التشخيص بالموجات فوق الصوتية المعزَّز بالذكاء الاصطناعي وتصنيف الأورام الجريبية في الغدة الدرقية: دراسة متعددة المراكز

لماذا يهم هذا الأشخاص المصابين بعقيدات على الغدة الدرقية

يكتشف كثير من الناس عقيدات درقية أثناء الفحوص الروتينية ثم يمرون بأسابيع من القلق انتظاراً لمعرفة ما إذا كان النمو حميداً أم سرطانيًا. تستقصي هذه الدراسة ما إذا كان الذكاء الاصطناعي يمكنه قراءة صور الموجات فوق الصوتية لمجموعة محددة من نمو الغدة الدرقية — المسماة الأورام الجريبية — بدقة أكبر من الخبراء البشريين، مما يساعد المرضى على تجنب الجراحة غير الضرورية مع ضمان عدم تفويت الأورام الخطيرة.

عندما يبدو الحميد والخبيث متشابهان

تتخذ الأورام الجريبية الدرقية شكلين رئيسيين: الورم الغدي الذي يكون حميدًا، والسرطان الجريبي الذي قد يغزو الأوعية الدموية وينتشر. تحت المجهر وعلى صور الموجات فوق الصوتية عادة ما تبدو هذه الأورام متشابهة جداً. حتى أطباء الأشعة وأخصائيو علم الأمراض ذوو الخبرة قد يواجهون صعوبة في التفريق بينها قبل الجراحة، مما يؤدي إلى إجراء استئصال نصف أو كل الغدة الدرقية لدى كثير من المرضى للحصول على تشخيص حاسم. المخاطر كبيرة: فبعض السرطانات ذات غزو طفيف وتتمتع بتوقعات جيدة، بينما بعضها أكثر عدوانية، لذا فإن معرفة النوع الدقيق تؤثر في مدى الحاجة للجراحة والمتابعة.

تعليم الحاسوب قراءة موجات الغدة الدرقية فوق الصوتية

جمع الباحثون إحدى أكبر مجموعات صور الموجات فوق الصوتية للأورام الجريبية حتى الآن، مستندين إلى 2,567 مريضًا من 31 مستشفى عبر الصين. لكل عقدة، حدَّد أطباء الأشعة المنطقة ذات الصلة على صور الموجات فوق الصوتية بالأبيض والأسود القياسية. ثم تم تدريب نظام تعلم عميق حديث، قائم على بنية بصرية تعرف باسم ConvNeXt، على مراحل. أولاً تعلَّم التمييز بين الأورام الغدية الحميدة والسرطانية. بعد ذلك، بين السرطانات صنفها إلى أنواع أقل غزوًا وأكثر غزوًا، والتي تقابل إلى حد ما الأمراض منخفضة ومتوسطة وعالية المخاطر. اختبر الفريق أنواعًا مختلفة من معلومات الموجات فوق الصوتية ووجد أن صور الوضع B البسيطة — الصور الرمادية القياسية — كانت أكثر موثوقية للذكاء الاصطناعي من صور تدفق الدم الملونة، التي اختلفت جودتها بشكل كبير.

كيف أدت أداءات الذكاء الاصطناعي في العالم الحقيقي

للتأكد مما إذا كان النظام سيصمد خارج مختبرات بنائه، اختبر المؤلفون النموذج على ثلاث مجموعات مستقلة من المرضى من مستشفيات أخرى، كل مجموعة ذات خلائط مختلفة من الأورام الحميدة والخبيثة. عبر هذه المراكز، أظهر الذكاء الاصطناعي أداءً قويًا ومتسقًا عند فصل الأورام الغدية عن السرطانية، مع مقاييس دقة (قيم AUC) حوالى 0.82 إلى 0.85. كما أدَّى جيدًا في مهمته الأكثر تطلبًا: تصنيف الأورام إلى ثلاث مجموعات — حميدة، سرطان قليل الغزو، وسرطان أكثر عدوانية وغزوًا — مع الحفاظ على أداء عالٍ عبر جميع المستشفيات. والأهم أن النموذج عمل تقريبًا بنفس الفعالية لدى الرجال والنساء، ومع أساليب جراحية مختلفة، وفي معظم المناطق الجغرافية، مما يشير إلى إمكانيته للاستخدام في نطاق واسع من البيئات السريرية.

العمل جنبًا إلى جنب مع أطباء الأشعة، لا بديلًا عنهم

طرحت الدراسة أيضًا سؤالًا عمليًا: هل يساعد هذا الذكاء الاصطناعي الأطباء فعلاً على اتخاذ قرارات أفضل؟ عندما استخدم أطباء الأشعة أنظمة التقييم المعتمدة فقط لفحص الغدة الدرقية بالموجات فوق الصوتية، كان أداؤهم في تحديد السرطانات أسوأ بشكل ملحوظ من أداء الذكاء الاصطناعي. عندما عُرضت لهم مخرجات الذكاء الاصطناعي و"خرائط الانتباه" المضيئة على نفس الصور، ارتفعت دقتهم وفي بعض الحالات قاربت دقة الحاسوب. استفاد الأطباء المبتدئون أكثر، لكن حتى الأخصائيين المخضرمين اكتسبوا أفضلية. في الوقت نفسه، كشفت تحليلات للحالات التي أخطأ فيها الذكاء الاصطناعي عن نقطة ضعف رئيسية: في تلك الصور، كان النظام يميل إلى التركيز على مناطق خارج الورم الحقيقي بدلًا من السمات الداخلية المريبة، وهو ما يشير إلى مواضع بحاجة إلى تحسينات مستقبلية.

ما الذي قد يعنيه هذا للمرضى

بعبارات بسيطة، تشير هذه الدراسة إلى أن ذكاءً اصطناعيًا مدرَّبًا جيدًا يمكن أن يعمل كزوج من العيون المتسقة للغاية عندما يقرأ الأطباء صور الموجات فوق الصوتية للغدة الدرقية. بالنسبة للمرضى الذين لديهم عقيدات جريبية درقية، قد يساعد مثل هذا الأداة في زيادة احتمال التعرف على السرطان الخطير قبل الجراحة، مع تقليل خطر أن يؤدي ورم حميد إلى علاج جراحي مفرط. النموذج ليس جاهزًا ليحل محل الحكم الخبير، ولا يزال بحاجة إلى اختبارات في دول ومجموعات مرضى أكثر تنوعًا. لكن كجزء من محطة عمل الموجات فوق الصوتية أو جهاز المسح، قد يساعد قريبًا على تكييف الجراحة والمتابعة وفقا لمستوى خطر كل شخص، محولًا منطقة غموض في تشخيص الغدة الدرقية إلى مسار أوضح للمضي قدمًا.

الاستشهاد: Li, J., Zhang, H., Zheng, H. et al. Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study. npj Digit. Med. 9, 313 (2026). https://doi.org/10.1038/s41746-026-02489-6

الكلمات المفتاحية: موجات فوق الصوتية للغدة الدرقية, ورم جريبي, الذكاء الاصطناعي, تصنيف مخاطر السرطان, التصوير الطبي