حلول الذكاء الاصطناعي المخصصة لتشخيص وعلاج مرض السرطان

كرّس سيد هاشم، وهو طالب ماجستير تعلم الآلة، بحوثه في مجال الذكاء الاصطناعي لتطوير تشخيص السرطان وعلاجه بعد أن فقد اثنين من أحبائه بسبب هذا المرض. وكان هاشم الذي ينحدر من ولاية كيرالا بالهند، قد فقد مؤخراً جدته بسبب سرطان البنكرياس نتيجة تأخر تشخيص مرضها، وخسر جده أيضاً عندما كان صغيراً. ومن هنا، بدأ هاشم مساعيه للاستفادة من معرفته ومهاراته في تعلم الآلة في سبيل استكشاف سبل جديدة لتشخيص وعلاج المرض.

ويشكل مرض السرطان معضلة صحية وإنسانية مهمة في جميع أنحاء العالم، لذلك يتطلع هاشم للمساعدة في تأسيس مستقبل خالٍ من السرطان من خلال التعاون والعمل الجماعي في اليوم العالمي للسرطان (4 فبراير 2022).

مكافحة السرطان عبر تعلم الآلة

فتأخير تشخيص إصابة جدتي كان من أبرز الأسباب التي دفعتني إلى التخصص في علوم الجينوم وغيرها من العلوم البيولوجية ...

يعمل هاشم منذ فترة على تكامل تقنية تعلم الآلة مع التقنيات الصحية. وقبل الالتحاق بجامعة محمد بن زايد للذكاء الاصطناعي، تركز مشروع تخرجه لنيل شهادة البكالوريوس في علوم الحاسوب في الذكاء الاصطناعي من جامعة مالايا، حول خوارزميات تعلم الآلة لفحص اضطرابات طيف التوحد عند الأطفال. وبعد الانتهاء من المشروع والنظر في بيانات التسلسل البشري، أراد التحقق من إمكانية الاستفادة من هذه البيانات للمساعدة في مكافحة السرطان.

وفي هذا السياق، قال سيد هاشم: “هناك مئات الآلاف من المعلومات في تسلسل البيانات لا يمكننا استخراجها. الأمر الذي قادني إلى الاعتقاد بأن ما أتعلمه الآن هو أفضل طريقة للمضي قدماً في تشخيص وعلاج السرطان. فتطبيقات الذكاء الاصطناعي وتعلم الآلة يمكنها تنفيذ هذه المهام إذا كانت البيانات والخوارزميات متاحة لها”.

وتعاون هاشم مع زميله في جامعة محمد بن زايد للذكاء الاصطناعي محمد علي لتطوير خوارزميات تعلم الآلة قادرة على التنبؤ بتشخيص أنواع السرطان عبر  تحليل بيانات المصطلحات البيولوجية المتعددة “أوميكس”.

وأضاف هاشم: “في واقع الأمر، يعتبر تشخيص بعض أنواع السرطان، مثل البنكرياس، في وقت مبكر أمر في غاية الصعوبة، لأن الأعراض لا تظهر على المرضى إلا بعد فوات الأوان. فتأخير تشخيص إصابة جدتي كان من أبرز الأسباب التي دفعتني إلى التخصص في علوم الجينوم وغيرها من العلوم البيولوجية “الأوميكس”، نظراً لوجود المزيد من البيانات والمعلومات حول المرضى وخطوط خلاياهم”.

ويلعب توضيح معالم البيانات البيولوجية “الأوميكس” دوراً بالغ الأهمية في تحديد الاختلافات المرتبطة بالمرض من وجهة نظر أكثر شمولية. وشرع طلاب جامعة محمد بن زايد للذكاء الاصطناعي بتطوير شبكة دمج عميقة تتعلم تمثيل أنواع المصطلحات البيولوجية المتعددة “الأوميكس ” في منطقة كامنة. وقد نقلوا المشروع إلى مجال التعلم تحت إشراف ذاتي (SSL) بهدف تحسين وتقليل حجم النماذج المطلوبة.

