← أحدث الأبحاث
💻 computer science

Learning latent progression states from spatial heterogeneity in uterine histopathology

تقدم هذه الورقة SpaTIE، وهو إطار عمل للحوسبة المرضية مخصص للرحم يستفيد من التباين المكاني في الصور النسيجية المرضية لتعلم تمثيلات مدركة للمورفولوجيا واستنتاج حالات الأورام المرتبطة بالتطور، والتي تم التحقق من صحتها من خلال التكامل متعدد الأوميكس وربطها بالبرامج الجزيئية والنتائج السريرية دون الحاجة إلى إشراف زمني أو جزيئي.

المؤلفون الأصليون: Qiming He, Yan Liu, Shuang Ge, Fan Yang, Yuxiang Wang, Ieng Man Zhang, Jing Yang, Zihao Jia, Ajin Hu, Yexing Zhang, Zixiu Song, Qiang Huang, Xiaoya Zhao, Zihan Wang, Xianjing Zheng, Yijun Zheng, Lilin
نُشر 2026-08-19
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Qiming He, Yan Liu, Shuang Ge, Fan Yang, Yuxiang Wang, Ieng Man Zhang, Jing Yang, Zihao Jia, Ajin Hu, Yexing Zhang, Zixiu Song, Qiang Huang, Xiaoya Zhao, Zihan Wang, Xianjing Zheng, Yijun Zheng, Liling Lin, Shuxing Liu, Bin Bao, Yue Xie, Tian Guan, Yonghong He, Congrong Liu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم رعاية مرضى السرطان، تُعد عين أخصائي علم الأمراض (الباثولوجيا) خط الدفاع الأول. فعندما يُصاب مريض بورم، تُقطع عينة صغيرة من الأنسجة إلى شرائح رقيقة، وتُصبغ بصبغات أرجوانية ووردية، ثم توضع تحت المجهر. هذه الصورة، المعروفة باسم شريحة الأنسجة (histology slide)، تخبر الأطباء بنوع السرطان، ومدى عدوانيته الظاهرة، وكيف قد يستجيب المريض للعلاج. ولعقود من الزمن، اعتمدت هذه العملية على خبراء بشريين يقومون بتصنيف هذه الصور المعقدة إلى فئات ثابتة، مثل "المرحلة الأولى" أو "المرحلة الثانية". ومع ذلك، فإن الأورام ليست أجساماً ساكنة؛ بل هي مناظر طبيعية حية ومتغيرة حيث تتعايش أنواع مختلفة من الخلايا جنباً إلى جنب. فقد تظهر الشريحة الواحدة مناطق يبدو فيها السرطان طفيفاً، بجوار مناطق أخرى تبدو فيها الحالة متقدمة بشكل مخيف. وغالباً ما تخفق الطرق التقليدية في رصد هذا التباين المستمر والدقيق، حيث تضغط رحلة بيولوجية معقدة في ملصق واحد ثابت. والسؤال الذي طالما طرحه الباحثون هو ما إذا كانت شريحة المجهر العادية، وهي الأداة القياسية في هذا المجال، تحمل في طياتها أدلة خفية حول كيفية تطور الورم، حتى بدون إجراء اختبارات جينية مكلفة أو تتبع طويل الأمد للمريض.

لقد طور فريق من الباحثين طريقة جديدة للنظر إلى هذه الشرائح، محولين صورة طبية روتينية إلى خريطة للحياة الخفية للورم. لقد أنشأوا نظاماً حاسوبياً يسمى "SpaTIE"، صُمم خصيصاً لدراسة سرطانات الرحم. وبدلاً من مجرد مطالبة الحاسوب بتحديد نوع السرطان، تم تعليم النظام التعرف على الأشكال والأنماط الدقيقة للخلايا ثم ترتيبها في طيف مستمر. تخيل الورم ليس كفئة واحدة، بل كمجموعة من الحالات المختلفة الموجودة في آن واحد، تتراوح من الأشكال المبكرة بطيئة النمو إلى الأشكال الفوضوية شديدة العدوانية. لقد درب الباحثون نظامهم على أكثر من عشرة آلاف شريحة من مستشفى في بكين، مما سمح له بتعلم اللغة البصرية الفريدة لأنسجة الرحم. وبمجرد تدريبه، استطاع النظام النظر إلى شريحة جديدة وتنظيم الأجزاء المختلفة من الورم على طول خط سلس، كاشفاً عن "محور تطور" يوضح كيف يتغير السرطان على الأرجح، رغم أن الصورة قد التُقطت في لحظة زمنية واحدة فقط.

