Self-Supervised AI Reveals a Hidden Landscape of Prognostic Spatial Patterns in Multiplex Immunofluorescence Images

في السعي لفهم سبب كون بعض أنواع السرطان أكثر عدوانية من غيرها، اعتمد علماء الأمراض لفترة طويلة على المجهر. فهم ينظرون إلى شرائح رقيقة من الأنسة، مصبوغة بصبغات تبرز بروتينات محددة، لعد الخلايا ورسم خرائط لمواقعها. هذا العمل حيوي لتحديد كيفية علاج المريض، لكنه اصطدم بحائط مسدود. فالتكنولوجيا الحديثة يمكنها الآن صبغ قطعة واحدة من النسيج بعشرات الألوان المختلفة في آن واحد، مما يكشف عن مجموعة مذهلة من التفاصيل البيولوجية. ومع ذلك، فإن العيون البشرية والبرامج الحاسوبية التقليدية تجد صعوبة في استيعاب هذا التعقيد؛ إذ غالبًا ما تختزل المشهد ثلاثي الأبعاد الغني للورم إلى مجرد قوائم بسيطة من أعداد الخلايا، متجاهلة الأشكال والترتيبات الدقيقة التي قد تحمل مفتاح بقاء المريض على قيد الحياة. لم يعد التحدي يكمن في مجرد رؤية البيانات، بل في إيجاد طريقة لقراءة القصة التي ترويها دون فقدان حبكة الأحداث.

لقد طور فريق من الباحثين في جامعة غلاسكو نهجًا جديدًا لحل هذه المشكلة، محولين المجهر إلى أداة يمكنها توليد أسئلتها الخاصة بدلاً من مجرد الإجابة على أسئلة محددة مسبقًا. لقد أنشأوا نظامًا يسمى HyPERSTAC، يستخدم نوعًا من الذكاء الاصطناعي يُعرف بالتعلم الخاضع للإشراف الذاتي. وبدلاً من أن يتم تعليمه من قبل البشر ما الذي يجب البحث عنه، يتعلم هذا النظام من خلال دراسة ملايين الصور بمفرده، وتحديد الأنماط التي تتكرر لدى مرضى مختلفين. فهو لا يكتفي بعد الخلايا فحسب؛ بل يتفحص نسيج الأنسجة بأكره، ملاحظًا كيف تتكتل الخلايا، وكيف يتغير شكلها، وكيف تتفاعل مع جيرانها. ومن خلال الجمع بين هذه الرؤية الواسعة القائمة على الأنماط وبين العد التقليدي للخلايا، تمكن الباحثون من كشف بصمات بيولوجية خفية تتنبأ بكيفية تعامل المريض مع مرضه، وهي بصمات كانت غير مرئية للتحليل القياسي.

اختبر الباحثون نظامهم على ما يقرب من 400,000 صورة مأخوذة من عينات أنسجة لأكثر من 1,800 مريض يعانون من نوعين من السرطان الشائع: سرطان الغدة في الرئة وسرطان القولون والمستقيم. جاءت هذه الصور من مجموعتين كبيرتين من المرضى، إحداهما من ليستر والأخرى من غلاسكو، مما يمثل مجموعة ضخمة من البيانات البيولوجية. قام الفريق بتغذية هذه الصور في ذكائهم الاصطناعي، الذي قام بتفكيكها إلى بلاطات صغيرة وتعلم كيفية تجميع المناطق المتشابهة معًا. هذه المجموعات، التي يسميها الباحثون "العناقيد البروتينية المكانية"، تمثل أحياء متكررة داخل النظام البيئي للورم. أظهرت بعض العناقيد خلايا مناعية متراصة بإحكام حول الخلايا السرطانية، بينما أظهرت أخرى مزيجًا فوضويًا من أنواع مختلفة من الخلايا. والأهم من ذلك، وجد النظام أن وتيرة هذه الأحياء المحددة في نسيج المريض كانت متنبئًا قويًا بالبقاء على قيد الحياة، وغالبًا ما تفوقت على الطرق الراسخة التي تعتمد فقط على عد الخلايا أو قياس المسافات بينها.

جاء أحد الاكتشافات الأكثر إثارة من عينات سرطان الرئة. فقد حدد الذكاء الاصطناعي نمطًا محددًا حيث تكون الخلايا السرطانية سريعة الانقسام محاطة بخلايا مناعية، ومع ذلك كان المرضى الذين لديهم هذا النمط يعانون من آفاق طبية سيئة. وهذا يشير إلى أنه عندما تنمو الخلايا السرطانية بسرعة، فقد تتمكن من التهرب من هجوم الجهاز المناعي، مما يجعل وجود الخلايا المناعية أقل فعالية مما كان يُعتقد سابقًا. كما وجد النظام نمطًا مختلفًا مرتبطًا بنوع معين من سرطان الرئة مدفوع بطفرة جينية ويحدث غالبًا لدى الأشخاص الذين لم يدخنوا قط. في هذه الأورام، لم يكن بروتين يسمى GLB1 موجودًا فحسب، بل كان يقع في جزء محدد للغاية من الخلية، مشيرًا بعيدًا عن الأنسجة المحيطة. كان هذا الترتيب الاتجاهي الدقيق علامة قوية على مرض أقل عدوانية، وهو تفصيل كان التحليل القياسي سيفقده لأنه يقيس عادةً كمية البروتين الموجودة، وليس مكانه داخل الخلية.

