→ العودة إلى الصفحة الرئيسية

استخلاص دلائل جزيئية من الشرائح المرضية: اختبار PathLUPI في أكثر من عشرة آلاف حالة سرطان

بالاستعانة ببيانات التعبير الجيني أثناء التدريب، والاكتفاء بالصور المرضية عند التنبؤ، يحاول PathLUPI تقليص الفجوة بين المظهر النسيجي والسمات الجزيئية للسرطان. وتُظهر النتائج عبر الأتراب إمكانات واعدة، لكن تحديد ما إذا كان سيحسّن القرارات السريرية لا يزال يتطلب دراسات مستقبلية.

By SURL BioNews

يمكن لشريحة مرضية سرطانية أن تُظهر أشكال الخلايا وترتيبها، لكنها قد لا تكشف مباشرةً عن السمات الجزيئية التي تؤثر في القرارات العلاجية. وقد يساعد التعرّف المبكر على هذه الدلائل من الصور المتاحة روتينيًا في ترتيب الفحوص اللاحقة. وفي هذا الاتجاه، طرحت دراسة PathLUPI، المنشورة في 2 نوفمبر في مجلة Nature Communications، طريقة تتيح للنموذج الاطلاع على معلومات النسخ الجيني أثناء التعلّم، ثم استخدام صور الشرائح المرضية وحدها عند إجراء التنبؤ الفعلي.

يسجّل النسخ الجيني حالة التعبير الجيني. وأثناء التدريب، يستخدم PathLUPI صور الأنسجة وبيانات النسخ الجيني المقترنة بها معًا، لتوجيه النموذج نحو تعلّم تمثيلات صورية مرتبطة بالسمات الجزيئية. ووفقًا للتوثيق الرسمي للشيفرة، يتلقى النموذج بعد اكتمال التدريب بيانات مستخرجة من صور الشرائح الكاملة عبر استخلاص السمات، دون الحاجة إلى إدخال معلومات النسخ الجيني لكل حالة يراد اختبارها؛ وهذه نقطة أساسية في محاولته الاندماج في سير العمل اليومي لعلم الأمراض.

شمل التقييم في النسخة المنشورة رسميًا 20 أترابًا و11,361 حالة، وغطّى 49 مهمة في علم الأورام الجزيئي، وبلغت قيمة AUROC في 18 مهمة تتعلق بالواسمات الحيوية والتصنيف الجزيئي 0.80 أو أكثر. وتقيس AUROC قدرة النموذج على التمييز بين الفئات المختلفة، ولا يمكن تفسيرها مباشرةً على أنها «تصنيف 80% من الحالات تصنيفًا صحيحًا»، كما لا تعني أن جميع المهام المختبرة بلغت المستوى نفسه. وتشمل أهداف التنبؤ المدرجة في موارد النماذج المتاحة علنًا طفرات EGFR في السرطان الغدي الرئوي، وحالة المستقبلات في سرطان الثدي، وطفرات IDH1 في الأورام الدبقية، وغيرها، بما يوضح الدلائل الجزيئية المحددة التي يسعى إلى التعرّف عليها من المظهر النسيجي.

ويجب أيضًا التمييز بين هذه الأرقام وأرقام النسخة المبكرة. فقد أوردت المسودة الأولية للدراسة نفسها، التي أُتيحت في يونيو 2025، عددًا قدره 11,257 حالة، و14 مهمة بلغت فيها قيمة AUC ما لا يقل عن 0.80؛ أما النسخة الرسمية فأوردت 11,361 حالة و18 مهمة على التوالي. ورغم أن النسختين تذكران 49 مهمة و20 أترابًا، فلا ينبغي الخلط بين نتائجهما، ولا يمكن تحديد سبب تغيّر الأرقام اعتمادًا على الاختلافات بين الملخصين وحدها.

وأتاح الفريق أيضًا على GitHub الشيفرة وتعليمات التدريب والتسميات المنظّمة وتقسيمات التحقق بخمس طيات، ونشر على Hugging Face عددًا قدره 185 ملفًا لأوزان النماذج، تشمل نماذج الطيات الخمس لـ24 مهمة للتنبؤ بالواسمات الحيوية والسمات الجزيئية، و13 مهمة للتنبؤ بمآل البقاء على قيد الحياة. وتتيح هذه الموارد لباحثين آخرين فرصة إعادة إنتاج الطريقة واختبارها؛ لكن ملفات الأوزان نفسها لا تتضمن مقاييس التحقق أو البيانات الوصفية للتدريب، وتنزيل النماذج لا يعادل إتمام تحقق مستقل من الأداء.

ولا تزال هناك أسئلة يجب الإجابة عنها للانتقال من أداة بحثية إلى الاستخدام السريري: كيف ستؤثر الاختلافات بين المستشفيات في تحضير الشرائح ومسحها ضوئيًا على الأداء؟ وما عتبة التفسير التي ينبغي اعتمادها لدى مجموعات المرضى الفعلية للتعامل على نحو مناسب مع الحالات الفائتة والتصنيفات الخاطئة؟ لم تثبت النتائج الحالية بعد منفعة سريرية في دراسات مستقبلية، كما أنها لا تكفي لدعم استبدال الفحوص الجزيئية بالتنبؤات المستندة إلى الصور. ويقدّم PathLUPI مسارًا لإدخال المعلومات الجزيئية في التعلّم من الصور؛ أما ما إذا كان سيساعد الفرق الطبية على ترتيب الفحوص بكفاءة أكبر، ومن ثم تحسين الرعاية، فلا يزال يتطلب التحقق عبر دراسات ضمن سير العمل الفعلي.

References

  1. Nature Communications
  2. arXiv
  3. ChengJin-git / GitHub
  4. peterjin0703 / Hugging Face