تشير نتائج هذا العمل إلى أن شريحة المجهر العادية تحتوي على معلومات أكثر بكثير مما كان يُعتقد سابقاً. فعندما اختبر الباحثون نظامهم على مجموعات كبيرة من المرضى من الولايات المتحدة، وجدوا أن الأنماط التي حددها الحاسوب لم تكن عشوائية. نجح النظام في تجميع المرضى بطرق تتوافق مع نتائج بقائهم على قيد الحياة وشدة مرضهم. على سبيل المثال، في حالات المرضى المصابين بنوع عدواني للغاية من سرطان الرحم، كان أولئك الذين أظهرت أورامهم أنماطاً أكثر "تقدماً" على خريطة الحاسوب يميلون إلى امتلاك فترات بقاء أقصر. والأهم من ذلك، أن النظام فعل ذلك دون إخباره بأعمار المرضى، أو تركيبهم الجيني، أو مدة إصابتهم بالمرض؛ فقد تعلم هذه الروابط بمجرد النظر إلى أشكال الخلايا وترتيبها. كما حدد النظام بدقة الأجزاء الأكثر أهمية من الشريحة للتنبؤ بهذه النتائج، حيث ركز انتباهه على المناطق الغنية بالأورام وتجاهل الأنسجة الخلفية، تماماً كما يفعل الخبير البشري.

ولضمان أن هذه الأنماط البصرية لم تكن مجرد أوهام بصرية، ربط الفريق بين نتائج الحاسوب والبيولوجيا الفعلية داخل خلايا المرضى. فقد قارنوا "حالات التطور" التي وجدها النظام في الشرائح مع بيانات الحمض النووي (DNA)، والحمض النووي الريبوزي (RNA)، والبروتينات. واكتشفوا أن التغيرات البصرية التي رآها الحاسوب كانت مرتبة بزيادات وتغيرات جزيئية حقيقية. فعلى سبيل المثال، مع انتقال خريطة الحاسوب نحو الحالات الأكثر تقدماً، تزامن ذلك مع تغيرات محددة في كيفية تشغيل أو إيقاف الجينات، ومع تعديلات في الحمض النووي تُعرف بأنها تدفع نمو السرطان. حدد النظام برامج جزيئية محددة تتعلق بكيفية التصاق الخلايا ببعضها البعض، وكيفية إصلاح حمضها النووي، وكيفية تكيفها مع بيئتها. وهذا الاتصال يثبت أن الاختلافات الدقيقة في شكل الخلايا وترتيبها ليست مجرد أمور تجميلية، بل تعكس تغيرات بيولوجية عميقة وجوهرية تحدث داخل الورم.

ولعل الجزء الأكثر إثارة للاهتمام في الدراسة هو كيفية استخدام النظام لتوليد أسئلة علمية جديدة. فمن خلال محاكاة إزالة ميزات جزيئية محددة، استطاع الباحثون رؤية أي من هذه الميزات كان مرتبطاً بشكل وثيق بالأنماط البصرية للورم. هذه العملية، المعروفة باسم "الاضطراب الافتراضي" (virtual perturbation)، سلطت الضوء على جينات وبروتينات مرشحة قد تكون هي المحركة لتطور الورم. وقد أشارت إلى أن الطريقة التي يبدو بها الورم تحت المجهر ترتبط بأنظمة معقدة تتعلق بكيفية تغليف المادة الوراثية للخلية وكيفية تواصلها مع محيطها. ورغم أن الدراسة لا تثبت أن هذه الجينات المحددة هي التي تسبب تلك التغيرات، إلا أنها تقدم قائمة قوية من الأهداف للتجارب المستقبلية. ويلاحظ الباحثون بحذر أن طريقتهم تستنتج هذه الحالات من لقطة واحدة للأنسجة، لذا لا يمكنها تحديد التاريخ الزمني الدقيق لتطور ورم مريض معين، ومع ذلك، فقد نجحت في استعادة صورة مهيكلة ومستمرة لتنظيم المرض والتي كانت مخفية في وضح النهار.

يمثل هذا العمل تحولاً في كيفية رؤيتنا للصور الطبية؛ فهو ينتقل من المهمة البسيطة المتمثلة في تسمية المرض إلى فهم الطبيعة المستمرة والديناميكية للسرطان. ومن خلال تعليم الحاسوب رؤية التدرجات الدقيقة لتطور الورم في شريحة قياسية، أظهر الباحثون أن علم الأمراض الروتيني يحمل معلومات يمكن استردادها حول حالة الورم. إن هذا النهج لا يحل محل الحاجة إلى الاختبارات الجينية أو التقييم السريري، ولكنه يقدم عدسة جديدة لرؤية المرض. وهو يشير إلى أن قصة تطور الورم مكتوبة في بنية خلاياه، بانتظار من يقرؤها باستخدام أدوات يمكنها رؤية المتصل بين بداية المرض ونهايته. وتفتح هذه النتائج مساراً لاستخدام الصور الطبية اليومية للكشف عن حقائق بيولوجية عميقة، مما قد يؤدي إلى طرق أفضل للتنبؤ بالنتائج وفهم الآليات المعقدة للسرطان.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →