نموذج ذكاء اصطناعي جديد يحدد مراحل سرطان الثدي في مراحله المبكرة

يُعد سرطان القناة اللبنية في الموقع (DCIS) نوعًا من الأورام غير الغازية التي تتطور أحيانًا إلى شكل شديد الخطورة من سرطان الثدي. ويُشكل هذا النوع حوالي 25% من جميع تشخيصات سرطان الثدي.

نظرًا لصعوبة تحديد نوع ومرحلة DCIS من قبل الأطباء، غالبًا ما يُفرط في علاج المرضى المصابين به. للتغلب على هذه المشكلة، طور فريق بحثي متعدد التخصصات من معهد ماساتشوستس للتكنولوجيا (MIT) ومعهد ETH زيورخ نموذجًا للذكاء الاصطناعي يمكنه تحديد مراحل DCIS المختلفة من صورة نسيج الثدي التي تُعد رخيصة وسهلة الحصول عليها. يُظهر نموذجهم أن حالة وترتيب الخلايا في عينة النسيج يُعدان عاملًا مهمًا في تحديد مرحلة DCIS.

نظرًا لسهولة الحصول على صور الأنسجة هذه، تمكن الباحثون من إنشاء واحدة من أكبر مجموعات البيانات من نوعها، والتي استخدموها لتدريب واختبار نموذجهم. عندما قارنوا تنبؤات نموذجهم مع استنتاجات أخصائي علم الأمراض، وجدوا اتفاقًا واضحًا في العديد من الحالات.

في المستقبل، يمكن استخدام النموذج كأداة لمساعدة الأطباء في تبسيط تشخيص الحالات البسيطة دون الحاجة إلى اختبارات مكثفة، مما يمنحهم المزيد من الوقت لتقييم الحالات التي يكون من غير الواضح فيها ما إذا كان DCIS سيصبح غازيًا.

“لقد اتخذنا الخطوة الأولى في فهم أننا يجب أن ننظر إلى التنظيم المكاني للخلايا عند تشخيص DCIS، والآن طورنا تقنية قابلة للتوسع. من هنا، نحتاج حقًا إلى دراسة مستقبلية. سيكون العمل مع مستشفى وإيصال هذا الأمر إلى العيادة خطوة مهمة للأمام،” تقول كارولين أوهلر، أستاذة في قسم الهندسة الكهربائية وعلوم الكمبيوتر (EECS) ومعهد البيانات والنظم والمجتمع (IDSS)، وهي أيضًا مديرة مركز إريك ووندي شميدت في معهد Broad في MIT وهارفارد وباحثة في مختبر MIT للمعلومات ونظم القرار (LIDS).

انضمت أوهلر، المؤلفة المشاركة للورقة البحثية، إلى المؤلف الرئيسي Xinyi Zhang، وهو طالب دراسات عليا في EECS ومركز إريك ووندي شميدت؛ والمؤلف المشارك GV Shivashankar، أستاذ علم الميكانيكا الجينية في ETH زيورخ بالاشتراك مع معهد Paul Scherrer؛ وغيرهم في MIT و ETH زيورخ وجامعة باليرمو في إيطاليا. نُشر البحث مفتوح المصدر في 20 يوليو في مجلة Nature Communications.

دمج التصوير مع الذكاء الاصطناعي

تُصاب ما بين 30 و 50% من المرضى المصابين بـ DCIS بمرحلة شديدة الغزو من السرطان، لكن الباحثين لا يعرفون العلامات الحيوية التي يمكن أن تخبر الطبيب أي الأورام ستتطور.

يمكن للباحثين استخدام تقنيات مثل التلوين المتعدد أو تسلسل الحمض النووي الريبي لخلايا واحدة لتحديد مرحلة DCIS في عينات الأنسجة. ومع ذلك، فإن هذه الاختبارات باهظة الثمن ليتم إجراؤها على نطاق واسع، كما يوضح Shivashankar.

في عمل سابق، أظهر هؤلاء الباحثون أن تقنية التصوير الرخيصة المعروفة باسم تلطيخ الكروماتين يمكن أن تكون مفيدة مثل تسلسل الحمض النووي الريبي لخلايا واحدة الأغلى بكثير.

لهذا البحث، افترضوا أن دمج هذا التلوين الفردي مع نموذج تعلم آلي مصمم بعناية يمكن أن يوفر نفس المعلومات حول مرحلة السرطان مثل التقنيات الأغلى ثمناً.

أولاً، أنشأوا مجموعة بيانات تحتوي على 560 صورة لعينة نسيج من 122 مريضًا في ثلاث مراحل مختلفة من المرض. استخدموا هذه مجموعة البيانات لتدريب نموذج للذكاء الاصطناعي يتعلم تمثيل حالة كل خلية في صورة عينة نسيج، والتي يستخدمها للتعرف على مرحلة سرطان المريض.

ومع ذلك، ليست كل خلية تدل على السرطان، لذلك كان على الباحثين تجميعها بطريقة ذات معنى.

صمموا النموذج لإنشاء مجموعات من الخلايا في حالات مماثلة، مما حدد ثماني حالات تُعد علامات مهمة لـ DCIS. تُعد بعض حالات الخلايا أكثر دلالة على السرطان الغازي من غيرها. يحدد النموذج نسبة الخلايا في كل حالة في عينة نسيج.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي