Structured Proxy Features for Multimodal NSCLC Survival Prediction from Pretreatment CT

تخيل أنك تحاول التنبؤ بمستقبل مدينة حية ومعقدة للغاية داخل جسم إنسان: ورم. لعقود من الزمن، حاول الأطباء والعلماء تخمين سرعة نمو هذه المدينة أو طول فترة بقاء المريض على قيد الحياة من خلال النظر إلى بعض الإحصائيات الرئيسية، مثل حجم المدينة أو أعمار السكان الذين يعيشون فيها. كما يستخدمون كاميرات متطورة (الأشعة المقطعية CT scans) لالتقاط صور للمدينة. لكن المشكلة تكمكمن في أن الورم ليس مجرد كتلة ثابتة؛ بل هو مشهد فوضوي ومتغير حيث تنمو أجزاء مختلفة بسرعات متفاوتة، وتموت أجزاء أخرى، وغالباً ما تكون الحواف متعرجة وغير منتظمة. تتعامل الطرق التقليدية مع الورم كأنه صندوق بسيط من البيانات، حيث تعد الميزات كأنها عناصر مستقلة في قائمة تسوق، مما يجعلها تغفل عن الصورة الكبيرة لكيفية تفاعل هذه الأجزاء الفوضوية مع بعضها البعض.

هنا يأتي دور نوع جديد من العمل الاستقصائي. يحاول العلماء الآن استخدام "الراديوميكس" (radiomics)، وهو ما يشبه تحويل الصورة إلى آلاف الأرقام الصغيرة لوصف نسيج وشكل الورم، و"التعلم العميق" (deep learning)، حيث تتعلم الحواسيب التعرف على الأنماط من تلقاء نفسها. ولكن حتى هذه الأدوات الذكية تواجه أحياناً صعوبة في رؤية القصة الخفية لكيفية عمل فوضى الورم وشكله معاً لتحديد مصير المريض. السؤال الكبير هو: هل يمكننا تعليم الكمبيوتر ليس فقط "رؤية" الورم، بل "محاكاة" كيفية سلوكه، بمجرد النظر إلى لقطة واحدة؟ إذا استطعنا بناء نموذج افتراضي صغير لنمو الورم بناءً على صورته، فهل يمكن أن يساعد ذلك في تحديد من هم الأكثر عرضة للخطر؟

---

الفكرة الكبرى للورقة البحثية: بناء آلة "ماذا لو" افتراضية

في هذه الورقة، قرر فريق من الباحثين من جامعة ألاباما في برمنغهام تجربة شيء مختلف. فبدلاً من ترك الكمبيوتر يحدق في الأشعة المقطعية ويخمن، قاموا ببناء "محاكي افتراضي" مدمج مباشرة في نموذج التنبؤ الخاص بهم. فكر في الأمر كالتالي: إذا كان الذكاء الاصطناعي القياسي يشبه طالباً يحفظ خريطة مدينة، فإن هذا النهج الجديد يشبه إعطاء الطالب مجموعة ألعاب وطلب بناء المدينة بنفسه، ثم مراقبة كيف تنمو وتتغير بمرور الوقت.

ركز الباحثون على سرطان الرئة غير صغير الخلايا (NSCLC)، وهو النوع الأكثر شيلاً لسرطان الرئة. لقد أخذوا قاعدة بيانات عامة لـ 390 مريضاً (تسمى مجموعة "Lung1") خضعوا لأشعة مقطعية قبل بدء علاجهم. كان هدفهم هو معرفة ما إذا كان إضافة هذه الرؤى "المحاكاة" يمكن أن يساعد في التنبؤ بالبقاء على قيد الحياة بشكل أفضل من أفضل الطرق المستخدمة حتى الآن.

كيف بنوا المحاكي

ابتكر الفريق حيلة ذكية تسمى "الآلية الخلوية ذات المعايير الراديومية" (radiomic-parameterized cellular automaton). يبدو الاسم معقداً، لكن النسخة المبسطة هي:

1. القواعد: أنشأوا شبكة افتراضية (مثل رقعة شطرنج ثلاثية الأبعاد) تمثل الورم. وأعطوا الشبكة قواعد بسيطة لكيفية سلوك الخلايا: بعضها ينمو، وبعضها يموت، وبعضها يتحول إلى خلايا "سيئة" وعدوانية.
2. المدخلات: بدلاً من التخمين، نظروا إلى الأشعة المقطعية الفعلية للمريض. وقاسوا شيئين محددين:
   • الاعتلاج (Entropy): مدى فوضوية أو عشوائية نسيج الورم. (الفوضى العالية = مزيد من العشوائية).
   • الكروية (Sphericity): مدى استدارة الورم. (الكرة المثالية تكون ملساء؛ أما الورم المتعرج وغير المنتظم فيكون له كروية منخفضة).
3. المحاكاة: استخدموا هذين القياسين لتحديد "حدود السرعة" لورمهم الافتراضي. إذا كان الورم فوضوياً جداً، جعلت المحاكاة الخلايا الافتراضية تنمو بشكل أسرع. وإذا كان الورم متعرجاً وغير منتظم جداً، جعلت المحاكة مركز الورم أكثر عرضة للموت (النخر/necrosis) لأنه قد لا يحصل على إمدادات كافية من الدم.
4. المخرج: بعد تشغيل هذه المحاكاة الافتراضية، أنتج الكمبيوتر ستة أرقام جديدة. لم تكن هذه مجرد قياسات، بل كانت ملخصات لكيفية "احتمال" سلوك الورم. وقد شملت أشياء مثل "معدل النمو المقدر" و"نسبة النخر".

