الأكثر تأثيرًا في التوقعات معلومات روتينية يعرفها كل طبيب أورام: درجة ECOG التي تعكس أداء الحياة اليومية للمريض أعلى من 0، ووجود نقائل العظام والكبد والدماغ، وارتفاع نسبة العدلات/اللمفاويات وLDH في الدم. ومساهمة الذكاء الاصطناعي هي جمع هذه المعلومات بصورة متسقة وقابلة للقياس لكل مريض.
نتائج الاختبار والتحقق الخارجي
| التوقع (AUC) | مجموعة الاختبار | التحقق الخارجي (شيكاغو) |
|---|---|---|
| البقاء 24 شهرًا أو أكثر | 0,73-0,74 | 0,60-0,63 |
| الوفاة خلال أول 6 أشهر | 0,69-0,72 | 0,64-0,72 |
| ضبط المرض | 0,70-0,71 | 0,55-0,65 |
تبين مجالات القيم نتائج نماذج التعلم الآلي والتعلم العميق. وانخفض أداء النموذج بوضوح عند اختباره في بلد مختلف ومجموعة مرضى مختلفة. وهذه مشكلة شائعة في نماذج الذكاء الاصطناعي يجب تجاوزها حتمًا قبل الاستخدام السريري.
هل أفادت إضافة التصوير وعلم الأمراض والوراثة؟
في التحليلات الداخلية لدى المرضى الذين توفرت لديهم أنواع البيانات الأربعة، أدت إضافة خصائص التصوير المقطعي وعلم الأمراض إلى البيانات السريرية إلى تحسين الأداء: فمثلًا ارتفع أداء توقع البقاء 24 شهرًا في الخط الأول من 0,68 إلى 0,88. لكن لم يمكن تأكيد هذا التفوق في مجموعتي الاختبار المنفصل والتحقق الخارجي. ويذكر المؤلفون أن مساهمة نماذج البيانات المتعددة «لا تزال غير مؤكدة»، وقد يكون ذلك بسبب قلة عدد المرضى ذوي البيانات المكتملة. ومن المهم معرفة أن قيمة 0,88 التي أبرزتها بعض الأخبار جاءت من هذا التحليل الداخلي.
ماذا حدث عندما استخدم الأطباء الأداة؟
الشكل 2 · دراسة قابلية الاستخدام لدى الأطباء
قيّم الأطباء أنفسهم المرضى أنفسهم دون الأداة وباستخدامها.
- تحديد أفضل: ارتفعت حساسية تحديد المرضى الذين سيُضبط مرضهم من 0,72 إلى 0,87، والدقة من 0,57 إلى 0,65. وظهرت الفائدة لدى الاختصاصيين (من 0,68 إلى 0,83) وغير الاختصاصيين (من 0,77 إلى 0,90) معًا.
- قرارات أكثر اتساقًا: ارتفع التوافق بين الأطباء (كابا) في توقع ضبط المرض من 0,11 إلى 0,48، وفي توقع البقاء من 0,14 إلى 0,34.
- انحياز الأتمتة: تبنى الأطباء %74,5 من توصيات الذكاء الاصطناعي الصحيحة، لكنهم اتبعوا أيضًا توصياته الخاطئة كثيرًا: الاختصاصيون بنسبة %72,2، وغير الاختصاصيين بنسبة %63,6. ويبين ذلك خطر الثقة العمياء بتوقع الأداة.
- بيانات بأثر رجعي: طُور النموذج باستخدام سجلات مرضى عولجوا في الماضي.
- انخفاض في التحقق الخارجي: انخفض الأداء بوضوح في مركز مختلف.
- بيانات ناقصة: لم تتوفر بيانات التصوير وعلم الأمراض والوراثة كاملةً إلا لنسبة صغيرة من المرضى.
- بيئة محاكاة: أُجريت دراسة الأطباء عبر تقييم الملفات لا على قرارات علاج فعلية؛ ولا يُعرف ما إذا تغيرت نتائج العلاج.
