نظام تعلم متعدد المهام بالذكاء الاصطناعي لمساعدة تشخيص سرطان الخلايا القاعدية مع تفسير مزدوج

لماذا هذا مهم لصحة الجلد اليومية

سرطان الجلد هو السرطان الأكثر شيوعًا في العالم، وسرطان الخلايا القاعدية هو شكله الأكثر تواترًا. مع توسع التطبيب عن بُعد، يرسل أطباء الأسرة المزيد من صور الجلد إلى أخصائيي المستشفيات أكثر من أي وقت مضى، مما يخلق قوائم انتظار وتأخيرات. تعرض هذه الدراسة أداة ذكاء اصطناعي لا تكتفي بالكشف عن سرطانات الخلايا القاعدية المحتملة في هذه الصور، بل توضّح أيضًا للأطباء سبب استنتاجها ذلك، مما يسهل الثقة بها واستخدامها في العيادات الحقيقية.

كيف تنتقل صور الجلد عبر التطبيب عن بُعد اليوم

في مناطق كثيرة، يستخدم أطباء الأسرة التطبيب الجلدي عن بُعد لإرسال صور مقربة للجلد إلى أطباء الجلد في المستشفيات. يبحث هؤلاء الخبراء عن مجموعة من الدلائل البصرية، مثل أشكال وألوان وأنماط الأوعية الدموية معينة، ليقرروا ما إذا كانت البقعة سرطانية من نوع الخلايا القاعدية أو غير مؤذية. رغم أن القواعد الأساسية معروفة جيدًا، يمكن لكل حالة أن تظهر بمظهر مختلف، ويجب على الأخصائيين مراجعة سيل متزايد من الصور الواردة من عيادات متعددة، ما يبطئ الرعاية ويجهد النظام.

تحويل قواعد الخبراء إلى مساعد مفيد

صمم الباحثون نظام ذكاء اصطناعي يتبع نفس المنطق الذي يستخدمه الأخصائيون. يبحث عن سبعة أنماط بصرية رئيسية في كل صورة درموسكوبية، مثل التقرح أو الأشكال الشبيهة بالأوراق، ويتحقق أيضًا من نمط يشير إلى أن الآفة من غير المرجح أن تكون سرطان خلايا قاعدية. بدلًا من الاكتفاء بقول «سرطان» أو «ليس سرطانًا»، تُبلغ الأداة عن أي من هذه الأنماط تراه ثم تستخدم قواعد بسيطة مستمدة من ممارسة أطباء الجلد لتصنيف الآفة على أنها مرجحة السرطان أو لا. تجعل هذه المقاربة منطق الحاسوب أسهل للفهم.

تدريب النظام على آراء متعددة

لتعليم الذكاء الاصطناعي، استخدمت الفريق 1,559 صورة جلدية جمعت من 60 مركز رعاية أولية في الأندلس، بالإضافة إلى صور غير سرطانية من أرشيف عام. وضع أربعة أطباء جلد علامات على أي من الأنماط السبعة رأوها في كل آفة، لكن لا يوجد مرجع مثالي لهذه الأنماط الدقيقة وغالبًا ما يختلف الأخصائيون في آرائهم. استخدم الباحثون طريقة إحصائية لدمج هذه الآراء المختلفة في تسمية توافقية واحدة لكل صورة، تلتقط حكم المجموعة المشترك مع تقليل الانحياز الفردي.

ما تعلّمه الذكاء الاصطناعي

جوهر النظام هو شبكة صغيرة للتعرّف على الصورة مقتبسة من بنية معروفة للأجهزة المحمولة. تم تدريبها لأداء مهمتين في آن واحد: تمييز سرطانات الخلايا القاعدية عن الآفات الأخرى واكتشاف الأنماط البصرية التي تدعم ذلك القرار. للتعامل مع الأنماط النادرة ومجموعة بيانات غير متوازنة، استخدم الفريق تقنيات مثل دوال خسارة متقدمة، وتوسيع البيانات، والتحقق المتقاطع بعناية. النتيجة نموذج يصنّف الآفات على أنها سرطان خلايا قاعدية أم لا بدقة تقارب 90% وما زال يؤدي جيدًا في تحديد الأنماط البصرية الحاسمة التي توجه ذلك القرار.

رؤية أين ينظر الذكاء الاصطناعي

بعيدًا عن قوائم الأنماط، يوفر النظام خرائط لونية تبرز مناطق الصورة الأكثر مسؤولية عن قراره. للتحقق مما إذا كانت هذه الخرائط تتطابق فعلاً مع التفكير السريري، قام أطباء الجلد بتخطيط مناطق الأنماط بعناية على مئات الصور. ثم قارن الباحثون المناطق المظللة من قِبَل الذكاء الاصطناعي مع هذه المخططات ووجدوا أن معظم «انتباه» النموذج يقع داخل المناطق نفسها التي يعتبرها الخبراء مهمة. في ما يقرب من جميع الحالات الإيجابية للسرطان، تم تحديد نمط واحد ذي صلة على الأقل بشكل صحيح، وفي معظم الحالات غير السرطانية تم احترام قاعدة النمط «الآمن» المتوقعة.

ماذا يعني هذا للمرضى والأطباء

عند تجميع النتائج، تُظهر الدراسة أن أداة ذكاء اصطناعي مُحكمة وصغيرة يمكن أن تساعد في فرز آفات الجلد في التطبيب الجلدي عن بُعد مع تقديم أسباب واضحة وذات مغزى سريري لاختياراتها. لا تحل محل أطباء الجلد، لكنها تستطيع تحديد الحالات التي يجب أن تُرى أولًا وإظهار المؤشرات البصرية وراء تنبيهاتها. وبما أن النظام يعمل على أجهزة خفيفة الوزن ويعكس منطق الأخصائيين، فهو مناسب للنشر السريع في شبكات الرعاية الأولية، مع إمكانات لتسريع التشخيص، ودعم التعلم، وزيادة الثقة في رعاية سرطان الجلد المدعومة بالذكاء الاصطناعي.

الاستشهاد: Matas, I., Serrano, C., Silva-Clavería, F. et al. MultiTask learning AI system to assist BCC diagnosis with dual explanation. Sci Rep 16, 15652 (2026). https://doi.org/10.1038/s41598-026-40229-8

الكلمات المفتاحية: سرطان الخلايا القاعدية, التطبيب الجلدي عن بُعد, الذكاء الاصطناعي القابل للتفسير, تصوير آفات الجلد, الدرموسكوبي