نظام ذكاء اصطناعي قابل للتفسير يقلل التشخيصات الإيجابية الكاذبة في رنين الثدي بتصنيف الأورام عالية المخاطر

فحوصات أذكى، إجراءات طبية أقل بدون حاجة

يُعد رنين الثدي أحد أفضل الأدوات لاكتشاف السرطان مبكرًا، لا سيما لدى النساء ذوات المخاطر العالية، لكنه كثيرًا ما يكتشف «أكثر من اللازم» ويعتبر مناطق كثيرة غير ضارة كمشتبه بها. تؤدي هذه النتائج الرمادية إلى القلق وإجراء اختبارات إضافية وخزعات مؤلمة تثبت في النهاية أنها حميدة. تقدم هذه الدراسة نظام ذكاء اصطناعي جديدًا يقرأ فحوصات رنين الثدي بالتوازي مع أخصائيي الأشعة ويساعد على التمييز بين الآفات الخطرة حقًا وتلك التي يمكن مراقبتها بأمان، بهدف كشف السرطان دون إحالة عدد كبير من النساء لإجراء الخزعة.

مشكلة النتائج غير الحاسمة في رنين الثدي

عند قراءة أخصائيي الأشعة لفحص رنين الثدي، يصنفون المناطق المشتبه بها باستخدام مقياس يُدعى BI-RADS. الفئة 4 هي الأكثر إزعاجًا: فهي تغطي آفات احتمال أن تكون سرطانية فيها يتراوح بين 2% و95%. وبسبب اتساع هذا النطاق، القاعدة العملية الحالية هي إجراء خزعة لما يقرب من كلها. ونتيجة لذلك، تخضع العديد من النساء لإجراءات غازية لآفات تتبين لاحقًا أنها حميدة. بالإضافة إلى ذلك، تفسير الرنين يعتمد على التقييم الشخصي؛ فمختلف الأطباء، لا سيما الأقل خبرة، قد يختلفون في رأيهم حول نفس الفحص، أحيانًا يبالغون في تقييم آفات حميدة أو يفشلون في اكتشاف سرطانات طفيفة. سعى المؤلفون لبناء أداة تقلل هذه الشكوك وفي الوقت نفسه تندمج بسلاسة في ممارسات المستشفيات الحقيقية.

شريك ذكاء اصطناعي مدرَّب على آلاف الفحوص

طور الباحثون نظام تحليل آفات BI-RADS 4، أو BL4AS، وهو نموذج ذكاء اصطناعي مصمم خصيصًا لهذه النتائج المبهمة عالية المخاطر. على خلاف الأنظمة السابقة التي اعتمدت على لقطة واحدة، ينظر BL4AS إلى نقاط زمنية متعددة بعد حقن مادة التباين، متتبعًا كيف يتوهج كل آفة ويتلاشى بمرور الوقت. هذه الأنماط المتغيرة تحمل دلائل مهمة عما إذا كانت الأنسجة على الأرجح حميدة أم خبيثة. درب الفريق أولًا «نموذجًا أساسيًا» كبيرًا على أكثر من 17,000 حجم رنين لتعلم ميزات التصوير العامة، ثم ضبطه بدقة على 2,803 آفة من فئة BI-RADS 4 مأخوذة من 2,686 امرأة عولجن في ثلاث مراكز طبية. يقوم النظام بتحديد محيط الآفة وتصنيفها كمنخفضة أو عالية المخاطر، ويعرض أيضًا احتمال كونها سرطانًا.

تفوّق على القرّاء البشريين في عيادات حقيقية

لمعرفة مدى فاعلية BL4AS خارج المختبر، اختبره المؤلفون على بيانات مستقلة من مستشفيات أخرى وعلى مجموعة جديدة جُمعت بطريقة مستقبلية. عبر هذه البيئات، أظهر الذكاء الاصطناعي دقة قوية، والأهم من ذلك، نوعية أعلى بكثير من أخصائيي الأشعة — أي أنه كان أفضل في تمييز الآفات الحميدة وتفادي الإنذارات الكاذبة. في دراسة قراءة مستقبلية، فسر ثمانية أخصائيي أشعة الحالات أولًا بمفردهم ثم أعدوا قراءتها بمساعدة BL4AS. بدعم الذكاء الاصطناعي، ارتفعت دقتهم التشخيصية، وانخفضت نسبة الإيجابيات الكاذبة لديهم بأكثر من ربع، وتحسنت الاتفاقية بين المقيمين بشكل ملحوظ. استفاد الأطباء المبتدئون أكثر من غيرهم، إذ اقترب أداؤهم بمساعدة النظام من مستوى زملائهم الأكبر خبرة.

جعل قرارات الذكاء الاصطناعي شفافة وقابلة للتنفيذ

نظرًا لأن الأطباء يتوخون الحذر تجاه الذكاء الاصطناعي «صندوق أسود»، أضاف الفريق تفسيرات بصرية. ينتج BL4AS خرائط حرارة تبرز أجزاء الآفة التي أثرت في قراره، وغالبًا ما يركز على الأشكال غير المنتظمة، الحواف الحادة، وأنماط التعزيز غير الاعتيادية التي يربطها أخصائيو الأشعة بالفعل بالسرطان. يتجاوز النظام أيضًا تنبؤ نعم/لا البسيط بالسرطان عبر تصنيف الآفات إلى مجموعات فرعية BI-RADS 4A، 4B، أو 4C تعكس ازدياد المخاطر. في مجموعات الاختبار الخارجية، تطابقت هذه الفئات الفرعية المعرفة بواسطة الذكاء الاصطناعي مع معدلات السرطان الفعلية وأدت عملًا أفضل من الأطباء في كل من تحديد الآفات منخفضة المخاطر التي قد تتجنب الخزعة بأمان، وفي الإشارة إلى الآفات عالية المخاطر التي يجب علاجها بسرعة.

ماذا قد يعني هذا للمرضى

عمومًا، تشير الدراسة إلى أن مساعدًا قابلًا للتفسير مثل BL4AS يمكن أن يساعد أخصائيي الأشعة على قراءة فحوص رنين الثدي بشكل أكثر اتساقًا، وتقليل الخزعات غير الضرورية، مع الحفاظ على هامش أمان عالٍ جدًا ضد تفويت السرطانات. من خلال الاستفادة من ثراء بيانات الرنين الموقوتة بالكامل وعرض استدلاله بطريقة مفهومة للبشر، يوفر النظام مسارًا عمليًا نحو رعاية ثدي أكثر تخصيصًا: إذ يمكن للنساء اللواتي لديهن آفات مقلقة حقًا الانتقال بسرعة إلى العلاج، بينما قد تتجنب اللائي لديهن نتائج منخفضة المخاطر الإجراءات الغازية ويتم متابعتهن عن كثب على مدار الوقت.

الاستشهاد: Liang, Y., Wei, Z., Dai, Y. et al. An interpretable AI system reduces false-positive MRI diagnoses by stratifying high-risk breast lesions. Nat Commun 17, 2263 (2026). https://doi.org/10.1038/s41467-026-69212-7

الكلمات المفتاحية: رنين الثدي, الذكاء الاصطناعي, تشخيص السرطان, التصوير الطبي, تصنيف المخاطر