علم الأحياء · us
قراءة مجتمع الورم من الشرائح المرضية: ذكاء اصطناعي من Stanford يطرح أسئلة جديدة على الشرائح القديمة
يحاول CANVAS ترجمة صور علم الأمراض الروتينية بصبغة H&E إلى خرائط للبيئة الدقيقة للورم؛ ولا تكمن قيمته في استبدال اختصاصيي علم الأمراض، بل في جعل أعداد كبيرة من الشرائح الموجودة تجيب من جديد عن أسئلة العلاج المناعي والإنذار.
كانت شريحة الورم، في الأصل، قادرة على إخبار الطبيب بشكل الخلايا السرطانية وإلى أين امتد غزوها؛ لكن ما يحدد مسار المرض فعلياً يشمل غالباً أيضاً من يعيش بجوار الخلايا السرطانية، وكيف تتجمع الخلايا المناعية، وأي مجموعات خلوية تقترب من بعضها. منصة الذكاء الاصطناعي CANVAS، التي عرّفت بها Stanford Medicine مؤخراً، تهدف تحديداً إلى تقدير هذه الطبقة من «الأحياء الخلوية» من صور علم الأمراض الروتينية، بما قد يمنح الشرائح التقليدية استخداماً سريرياً وبحثياً إضافياً.
تقوم الفكرة الأساسية في CANVAS على تدريب النموذج أولاً باستخدام بيانات البروتيوميات المكانية إلى جانب الشرائح المصبوغة بصبغة H&E التقليدية. فالأولى تستطيع تحديد العلاقات المكانية بين الخلايا المختلفة وتعبير البروتينات، أما الثانية فهي صور علم الأمراض القياسية التي تنتجها المستشفيات يومياً. وبعد هذا التعلم بالمقارنة، يحاول النظام، اعتماداً على شرائح H&E وحدها، استنتاج البيئات الدقيقة الموضعية داخل الورم والمكوّنة من أنواع متعددة من الخلايا.
اختبر فريق Stanford هذه الطريقة أولاً في سياق سرطان الرئة غير صغير الخلايا، ثم حلل لاحقاً شرائح مؤرشفة من تسعة أنواع من السرطان ومن أكثر من 5,000 مريض. ومن بين الإشارات التي أبرزتها الدراسة أن الأحياء الورمية الغنية بالعدلات ترتبط بإنذار أسوأ، كما ترتبط بانخفاض الاستجابة للعلاج المناعي. وتجعل هذه النتيجة CANVAS ليس مجرد أداة لتصنيف الصور، بل أشبه بمحرك يحوّل صور علم الأمراض إلى فرضيات عن البيئة الدقيقة.
ولهذا الأمر معنى عملي في علم مناعة الأورام. فمثبطات نقاط التفتيش المناعية يمكن أن تمنح بعض المرضى سيطرة طويلة الأمد على المرض، لكن كثيرين لا يستفيدون منها؛ ولا تزال الممارسة السريرية بحاجة إلى دلائل أدق لتحديد أي بيئات ورمية قد تدعم الهجوم المناعي أو تعيقه. وإذا استطاعت الشرائح الروتينية تقديم هذا النوع من المعلومات، فسيتمكن الباحثون من تتبع نتائج العلاج داخل قواعد بيانات علم الأمراض الموجودة، من دون الاضطرار في كل مرة إلى الاعتماد على فحوص أنسجة طازجة مكلفة وتستغرق وقتاً وقد لا تكون متاحة دائماً.
مع ذلك، لا تزال هناك مسافة بين هذا النوع من استدلالات الذكاء الاصطناعي والقياس المباشر. فتقدير CANVAS للأحياء الخلوية من صور H&E لا يعادل إجراء فحص بروتيوميات مكانية فعلي على كل شريحة؛ كما أن قدرة النموذج على العمل بثبات عبر المستشفيات والماسحات الضوئية وإجراءات الصبغ والمجموعات السكانية المختلفة تحتاج أيضاً إلى تحقق خارجي أوسع. ومن منظور سريري، من الأنسب النظر إليه في البداية كأداة يمكنها تسريع أبحاث علم الأمراض وتوليد فرضيات لتقسيم المخاطر، لا كاختبار جاهز فوراً لتحديد العلاج.
يمثل التنظيم وسير العمل عتبة تالية كذلك. فإذا كان CANVAS سيدخل مستقبلاً في قرارات التشخيص أو العلاج، فسيحتاج إلى تحديد واضح لاستخدامه: هل هو لمساعدة اختصاصيي علم الأمراض على وصف البيئة الدقيقة للورم، أم للتنبؤ بالاستجابة للعلاج المناعي، أم للمساعدة في اختيار المرضى للتجارب السريرية. وستنطوي كل صيغة من هذه الصيغ على معايير تحقق مختلفة، وتوزيع مختلف للمسؤولية، ومتطلبات مختلفة لقابلية التفسير.
يكمن الجانب اللافت في هذا التقدم في أنه لا يطلب من المستشفيات أن تستبدل منصات الفحص لديها بالكامل أولاً، بل يعود إلى أكثر الشرائح المرضية شيوعاً ليستخرج منها معلومات مكانية لم تُقرأ بعد بصورة منهجية. وإذا استطاعت الدراسات اللاحقة إثبات أن هذه الأحياء الخلوية التي يقدّرها الذكاء الاصطناعي تظل موثوقة في بيانات متعددة المراكز، فقد تتحول شريحة الورم من نقطة نهاية تشخيصية إلى مدخل أوسع إلى بيئة الورم البيولوجية.