الدمج متعدد الأنماط لنماذج الأساس في علم الأمراض والتصوير الشعاعي لتصنيف أورام الغليوما وفقًا لمنظمة الصحة العالمية 2021

جمع نظرتين نحو أورام الدماغ

عندما يُشخّص شخصٌ بورم دماغي، يحتاج الأطباء إلى معرفة ليس فقط وجود الورم، بل نوعه الدقيق. لأنواع الأورام استجابات مختلفة جدا للجراحة والإشعاع والأدوية. اليوم، يتطلب هذا "التصنيف الفرعي" تفحصات جينية غالبًا ما تكون بطيئة ومكلفة وغير متاحة في كل مكان. تستقصي هذه الدراسة ما إذا كان نظام حاسوبي ذكي ينظر إلى كلٍ من فحوصات الدماغ وصور المجهر لأنسجة الورم قادرًا على استنتاج هذه التصنيفات بشكل موثوق، مما قد يسرع ويوسع الوصول إلى العلاج الدقيق.

لماذا يهم نوع الورم

تعد الغليوماس المنتشرة عند البالغين من أخطر سرطانات الدماغ، ومع ذلك غالبًا ما تبدو متشابهة في الصور القياسية وتحت المجهر. تُجمّع الإرشادات الحديثة هذه الأورام إلى ثلاث تصنيفات جينية تختلف بشدة في شراستها ومتوسط بقاء المرضى. المعيار الذهبي الحالي للفصل بين هذه التصنيفات يعتمد على اختبارات جزيئية لحُمض نووي الورم. تتطلب هذه الاختبارات نسيجًا إضافيًا ومختبرات متخصصة وفترات انتظار تمتد لأيام أو أسابيع للحصول على النتائج. يتساءل المؤلفون عما إذا كان بالإمكان دمج صور الرنين المغناطيسي الرقمية والشرائح النسيجية التي تُجمَع روتينيًا لاستخلاص معلومات تكفي لتعويض جزء من هذا الفحص الجيني.

تعليم الآلات قراءة الصور والمسحات

بنى الفريق عمله على "نماذج أساس" كبيرة — محللات صور قوية مدرّبة مسبقًا على مجموعات ضخمة من الصور الطبية. أحد هذه النماذج يتعامل مع صور الرنين المغناطيسي متعددة المعلمات، وآخر يتعامل مع شرائح النسيج عالية الدقة المأخوذة من الورم. تُقسّم كل حالة واردة إلى كسور صغيرة من الصورة، يحولها نماذج الأساس إلى بصمات رقمية. فوق هؤلاء "الخبراء" الثابتين درّب الباحثون ثلاثة أنواع من نماذج الدمج التي تتعلّم كيفية جمع المعلومات من كل من الرنين المغناطيسي والأنسجة: تصميم دمج متأخر، وتصميم دمج مبكر، وهندسة أكثر مرونة من نوع مزيج الخبراء التي تستطيع تحديد مدى الاعتماد على كل مصدر بشكل ديناميكي.

مَزج الأنماط بدون مطابقة المرضى

عقبة عملية أمام أساليب متعددة الأنماط هي أن المستشفيات نادرًا ما تملك مجموعات بيانات كبيرة حيث يمتلك كل مريض صور رنين مغناطيسي وشرائح نسيجية مرتبطة بشكل كامل. بدلاً من الاعتماد على بيانات متطابقة تمامًا، جمع المؤلفون مجموعات منفصلة: مئات حالات الرنين المغناطيسي من عدة مراكز ومئات حالات علم الأمراض من مصدر آخر، بالإضافة إلى مجموعة أصغر مكونة من 171 مريضًا من مشروع سرطان عام لديهم كلا النوعين. أثناء التدريب، أقرانوا غالبًا رنينًا مغناطيسيًا لشخص مع شريحة نسيجية لشخص آخر، طالما أن الأورام كانت من نفس التصنيف الفرعي. وللمفاجأة، عملت النماذج المدربة على مثل هذه البيانات "غير المتطابقة" بنفس جودة النماذج المدربة على أزواج حقيقية من المرضى، وبشكل أفضل بوضوح من مجرد متوسط نموذجين أحاديي النمط منفصلين.

