MSF-VMDNet لتجزئة بطبقات متعددة لصور الشرائح الكاملة لسرطان الجلد باستخدام شبكة ثنائية المُشفّر متعددة الترددات

لماذا يهم رسم خرائط سرطان الجلد

عند تشخيص أطباء السرطان الجلدي، ينظرون غالباً إلى صور مجهرية فائقة الدقة لشرائح نسيج مصبوغة. تُظهر هذه الصور ليس الورم فحسب، بل أيضاً أنواعاً كثيرة من تراكيب الجلد الطبيعية المترابطة بإحكام. رسم حدود دقيقة لكل منطقة يدوياً بطيء وقد يختلف من اختصاصي لآخر. تعرض هذه الدراسة طريقة حاسوبية جديدة تهدف إلى فصل هذه الأنسجة المتشابكة تلقائياً بدقة عالية، مما قد يوفر الوقت ويجعل التشخيصات أكثر اتساقاً.

من بقع بسيطة إلى نسيج متشابك

يعد سرطان الجلد واحداً من أكثر أنواع السرطان شيوعاً عالمياً، ويعزى ذلك جزئياً إلى زيادة التعرض للأشعة فوق البنفسجية. يبدأ التشخيص الحديث عادة بفحص درموسكوبي، وهو نوع مخصص من الصور المكبرة للجلد، وغالباً ما يتبع ذلك أخذ خزعة: قطعة صغيرة من الجلد تُستأصل وتُصبغ وتُفحص تحت المجهر. في صور الشرائح الكاملة هذه، يمتد الورم عبر طبقات مثل البشرة السطحية والنسيج الضام الأعمق وبصيلات الشعر والغدد العرقية والدهون. كثير من هذه المناطق تبدو متشابهة في اللون والطبيعة، وقد تكون حدودها غير واضحة، مما يجعل من الصعب حتى على الخبراء فصل الورم عن الأنسجة السليمة بوضوح.

طريقة جديدة لقراءة الصور المعقدة

تعاملت الأدوات الحاسوبية السابقة في الغالب مع المشكلة كما لو كانت تلوين صورة بقلمين فقط: «آفة» و «ليس آفة». قد تنجح هذه الطريقة في صور السطح البسيطة، لكنها تفشل عندما يجب تقسيم الشريحة إلى العديد من أنواع الأنسجة في آن واحد. يركز المؤلفون على مجموعة بيانات صعبة لسرطانات الجلد غير الميلانينية حيث يجب تقسيم كل صورة إلى ما يصل إلى عشرة فئات نسيجية مميزة. هدفهم هو بناء نظام يمكنه فهم التخطيط العام للنسيج مع التقاط التفاصيل الدقيقة على الحواف — وهو ما تكافح الشبكات العصبية التقليدية غالباً لتحقيق توازنه.

دماغان خير من واحد

لحل هذه المشكلة، صمم الفريق MSF‑VMDNet، وهي شبكة ثنائية المُشفّر يمكن تصورها كـ«دماغين» تكميليين يفحصان الشريحة نفسها بالتوازي. يستند الفرع الأول إلى U‑Net، وهو نموذج شائع في التصوير الطبي يتفوق في التقاط التفاصيل المحلية الدقيقة. يعزّزه المؤلفون بوحدة طيفية تحول الصورة إلى مجموعة من الترددات — بعضها يصف تغييرات بطيئة وناعمة، وبعضها يلتقط الحواف الحادة والملمس — ثم تعاد تركيبه لتعزيز حدود الفئات. في الوقت نفسه، يفحص فرع ثانٍ مبني على نهج أحدث يسمى Vision Mamba الشريحة بطريقة أكثر انسيابية، ممثلاً العلاقات بعيدة المدى بكفاءة بحيث يمكن للمناطق البعيدة ذات الصلة أن تؤثر في بعضها البعض.

الاستماع إلى ترددات متعددة في آنٍ واحد

تلعب معلومات التردد دوراً محورياً في هذه البنية. بالانتقال بين فضاء الصورة التقليدي ونظرة مبنية على التردد، يمكن للشبكة معاملة الأشكال العامة والبنى الدقيقة بشكل مختلف. تساعد المكونات منخفضة التردد على فهم التخطيط العام للورم وطبقات الجلد المحيطة، بينما تُبرز المكونات عالية التردد الحواف حيث تنتهي نوع نسيج وتبدأ أخرى. تُدمج وحدات مصممة بعناية هذه الرؤى مرة أخرى في خريطة مكانية، ويحذف كتلة فك التشفير الإضافية (المسماة SCConv) الإشارات الزائدة مع تعزيز الأنماط المعلوماتية الحقيقية. النتيجة هي خريطة أنظف وأكثر ثقة لكل منطقة نسيجية.

كم هي فعالة عملياً؟

اختبر الباحثون MSF‑VMDNet على مجموعة بيانات سرطان الجلد غير الميلانيني وقارنوه بمجموعة واسعة من نماذج التجزئة الرائدة، بما في ذلك U‑Net الكلاسيكي، والأساليب المبنية على المحولات، وهجائن Vision Mamba الأخرى. أنتج نظامهم مخططات أوضح للورم وأخطاء أقل في المناطق المعقدة حيث يتشابك الورم مع بصيلات الشعر والأنسجة الملتهبة. على مقاييس التداخل القياسية، تفوق على جميع المنافسين، محققاً تقريباً اتفاقاً بنسبة 95 بالمئة مع الأقنعة المرسومة من قبل الخبراء. للتحقق مما إذا كانت الطريقة تعمم إلى ما بعد مختبر واحد ونوع واحد من السرطان، قيّم الفريق أيضاً أداءها على ثلاث مجموعات إضافية: صور درموسكوبي لآفات الجلد، وصور مجهرية لأنواع مختلفة من نوى الخلايا، ولقطات مقطعية محوسبة لأعضاء البطن. في جميع الحالات، ظلّت الطريقة ذات دقة عالية وتفوقت إحصائياً على خطوط الأساس القوية.

ماذا يعني هذا للمرضى والأطباء

بعبارات بسيطة، يعد MSF‑VMDNet صانع خرائط آلي للصور الطبية يمكنه فصل الأورام عن المناظر الطبيعية المزدحمة لأنسجة سليمة بدقة غير معتادة. على الرغم من أنه لا يحل محل حكم أطباء الأمراض النسيجية، إلا أنه يمكن أن يوفر نقطة انطلاق سريعة ومفصّلة، مما يقلل الجهد اليدوي المطلوب ويساعد على ضمان عدم تجاهل مناطق ورمية دقيقة. وبما أن النهج نفسه يعمل جيداً على أنواع مختلفة جداً من الصور الطبية، فقد يصبح أداة متعددة الاستخدامات لمهام تشخيصية عديدة. مع مزيد من التطوير ودمج المعلومات السريرية، قد تدعم أنظمة من هذا النوع تقييمات أكثر موثوقية لسرطان الجلد وفي نهاية المطاف خيارات علاجية مستنيرة أفضل.

الاستشهاد: Zhang, J., Pu, Q., Tian, J. et al. MSF-VMDNet for multi class segmentation of skin cancer whole slide images using a multi frequency dual encoder network. Sci Rep 16, 11722 (2026). https://doi.org/10.1038/s41598-026-40044-1

الكلمات المفتاحية: تصوير سرطان الجلد, تجزئة الصور الطبية, التعلّم العميق في علم الأمراض, تحليل نسيجي مجهري, تشخيص بالذكاء الاصطناعي