تشخيص مرضى السرطان بمساعدة الذكاء الاصطناعي في عصر الطب الدقيق

يرتبط نجاح العديد من أنواع علاجات السرطان بعوامل متعددة تشمل عمر المريض وصحته العامة، وبالطبع مدى اكتشاف السرطان بشكل مبكر. إذ إن سرعة التشخيص ودقته تشكلان العامل الرئيسي الذي يمكن لمقدمي الرعاية الصحية التأثير فيه. لكن في كثير من الأحيان، يواجه المرضى ومقدمو الرعاية الصحية في جميع أنحاء العالم تحديات في عملية التشخيص، وذلك بسبب نقص أخصائيي علم الأمراض وأخصائيي الأشعة ذوي الخبرة.

فغالباً ما يؤدي ذلك إلى التخفيف من سرعة العيادات والمستشفيات في فحص المرضى والتحقق من النتائج، مما يؤدي حتماً إلى تشخيص العديد من مرضى السرطان بعد المرحلة التي يكون فيها العلاج أو الطب الدقيق أكثر فعالية.

فهذا هو التحدي الذي يحرص على حله الدكتور فهد خان، نائب رئيس قسم الرؤية الحاسوبية والأستاذ المحاضر في جامعة محمد بن زايد للذكاء الاصطناعي، والدكتور هشام شولاكال والدكتور راو أنور، الأستاذان المساعدان في قسم الرؤية الحاسوبية في الجامعة. فقد أجروا بحثاً حول كيفية تحسين التقنيات القائمة على الذكاء الاصطناعي بهدف تسريع وتحسين تشخيص سرطان القولون والمستقيم وسرطان الثدي، وكلاهما شائع في الشرق الأوسط والعالم على حد سواء.

ولا بد من الإشارة إلى أنه في حين أن استخدام تقنيات الرؤية الحاسوبية لتحليل عمليات المسح للكشف عن السرطان ليست بالجديدة، إلا أن البحث ركز على تطوير خوارزميات جديدة مع محاولة تخطي المشكلات التي كانت تعيق تدريب أنظمة الرؤية الحاسوبية، أي النقص في بيانات التدريب نتيجة عمليات المسح غير الطبيعية وضعف جودة التصوير، الأمر الذي يصعّب على أنظمة الذكاء الاصطناعي اكتشاف السرطان.

لذا، ولمعالجة النقص في بيانات التدريب، استخدم فريق جامعة محمد بن زايد للذكاء الاصطناعي تقنية تُعرف باسم “توليد صور الأنسجة من خلال لقطات قليلة” حيث يستخدم البيانات التي تم إنشاؤها بواسطة الذكاء الاصطناعي لتدريب نموذج الذكاء الاصطناعي للتعرف إلى الآفات والخلايا السرطانية.

فقد قال خان: “يتيح إطارنا التوليدي القائم على الذكاء الاصطناعي توليد صور الأنسجة من خلال لقطات قليلة، مما يسمح بتدريب النماذج القائمة على الشبكة العصبية العميقة لتحليل أنسجة الورم بشكل دقيق. بعد ذلك، يتم استخدام بيانات الأنسجة التي يتم التوصل إليها لتدريب نموذج الذكاء الاصطناعي على التعرف تلقائياً إلى أنواع مختلفة من الأنسجة السرطانية.

تساعد تنبؤاتنا النموذجية علماء الأمراض والأطباء في التوصل إلى تشخيصات دقيقة واتخاذ قرارات بناءً على وضع كل مريض. بالمثل، فإن إطار عمل الكشف عن آفات الثدي في مقاطع الفيديو بالموجات فوق الصوتية الذي طوره فريق جامعة محمد بن زايد للذكاء الاصطناعي يعمل على تحسين كفاءة أخصائيي الأشعة في تشخيص سرطان الثدي، مما يؤدي إلى تعزيز عملية الكشف عن آفات الثدي ويتيح بالتالي التدخلات العلاجية في الوقت المناسب، مما يحسن من النتائج الصحية للمرضى.”

إلى جانب ذلك، سعى الفريق إلى مواجهة تحدٍ شائع في اكتشاف آفات الثدي عبر تصوير الفيديو بالموجات فوق الصوتية، حيث غالباً ما تطرح البيانات إشكالية بسبب الحدود غير الواضحة وأحجام الآفة المتغيرة. وقد اعتمد الحل الذي طرحه الفريق على إطار عمل قائم على الانتباه وقابل للتشكل المكاني والزماني، يتيح اكتشاف آفات الثدي بدقة أكبر.

إذ قال خان: “في حالة الكشف عن آفات الثدي، يمكن للخوارزمية التي طورناها أن تكتشف آفات الثدي بدقة تتخطى 70٪.”

فقد عمل الدكتوران خان وشولاكال، إلى جانب الأستاذ المساعد الدكتور راو محمد أنور، وأمانديب كومار، وهو باحث متدرب، وشاو كين، وهو طالب في السنة الأولى من برنامج الدكتوراه في جامعة محمد بن زايد للذكاء الاصطناعي. ونشر فريق العمل ورقتين بحثيتين حول الموضوع تم قبولهما في مؤتمر حوسبة الصور الطبية والتدخل بمساعدة الحاسوب، وهو أحد أفضل مؤتمرات التصوير الطبي بالذكاء الاصطناعي، حيث معدل القبول المبكر لا يتعدى 14٪، والذي من المقرر عقده في فانكوفر في كندا ما بين 8 و12 أكتوبر.

بعد تقديم الأوراق البحثية في مؤتمر حوسبة الصور الطبية والتدخل بمساعدة الحاسوب، ستشمل الخطوات التالية التعمق أكثر في صحة الأطر المطوّرة وتحسينها. إذ أوضح الدكتور خان قائلاً: “سنجري تقييمات وتجارب مكثفة لتقييم أداء الطرق المقترحة في ظروف العالم الحقيقي وفعاليتها. كما سنسعى إلى التعاون مع مؤسسات الرعاية الصحية والشركاء في القطاع الصناعي لدمج هذه الحلول القائمة على الذكاء الاصطناعي في إطار العمل السريري.”

إضافة إلى ذلك، يعمل الفريق على توسيع تطبيقات هذه الأطر لتتجاوز سرطان القولون والمستقيم وسرطان الثدي وتشمل أنواع أخرى من السرطان. ففي هذا السياق، يقول الدكتور شولاكال: “يهدف هذا البحث إلى تحسين حياة الأفراد المصابين بسرطان القولون والمستقيم وسرطان الثدي، ونأمل أن يشخص أنواعاً أخرى مع تطور البحث، من خلال تقديم حلول محتملة لنقص أخصائيي علم الأمراض والأشعة ذوي الخبرة، وعبر جعل الرعاية الصحية أكثر فعالية واستدامة.