وفي سرطان القولون والمستقيم، كشف النظام عن نوع آخر من الخطر. فقد وجد حيًا غنيًا بنوع معين من الخلايا المناعية المعروف باسم الخلايا التائية التنظيمية، والتي تعمل على تهدئة الجهاز المناعي. وعندما كانت هذه الخلايا وفيرة جنبًا إلى جنب مع أنواع أخرى من الخلايا المناعية، كان الورم يميل إلى أن يكون أكثر غزوًا وكان توقع سير المرض لدى المريض أسوأ. كان هذا النمط قويًا بشكل خاص لدى المرضى في المرحلة الثالثة، وهي مجموعة يواجه فيها الأطباء غالبًا صعوبة في التنبؤ بمن سيتعافى ومن لن يفعل. إن قدرة الذكاء الاصطناعي على رصد هذا الترتيب المحدد للخلايا وفرت طريقة جديدة لتصنيف المخاطر، مما قدم رؤية أكثر دقة مما هو عليه الحال عند النظر في مرحلة السرطان وحدها.

تكمض قوة هذا العمل في قدرته على إيجاد هذه الأنماط دون تحيز بشري. لم يخبر الباحثون الكمبيوتر بما يجب البحث عنه؛ بل تركوه ببساطة يستكشف البيانات. وهذا يعني أن النظام يمكنه اكتشاف قواعد بيولوجية لم يسبق لأحد أن فكر في السؤال عنها. على سبيل المثال، وجد الذكاء الاصطناعي أن الطريقة التي تتفاعل بها الخلايا المناعية مع الخلايا السرطانية أهم من مجرد وجودها. ففي المرضى الذين تعبر أورامهم عن علامة محددة تسمى PD-L1، ميز النظام بين أولئك الذين تلمس خلاياهم المناعية الخلايا السرطانية فعليًا وأولئك الذين تبقى خلاياهم المناعية على مسافة منها. كان للمرضى الذين يتبعون نمط "اللمس" معدلات بقاء أفضل، مما يشير إلى أن الاتصال الفيزيائي بين الجهاز المناعي والورم هو عامل حاسم في محاربة المرض.

إن قوة هذا العمل تكمن في قدرته على إيجاد هذه الأنماط دون تحيز بشري. لم يخبر الباحثون الكمبيوتر بما يجب البحث عنه؛ بل تركوه ببساطة يستكشف البيانات. وهذا يعني أن النظام يمكنه اكتشاف قواعد بيولوجية لم يسبق لأحد أن فكر في السؤال عنها. على سبيل المثال، وجد الذكاء الاصطناعي أن الطريقة التي تتفاعل بها الخلايا المناعية مع الخلايا السرطانية أهم من مجرد وجودها. ففي المرضى الذين تعبر أورامهم عن علامة محددة تسمى PD-L1، ميز النظام بين أولئك الذين تلمس خلاياهم المناعية الخلايا السرطانية فعليًا وأولئك الذين تبقى خلاياهم المناعية على مسافة منها. كان للمرضى الذين يتبعون نمط "اللمس" معدلات بقاء أفضل، مما يشير إلى أن الاتصال الفيزيائي بين الجهاز المناعي والورم هو عامل حاسم في محاربة المرض.

من خلال نشر هذه النتائج ومجموعة البيانات الضخمة المستخدمة لإنتاجها، قدم الباحثون للمجتمع العلمي معيارًا جديدًا. لقد أثبتوا أن الذكاء الاصطناعي يمكن أن يعمل كشريك في الاكتشاف، قادرًا على رؤية الغابة والأشجار في آن واحد. هذا النهج يحول التصوير عالي الدقة من أداة لاختبار الأفكار الموجودة إلى محرك لتوليد أفكار جديدة. إنه يشير إلى مستقبل لا يقتصر فيه تحليل عينات الأنسجة على ما يعرفه الأطباء بالفعل، بل يقوده تحليل البيانات نفسه، مما يكشف عن الجغرافيا الخفية للمرض ويفتح الباب أمام علاجات أكثر دقة وتخصيصًا. يوضح العمل أن أهم الأدلة في الورم قد لا تكون في الخلايا نفسها، بل في اللغة المعقدة والصامتة لكيفية ترتيبها.