شبكة انتباه هرمية متعددة المقاييس للكشف عن سرطان الثدي بدون تلوين في التصوير الطيفي المجهري

لماذا قد يغيّر فحص الأنسجة عديمة اللون رعاية السرطان

لا تزال مختبرات المستشفيات تعتمد في الغالب على الأصباغ وعلى نظر الخبير من عالم الأمراض لتشخيص سرطان الثدي. تستكشف هذه الدراسة مسارًا مختلفًا: قراءة بصمات ضوئية طفيفة من نسيج غير ملون تمامًا وترك نظام ذكاء اصطناعي ليقرر ما إذا كان هناك سرطان أم لا. إذا ثبت أن نهجًا آليًا خالٍ من الصبغات موثوق، فقد يقلل ذلك وقت الانتظار للنتائج، ويخفض التكاليف، ويجعل التشخيصات أكثر اتساقًا من مستشفى لآخر.

رؤية ما لا تراه العين

بدلًا من الشرائح المألوفة باللونين الوردي والبنفسجي، يستخدم الباحثون التصوير الطيفي المجهري، الذي يسجّل كيف يعكس كل نقطة في شريحة النسيج مئات الألوان الدقيقة من الضوء. تحوي هذه الأطياف دلائل عن الجزيئات داخل الخلايا، مثل البروتينات والأحماض النووية، رغم أن النسيج يبدو شبه عديم اللون للعين المجردة. أنشأ الفريق مجموعة بيانات جديدة من 60 مريضة بسرطان الثدي، التقطوا فيها 468 قسمًا نسيجيًا. أخذت كل قطعة عينات من 20 موضعًا، ما أتاح كتل بيانات ثلاثية الأبعاد تشفر كلًا من البنية الخلوية الدقيقة وبصمات لونية غنية تتجاوز صور الأحمر–الأخضر–الأزرق القياسية.

إتاحة الحكم على الشريحة كلها بواسطة الحاسوب

عقبة كبيرة هي أن هذه الصور الخالية من الصبغة تمتلك تباينًا بصريًا ضعيفًا، والأنماط المميزة للسرطان قد تُغرق بسهولة في الضوضاء والنسيج الطبيعي. بدلًا من تقييم مناطق صغيرة بمعزل، أعاد المؤلفون صياغة التشخيص كقرار «مستوى الحقيبة»: تُعامل كل شريحة نسيج كمجموعة من الرقع، ويجب على النموذج وزنها جميعًا معًا ليقرر ما إذا كانت الشريحة سرطانية أم لا. هذا الإعداد، المعروف في التعلم الآلي بتعلّم الحالات المتعددة، يعكس كيف يدمج عالم الأمراض ذهنيًا دلائل من عدة مقاطع رؤية قبل كتابة تقريره.

بقعة ضوئية ذكية على الخلايا والألوان

جوهر الدراسة هو نموذج جديد يسمى شبكة الانتباه الهرمية متعددة المقاييس (MS-HAN). لكل رقعة، يستخدم MS-HAN أولًا عدة مرشحات موازية بأحجام مختلفة لالتقاط أنماط على مستويات تفصيلية متعددة، من ميزات خلوية صغيرة إلى تراكيب أكبر قليلًا. ثم يطبق آلية «انتباه» مزدوجة: جزء يتعلّم أي الأطوال الموجية من الضوء هي الأكثر إفادة، وجزء آخر يبرز المناطق الأكثر اشتباهًا داخل الرقعة، مثل بقعة ضوئية تجوب مجال الرؤية. خطوة تجميع مدمجة تشجع الرقع ذات البصمات الطيفية المتشابهة على التجمع حول نماذج أولية متعلمة، مما يجعل النموذج أقل حساسية للتباين الطبيعي بين المرضى المختلفين.

تجميع الرقع لإصدار حكم نهائي

بمجرد أن تُستخلص كل رقعة إلى وصف مضغوط، يستخدم MS-HAN وحدة شبيهة بالمحوّل لالتقاط كيف تتعلق الرقع ببعضها عبر الشريحة النسيجية. قد تعزز بعض الرقع إشارات بعضها البعض، في حين تقدم رقع أخرى تباينًا مهمًا من خلال الظهور أكثر طبيعية. ثم تجمع خطوة تجميع قائمة على الانتباه إشارات مستوى الرقعة هذه إلى صورة واحدة للشريحة بأكملها، والتي تدخل فرعين قراريين منسقين ينتجان معًا تسمية السرطان أو عدمه. تهدف هذه البنية المتراتبة الواعية بالسياق إلى محاكاة كيف ينتقل الخبراء من تجمعات الخلايا الفردية إلى حكم عام.

ما مدى فعاليته عمليًا؟

على مجموعة اختبار غير مرئية تضم 94 شريحة نسيجية، ميّز MS-HAN الورم عن النسيج القريب غير الورمي بشكل صحيح في حوالي 87 من كل 100 حالة، مع قدرة قوية على تجنّب كل من تفويت السرطانات والإنذارات الكاذبة غير الضرورية. تفوق على عدة طرق رائدة بديلة كانت ناجحة على الشرائح الملونة التقليدية، ما يشير إلى أن تكييف البنية لمتطلبات البيانات الطيفية يجدي نفعًا. أظهرت خرائط الانتباه أن النموذج ركّز على تجمعات كثيفة من الخلايا الشاذة وعلى نطاقات معينة من الأطوال الموجية، متسقة نوعيًا مع ما يتوقعه علماء الأمراض، رغم أن مراجعة خبير رسمية لهذه التوضيحات البصرية لا تزال مطلوبة.

ما الذي قد يعنيه ذلك للمرضى في المستقبل

الرسالة من الدراسة هي أن تشخيص سرطان الثدي بدون تلوين باستخدام أطياف ضوئية غنية ونموذج مخصص قائم على الانتباه ممكن تقنيًا ويمكن أن يصل إلى مستويات دقة تقارن بأفضل أدوات الحاسوب الحالية للشرائح الملوَّنة. إذا تم التحقق من ذلك في مجموعات أكبر ومتعددة المستشفيات وسُرِّع الأداء، فقد يقضي هذا النهج على خطوات التلوين الكيميائي، ويسرّع اتخاذ القرار أثناء الجراحة، ويقدّم آراء ثانية أكثر موضوعية. على المدى الطويل، يوحي ذلك بمستقبل حيث يدعم مسح بسيط خالٍ من العلامات للأنسجة، مفسّرًا بواسطة ذكاء اصطناعي متخصص، علماء الأمراض في تقديم تشخيصات سرطان أسرع وأكثر اتساقًا.

الاستشهاد: Chen, Z., Yang, Q., Qin, G. et al. MultiScale hierarchical attention network for stain free breast cancer detection in microscopic hyperspectral imaging. Sci Rep 16, 9404 (2026). https://doi.org/10.1038/s41598-026-39267-z

الكلمات المفتاحية: تشخيص سرطان الثدي, التصوير الطيفي, علم الأمراض بدون تلوين, التعلم العميق والاهتمام, تعلّم الحالات المتعددة