التشخيص بمساعدة الذكاء الاصطناعي للاختلال النسيجي العنقي من صور التصوير العنقي

لماذا هذا مهم لصحة النساء

يُعد سرطان عنق الرحم واحدًا من أكثر أنواع السرطان قابلية للوقاية، ومع ذلك لا تزال العديد من النساء في المناطق محدودة الموارد تفتقرن إلى الوصول إلى أدوات فحص متقدمة. تستقصي هذه الدراسة كيف يمكن للذكاء الاصطناعي تحويل صور عنق الرحم البسيطة، المأخوذة بعد وضع محلول يشبه الخل، إلى أداة قوية لاكتشاف التغيرات السابقة للسرطان في مراحلها المبكرة. وبذلك تهدف إلى توفير تشخيص أدق للعيادات التي لا تمتلك أجهزة مكلفة أو أخصائيين، مما يساعد على اكتشاف المرض في وقت أبكر وربما إنقاذ حياة.

من الصور البسيطة إلى فحص أكثر ذكاءً

في العديد من المستشفيات ذات الدخل المرتفع، يستخدم الأطباء جهاز تكبير يسمى منظار عنق الرحم (كولبوسكوب) لفحص عنق الرحم عن كثب واتخاذ قرار حول ما إذا كانت المناطق المشبوهة تحتاج إلى خزعة. في البيئات الفقيرة أو الريفية، غالبًا ما يكون هذا الجهاز غير متوفر، ولذلك تعتمد الممرضات على الفحص البصري بعد تطبيق حمض الأسيتيك (VIA): يضعن محلول الأسيتيك المخفف، يبحثن عن بقع بيضاء، وقد يلتقطن صورة (التصوير العنقي). يفيد هذا الأسلوب في الإشارة إلى وجود مشكلة محتملة لكنه أقل موثوقية في تقدير مدى خطورة الشذوذ. القرار السريري الحاسم هو ما إذا كانت الآفة طفيفة ويمكن مراقبتها، أم شديدة وتحتاج علاجًا فوريًا. سعى الباحثون لتعليم الحاسوب التمييز بين هاتين الحالتين مباشرة من صور التصوير العنقي.

تعليم الحواسيب قراءة الإشارات البصرية الدقيقة

بنَتْ الفريق نظامًا ذا مرحلتين حول نموذج تحليل صور حديث معروف باسم YOLOv11، اختير لقدرته على اكتشاف الأجسام بسرعة والعمل على عتاد محدود الإمكانات. أولًا، يتحقق النظام مما إذا كانت صورة VIA تحتوي على آفة مشبوهة اعتمادًا على قواعد طبية تتعلق بكيفية ظهور المناطق البيضاء ومواقعها على عنق الرحم. إذا وجدت آفة، تفحص المرحلة الثانية أربعة خصائص بصرية يعتمد عليها خبراء الكولبوسكوبي: مدى بياض المنطقة بعد وضع الحمض، مدى نعومة أو خشونة سطحها، مقدار تغطيتها لمنطقة التحول، وعدد أرباع عنق الرحم الأربعة المتورطة. يُحلل كلٍّ من هذه الخصائص إما بواسطة نموذج الذكاء الاصطناعي أو بواسطة قواعد هندسية بسيطة، ومعًا توفر صورة أغنى لشدة المرض من مجرد اللون وحده.

توليد مزيد من البيانات من عدد قليل من المرضى

كان عقبة رئيسية هي ندرة الصور عالية الجودة المؤكدة بخزعات نسيجية، لا سيما لمرض خفيف في مراحله المبكرة. للتغلب على ذلك، استخدم الباحثون نوعًا من الذكاء الاصطناعي التوليدي (StyleGAN-2 مع تعزيز تكيفي) لإنشاء صور عنق رحم اصطناعية واقعية تحاكي الأنماط قليلة التمثيل. استُخدمت هذه الصور الاصطناعية فقط للتدريب والتحقق، ولم تُستخدم في الاختبار النهائي. جاءت البيانات الحقيقية من مصادر عدة، بما في ذلك مجموعات بيانات دولية كبيرة تحتوي على صور كولبوسكوبي وتسميات Swede Score، ومجموعة أصغر لكنها موثوقة بدرجة عالية مع تأكيد نسيجي، ومجموعات خارجية من مستشفيات إندونيسية وبرامج فحص باستخدام الهواتف المحمولة. سمح هذا المزيج للنموذج أن يتعلم من كل من تصنيف الخبراء وتشخيص الأنسجة المعيارية الذهبية.

دمج آراء متعددة في قرار واحد

بمجرد استخراج السمات الأربع الرئيسية من كل صورة، استخدم النظام نهجًا تجميعيًا—يعمل أساسًا كـ"تصويت" منظم بين مصنِّفات متخصصة لكل سمة—لوضع تسمية لكل حالة بأنها اختلال نسيجي طفيف أو شديد. أظهرت التجارب المبكرة دون تعزيز متقدم دقة تبلغ نحو 62% فقط، مما يبيّن مدى صعوبة المهمة عندما تكون البيانات نادرة وغير متوازنة. بعد إضافة صور التدريب المولدة بواسطة GAN وضبط التجميع بعناية، حققت أفضل تكوينات النظام نحو 95% دقة إجمالية على مجموعة اختبار مستقلة مؤكدة بخزعات. تعرف على أكثر من 95% من الحالات الشديدة وأكثر من 80% من الحالات الطفيفة، مع إبقاء معدل التصنيف الخاطئ الكلي أقل من 8%. كما قدم النموذج أداءً ثابتًا على مجموعة بيانات مستشفى منفصلة، مما يشير إلى قدرته على التعامل مع اختلافات في الأجهزة والممارسات المحلية، وإن انخفض الأداء عند مواجهة صور هواتف محمولة ذات إضاءة ساطعة.

ما الذي يعنيه هذا للرعاية اليومية

بالنسبة للعيادات غير المتخصصة التي تجري بالفعل فحص VIA، تُظهر هذه الدراسة أن صور التصوير العنقي العادية يمكن تحويلها إلى أداة أكثر إفادة. يمكن لنظام ذكاء اصطناعي يحدد الآفات، ويقدّر مدى انتشارها، ويشير إلى ما إذا كانت تبدو طفيفة أو شديدة أن يساعد مقدمي الرعاية في الخطوط الأمامية على تقرير من يحتاج إحالة عاجلة ومن يمكن مراقبته بأمان. يحذر المؤلفون من أن لنموذجهم حدودًا: فهو يعتمد جزئيًا على بيانات اصطناعية، وتدرب في الغالب على صور كولبوسكوبي بدلاً من صور الهواتف الواقعية، وقد اختبر على مجموعات مؤكدة بخزعات صغيرة نسبيًا. هناك حاجة إلى دراسات أكبر وأكثر تنوعًا قبل أن يوجه مثل هذا النظام العلاج بمفرده. ومع ذلك، تُظهر النتائج أن الجمع بين التصوير الميسور وتصميم ذكاء اصطناعي مدروس قد يعزز الوقاية من سرطان عنق الرحم في الأماكن التي تحتاج ذلك بشدة.

الاستشهاد: Nurmaini, S., Rachmatullah, M.N., Agustiansyah, P. et al. AI-assisted diagnosis of cervical dysplasia from cervicography images. Sci Rep 16, 9920 (2026). https://doi.org/10.1038/s41598-026-39192-1

الكلمات المفتاحية: فحص سرطان عنق الرحم, التصوير العنقي, الذكاء الاصطناعي الطبي, التعلم العميق, تصنيف الاختلال النسيجي