الذكاء الاصطناعي يميّز الشكل السابق للتليف النخاعي الأولي مع كثرة الصفيحات عن كثرة الصفيحات الأساسية باستخدام صور خزعة نخاع العظام المرقمنة

لماذا يهم هذا الأشخاص المصابين باضطرابات دموية

غالبًا ما يواجه الأطباء صعوبة في التفرقة بين حالتين دمويتين متشابهتين تتحملان مخاطر طويلة الأمد مختلفة تمامًا. تُظهر هذه الدراسة كيف يمكن للذكاء الاصطناعي قراءة صور نخاع العظم على شاشة الحاسوب لتمييز هذه الأمراض بدقة أعلى، كما يشير إلى ميزات دقيقة في النسيج قد يتغاضى عنها البشر. بالنسبة للمرضى، قد يعني ذلك في المستقبل تشخيصًا أفضل، ومعلومات أوضح عن المخاطر، وعلاجًا أكثر تخصيصًا.

مرضان متشابهان بمستقبلين مختلفين للغاية

كثيرة الصفيحات الأساسية والتليف النخاعي الأولي السابق للتليف هما مرضان نادِران في نخاع العظم يسببان زيادة في عدد الصفيحات، خلايا الدم المسؤولة عن التجلط. تحت الميكروسكوب، قد تبدو عينات نخاع العظم متشابهة إلى حد كبير، لذا حتى أخصائيو علم الأمراض ذوو الخبرة قد يختلفون أحيانًا في التشخيص. التمييز مهم لأن الأشخاص ذوي الشكل السابق للتليف هم أكثر عرضة لتطور تليف شديد في النخاع، أو الإصابة باللوكيميا، ومضاعفات مهددة للحياة مقارنة بمن لديهم كثرة الصفيحات الأساسية. تعتمد الإرشادات الحالية على تقييم الخبراء لشكل الخلايا والندوب الدقيقة بصريًا، وهي عملية ذاتية وتستغرق وقتًا طويلاً.

تدريب الحاسوب على قراءة شرائح نخاع العظم

بنى الباحثون نظام ذكاء اصطناعي مكوَّنًا من جزأين يعمل مباشرة من صور خزعات نخاع العظم الملونة روتينيًا. أولًا، استخدموا نموذجًا قويًا مُدرَّبًا مسبقًا، تعرّف على عشرات الآلاف من شرائح السرطان، لاستخراج أنماط بصرية مفصَّلة من كل منطقة صغيرة في الخزعة. ثم طبقوا طريقة "الانتباه" التي تسمح للخوارزمية بإعطاء أهمية أكبر للمناطق التي تدعم تشخيصًا معينًا بقوة. بعد تدريبه على بيانات 200 مريض إيطالي تم تأكيد تشخيصهم بعناية، واختباره لاحقًا على مجموعة مستقلة من مركز أمريكي للسرطان، ميّز النظام بين المرضين بدقة عالية. فصل بشكل صحيح التليف النخاعي الأولي السابق للتليف عن كثرة الصفيحات الأساسية في أكثر من تسعة من كل عشرة مرضى في مجموعة التحقق، مع قدرة قوية بشكل خاص على تجنب وسم شخص ما بالمرض الأعلى خطرًا عن طريق الخطأ.

استخدام صور تركيبية لرؤية ما يراه الذكاء الاصطناعي

لفهم الإشارات البصرية التي اعتمد عليها النموذج، أضاف الفريق مكوِّنًا توليديًا يمكنه خلق بقع نخاع عظم تبدو واقعية نموذجية لكل مرض. اختاروا بلاطات صور حقيقية ومولّدة حاسوبيًا التي تعامل معها المصنف بثقة وطلبوا من ثلاثة أخصائيين في أمراض الدم يعملون بشكل أعمى تسمية هذه البلاطات. بالنسبة للصور الحقيقية، اتفق الخبراء البشريون مع تشخيص الذكاء الاصطناعي في معظم الأحيان عندما كانوا على استعداد للإدلاء بإجابة. لكن بالنسبة للعديد من الصور التركيبية، خاصة تلك التي تحاكي كثرة الصفيحات الأساسية، كثيرًا ما اختلف أخصائيو الأمراض مع الخوارزمية أو شعروا أنهم لا يستطيعون اختيار تشخيص بأمان، على الرغم من أن الذكاء الاصطناعي صنف هذه البلاطات بشكل صحيح وفقًا لبيانات المرضى المعروفة.

دور مفاجئ للدهون مقابل الخلايا في النخاع

دفع التباين بين البشر والآلة إلى إلقاء نظرة أقرب على تركيب النسيج في الصور الحقيقية والمولّدة. باستخدام أداة تحليل صور أخرى، قاس الباحثون مقدار كل بلاطة المشغول بالفراغات الدهنية مقابل الخلايا المولدة للدم. عبر العينات، احتوت العينات المرتبطة بكثرة الصفيحات الأساسية على دهون أكثر، بينما كانت العينات المرتبطة بالتليف النخاعي الأولي السابق للتليف أكثر كثافة بالخلايا. ظهر هذا النمط في صور المرضى الحقيقية والصور المولّدة، وكان أكثر تضخيمًا في شرائح كثرة الصفيحات الأساسية الاصطناعية. أظهرت خرائط الحرارة لآلية "الانتباه" أن الخوارزمية ركزت بطبيعتها على المناطق النشطة المولدة للدم بدلًا من العظم أو الشوائب، مما يشير إلى أنها تعلّمت إشارات ذات مغزى بيولوجي بدلًا من اختصارات سطحية.

ما الذي قد يعنيه هذا للتشخيص والعلاج

من الناحية العملية، توحي الدراسة بأن نظام ذكاء اصطناعي مُدرَّبًا بعناية يمكن أن يساعد أخصائيي علم الأمراض على فصل هذين المرضين المتشابهين في النخاع باستخدام شرائح الميكروسكوب القياسية، ويمكن أن يكشف ميزات نسيجية مفيدة، مثل توازن الدهون والخلايا، التي ليست جزءًا من قوائم التحقق الحالية. يؤكد المؤلفون أن أداتهم ليست مخصّصة لاستبدال المراجعة الخبرية، خاصة بالنظر إلى العدد المحدود نسبيًا للمرضى الذين جرت دراستهم حتى الآن. بدلاً من ذلك، يمكن أن تعمل كقارئ ثانٍ، خصوصًا في المراكز التي ترى عددًا أقل من هذه الحالات، وقد تساعد في تحديد أي المرضى يُدرَجون في تجارب سريرية عن طريق استبعاد من لديهم الشكل السابق للتليف الأكثر عدوانية. مع مرور الوقت، قد يدعم الجمع بين هذا النوع من الذكاء الاصطناعي القائم على الصور والبيانات السريرية والوراثية رعاية أكثر ثقة وتخصيصًا للأشخاص الذين يعيشون مع هذه الاضطرابات الدموية النادرة.

الاستشهاد: Srisuwananukorn, A., Loscocco, G.G., Dolezal, J.M. et al. Artificial intelligence differentiates prefibrotic primary myelofibrosis with thrombocytosis from essential thrombocythemia using digitized bone marrow biopsy images. Leukemia 40, 1018–1026 (2026). https://doi.org/10.1038/s41375-026-02893-7

الكلمات المفتاحية: الذكاء الاصطناعي, خزعة نخاع العظم, أورام تكاثرية نخاعية, كثرة الصفيحات الأساسية, التليف النخاعي الأولي السابق للتليف