التنبؤ بالبقاء عبر أنواع السرطان باستخدام نماذج التعلم الآلي

لماذا يهم التنبؤ ببقاء مرضى السرطان بطرق جديدة

غالبًا ما يطرح مرضى السرطان وعائلاتهم سؤالًا بسيطًا لكنه مؤلم: «كم بقي لي؟» يحاول الأطباء الإجابة اعتمادًا على خبرتهم والبيانات السابقة، لكن بالنسبة للعديد من السرطانات النادرة لا توجد حالات متشابهة كافية لتقديم تنبؤات دقيقة. تستكشف هذه الدراسة ما إذا كانت برامج الكمبيوتر الحديثة يمكنها «اقتراض الخبرة» بأمان من سرطانات شائعة لمساعدة التنبؤ بالبقاء في سرطانات أقل شيوعًا، مما قد يمنح المزيد من المرضى توقعات أوضح ورعاية مخصصة بشكل أفضل.

استخدام بيانات المرضى السابقين لإرشاد الرعاية المستقبلية

عمل الباحثون مع كمية كبيرة من المعلومات الواقعية من سجلات سرطانية بالمستشفيات في ساو باولو، البرازيل. تغطي هذه السجلات أكثر من مليون مريض عولجوا بين عامي 2000 و2019 وتتضمن تفاصيل مثل العمر، ومرحلة الورم، والعلاجات المتلقاة، وما إذا كان الشخص لازال على قيد الحياة بعد ثلاث سنوات من التشخيص. سمح التركيز على تلك العلامة الزمنية البالغة ثلاث سنوات للفريق بمقارنة سرطانات ذات مدد حياة نمطية مختلفة جدًا مع تجنب بيانات مشوهة للغاية حيث ينجو الجميع تقريبًا أو يموتون جميعًا.

تعليم الحواسيب اكتشاف أنماط البقاء

لتحويل هذا السجل إلى أداة تنبؤية، استخدم الباحثون طريقتين شائعتين في التعلم الآلي: XGBoost وLightGBM. هذه الأساليب لا تحاول فهم البيولوجيا مباشرة؛ بل تمر عبر آلاف السجلات المرضية لاكتشاف أنماط تربط خصائص مثل مرحلة المرض وتوقيت العلاج ببقاء المريض لاحقًا. أولًا، بنى الفريق نماذج «متخصصة»، كل واحدة مدربة على نوع سرطان واحد فقط، مثل سرطان الثدي أو الرئة أو المعدة. ثم تحققوا من مدى قدرة هذه النماذج على التنبؤ بالبقاء لثلاث سنوات لمرضى جدد من نفس السرطان، باستخدام مقاييس معيارية توازن بين التعرف الصحيح على الناجين وغير الناجين.

هل يمكن لسرطان واحد أن يساعد في توقع آخر؟

جوهر الدراسة يطرح سؤالًا جريئًا: هل يمكن لنموذج مدرّب على نوع سرطان واحد أن يتنبأ بنجاح بالبقاء في سرطان مختلف؟ لاختبار ذلك، جمّع الباحثون السرطانات بطريقتين: السرطانات الأكثر شيوعًا (الجلد، الثدي، البروستاتا، القولون والمستقيم، الرئة، وعنق الرحم) وسرطانات الجهاز الهضمي (تجويف الفم، البلعوم الفمي، المريء، المعدة، الأمعاء الدقيقة، القولون والمستقيم، والشرج). في المرحلة الأولى، دربوا نماذج منفصلة لكل سرطان وجربوها على الأنواع الأخرى، مختارين فقط الأزاوج التي كان فيها التنبؤ بالنجاة وعدم النجاة متوازنًا بشكل معقول. في المراحل التالية، دمجوا بيانات من سرطانات مختارة في مجموعات تدريب مشتركة، مكونين نماذج أكثر عمومية تستند إلى أنماط عبر أورام ذات صلة.

أين يساعد التعلم عبر السرطانات — وأين لا يساعد

بالنسبة للسرطانات الشائعة، لم يتفوق الجمع بين البيانات عبر الأنواع على أفضل نماذج المتخصصين. فمثلاً، تنبأ نموذج واحد مدرّب على جميع السرطانات الست الشائعة بدقة أقل من نماذج مخصصة لكل سرطان على حدة. كانت القصة مختلفة لبعض سرطانات الجهاز الهضمي. عندما جُمعت بيانات سرطانات تجويف الفم والمريء والمعدة، تنبأ النموذج الناتج بالبقاء لثلاث سنوات لسرطان المعدة بشكل طفيف أفضل من نموذج المعدة فقط، مع دقة متوازنة تزيد قليلاً عن 80 في المئة. ومع ذلك أظهرت الاختبارات الإحصائية أن هذا التحسن لم يكن واضحًا بما يفوق الصدفة، ما يعني أن النموذج المشترك والنموذج المتخصص متعادلان في الأساس. ظهرت نتائج مماثلة «قريبة ولكن ليست أفضل تمامًا» لسرطانات تجويف الفم، والأمعاء الدقيقة، والقولون والمستقيم، غالبًا مع مقايضات بين التعرف الصحيح على الناجين وغير الناجين.

ماذا يعني هذا لمرضى السرطانات النادرة

على الرغم من أن نماذج عبر السرطانات نادرًا ما تفوقت على أفضل النماذج الخاصة بكل مرض، فإنها غالبًا ما اقتربت جدًا — مستخدمةً فقط معلومات مُقتبسة من أنواع سرطانات أخرى. بالنسبة للسرطانات النادرة التي تفتقر إلى مجموعات بيانات كبيرة وعالية الجودة، هذه إشارة مشجعة: في المستقبل قد يكون بإمكان الأطباء الاعتماد على نماذج مدرّبة على سرطانات أكثر شيوعًا لتقديم تقديرات بقاء ذات معنى عندما يصبح بناء أدوات متخصصة مستحيلًا. يحذر المؤلفون من أن هذه الأساليب ليست جاهزة للاستخدام السريري الروتيني، وأنه يجب اختبارها في مناطق أخرى ودمجها مع بيانات بيولوجية أعمق. ومع ذلك، يشير العمل إلى مستقبل لا يُترك فيه أي مريض بدون إرشاد لمجرد أن سرطانه نادر.

الاستشهاد: Cardoso, L.B., Egydio, J.E., Toporcov, T.N. et al. Cross-cancer survival prediction using machine learning models. Sci Rep 16, 9623 (2026). https://doi.org/10.1038/s41598-025-34133-w

الكلمات المفتاحية: التنبؤ ببقاء مرضى السرطان, التعلم الآلي في علم الأورام, النمذجة عبر أنواع السرطان, السرطانات النادرة, سجلات سريرية