→ العودة إلى الصفحة الرئيسية

تمييز الآفات السابقة لسرطان القولون والمستقيم: المحوّل البصري يرفع حساسية التعرّف عليها في اختبار لصور الأنسجة المرضية

أظهرت دراسة على مجموعة بيانات عامة أن حساسية المحوّل البصري في التعرّف على الأورام الغدية المسننة الجالسة قاربت 70%، مقارنة بنحو 40% للنموذج الالتفافي المستخدم للمقارنة. لكن إثبات إمكانية تحويل هذه الأفضلية إلى دعم للتقييم السريري لا يزال يتطلب التحقق عبر مجموعات بيانات مختلفة ودراسات مستقبلية.

By SURL BioNews

تكمن خطورة سلائل القولون والمستقيم أحيانًا في فروق دقيقة في بنية الأنسجة. فقد تبدو الأورام الغدية المسننة الجالسة (SSA)، وهي آفات سابقة للتسرطن، شبيهة بالسلائل مفرطة التنسج في الشرائح النسيجية المرضية. وتشير دراسة عرضتها مؤخرًا جامعة Northeastern الأمريكية إلى أن اعتماد بنية المحوّل البصري قد يساعد نماذج الذكاء الاصطناعي على التعرّف بفاعلية أكبر على هذه الآفات التي يسهل الخلط بينها.

أُجريت الدراسة في مختبر Amal للطب الدقيق بمعهد Roux Institute التابع لجامعة Northeastern، ونُشرت نتائجها لأول مرة عبر الإنترنت في 12 أغسطس 2026، وأُدرجت ضمن وقائع المؤتمرات في سلسلة «Lecture Notes in Computer Science». ثم حظيت الدراسة باهتمام متجدد مع تقرير نشرته الجامعة في أكتوبر وأعاد موقع Medical Xpress نشره. وقد قيّمت الدراسة القدرة على تصنيف صور نسيجية مرضية موجودة مسبقًا، ولم تكن بعدُ تجربة لاكتشاف الآفات أثناء إجراء تنظير القولون والمستقيم.

استخدم الفريق 3,152 صورة مصبوغة بالهيماتوكسيلين والإيوزين (H&E) من مجموعة البيانات العامة MHIST، وقارن ثلاثة نماذج من المحوّلات، هي ViT وCaiT وDeiT، بثلاث شبكات عصبية التفافية (CNN)، هي ResNet-18 و34 و50. وخضعت جميع النماذج للتحقق المتقاطع الطبقي نفسه ذي الطيات الخمس، مع التناوب على التدريب والتقييم ضمن مجموعة البيانات ذاتها، ما وفّر أساسًا مشتركًا للمقارنة بين البنى.

أشار ملخص الورقة إلى أن حساسية ViT في التعرّف على SSA بلغت 69.7%، مقابل 39.2% لأفضل نماذج CNN أداءً في المقارنة، بفارق 30.5 نقطة مئوية. وبعبارة أخرى، تعرّف ViT في هذا الاختبار على عدد أكبر من الصور التي تمثل SSA بالفعل. وبلغت المساحة تحت منحنى ROC لديه 0.917، مقابل 0.887 لنموذج CNN؛ كما أفادت الجامعة بأن الدقة الإجمالية للنموذجين بلغت نحو 86% و80%، على التوالي. وتعكس هذه الأرقام الفروق بين النماذج، ولا تثبت تفوق الذكاء الاصطناعي على اختصاصيي علم الأمراض.

تكتسب الحساسية أهمية خاصة هنا، لأن نحو 71% من صور مجموعة البيانات تعود إلى سلائل مفرطة التنسج. فعندما تشكل فئة معينة غالبية الصور، قد يحقق النموذج دقة إجمالية تبدو جيدة حتى إن مال إلى التنبؤ بهذه الفئة، لكنه قد يفوّت الآفات الأقل شيوعًا السابقة للتسرطن. ووجدت الدراسة أن المحوّلات استطاعت الحفاظ على أداء أكثر توازنًا في التصنيف، حتى دون زيادة متعمدة في مرات أخذ العينات من الفئة الأقل تمثيلًا. ويرى قائد الدراسة Saeed Amal أن ذلك قد يرتبط بقدرة النموذج على دمج العلاقات بين مناطق الصورة المختلفة.

لكن الحساسية التي تقارب 70% تعني أيضًا أن نحو 30% من صور SSA في هذا الاختبار لم يُتعرّف عليها بصورة صحيحة. والأهم أن التحقق المتقاطع ذي الطيات الخمس أُجري ضمن مجموعة البيانات نفسها، ولا يمكن أن يحل محل التحقق الخارجي. ولا توجد إجابة حتى الآن عما إذا كان النموذج سيحافظ على أدائه عند مواجهة اختلافات الصبغ والمسح والحالات في مستشفيات أخرى؛ كما لم تثبت الدراسة أنه يستطيع خفض خطر إصابة المرضى بالسرطان لاحقًا.

وفقًا لتقرير الجامعة، يتعاون الفريق مع اختصاصيي علم الأمراض والجهاز الهضمي للمضي نحو دراسات مستقبلية لتقييم دقة النموذج وفائدته ضمن سير العمل الفعلي للتشخيص والعلاج. وتتمثل أولوية الخطوة التالية في التأكد مما إذا كانت هذه الأفضلية في تصنيف الصور تستطيع مساعدة الأطباء على تقليل الحالات التي يفوتهم تشخيصها، مع تحديد مقدار العمل الإضافي للمراجعة الذي قد تسببه التصنيفات الخاطئة، حتى يمكن تقدير مدى قرب النموذج من أن يصبح أداة موثوقة للمساعدة في التشخيص النسيجي المرضي.

References

  1. Medical Xpress / Northeastern University
  2. Springer Nature / Lecture Notes in Computer Science
  3. Northeastern Global News