ما الخطوة التالية؟
يختبر الباحثون النموذج استباقيًا لدى أكثر من 2.000 مريض جديد، بتشغيله في الخلفية دون التأثير في القرارات. ويُخطط لدراسة ثانية لقابلية الاستخدام لنموذج البيانات المتعددة، ودراسة عشوائية من أجل الموافقة التنظيمية. ويُتوقع أن يستغرق بدء استخدام الأداة في العيادة 2-3 سنوات. وللدور العام للذكاء الاصطناعي في أبحاث السرطان، في مقالتنا عن تقرير AACR 2026, ولقواعد الذكاء الاصطناعي في النشر الطبي، في هذه المقالة تناولنا ذلك.
- في الوقت الحالي: هذه الأداة ليست قيد الاستخدام السريري في تركيا ولا في بلد آخر؛ ولا يزال قرار العلاج المناعي يُتخذ بحسب PD-L1 ومرحلة المرض والحالة العامة للمريض وشروط تغطية SGK للتكلفة.
- الارتباط بتغطية التكلفة: تغطي SGK تكلفة العلاج المناعي إلى حد كبير بحسب عتبات PD-L1. وقد تحسن أدوات التوقع الأفضل مستقبلًا اختيار المرضى واستخدام الموارد معًا. وللشروط الحالية، في مقالتنا عن تغطية تكلفة العلاج المناعي يمكنكم العثور عليها.
- البيانات: لا يوجد شريك من تركيا في المشروع؛ ولا يُعرف أداء النموذج لدى المرضى الأتراك.
الأسئلة الشائعة
- هل يستطيع الذكاء الاصطناعي أن يخبرني إن كنت سأستفيد من العلاج المناعي؟
- ليس قيد الاستخدام السريري بعد. فقد توقع نموذج I3LUNG الاستجابة للعلاج من البيانات السريرية الروتينية بصورة أفضل من اختبار PD-L1؛ لكن أداءه انخفض في مركز مختلف، ولا تزال الدراسات الاستباقية جارية.
- هل لم يعد اختبار PD-L1 مهمًا؟
- لا. فلا يزال PD-L1 مؤشرًا أساسيًا في اختيار العلاج المناعي وتغطية تكلفته. لكن هذه الدراسة تبين أن PD-L1 وحده محدود في توقع البقاء الطويل الأمد، وأنه ينبغي تقييمه مع المعلومات السريرية الأخرى.
- ما المعلومات التي ينظر إليها الذكاء الاصطناعي؟
- كانت الخصائص الأكثر تأثيرًا الحالة العامة للمريض (ECOG)، ونقائل العظام والكبد والدماغ، ونسبة العدلات/اللمفاويات في الدم، ومستوى LDH. ويمكن للنموذج أيضًا استخدام بيانات التصوير المقطعي وعلم الأمراض والوراثة.
- هل سيحل الذكاء الاصطناعي محل الطبيب؟
- لا. فقد صُممت الأداة لدعم قرار الطبيب. وأظهرت الدراسة أن الأطباء قد يتبعون التوصيات الخاطئة أيضًا؛ ولذلك من المهم أن يُتخذ القرار النهائي بين المريض والطبيب.
مسرد المصطلحات
- AUC
- مقياس يبين قدرة النموذج على الفصل بين مجموعتين؛ و0,5 يعني رمية عملة، و1,0 توقعًا مثاليًا.
- الذكاء الاصطناعي القابل للتفسير
- نموذج ذكاء اصطناعي يبين للمستخدم الخصائص التي يستند إليها التوقع.
- التحقق الخارجي
- اختبار النموذج في مجموعة مرضى مستقلة عن المراكز التي طُور فيها.
- انحياز الأتمتة
- ميل الناس إلى الثقة بتوصيات الكمبيوتر أكثر مما ينبغي، حتى عندما تكون خاطئة.