العقل الفائق: TMAE

لتحليل صور الأشعة المقطعية ثلاثية الأبعاد، لم يستخدم الباحثون كاميرا عادية، بل استخدموا نوعاً خاصاً من الذكاء الاصطناعي يسمى المشفر التلقائي المقنع القائم على المحولات (TMAE). تخيل أنك تظهر للكمبيوتر صورة لورم ولكنك تغطي 75% منها بمربعات سوداء. سيتعين على الكمبيوتر تخمين ما تحت المربعات بناءً على الأجزاء المرئية. ومن خلال القيام بذلك ملايين المرات، يتعلم الكمبيوتر فهم البنية العميقة ثلاثية الأبعاد للورم دون الحاجة إلى إنسان يقوم بتسمية كل جزء فيه. أصبح هذا الـ "TMAE" هو العقل الرئيسي لقراءة الصور.

تجميع كل شيء: دمج الأنماط الأربعة

قام الباحثون بعد ذلك بدمج أربعة أنواع مختلفة من المعلومات في نموذج تنبؤ واحد ضخم:

1. المحاكاة: الأرقام الستة الجديدة من لعبة الورم الافتراضي الخاصة بهم.
2. الدماغ العميق: الأنماط المعقدة التي وجدها نظام TMAE في الأشعة المقطعية.
3. الإحصائيات الكلاسيكية: مئات القياسات التقليدية (الراديوميكس) المأخوذة من الورم.
4. معلومات المريض: حقائق أساسية مثل العمر، والجنس، ومرحلة السرطان.

قاموا بتغذية كل هذا في نموذج بقاء لمعرفة من سيعيش لفترة أطول ومن قد لا يعيش.

ماذا وجدوا

كانت النتائج واعدة، لكن المؤلفين حذرون من تسميتها علاجاً سحرياً.

• الدرجة (Score): في مجموعة بيانات "Lung1"، حقق نموذجهم الجديد المكون من أربعة أجزاء مؤشر C (C-index) قدره 0.641. في عالم التنبؤ بالبقاء على قيد الحياة، درجة 0.5 تشبه رمي العملة المعدبية، و1.0 هي الدرجة الكاملة. أفضل طريقة سابقة على نفس مجموعة البيانات سجلت 0.631. لذا، فقد رفعوا الدرجة قليلاً.
• عامل "ماذا لو": الجزء الأكثر إثارة للاهتمام هو أن أرقام المحاكاة الستة (الميزات البديلة) أضافت شيئاً جديداً. على الرغم من أنها كانت مجرد ستة أرقام، إلا أنها ساعدت النموذج على الأداء بشكل أفضل مما لو تم استخدام مئات القياسات التقليدية وحدها. وهذا يشير إلى أن التقاط التفاعل بين فوضى الورم وشكله (عبر المحاكاة) منح الكمبيوتر تلميحاً كان يفتقده من قبل.
• الحالة الأفضل: عندما قاموا بتعديل الرياضيات وراء المحاكاة قليلاً ("تحسين المعامل الاستكشافي")، رأوا الدرجة ترتفع إلى 0.662. ومع ذلك، يؤكد المؤلفون أن هذه نتيجة "استكشافية"، مما يعني أنها تلميح للإمكانات وليست انتصاراً نهائياً ومثبتاً.

ماذا يعني هذا (وما لا يعني)

تشير الورقة إلى أن إضافة "محاكاة افتراضية" إلى المزيج يساعد الكمبيوتر على فهم الورم بشكل أفضل. الأمر يشبه إضافة توقعات الطقس إلى تقرير حركة المرور؛ فأنت لا تعرف فقط أين توجد السيارات، بل تعرف أيضاً كيف يمكن للعاصفة أن تغير تدفق حركة المرور.

ومع ذلك، فإن المؤلفين صريحون جداً بشأن الحدود:

• إنها محاكاة، وليست واقعاً: نمو الورم الافتراضي ليس قياساً حقيقياً لكيفية نمو ورم المريض فعلياً. إنه تخمين رياضي بناءً على الصورة. لم يكن لديهم فحوصات متابعة لإثبات أن المحاكاة كانت "صحيحة" من الناحية البيولوجية.
• اختبار واحد فقط: لقد اختبروا هذا على مجموعة واحدة فقط من 390 مريضاً. لم يجربوه على مجموعة أخرى من الناس بعد، لذا لا نعرف ما إذا كان يعمل في كل مكان.
• ليس جاهزاً للعيادة: هذه أداة بحثية في الوقت الحالي. ليست جاهزة ليستخدمها الأطباء لاتخاذ قرارات علاجية اليوم. إنها تحتاج إلى مزيد من الاختبار، والمزيد من البيانات، وإثبات أنها تعمل على أنواع مختلفة من الماسحات الضوئية والمستشفيات.

باختختصار، تظهر الورقة أن تعليم الكمبيوتر لعب لعبة "ماذا لو" باستخدام صورة الورم يمكن أن يمنحه تفوقاً طفيفاً في التنبؤ بالمستقبل. إنها خطوة صغيرة ولكنها ذات مغزى، مما يشير إلى أن السر في تحسين التنبؤات قد يكمكم في فهم كيفية رقص شكل الورم وفوضاه معاً، بدلاً من مجرد عدّ كل منهما على حدة.