نحو اكتشاف وتكمية التحويل المعوي باستخدام التعلم العميق في خزعات المعدة المرقمنة: دراسة مقارنة متعددة الخبراء

لماذا يهم هذا لصحتك

لا يزال سرطان المعدة من أكثر السرطانات فتكا في العالم إلى حد كبير لأنه كثيراً ما يُكتشف في مراحل متأخرة. يعرف الأطباء أن تغيراً مسبقاً للسرطان في بطانة المعدة يُسمى التحول المعوي يشير إلى زيادة الخطر قبل ظهور الورم بعدة سنوات. لكن اليوم يُقيَّم هذا المؤشر بالعين المجردة، ما يعني أن خبيرين يمكن أن ينظرَا إلى نفس الخزعة ويختلفا حول مدى خطورتها. تستكشف هذه الدراسة ما إذا كان الذكاء الاصطناعي يمكنه أن يجلب المزيد من الاتساق والدقة إلى هذه الخطوة الحرجة من الكشف المبكر.

كيف يفحص الأطباء المعدة للبحث عن مشاكل

عندما يُفحص شخص بحثاً عن مرض محتمل في المعدة، تؤخذ عينات صغيرة من الأنسجة من عدة مواقع قياسية داخل المعدة وتُفحص تحت المجهر. يبحث أخصائيو الباثولوجيا عن دلائل مثل الالتهاب، وفقدان الغدد الطبيعية، وخاصة ظهور خلايا شبيهة بالأمعاء في أماكن لا تنتمي إليها. كلما كانت هذه التغيرات أكثر انتشاراً والمناطق التي تشغلها أكبر، ارتفع تقدير خطر الشخص لتطور سرطان المعدة في نهاية المطاف. تجمع أنظمة الترميز الحالية هذه الانطباعات البصرية في مراحل تتراوح من منخفضة جداً إلى عالية جداً، موجهةً مدى متابعة المريض بدقة.

مشكلة الحكم البشري وحده

رغم أن هذه الأنظمة مستخدمة على نطاق واسع في العيادات، إلا أنها تعتمد على تقدير الباثولوجي لجزء النسيج المتغير. أظهرت الأبحاث السابقة والتجربة اليومية أن حتى الخبراء المدربين جيداً يمكن أن يختلفوا اختلافاً ملحوظاً في تقديراتهم. في هذه الدراسة، قام ثلاثة باثولوجيين بتقييم أكثر من 200 مجموعة من خزعات المعدة من متطوعين ومرضى كولومبيين بشكل مستقل. تراوح توافقهم بين بسيط ومعتدل فقط، ما يعني أن نفس الحالة قد تحصل على مراحل خطورة مختلفة اعتماداً على من قرأها. تثير هذه التقلبات مخاوف من أن بعض الأشخاص قد يُطمأنوا خطأً بينما قد يُنصح آخرون بأنهم في خطر أعلى مما هم عليه فعلاً.

تعليم الحاسوب قراءة شرائح الخزعات

سأل الباحثون ما إذا كان التعلم العميق، وهو نوع من الذكاء الاصطناعي يتفوّق في التعرف على الأنماط في الصور، يمكن أن يساعد. قاموا برقمنة خمس عينات خزعة لكل شخص بتكبير عالٍ جداً، واستخدموا أولاً خوارزمية متخصصة لتحديد البُنى الغدية في النسيج، حيث تظهر التغيرات المبكرة. من هذه المناطق استخرجوا مئات الآلاف من بلاطات الصور الصغيرة. كان باثولوجي ذو خبرة قد حدد سابقاً مواضع وجود التحول المعوي، مما أتاح للفريق تسمية البلاطات إما متغيرة أو طبيعية. ثم تم تدريب عدة تصميمات حديثة للشبكات العصبية على مراحل: أولاً بالتعلم من قواعد بيانات صور كبيرة موجودة، ثم تعديلها بدقة على عينات المعدة هذه لتمييز البلاطات المتحولة عن الطبيعية.

ما وجده الحاسوب وكيف يقارن

من بين النماذج المختبرة، حققت بنية معينة أفضل النتائج، حيث حدَّدت التحول المعوي بشكل صحيح في معظم البلاطات وبلغت مستويات أداء مماثلة لما شوهد في مهام تصوير طبي أخرى. عندما أُعيدت توقعات مستوى البلاطة إلى صور الشرائح الكاملة، أنتج النموذج خرائط ملونة تُظهر أين من المحتمل أن تكون الغدد متحولة. من هذه الخرائط حسب البرنامج تلقائياً نسبة النسيج المتحول في كل موقع خزعة وترجم تلك النسب إلى نفس مراحل الخطورة المستخدمة من قبل الخبراء البشريين. بينما لم يتطابق النموذج تماماً مع أي باثولوجي واحد، أظهر ترابطاً قوياً مع تقديراتهم وكان، والأهم، أكثر اتساقاً بين الحالات مما كان عليه الحال بين البشر.

ما الذي قد يعنيه هذا للرعاية المستقبلية

تشير الدراسة إلى أن أنظمة التعلم العميق يمكن أن تعمل كـ "قارئ ثانٍ" ثابت لخزعات المعدة، مقدمة قياسات موضوعية لمدى وجود تغيرات سابقة للسرطان في النسيج. بدلاً من استبدال الباثولوجيين، يمكن لمثل هذه الأدوات أن تزودهم بخط أساس موثوق، وتقلل التخمين والاختلاف، وتساعد في ضمان تحديد المرضى المعرضين فعلاً لخطر أعلى ومراقبتهم بشكل مناسب. مع مزيد من الاختبارات عبر مستشفيات مختلفة وتوسيع الوسم بتفصيل أكبر لأنواع الأنسجة، قد يدعم هذا النهج في النهاية قرارات أكثر تفصيلاً وثقة بشأن من يحتاج إلى متابعة أقرب لمنع سرطان المعدة.

الاستشهاد: Cano, F., Caviedes, M., Siabatto, A. et al. Towards deep-learning based detection and quantification of intestinal metaplasia on digitized gastric biopsies: a multi-expert comparative study. Sci Rep 16, 9606 (2026). https://doi.org/10.1038/s41598-025-32737-w

الكلمات المفتاحية: سرطان المعدة, التحول المعوي, التعلم العميق, الباثولوجيا الرقمية, تصنيف مخاطر السرطان