صنع قرار علاجي MDT ذكي لسرطان الرئة غير صغير الخلايا في المرحلة III باستخدام تضمين ثنائي المستوى وتفسير ثلاثي المستويات

مساعدة أذكى لخيارات سرطان الرئة المعقدة

بالنسبة للأشخاص الذين تُشخّص إصابتهم بصورة متقدمة من سرطان الرئة، قد تكون خيارات العلاج مربكة للغاية—وغالبًا ما تشمل الجراحة أو الإشعاع أو العلاج الكيميائي أو العلاج المناعي أو مجموعات من هذه الطرق. من الناحية المثالية، يستعرض فريق من المتخصصين يُعرف بالفريق متعدد التخصصات (MDT) كل حالة ويضع خطة مخصّصة. لكن في العديد من المستشفيات، خاصة ذات الموارد المحدودة، لا يحظى معظم المرضى بهذا المستوى من الاهتمام. تصف هذه الدراسة نظام ذكاء اصطناعي صُمم ليحاكي—ويشرح—منطق مثل هذه الفرق الخبيرة، بهدف توسيع نصائح بمستوى MDT لعدد أكبر بكثير من المرضى.

لماذا قرارات العلاج صعبة للغاية

سرطان الرئة غير صغير الخلايا (NSCLC) هو النوع الأكثر شيوعًا من سرطان الرئة على مستوى العالم، وحوالي واحد من كل ثلاثة مرضى يكون بالفعل في المرحلة III عند التشخيص الأولي. في هذه المرحلة، قد تتأثر الأورام والعقد اللمفاوية بطرق مختلفة، مما يجعل نمط المرض لدى كل مريض فريدًا. نتيجة لذلك، لا توجد مسار علاجي واحد يناسب الجميع. يجمع الفريق متعدد التخصصات جراحيين وأطبّاء أورام وأشعّة وغيرهم من المتخصصين ليراجعوا كل التفاصيل في ملف المريض ويتفقوا على خطة. تُظهر الدراسات أن هذا النهج القائم على الفريق يمكن أن يحسّن البقاء وجودة الحياة، لكن اجتماعات MDT تستغرق وقتًا وتعتمد على كوادر خبراء نادرة، لذا يستفيد في الممارسة العملية سوى أقلية من المرضى.

تحويل السجلات الطبية إلى أنماط قابلة للتعلّم

لردم هذه الفجوة، بنى الباحثون نموذج ذكاء اصطناعي يتعلّم من الحالات التي خضعت لمراجعة MDT ثم يقدم توصيات للمرضى الجدد. جمعوا السجلات الطبية الإلكترونية (EMRs) من 2876 شخصًا مصابين بالمرحلة III من NSCLC عولجوا في مستشفيين رئيسيين في الصين. ومن هذه الحالات ركزوا على 2521 مريضًا توافقت علاجاتهم مع ست فئات شائعة، مثل الجراحة، المعالجة الكيميائية-الإشعاعية، أو العلاج الكيميائي مع العلاج المناعي أو الأدوية الموجهة. بدلًا من الاعتماد على عدد قليل من المتغيرات المختارة يدويًا، يقرأ النظام ملاحظات التقدّم النصية الغنية التي تصف الفحوصات، والاختبارات المخبرية، والأعراض، والانطباعات السريرية، إلى جانب تفاصيل أساسية مثل العمر ومرحلة المرض.

النظر إلى الكلمات والجمل، لا الأرقام فقط

جوهر النهج يكمن في كيفية تحويل النص إلى شيء يستطيع الحاسوب التعامل معه. يستخدم النموذج استراتيجية «تضمين ثنائي المستوى»: يمثل التفاصيل على مستوى الكلمة بينما يلتقط أيضًا المعنى الأوسع للجمل كاملة. بالنسبة للكلمات، يوظف نموذج لغة مُعدّل للنصوص الطبية الصينية ومعززًا بمخطط معرفة طبية، الذي يمثّل العلاقات بين الأمراض والأدوية والأعراض والإجراءات. أما للجمل فيستخدم نموذجًا آخر مدرّبًا لفهم أي الجمل مرتبطة دلاليًا بشكل أقوى. ثم يتعلّم آلية الانتباه كيفية وزن ودمج هذين المنظورين، منتجة ملخّصًا مضغوطًا لكل سجل مريض يُدخَل في مصنف شبكي عصبي للتنبؤ بأيٍّ من خيارات العلاج الست من المرجّح أن يختاره فريق MDT.

