قراءة الإشارات الجزيئية للجلد بالضوء: مطيافية رامان مع الذكاء الاصطناعي تحقق دقة تبلغ 84% في تصنيف الأنسجة السرطانية

قد يصعب أحيانًا تحديد ماهية الآفات الجلدية المشتبه بها من مظهرها وحده؛ ويتيح أخذ الأنسجة وفحصها بالمجهر الوصول إلى تشخيص أوضح. وإذا أمكن أولًا قراءة الإشارات الجزيئية للأنسجة باستخدام الضوء، فقد يوفر ذلك أساسًا لتحديد الحاجة إلى إجراء خزعة لاحقًا. يستكشف فريق بحثي من جامعة فلوريدا أتلانتيك (FAU) في الولايات المتحدة هذا المسار: الجمع بين مطيافية رامان والتعلم الآلي لتصنيف أنسجة جلدية مستأصلة إلى جلد طبيعي ونوعين من سرطان الجلد، بأعلى دقة في الاختبار بلغت نحو 84%.

أعلنت FAU في 30 سبتمبر عن الدراسة، التي نُشرت ضمن وقائع المؤتمر «Proceedings of SPIE». استخدم الفريق نظامًا متنقلًا لمطيافية رامان مزودًا بليزر ديودي بطول موجي يبلغ 785 نانومتر ومسبار محمول باليد، وجمع قرابة ألف طيف من أكثر من 50 عينة نسيجية خارج الجسم، شملت الجلد الطبيعي وسرطان الخلايا القاعدية (BCC) وسرطان الخلايا الحرشفية (SCC). تمثل هذه الأطياف البيانات التي حللتها النماذج، ولا تعني أن الدراسة شملت قرابة ألف مريض.

ترصد مطيافية رامان إشارات التشتت الناتجة عن تفاعل الضوء مع جزيئات الأنسجة، وتستخلص منها مؤشرات على التركيب الكيميائي. ونقل موقع News-Medical عن دراسة FAU أن الإشارات المرتبطة بالبروتينات كانت أقوى في الأنسجة السرطانية، بينما أظهرت الأنسجة الطبيعية إشارات أقوى مرتبطة بالدهون. وتتمثل مهمة نماذج التعلم الآلي في العثور، ضمن هذه الفروق الدقيقة، على أنماط يمكن استخدامها في التصنيف.

وفقًا للنتائج التي نشرتها FAU وMedical Xpress، حقق نموذجا أقرب الجيران بعدد K وآلة المتجهات الداعمة أعلى دقة إجمالية في الاختبار، بلغت نحو 84%؛ كما أُبلغ عن حساسية بلغت 78.7% ونوعية بلغت 88.6% لنموذج آلة المتجهات الداعمة. وبلغت دقة الشبكة العصبية الضحلة 80.8%، فيما بلغت المساحة تحت منحنى خصائص تشغيل المستقبل (ROC AUC) مقدار 0.910. تعرض هذه المؤشرات جوانب مختلفة من أداء النماذج، ولا يمكن تفسير قيمة AUC مباشرةً على أنها نسبة صحة التشخيص.

تتفاوت صعوبة التصنيف أيضًا. فقد وجدت الدراسة أن التمييز بين الجلد الطبيعي والأنسجة السرطانية أسهل، لكن الإشارات الجزيئية لسرطان الخلايا القاعدية وسرطان الخلايا الحرشفية تتداخل بدرجة أكبر. وبعبارة أخرى، يمكن للأطياف توفير مؤشرات على الأنسجة غير الطبيعية، لكن النموذج لا يزال يواجه تحديات في تحديد نوع السرطان بدقة أكبر؛ كما أن الدقة الإجمالية لا تعكس بالكامل أداء التعرف على كل نوع من الأنسجة.

يتمثل القيد الأهم في أن القياسات أُجريت هذه المرة على أنسجة مستأصلة. ولا يمكن حتى الآن اعتبار الأداء البالغ نحو 84% تعبيرًا عن القدرة التشخيصية عند ملامسة المسبار جلد المريض مباشرةً، كما لم يثبت أن هذه الطريقة قادرة بالفعل على تقليل الخزعات غير الضرورية. وتستند المصادر الإخبارية الثلاثة جميعها إلى المعلومات البحثية التي قدمتها FAU، فهي تنقل النتيجة الأولية نفسها، ولا تمثل نتائج تحققت منها فرق بحثية متعددة بصورة مستقلة.

يخطط الفريق لاحقًا لتوسيع الدراسة وتحسين النماذج، بما في ذلك استكشاف شبكات عصبية أكثر تقدمًا. ولتطبيق الطريقة في العيادات، لا يزال من الضروري التأكد من أن هذه المؤشرات الجزيئية تتمتع بالموثوقية نفسها عند تقييم الآفات الفعلية، ومن قدرتها على المساعدة بأمان في تحديد الآفات التي تحتاج إلى مزيد من الفحوص. وتظل الخزعة النسيجية والفحص المرضي حاليًا أساس التشخيص؛ وما تطرحه هذه الدراسة هو إمكانية إضافة أداة مساعدة لاتخاذ القرار مستقبلًا.