→ العودة إلى الصفحة الرئيسية

خارج نطاق البيانات الأوروبية والأمريكية: ذكاء اصطناعي لتحليل أنسجة البروستاتا يجتاز التحقق الخارجي على عينات مرضى في العراق

هل تظل قراءات الذكاء الاصطناعي موثوقة عند تغير مجموعة المرضى والمختبر وأجهزة المسح؟ تسد دراسة شملت 185 مريضًا في العراق فجوة في بيانات التحقق من الشرق الأوسط، ويقترب توافق التصنيف من مستواه بين اختصاصيي علم الأمراض، لكن لا تزال هناك عقبات أمام استخدامه في التشخيص اليومي.

By SURL BioNews

قد لا يحافظ نظام ذكاء اصطناعي قادر على قراءة الشرائح النسيجية لمرضى من أوروبا وأمريكا على الأداء نفسه عند نقله إلى بيئة طبية أخرى. فتركيبة مجموعة المرضى وإجراءات التلوين وأجهزة التصوير قد تغير جميعها التفاصيل التي يراها النموذج. اختبرت دراسة نُشرت في 10 أكتوبر في مجلة «Virchows Archiv» ذكاءً اصطناعيًا لتحليل أنسجة سرطان البروستاتا على عينات من إقليم كردستان العراق، لتضيف دليلًا يخص مجموعات سكانية في الشرق الأوسط طالما افتقرت إلى بيانات التحقق.

شملت الدراسة 339 شريحة لخزعات البروستاتا بالإبرة مأخوذة من 185 مريضًا خلال الفترة من 2013 إلى 2024. ورُقمنت كل شريحة باستخدام ثلاثة أجهزة مسح، ما أنتج 1,017 صورة كاملة للشرائح. جاءت هذه الصور من مجموعة العينات نفسها، ولا تمثل مرضى إضافيين. تمثلت مهمة النموذج في التعرف على السرطان وإجراء تصنيف Gleason بحسب البنية النسيجية؛ ويُعد هذا التصنيف أساسًا مهمًا لتقييم مخاطر سرطان البروستاتا ومناقشة الخيارات العلاجية.

قارن الفريق نموذجًا صُمم خصيصًا لتحليل أنسجة البروستاتا بنموذجين أساسيين، هما UNI وVirchow2. تتعلم النماذج الأساسية أولًا سمات عامة من كميات كبيرة من صور الأنسجة المرضية، ثم تُستخدم في مهام قراءة محددة. وكان ملخص سابق لمؤتمر DDLS قد عرض مجموعة العينات العراقية نفسها، وأشار إلى أن مجموعة المرضى وبيئة المختبر وأجهزة المسح كلها تمثل ظروفًا للتحقق الخارجي؛ وينبغي النظر إلى النتائج الأولية الواردة في الملخص بصورة منفصلة عن نتائج الورقة المنشورة رسميًا.

بلغت قيمة κ الموزونة تربيعيًا لتوافق التصنيف بين الذكاء الاصطناعي واختصاصيي علم الأمراض، وفقًا للدراسة، 0.801، بينما بلغت بين الأطباء أنفسهم 0.799. وأوردت نسخة ما قبل النشر للدراسة نفسها، أُتيحت في ديسمبر 2025، هاتين القيمتين أيضًا، وكانت قيمة p للمقارنة 0.9824. تقيس قيمة κ درجة توافق القراءات، ولا يمكن تحويلها مباشرة إلى «صحة التشخيص في 80% من الحالات»؛ كما أن عدم رصد فرق ذي دلالة إحصائية بينهما لا يعني إثبات تكافؤ الذكاء الاصطناعي والأطباء في جميع الظروف.

تمثل اختلافات الأجهزة اختبارًا آخر. فبعد مسح مجموعة الشرائح نفسها بأجهزة Hamamatsu وLeica وGrundium، تجاوزت قيمة κ لتوافق التصنيف لدى جميع النماذج 0.90 في المقارنات بين كل زوج من أجهزة المسح، بما فيها الأجهزة المدمجة الأقل تكلفة. يدعم ذلك شروع المختبرات محدودة الموارد في بناء بيانات تحقق محلية باستخدام أجهزة رقمية أصغر حجمًا، لكن إعطاء النموذج إجابات متقاربة على أجهزة مسح مختلفة لا يضمن بحد ذاته صحة تلك الإجابات.

لهذه الأدلة حدود واضحة أيضًا: فقد اتبعت الدراسة تصميمًا استعاديًا، وكان عدد المرضى محدودًا، وكانت عينات السرطان منخفض الدرجة قليلة نسبيًا؛ كما أُجري المسح بالأجهزة الثلاثة في الموقع نفسه، ولم يشمل بعد التباين بين العاملين في المختبرات المختلفة وبيئات التشغيل. كذلك، فإن استخدام قراءات الأطباء معيارًا للمقارنة لا يجيب عن سؤال ما إذا كان الذكاء الاصطناعي يستطيع تحسين مآلات المرضى، أو تقليل حالات عدم اكتشاف المرض وعبء العمل فعليًا في الممارسة اليومية.

توضح الورقة صراحةً أن النظام المختبَر لا يزال خوارزمية بحثية، ولم يحصل بعد على موافقة تنظيمية للاستخدام في التشخيص السريري. يوفر هذا التحقق دليلًا تقنيًا على العمل عبر بيئات مختلفة، ويمنح مزيدًا من المناطق مبررًا لبدء اختبارات محلية. وتحتاج الخطوة التالية إلى دراسات أوسع متعددة المراكز وتقييم لسير العمل السريري، حتى يتحول التوافق في قراءة الشرائح إلى فائدة تشخيصية فعلية يحصل عليها المرضى.

References

  1. Virchows Archiv
  2. arXiv
  3. SciLifeLab