تنبؤات قابلة للتفسير من FDG-PET/CT لكامل الجسم باستخدام معايير مرتبطة بالنتائج السريرية

فحوصات أذكى لرعاية السرطان

يتكل الأطباء بالفعل على فحوصات جسمية قوية لاكتشاف السرطان ومتابعته، لكن الكثير من المعلومات في هذه الصور يظل غير مستغَل لأنه معقد للغاية للتحليل بالعين المجردة. تُظهر هذه الدراسة كيف يمكن لنظام ذكاء اصطناعي أن يحوّل فحوصات السرطان لكامل الجسم إلى شكل مُكثّف وسهل التحليل مع الحفاظ على قدرة التنبؤ بدقة وبطريقة مفهومة حول أورام المريض وصحته العامة. لا يهدف النهج إلى أن يكون ذكياً فقط، بل إلى أن يكون شفافاً بدرجة تكفي ليرى الأطباء ما الذي «ينظر» إليه الذكاء الاصطناعي، مما يساعد في بناء الثقة في القرارات المدعومة بالحاسوب.

تحويل فحوصات ثلاثية الأبعاد إلى شرائح صور مسطحة

عمل الباحثون مع أكثر من ألف فحص PET/CT مجتمعة من مرضى السرطان وأشخاص أصحاء. تُظهر هذه الفحوصات كل من بنية الجسم (CT) ومدى رغبة الأنسجة في السكر (PET)، وهو أمر مهم لأن السرطان عادة ما يستهلك سكرًا أكثر من الأنسجة الطبيعية. بدلاً من إدخال الصور ثلاثية الأبعاد الكاملة إلى الذكاء الاصطناعي — وهو ما يتطلب قدرات حاسوبية عالية — قاموا بتسطيح الفحوصات إلى «إسقاطات» ثنائية الأبعاد. كما قسّموا الجسم إلى مجموعات أنسجة بسيطة: العظام، والأنسجة الرشيقة مثل العضلات والأعضاء، ودهون الجسم، والمساحات المملوءة بالهواء مثل الرئتين. لكل نوع نسيج ومن زوايا مشاهدة مختلفة، أنشأوا قنوات صور تلتقط مظهر النسيج ومدى نشاطه، ثم رتبوا هذه القنوات في صورة تجميعية شبيهة بالكولاج لكل شخص.

تعليم الذكاء الاصطناعي قراءة إشارات الصحة

باستخدام هذه الكولاجات المفصولة حسب النسيج، درّب الفريق نموذج تعلم عميق للتنبؤ بعدد من الأرقام الرئيسية المعروفة بأهميتها لنتائج السرطان. شملت هذه الحجم الأيضي الكلي للورم (مقياس لمقدار الورم النشط)، وعدد الآفات المنفصلة، وسن المريض، وما إذا كان المريض مصابًا بالسرطان أم لا. طُلِب من النموذج أيضًا التمييز بين الذكر والأنثى. بعض هذه الأهداف، مثل حجم الورم، مرئية في الفحوصات؛ أما بعضها الآخر، مثل السن، فليس واضحًا على الإطلاق ويتطلب من الذكاء الاصطناعي التقاط أنماط دقيقة في بنية الجسم والتمثيل الغذائي. ولضمان تقييم عادل، قسم الباحثون البيانات مرارًا إلى مجموعات تدريب واختبار، بحيث يخدم كل فحص كاختبار مستقل في مرحلة ما.

مدى أداء النظام

تنبأ الذكاء الاصطناعي الذي استخدم جميع قنوات PET الخاصة بالأنسجة بحجم الورم وعدد الآفات بدقة عالية، مقتربًا من أداء الأساليب ثلاثية الأبعاد الأكثر تعقيدًا التي تفحص كل شريحة من الفحص. كما قدّر السن بمتوسط خطأ يقارب سبع سنوات وصنّف الجنس بدقة تقارب الكمال. عند تحديد ما إذا كان الفحص يعود إلى شخص مصاب بالسرطان، حقق النظام أيضًا دقة عالية جدًا. ومن المهم أن تضمين معلومات من عدة أنسجة واتجاهات مشاهدة حسّن الأداء تقريبًا دائمًا مقارنة باستخدام صورة واحدة أبسط. يشير ذلك إلى أن السرطانات «تترك أثرها» ليس فقط في البقع الساخنة الواضحة، بل أيضًا في تغيّرات أكثر دقة عبر الجسم تساعد الإسقاطات متعددة القنوات على كشفها.

رؤية أماكن تركيز الذكاء الاصطناعي

لمعالجة قلق شائع حول الذكاء الاصطناعي — أنه يعمل كصندوق أسود — استخدم الباحثون تقنية تُسمى خرائط الأهمية (saliency mapping) لتسليط الضوء على أجزاء الصورة التي أثّرت أكثر على كل تنبؤ. بالنسبة لحجم الورم والتمييز بين وجود السرطان أو عدمه، تطابقت البقع الساخنة في هذه الخرائط مع مواقع الأورام الحقيقية، مما يُظهر أن النموذج كان يولي اهتمامًا لمناطق طبية منطقية. بالنسبة لتنبؤ السن، ركز على مناطق مثل الكبد وعضلات الفخذ والكتف، ومناطق قرب الحوض، وهي مناطق معروفة بالتغير مع التقدّم في السن وتركيب الجسم. وبالنسبة لتصنيف الجنس، تمركز الانتباه حول منطقة الصدر والحوض. تشير هذه الأنماط، التي تم تأكيدها عبر مجموعة المرضى بأكملها، إلى أن النظام يتعلّم إشارات ذات معنى بدلًا من الاعتماد على ضوضاء عشوائية.

ما الذي قد يعنيه هذا للمرضى

على الرغم من أن هذا العمل يُعد إثبات مبدأ مبكرًا، فإنه يبيّن أن فحوصات السرطان المعقدة لكامل الجسم يمكن اختزالها إلى صور ثنائية الأبعاد فعّالة وقابلة للتفسير تسمح للذكاء الاصطناعي بالتنبؤ بمعلومات ذات أهمية سريرية. في المستقبل، قد تتجاوز النماذج المشابهة حجم الورم وعدده لتقدير مدة بقاء المريض، أو مدى استجابته للعلاج، أو كيفية تقدم المرض — باستخدام معلومات تُجمع بالفعل في الرعاية الروتينية. وبما أن الطريقة تُظهر أيضًا من أين يستقي الذكاء الاصطناعي استنتاجاته، فقد تساعد الأطباء على فهم توصياته والثقة بها بشكل أفضل، داعمةً رعاية سرطانية أكثر تخصيصًا وشفافية.

الاستشهاد: Tarai, S., Lundström, E., Ahmad, N. et al. Interpretable predictions from whole-body FDG-PET/CT using parameters associated with clinical outcome. Commun Med 6, 232 (2026). https://doi.org/10.1038/s43856-026-01567-w

الكلمات المفتاحية: تصوير FDG-PET/CT, التعلم العميق في علم الأورام, تنبؤ عبء الورم, الذكاء الاصطناعي القابل للتفسير, نمذجة النتائج السريرية