اختبار وتحسين خوارزميات الذكاء الاصطناعي دولياً لتوقع أنواع اللوكيميا الحادة من بيانات المختبر الروتينية

لماذا يهم هذا المرضى في كل مكان

بالنسبة للعديد من الأشخاص المصابين باللوكيميا الحادة، يبدأ العد التنازلي قبل أن يروا اختصاصياً. في مناطق من العالم تندر فيها الفحوص المتقدمة أو تستغرق وقتاً طويلاً، قد يستغرق تحديد نوع اللوكيميا لدى المريض أياماً — وهو وقت قد لا يتوفر لديهم. تستكشف هذه الدراسة ما إذا كان برنامج ذكاء اصطناعي، باستخدام فحوص الدم الروتينية التي تجريها معظم المستشفيات بالفعل، يمكنه اقتراح نوع اللوكيميا المحتمل بسرعة ومساعدة الأطباء على التحرك أسرع، لا سيما في البيئات ذات الموارد المحدودة.

تحويل فحوص الدم اليومية إلى إنذار مبكر

جمَع الباحثون سجلات 6206 مرضى مصابين باللوكيميا الحادة عُولجوا في 20 مركزاً في 16 دولة، شاملةً جميع القارات المأهولة وبمستويات دخل متنوعة. بدلاً من الاعتماد على فحوص متخصصة أو اختبارات جينية، زوّدوا نموذج ذكاء اصطناعي قائم بقياسات مختبرية قياسية أُجريت عند التشخيص، مثل تعداد الدم، مقاييس التخثر، ونتائج الكيمياء الأساسية. كان الهدف معرفة ما إذا كانت أداة بُنيت أساساً على بيانات فرنسية تستطيع التعرف على ثلاثة أنواع رئيسية من اللوكيميا — اللوكيميا النخاعية الحادة (AML)، اللوكيميا النخاعية الحُبيبية الحادة (APL)، واللوكيميا الليمفاوية الحادة (ALL) — في مستشفيات وسكان وفئات عمرية مختلفة جداً.

إشارات قوية، لكن ثغرات في من يستفيد

عند تطبيقه على البالغين بشكل واسع، أدّى النموذج أداءً جيداً عموماً: كان دقيقاً بشكل خاص بالنسبة لـAML وAPL، وهما شكلان يمكن للاعتراف المبكر بهما أن يؤثر بقوة على النجاة. ومع ذلك، كان الإصدار الأصلي يتبنى قاعدة "ثقة" داخلية صارمة لا يبلغ إلا عندما يكون متأكداً جداً. هذا جعل أرقامه تبدو ممتازة على الورق، لكنه أيضاً يعني عملياً أن أكثر من 90% من المرضى قد لا يتلقون أي اقتراح من الذكاء الاصطناعي. وحتى بدون تلك القاعدة، تفاوت الأداء بدرجة كبيرة بين المراكز وأنواع اللوكيميا، مما عكس اختلافات في أعمار المرضى، وأنماط المرض المحلية، وحتى الأجهزة المخبرية المستخدمة.

تدريب النظام على التعامل مع بيانات العالم الواقعي المبعثرة

لجعل الأداة أكثر فائدة في الممارسة اليومية، ركز الفريق على أسباب فشلها في بعض الحالات. قارنوا أنماط فحوص الدم الأساسية لدى المرضى الذين وُسموا بشكل صحيح وأولئك الذين وُسموا خطأً، واستخدموا طرق تفسير إحصائية لمعرفة أي القياسات كانت الأكثر أهمية. تبين أن بعض علامات التخثر وخصائص خلايا الدم الحمراء كانت مهمة بشكل خاص لتمييز APL عن الأنواع الأخرى، بينما ساعدت أنماط خلايا الدم البيضاء في فصل AML عن ALL. أضاف الباحثون بعد ذلك خطوة معالجة مسبقة جديدة تفحّص عن المرضى "الشاذين" الذين تبدو نتائج مختبراتهم مختلفة جداً عما رآه الذكاء الاصطناعي سابقاً. من خلال دمج اثنين من هذه المرشحات وإزالة جزء معتدل فقط من الحالات، عززوا الدقة للمجموعات الصعبة — لا سيما للمرضى الذين كانوا سابقاً دون عتبة ثقة النموذج — مع إبقاء التنبؤات متاحة لمعظم الأشخاص.

تكييف الذكاء الاصطناعي للأطفال، وليس البالغين فقط

غالباً ما تظهر الأطفال المصابون باللوكيميا أنماط مختبرية مختلفة عن البالغين، واتضح أن لهذا تأثيراً كبيراً. عندما شُغِّل نموذج البالغين على 1746 مريضاً أطفالياً، انخفض أداؤه، خاصة في AML. أظهر الفريق أن القيم الدموية الأساسية، مثل عوامل التخثر وتعداد الخلايا، تسلك نطاقات مميزة لدى المرضى الأصغر سناً. بدلاً من القبول بأداء أضعف، أعادوا تدريب الذكاء الاصطناعي خصيصاً على بيانات الأطفال، مما حسّن بشكل حاد قدرته على التعرف على ALL وAML في الطفولة مع الحفاظ على نتائج قوية لحالات APL الطفولية النادرة. وهذا يبرز درساً مهماً: يجب تفصيل أنظمة الذكاء الاصطناعي الداعمة للتشخيص لتناسب السكان الذين أُعدت لخدمتهم.

نحو رعاية أسرع وأكثر عدالة للوكيميا

يؤكد المؤلفون أن أداة الذكاء الاصطناعي هذه لا تحل محل إجراءات المعيار الذهبي — الفحص المجهري، وتدفق الخلايا، والاختبارات الجينية — التي يعتمد عليها الأطباء لتأكيد نوع اللوكيميا واختيار العلاجات الدقيقة. بل تقدم وسيلة لتمييز الأنواع المحتملة من اللوكيميا بسرعة باستخدام فحوص مختبرية متاحة على نطاق واسع بالفعل، حتى في العديد من بلدان الدخل المنخفض والمتوسط. من خلال تحسين النموذج ليتعامل مع مستشفيات متنوعة، وترشيح التنبؤات غير الموثوقة، وخلق نسخة للأطفال، تُظهر الدراسة كيف يمكن للذكاء الاصطناعي أن يساعد في تقصير الوقت حتى الوصول إلى رعاية الاختصاصيين والعلاج المنقذ للحياة. تمهّد هذه العمل أرضية لتجارب مستقبلية لاختبار ما إذا كان مثل هذا الدعم في اتخاذ القرار يمكنه فعلاً خفض معدلات الوفاة المبكرة، جالباً فوائد رعاية اللوكيميا الحديثة أقرب قليلاً إلى المرضى بغض النظر عن مكان إقامتهم.

الاستشهاد: Turki, A.T., Fan, Y., Hernández-Sánchez, A. et al. International testing and refinement of AI algorithms predicting acute leukemia subtypes from routine laboratory data. Nat Commun 17, 2649 (2026). https://doi.org/10.1038/s41467-026-70584-z

الكلمات المفتاحية: اللوكيميا الحادة, الذكاء الاصطناعي, دعم التشخيص, تكافؤ صحي, فحوصات المختبر