كشف وتصنيف سرطان الغدة الدرقية باستخدام التصوير الطيفي والذكاء الاصطناعي

لماذا يهم اكتشاف سرطان الغدة الدرقية مبكرًا

يُعد سرطان الغدة الدرقية أكثر أنواع السرطان شيوعًا في غدد إنتاج الهرمونات، ولا يزال تشخيصه يعتمد إلى حد بعيد على ما يراه أخصائي علم الأمراض تحت المجهر. ورغم ذلك، قد يختلف الخبراء في الآراء، لا سيما في الحالات الحدية التي تبدو جزئيًا حميدة وجزئيًا مقلقة. تصف هذه الدراسة طريقة جديدة لقراءة شرائح نسيج الغدة الدرقية القياسية باستخدام قياسات ضوئية متقدمة والذكاء الاصطناعي، بهدف مساعدة الأطباء على التفريق بين النسيج الطبيعي والسرطاني بدقة واتساق أكبر.

النظر إلى ما وراء الألوان العادية في شرائح النسيج

في الممارسة اليومية، تُقطع أنسجة الغدة الدرقية المستأصلة أثناء الجراحة إلى شرائح رقيقة، وتلوّن بالوردي والبنفسجي، وتفحص تحت المجهر. تنشأ الألوان من صبغتين، الهيماتوكسيلين والإيوزين، اللتين تبرزان نوى الخلايا والنسيج المحيط. تقوم الماسحات الرقمية التقليدية بتحويل ذلك إلى صورة أحمر‑أخضر‑أزرق (RGB) بسيطة، تمامًا مثل كاميرا الهاتف. أنشأ فريق العمل نظام تصوير مختلفًا يُسمى التصوير الطيفي، يقيس كيف يمتص كل موضع صغير في الشريحة الضوء عبر عشرات الألوان في الطيف المرئي بدلاً من ثلاثة ألوان فقط. هذه «بصمة لونية» أغنى تلتقط فروقًا دقيقة مرتبطة بكيفية تكدس وتنظيم المادة الوراثية داخل نواة كل خلية، وهي سمات تتغير غالبًا في السرطان.

تحويل أطياف الخلايا الفردية إلى معلومات قابلة للاستخدام

لاستغلال هذه القياسات التفصيلية، طلب الباحثون أولاً من أخصائيي علم الأمراض ذوي الخبرة تحديد مناطق واضحة تمامًا على الشريحة على أنها طبيعية وأخرى واضحة على أنها ورمية. ثم مسح مسرحهم الطيفي كلا المنطقتين في حوالي 5–10 دقائق لكل عينة، جامعًا نحو 40 قيمة لشدة الضوء لكل بكسل. وجدّت شبكة عصبية متخصصة، مستندة إلى تصميم مستخدم على نطاق واسع في التصوير الطبي، النوى الفردية للخلايا وحدّدت محيطها تلقائيًا. لكل نواة حسب النظام طيفها المتوسط وحجمها وشكلها، إلى جانب مدى اختلاف طيفها عن نوى طبيعية نموذجية ونوى سرطانية نموذجية. بهذه الطريقة تُترجم ما يراه أخصائي علم الأمراض وصفيًا على أنه «نوى أكثر قتامة» أو «أكثر ازدحامًا» إلى ميزات رقمية يمكن للكمبيوتر تحليلها.

طريقتان لفرز الخلايا الطبيعية والسرطانية

اختبرت الدراسة طريقتين تكميليتين لتصنيف الخلايا. في النهج شبه الآلي، يظل أخصائي علم الأمراض هو من يعلّم النظام بتحديد منطقة واحدة كطبيعية وأخرى كورمية. يقارن النظام بعد ذلك طيف كل نواة بطيف مرجعي من هاتين المنطقتين، مستخدمًا طريقة تجميع بسيطة لفصل الخلايا المرجح أن تكون طبيعية عن تلك المرجح أن تكون سرطانية. حقق هذا الأسلوب درجات F1—مقياس يوازن الحساسية والدقة—بنحو 0.8 أو أعلى لأنواع سرطان الغدة الدرقية الرئيسية، وتحسنت النتائج أكثر عند استبعاد النوى الحدية ذات الميزات المختلطة. في النهج الآلي بالكامل، تعلّم نموذج تعلم آلي يُسمى الغابة العشوائية من أكثر من 150,000 نواة معنونة للتعرّف على أنماط حجم النواة وشكلها وسلوكها الطيفي التي تشير إلى السرطان. عند اختباره على حالات مرضى منفصلة، سجل أيضًا درجات F1 أعلى من 0.82، دون الحاجة إلى أي تعليم يدوي للمناطق.

من الخلايا الفردية إلى قرارات على مستوى النسيج بأكمله

لا يستند الأطباء في علاجهم إلى مصير خلية واحدة، بل إلى ما إذا كانت مناطق أكبر من النسيج سرطانية ومدى انتشار المرض. لذلك قيّم الباحثون أداء نظامهم عند تجميع الخلايا إلى مناطق فرعية صغيرة ووضع علامة على كل منطقة كأورام أو طبيعية إذا بدا أن غالبية أنويتها سرطانية أو لا. أدى هذا المنظور القائم على المناطق إلى رفع الدقة أكثر، خاصة عن طريق تقليل الإنذارات الكاذبة في الأنسجة الطبيعية. والأهم من ذلك، بقي النهج شفافًا: يمكن تتبع كل قرار إلى ميزات ونوى مرئية وأطياف، متجنبًا سلوك «الصندوق الأسود» الذي يجعل بعض أدوات التعلم العميق صعبة الوثوق في الاستخدام السريري.

ماذا قد يعني هذا للمرضى والأطباء

تُظهر الدراسة أن إضافة قياسات طيفية مفصّلة وذكاء اصطناعي مصمم بعناية إلى شرائح الغدة الدرقية الروتينية يمكن أن يبرز بشكل موثوق مكان وجود السرطان، حتى في الأنواع الفرعية المعقدة التي تُربك الخبراء غالبًا. ولأن الطريقة تعمل على نفس الصبغات القياسية المستخدمة عالميًا، فيمكن دمجها في سير عمل علم الأمراض الرقمي دون تغيير كيفية تحضير النسيج. وبدلًا من استبدال أخصائيي علم الأمراض، يوفر النظام خريطة للنوى المرجحة كطبيعية أو سرطانية عبر الشريحة، مما يساعد على تأكيد التشخيصات الصعبة، وتسريع المراجعات، وربما تقليل خطر تفويت سرطانات أو إجراء علاجات جراحية مفرطة وغير ضرورية.

الاستشهاد: Almagor, M., Shapira, Y., Soker, A. et al. Thyroid cancer detection and classification using spectral imaging and artificial intelligence. Sci Rep 16, 6509 (2026). https://doi.org/10.1038/s41598-026-37496-w

الكلمات المفتاحية: سرطان الغدة الدرقية, علم الأمراض الرقمي, التصوير الطيفي, الذكاء الاصطناعي, تشخيص السرطان