مجموعة صور نسيجية مجهرية بقدرات تكبير عالية لتشخيص وتنبؤ سرطان الخلايا الحرشفية الفموي

لماذا يهم هذا البحث

قد يختبئ سرطان الفم في ما يبدو واضحًا، فيبدأ كقرحة صغيرة في الفم ثم يتحول إلى مرض يهدد الحياة. يعتمد الأطباء على صور الأنسجة تحت المجهر لتقرير شدة الورم ومدى احتمالية عودته أو انتشاره، لكن قراءة هذه الصور عمل بطيء وشاق. تقدّم هذه الدراسة مجموعة صور جديدة وغنية تهدف إلى مساعدة أنظمة الذكاء الاصطناعي على قراءة هذه الشرائح إلى جانب أطباء النسج، مع الهدف الطويل الأمد إعطاء المرضى إجابات أسرع وأكثر دقة عن مرضهم وخيارات العلاج.

نظرة أقرب إلى سرطان فم شائع

يركز العمل على سرطان الخلايا الحرشفية الفموي، أحد أكثر سرطانات الفم تواترًا وعدوانية. يظهر غالبًا لدى أشخاص لديهم تاريخ من تعاطي التبغ أو الكحول ويمكن أن ينتشر إلى الأنسجة القريبة والعقد الليمفاوية في العنق. اليوم، المعيار الذهبي للتشخيص لا يزال عين أخصائي النسج على شريحة ملطّخة تحت المجهر. من هذه الشرائح، يقيّم الخبراء مدى شذوذ الخلايا، وعمق غزو الورم، وما إذا كان قد اخترق الأعصاب أو الأوعية الدموية، والعديد من السمات الأخرى التي تؤثر على البقاء. يجادل المؤلفون بأن هذه الأنماط المجهرية تحتوي على معلومات أكثر بكثير مما يمكن للإنسان تتبعه بسهولة، مما يجعلها هدفًا مثاليًا للذكاء الاصطناعي الحديث.

بناء صورة أغنى من صور الأنسجة

لفك شفرة هذه المعلومات، أنشأ الفريق مجموعة بيانات Multi-OSCC: صور مجهرية من 1,325 مريضًا عولجوا من سرطان الفم في مستشفى واحد بين 2015 و2022. لكل مريض، أعد أخصائيو النسج قطعتين نسيجيتين—واحدة من مركز الورم وأخرى من حافته الغازية—ثم التقطوا صورًا عالية الدقة بثلاثة مستويات تكبير، شبيهة بالنظر إلى مدينة من طائرة، وسطح مبنى، وركن شارع. نتج عن ذلك ست صور مختارة بعناية لكل مريض، تحتوي كل منها على هياكل رئيسية مثل أعشاش الخلايا السرطانية، ودوامات الكيراتين، ونوى خلايا شديدة الشذوذ. إلى جانب الصور، جمع الباحثون سجلات طبية مفصّلة ومتابعة طويلة الأمد ليروا أي الأورام عادت أو انتشرت.

ستة أسئلة تهم الأطباء حقًا

ما يميز Multi-OSCC هو أنه يعكس الأسئلة السريرية الحقيقية بدلاً من التركيز على تسمية واحدة. لكل مريض في مجموعة البيانات وسوم لستة نتائج مهمة. أحدها هو ما إذا عاد الورم خلال سنتين بعد الجراحة، وهي نافذة حرجة تحدث فيها معظم الانتكاسات. آخر هو ما إذا كانت خلايا السرطان قد وصلت بالفعل إلى عقد عنق الرحم، مما يوجّه قرارات الجراحة الواسعة للعنق. تلتقط أربع وسوم إضافية مدى تمايز خلايا الورم، وعمق غزو الورم، وما إذا دخل الأوعية الدموية أو نما على طول الأعصاب—دلائل دقيقة لكنها قوية على مدى خطورة السرطان. يتيح هذا التصميم للنماذج أن تتعلم ليس فقط «سرطان مقابل طبيعي»، بل صورة أكمل للمخاطر والشدة.

تعليم الذكاء الاصطناعي قراءة الشرائح المعقّدة

بعد ذلك، وضع الباحثون معيارًا لكيفية تعامل استراتيجيات الذكاء الاصطناعي المختلفة مع هذه المجموعة المتطلبة. قارنوا عدة هياكل أساسية حديثة للتعرّف على الصور، بما في ذلك كل من الشبكات الالتفافية التقليدية ونماذج المحوّلات الأحدث، ووجدوا أن المحوّلات المدربة مسبقًا خصيصًا على صور النسج قدمت أفضل أداء بشكل عام. اختبروا طرقًا لدمج المعلومات من الصور الست لكل مريض واكتشفوا أن استراتيجية بسيطة—استخراج ميزات من كل صورة ثم ربطها معًا—تفوقت على أساليب الدمج الأكثر تعقيدًا. كما فحصوا كيف أثرت توحيد ألوان الصبغات على الأداء، وكشفوا أن الاحتفاظ باللون الأصلي كان حاسمًا لتنبؤ الانتكاس، بينما ساعدت تطبيع الألوان الخفيف في المهام التشخيصية الأخرى.

القيود والمفاجآت وما سيأتي لاحقًا

كانت إحدى المفاجآت أن تدريب نموذج ذكاء اصطناعي واحد للتعامل مع الأسئلة الستة في آن واحد لم يتفوق بعد على النماذج المدربة لكل مهمة على حدة. وأخرى أن رقع المجهر التفصيلية، على الرغم من غناها في التفاصيل الخلوية، ما زالت تفتقر إلى الرؤية البنائية الأوسع التي توفرها شرائح الشريحة الكاملة. ومع ذلك، تفوقت النماذج المدربة على صور Multi-OSCC بوضوح على النماذج التي استخدمت بيانات سريرية فقط مثل العمر والعادات والتاريخ الطبي، خاصة في توقع عودة الورم. يضع المؤلفون Multi-OSCC كنقطة انطلاق: مجموعة بيانات عامة موثقة جيدًا يمكن للآخرين استخدامها لتطوير ومقارنة الأساليب. بالنسبة للمرضى، الوعد بعيد المدى هو أن الأدوات المستقبلية المبنية على هذا المورد قد تساعد الأطباء على تحديد أي سرطانات الفم من المرجح أن تعود أو تنتشر بشكل أكثر موثوقية، مما يؤدي إلى علاجات أكثر تكييفًا وفي النهاية فرص بقاء أفضل.

الاستشهاد: Guan, J., Guo, J., Chen, Q. et al. A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis. Sci Data 13, 371 (2026). https://doi.org/10.1038/s41597-026-06736-z

الكلمات المفتاحية: سرطان الفم, صور النسيج المرضي, الذكاء الاصطناعي, التعلّم العميق, مجموعات بيانات التصوير الطبي