وأشرف أعضاء الهيئة التدريسية في جامعة محمد بن زايد للذكاء الاصطناعي الدكتور كارثيك نانداكومار والدكتور محمد يعقوب على البحث ودعموا الطلاب في نشر ورقتهم البحثية:  ‘OmiEmbed+: Representation Learning of Multi-omics Data Using Variational Autoencoders for Cancer Type Classification’.

البيانات والدقة

يتيح النموذج الجديد الذي ابتكره هاشم وعلي دقة تزيد عن 96% في تشخيص نوع السرطان، وبات أمام هاشم وعلي فرصة سانحة للمضي قدماً في أبحاثهما. وبالاعتماد على الركائز الأساسية لنموذجهم، يتطلع الباحثان إلى استخدام الخوارزميات للتنبؤ بأنواع السرطان؛ وفرص بقاء المريض على قيد الحياة بمرور الوقت؛ واحتمالية تكرار السرطان؛ وخيارات العلاج المثلى والكثير غير ذلك.

فمجموعة البيانات التي تم استخدامها في أبحاثهم جاءت مطابقة للأورام والأنسجة الطبيعية المستخرجة من 11538 مريضاً، و33 نوعاً من السرطان، و60483 مصدراً للمعلومات من شتى أرجاء العالم العالم، تم توفيرها عبر معاهد الصحة الوطنية الأمريكية.

وأوضح هاشم: “مع ظهور تقنيات الجيل الجديد للجينوم (NGS)، أصبحنا قادرين على الوصول إلى كميات كبيرة من بيانات  الأوميكس مثل البيانات الجينومية والنسخية، ويمكن لهذه البيانات منحنا معلومات واسعة عن المرضى، تماماً مثل الفحص بالأشعة المقطعية أو التصوير بالرنين المغناطيسي. إلا أن فهم هذه البيانات أو استخلاص الأفكار منها يعتبر تحد ليس سهلاً. لذلك يهدف هذا المشروع إلى الجمع بين كل هذه الأنواع المتعددة من بيانات الأوميكس واستخراج المعلومات ذات الصلة لنتمكن من استخدامها في تحقيق أهداف المشروع”.

وأضاف: “يمكن استخدام هذا النموذج كأداة تشخيص توضح لنا ما إذا كان خط الخلية سرطانياً أم لا. وما إذا كان السرطان في الرئة، أو الثدي، أو إن لم يكن الورم خبيثاً على الإطلاق. ونتطلع قدماً لمواصلة تطوير نموذجنا لنتمكن من استخدامه لتحديد مسائل أخرى كالتنبؤ بفرص بقاء المريض على قيد الحياة أو احتمالية تكرار إصابته بالسرطان”.

مما لا شك فيه أن هذه الطموحات الكبيرة قادرة على تغيير السبل التي يستخدمها أخصائيو الأورام في التنبؤ  بحالة المرضى وسبل علاجهم. ويأمل هاشم وعلي أن تتمكن نماذج الذكاء الاصطناعي من تعزيز دقة عمليات التشخيص والتنبؤ والعلاج. وبحسب هاشم، يتمثل التحدي الأكبر في فهم التسلسل الجيني. فغالباً ما تكون عملية فحص التسلسل صعبة عندما يكون العضو المصاب أو خط الخلية داخلياً.

واختتم هشام حديثه موضحاً: “نعمل كذلك على تطوير تقنيات قادرة على تقدير طبيعة بيانات الأوميكس من الصور، بحيث يكون لدينا وسيلة غير جراحية للحصول على هذه البيانات. الأمر شبيه بطريقة حصول الطبيب على المعلومات الحيوية عبر التصوير المقطعي المحوسب، فعند امتلاك نموذج يمكنه فهم البيانات بشكل صحيح، سيكون قادراً على تنفيذ كافة المهام الموكلة إليه بشكل جيد”.

يمكن تنزيل الدراسة بالكامل من هنا