جعل منطق الذكاء الاصطناعي مرئيًا

نظرًا لأن الأطباء يجب أن يكونوا قادرين على الوثوق بالنصيحة الخوارزمية والتشكيك فيها، صمّم الفريق النظام ليكون قابلاً للتفسير على ثلاث مستويات: كلمة، وعبارة، وجملة. تبرز درجات الانتباه الكلمات والجمل في السجل التي أثّرت أكثر في التوصية—مثل أوصاف انتشار الورم، أو تداخل العقد اللمفاوية، أو علامات حيوية رئيسية. تقنية تسمى تدفق الانتباه تتتبع كيف تتجمع مجموعات الكلمات عبر طبقات النموذج لتكوين عبارات ذات معنى، على سبيل المثال مشيرة إلى أدلة تدعم الجراحة أو، على العكس، تميل إلى نهج يرتكز على الأدوية. تتيح هذه التفسيرات متعددة المستويات للأطباء رؤية ما إذا كان تركيز الذكاء الاصطناعي يتماشى مع قراءتهم للحالة، بدلًا من تلقي إجابة «صندوق أسود».

من التنبؤات إلى البقاء في العالم الحقيقي

على الحالات التي راجعها MDT، حقق النموذج دقة وتغطية ودقة استدعاء ودرجة F1 تفوق 85%، ما يعني أن العلاجات المقترَحة كانت مطابقة إلى حد كبير لقرارات الخبراء. ثم فحص الباحثون ما حدث للمرضى الذين لم يخضعوا أبداً لاستشارة MDT. لصقوا علامة «متوافق مع النموذج» على كل حالة إذا كان العلاج الفعلي الممنوح يتطابق مع ما كان سيُوصي به الذكاء الاصطناعي، و«غير متوافق مع النموذج» خلاف ذلك. كان لدى المرضى في مجموعة التوافق مع النموذج بقاء أفضل بشكل ملحوظ، مع معدلات بقاء أعلى بعد سنة وثلاث وسنوات وخمس سنوات ومنحنيات بقاء كابلان–ماير مفصولة بوضوح. وحتى بعد تعديل النتائج حسب العمر والجنس ومرحلة المرض وما إذا كان السرطان حديث التشخيص أو متكررًا، ارتبط تلقي علاج متوافق مع النموذج بانخفاض كبير في خطر الوفاة.

ماذا قد يعني هذا للمرضى

بعبارات بسيطة، تعلّم نظام الذكاء الاصطناعي محاكاة اختيارات الخبراء متعددّي التخصصات وإبراز الحقائق الرئيسية في سجل كل مريض التي تقود هذه الاختيارات. بالنسبة للمستشفيات التي لا يمكن فيها عقد اجتماعات MDT الكاملة لكل حالة، قد يخدم مثل هذا الأداة كرأي ثانٍ قابل للتوسيع: إبراز التفاصيل الخاصة بالمريض، واقتراح أفضل العلاجات المرجحة، والإشارة إلى الحالات التي تستحق مراجعة فِرْقية أعمق. وبينما تقتصر الدراسة على المرحلة III من NSCLC في مركزين وتحتاج إلى اختبار أوسع، فإنها تُشير إلى أن الذكاء الاصطناعي المصمّم بعناية والقابل للتفسير قد يساعد على توصيل دعم اتخاذ القرار بمستوى تخصصي لعدد أكبر من الأشخاص الذين يواجهون رعاية سرطانية معقدة.

الاستشهاد: Chen, Z., Chai, N., Wang, J. et al. Intelligent MDT treatment decision making for stage III NSCLC using dual level embedding and three level explanation. Sci Rep 16, 7807 (2026). https://doi.org/10.1038/s41598-026-39658-2

الكلمات المفتاحية: سرطان الرئة, توصية علاجية, فريق متعدد التخصصات, الذكاء الاصطناعي الطبي, نتائج البقاء