نموذج واحد يتكيف مع ما هو متاح

على مجموعة الاختبار المحتفظ بها المكوّنة من 171 مريضًا الموصوفين بالكامل، تفوقت جميع النماذج متعددة الأنماط على نظيراتها أحادية المدخل، وأداء تصميم مزيج الخبراء كان الأفضل، محققًا درجات عالية جدًا في التمييز بين الثلاثة تصنيفات الفرعية. واللافت أنه عندما قدِّم في وقت الاختبار رنين مغناطيسي فقط أو نسيج فقط، لم ينهار أداء النموذج متعدد الأنماط؛ بل أدى تقريبًا بمستوى مماثل للنماذج المخصصة لأسلوب واحد. هذا يعني أن العيادة يمكنها نشر نظام موحد يستخدم ما هو متاح—صور ما قبل الجراحة وحدها، نسيج ما بعد الجراحة وحده، أو كلاهما معًا—بدلاً من صيانة أدوات منفصلة لكل سيناريو.

مشاهدة ما تراه الآلة

لبناء ثقة في قرارات النظام، استقصى الباحثون الأماكن التي "ينظر" إليها النموذج وما الميزات الصورية الأكثر أهمية. أظهرت خرائط الانتباه أن النموذج المشترك يوزع تركيزه بشكل أوسع على الورم ومحيطه، في كل من الرنين المغناطيسي وشرائح الأنسجة، وأن الانتباه الأكثر تشتتًا تزامن غالبًا مع التنبؤات الصحيحة. كشف تحليل أعمق للميزات المكتسبة أنماطًا تتطابق مع دلائل طبية معروفة: على سبيل المثال، ميزات الرنين التي تبرز مراكز الأورام المعززة بالتباين والمساحات السائلة المشوهة ساعدت في فصل الأورام الأكثر عدوانية، بينما ميزات النسيج التي تلتقط أشكال الخلايا والأنسجة التقليدية ساعدت على التعرف على تصنيفات غليوما محددة. ظهرت أيضًا فجوات مثيرة للاهتمام: لم يُشفّر النموذج بقوة بعض العلامات المعيارية للأورام الأكثر عدوانية، مما يدعم فكرة أنه غالبًا ما يتعامل مع تلك الفئة كـ"افتراضية" ما لم تكن هناك أدلة قوية على تصنيف فرعي أكثر ملاءمة.

ماذا قد يعني هذا للمرضى

بعبارات بسيطة، تُظهر هذه الدراسة أن نظامًا ذكياً يجمع بين صور الدماغ وصور المجهر يمكنه تصنيف أورام الدماغ بدقة أكبر من الأنظمة التي تنظر إلى نوع صورة واحد فقط، وأنه يمكن تدريبه حتى عندما لا تتوفر الصورتان لذات المرضى. إذا تم التحقق من صحته في مجموعات أكبر وأكثر تنوعًا، فقد تساعد مثل هذه الأدوات الأطباء على تقدير التصنيف الفرعي للورم مبكرًا وبشكل أوسع، لا سيما في الأماكن التي يندر فيها الوصول للاختبارات الجزيئية. وبينما لا تحل هذه الأدوات محل الفحوصات الجزيئية، يمكن أن تعمل كمرشدات سريعة ومنخفضة التكلفة توجه الجراحين والأخصائيين في الأورام نحو التشخيص المرجح وخيارات العلاج الأنسب.

الاستشهاد: Saueressig, C., Scholz, D., Raffler, P. et al. Multimodal fusion of pathology and radiology foundation models for WHO 2021 glioma subtyping. npj Precis. Onc. 10, 118 (2026). https://doi.org/10.1038/s41698-026-01366-5

الكلمات المفتاحية: تصنيف الغليوما الفرعي, التصوير متعدد الأنماط, الذكاء الاصطناعي, الرنين المغناطيسي وعلم الأمراض, تشخيص سرطان الدماغ