تعليق أكاديمية DROZDOGAN
غالبًا ما تأتي أقوى مساهمة للذكاء الاصطناعي من الاستخدام المتسق للبيانات التي نملكها، لا من بيانات جديدة.
⚡ لماذا يهم
تقيس معظم دراسات الذكاء الاصطناعي في الأورام أداء النموذج؛ وI3LUNG من الدراسات النادرة التي تقيس أيضًا كيف تغير الأداة قرار الطبيب.
✅ نقاط القوة
بيانات كبيرة متعددة المراكز، وتحقق خارجي مستقل، وقابلية التفسير، واختبار قابلية الاستخدام مع الأطباء؛ والإبلاغ بشفافية عن النتائج السلبية أيضًا.
⚠️ القيود
انخفاض واضح في التحقق الخارجي، وتعذر تأكيد نماذج البيانات المتعددة، وميل الأطباء إلى اتباع التوصيات الخاطئة.
🩺 ما العمل في الممارسة
- في قرار العلاج المناعي، إلى جانب PD-L1، ECOG ومواقع النقائل وNLR وLDH قيّموا هذه البيانات الروتينية معًا.
- أدوات الذكاء الاصطناعي، التحقق الخارجي قيّموها بحسب نتائجه.
- عند بدء الاستخدام، انظروا إلى توصيات الأداة بنظرة نقدية واسألوها بتمحيص.
❓ أسئلة مفتوحة
هل ستغير الأداة بقاء المرضى أو معدل العلاجات غير الضرورية في القرارات السريرية الفعلية؟ وهل ستظهر الأداء نفسه في بلدان ومجموعات مرضى مختلفة؟
حكمنا الموجز: خطوة واعدة وصادقة؛ لكن إدخال الذكاء الاصطناعي في اختيار العلاج المناعي لسرطان الرئة يتطلب أدلة استباقية وعشوائية.
- أُعدت هذه المقالة في أكتوبر 2026. والنتائج Nature Medicineمن المقالة الأصلية فيها؛ ومعلومات المشروع مأخوذة من قاعدة CORDIS للمفوضية الأوروبية والبيان الصحفي لجامعة شيكاغو.
- ما لم يمكن التحقق منه: لم يمكن الوصول إلى قسم المنهجية كاملًا في المقالة؛ ونُقلت أعداد الخصائص من شكل المقالة. وبعض النتائج الإضافية (معدل الاستجابة ومعدل الفائدة السريرية) موجودة في الملفات الملحقة فقط.
- المخططات وتعليق الأكاديمية يعودان إلينا؛ واشتُقت المخططات من العبارات المتحقق منها في النص. وهذه المقالة ليست نصيحة طبية شخصية.
المصادر
- Prelaj A وMiskovic V وآخرون، نيابةً عن اتحاد I3LUNG. قابلية الاستخدام السريري لأداة دعم قرار بالذكاء الاصطناعي قابلة للتفسير، وتقييم النماذج متعددة الوسائط في NSCLC. Nat Med. 13 سبتمبر 2026. doi:10.1038/s41591-026-04488-2
- جامعة شيكاغو. أداة ذكاء اصطناعي تتوقع بنجاح نتائج العلاج المناعي في سرطان الرئة. 14 سبتمبر 2026. uchicagomedicine.org
- المفوضية الأوروبية CORDIS. مشروع I3LUNG (101057695). cordis.europa.eu
- المسودة الأولية لـI3LUNG. medRxiv. يناير 2026. medrxiv.org
- Prelaj A وMiskovic V وآخرون. الذكاء الاصطناعي في اكتشاف المؤشرات الحيوية التنبؤية في الأورام المناعية: مراجعة منهجية. Ann Oncol. 2024;35(1):29-65. doi:10.1016/j.annonc.2023.10.125
- نظرة نقدية إلى نتائج التحقق الخارجي لـI3LUNG. beri.net
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.