تصنيف الأورام المستقيمة بالذكاء الاصطناعي عبر تحليل التروية الفلورية بالتنظير

لماذا يهم هذا المرضى والأطباء

بالنسبة للأشخاص الذين يعانون من بوليبات مستقيمية كبيرة، يبقى أحد أكبر الأسئلة ما إذا كان النمو حميدًا أم يتحول بالفعل إلى سرطان. اليوم، غالبًا لا يستطيع الأطباء التأكد إلا بعد استئصال الآفة بالكامل، ما قد يعني عمليات أكبر من اللازم أو تأخيرات في العلاج. تبحث هذه الدراسة فيما إذا كانت تقنية تصوير ذكية، مرفقة بالذكاء الاصطناعي، يمكن أن تكشف السرطان الخفي أثناء الإجراء نفسه من خلال مراقبة كيفية تدفق الدم عبر النسيج.

الاستماع إلى كيفية تغذية الورم

الأورام لا تنمو مثل النسيج الطبيعي. فهي تحفز تكون أوعية دموية جديدة وغير طبيعية تتسرب وتتفرع بشكل غير منظم. تخلق هذه التغيرات أنماطًا مميزة في طريقة دخول وخروج الدم والصبغات المحقونة من الورم. استخدم الباحثون صبغة تسمى الأخضر الإندوكايانين (indocyanine green) التي تتوهج تحت ضوء شبه الأشعة تحت الحمراء، وسجلوا فيديوات قصيرة أثناء جراحات التنظير لدى مرضى لديهم بوليبات مستقيمية كبيرة وسرطانات مستقيمية مبكرة. عبر تتبع شدة التوهج على مدى عدة دقائق، تمكنوا من التقاط نوع من «بصمة التروية» لكل من المناطق المشبوهة والصحية داخل نفس المريض.

تحويل أنماط التوهج إلى بيانات

تم تحليل كل فيديو بواسطة برنامج مخصص قسم المنطقة الظاهرة من جدار الأمعاء إلى شبكة من المربعات الصغيرة وتعقبها بمرور الوقت، حتى مع حركة الكاميرا والنسج. لكل مربع، قام البرنامج بقياس مدى شدة الفلورة، ومدى سرعة بلوغها الذروة، ومدى سرعة تلاشيها. ثم نظف هذه المنحنيات وعادلها بحيث يمكن مقارنتها مباشرة. من هذه الآثار الزمنية، استخرج الفريق ميزات عددية بسيطة مثل الإشارة القصوى والانخفاض في الإشارة عند أزمنة محددة بعد الذروة. كما درسوا مدى تفاوت هذه القيم عبر المنطقة غير الطبيعية، مستخدمين إحصائية تلتقط التباين داخل الورم مقارنة بالنسيج الصحي المجاور.

تدريب الذكاء الاصطناعي

درس الفريق 190 فيديوًا من 182 مريضًا عولجوا في ستة مستشفيات في أربع دول؛ في حوالي ثلاثة من كل خمسة مرضى تم تأكيد السرطان لاحقًا تحت المجهر. دربوا نموذج تعلم آلي (مصنف XGBoost) ليتعلم الفارق بين الآفات الحميدة والخبيثة اعتمادًا فقط على ميزات تدفق الصبغة، دون النظر إلى صور الألوان العادية. عند تطبيقه على حالات جديدة، حدد النموذج السرطان بصورة صحيحة في أغلبية كبيرة من المرضى، مقارنًا بأداء مماثل أو أفضل قليلًا من العديد من الأدوات القياسية المستخدمة فعليًا، مثل خزعات التنظير، وتصوير الرنين المغناطيسي قبل العملية، والانطباع البصري للجراح الخبير.

إضافة مؤشرات سريرية من العالم الواقعي

في الواقع العملي، نادرًا ما يعتمد الأطباء على اختبار واحد فقط. لذلك جمع الباحثون مخرجات الذكاء الاصطناعي مع معلومات متاحة بالفعل: تقارير الرنين المغناطيسي وحكم الجراح أثناء العملية. عندما أُدخلت هذه البيانات في نفس مسار الحوسبة، تحسّنت القدرة على كشف السرطان، خاصة في استبعاد المرض بشكل صحيح في الآفات الحميدة. في أفضل سيناريو، كشف النظام المشترك نحو 86% من الحالات السرطانية مع تجنب إنذارات كاذبة في حوالي 71% من الحالات غير السرطانية. عمل النهج أيضًا بشكل جيد نسبيًا في مجموعات فرعية من المرضى الأكثر شيوعًا للمرض المبكر القابل للاستئصال موضعيًا.

ما يعنيه هذا للرعاية المستقبلية

تُظهر الدراسة أن الأورام في البوليبات المستقيمية الكبيرة تترك بصمة قابلة للاكتشاف في كيفية تدفق الدم والصبغة خلالها، وأن هذه البصمة يمكن التقاطها تلقائيًا بواسطة الذكاء الاصطناعي. رغم أن العمل حتى الآن أُجري على فيديوات مسجلة ويحتاج بعد إلى إثبات في تجارب سريرية في الوقت الحقيقي، إلا أنه يشير إلى مستقبل قد يُنبه فيه منظّر القولون أثناء الإجراء إلى أن بوليبة تبدو حميدة على الأغلب تخفي سرطانا غازيا. يمكن أن توجه تلك المعلومة أماكن الخزعة، أو قرار الاستئصال الموضعي للآفة، أو إحالة المريض لجراحة أكثر شمولاً، مما يقلل كلًا من حالات السرطان الفائتة والعمليات الكبرى غير الضرورية.

الاستشهاد: Boland, P.A., MacAonghusa, P., Singaravelu, A. et al. Artificial intelligence classification of rectal neoplasia by endoscopic fluorescence perfusion analysis. Sci Rep 16, 4761 (2026). https://doi.org/10.1038/s41598-026-35233-x

الكلمات المفتاحية: سرطان المستقيم, التصوير بالتنظير, تروية فلورية, الذكاء الاصطناعي, تعلم الآلة