Fusing Data from CT Deep Learning, CT Radiomics and Peripheral Blood Immune profiles to Diagnose Lung Cancer in a Cohort of Patients Experiencing Symptoms
تُظهر هذه الدراسة أن دمج التعلم العميق للأشعة المقطعية، والسمات الإشعاعية، والملفات المناعية للدم المحيطي يحسن بشكل كبير من دقة تشخيص سرطان الرئة لدى المرضى الذين يعانون من أعراض، محققاً مساحة تحت المنحنى (AUC) تبلغ 0.81 مقارنة بالنهج أحادي الوسيلة.
المؤلفون الأصليون:Mustapha, R., Ganeshan, B., Ellis, S., Dolcetti, L., Tharmakulasingam, M., DeSouza, K., Jiang, X., Savage, C., Lim, S., Chan, E., Thornton, A., Hoy, L., Endozo, R., Shortman, R., Walls, D., Chen, S.-hMustapha, R., Ganeshan, B., Ellis, S., Dolcetti, L., Tharmakulasingam, M., DeSouza, K., Jiang, X., Savage, C., Lim, S., Chan, E., Thornton, A., Hoy, L., Endozo, R., Shortman, R., Walls, D., Chen, S.-h., Rowley, M., Coolen, A. C., Groves, A. M., Schnabel, J. A., Win, T., Barber, P. R., Ng, T.
المؤلفون الأصليون: Mustapha, R., Ganeshan, B., Ellis, S., Dolcetti, L., Tharmakulasingam, M., DeSouza, K., Jiang, X., Savage, C., Lim, S., Chan, E., Thornton, A., Hoy, L., Endozo, R., Shortman, R., Walls, D., Chen, S.-h., Rowley, M., Coolen, A. C., Groves, A. M., Schnabel, J. A., Win, T., Barber, P. R., Ng, T.
تخيل أن سرطان الرئة هو لص متسلل يختبئ في منزل. عادةً، بحلول الوقت الذي يدرك فيه رجال الشرطة (الأطباء) وجود اللص، يكون المنزل قد تعرض بالفعل لأضرار بالغة. يحدث هذا لأن اللص لا يصدر الكثير من الضجيج في البداية، وتكون الأدلة (الأعراض) غامضة.
تتمحور هذه الدراسة حول بناء فريق تحرٍ خارق للإمساك بهذا اللص في وقت مبكر. لم يعتمد الباحثون على محقق واحد فقط؛ بل جمعوا ثلاثة أنواع مختلفة من الخبراء للبحث عن اللص:
محلل الصور: ينظر إلى الأشعة المقطعية (صور داخل الرئتين).
خبير الرؤية الحاسوبية: يستخدم الذكاء الاصطناعي المتقدم للعثور على أنماط قد تخفى على العين البشرية.
محقق الدماء: يفحص الدم بحثاً عن علامات تدل على مقاومة الجهاز المناعي للجسم.
المهمة
استعان الفريق بـ 344 شخصاً كانوا يعانون بالفعل من أعراض مرضية ويترددون على عيادة أمراض الرئة. أرادوا معرف فما إذا كان بإمكانهم إنشاء "درجة خطورة" تخبرهم، بدقة عالية، من المصاب فعلياً بسرطان الرئة ومن ليس مصاباً، وذلك باستخدام مزيج من الأشعة المقطعية وفحوصات الدم.
الأدوات الثلاث في صندوق الأدوات
1. الأشعة المقطعية (صورة "الأشعة السينية")
كيف عملت: أجروا أشعة مقطعية قياسية لرئات المرضى.
الطريقة القديمة (CTTA): استخدموا طريقة تسمى "تحليل النسيج". فكر في هذا الأمر كأنك تنظر إلى صورة وتقيس مدى خشونة أو نعومة البكسلات. الأمر يشبه تقييم جودة القماش من خلال لمس نسيجه.
الطريقة الجديدة (التعلم العميق): استخدموا ذكاءً اصطناعياً خاصاً يسمى "المشفّر التلقائي للتعلم العميق" (Deep Learning Autoencoder). تخيل هذا كطالب ذكي جداً اطلع على ملايين صور الرئة؛ فهو لا يقيس البكسلات فحسب، بل يتعلم شكل وبنية "مخبأ اللص" (الورم) ويقوم بإنشاء رمز سري (متجه كامن - latent vector) يصف شخصية الورم، مثل حجمه، ومدى تعرجه، وكيفية التصاقه بجدار الرئة.
2. فحص الدم (نظام إنذار الجهاز المناعي)
النظرية: عندما ينمو الورم، يلاحظ الجهاز المناعي للجسم (رجال الأمن) ذلك ويحاول المقاومة، مما يسبب تغيرات في الدم.
ما الذي بحثوا عنه: لم يبحثوا عن الحمض النووي للورم (الذي يشبه البحث عن بصمات أصابع اللص)، بل بحثوا عن الخلايا المناعية (رجال الأمن) نفسها.
النتائج الرئيسية:
"الحارس المنهك": وجدوا أن المصابين بسرطان الرئة لديهم نوع معين من الخلايا المناعية (KIR3DL1+ CD8 T cells) كانت "منهكة" أو مستنزفة. كان الأمر يشبه حارس أمن ظل في الخدمة لفترة طويلة جداً حتى تعب ولم يعد قادراً على أداء عمله بشكل صحيح.
المساعد المفقود: لاحظوا أيضاً أن المصابين بالسرطان لديهم عدد أقل من خلية مساعدة معينة (cDC2) والتي تقوم عادةً بتنسيق الاستجابة المناعية.
النتيجة: كان فحص الدم هذا وحده جيداً جداً في رصد السرطان، وأحياناً كان أفضل من الأشعة المقطعية وحدها.
3. نموذج الذكاء الاصطناعي (العقل)
استخدم الباحثون نوعاً خاصاً من الرياضيات يسمى الانحدار البايزي (Bayesian Regression). فكر في هذا كقاضٍ دقيق جداً يزن كل دليل. بدلاً من مجرد التخمين، يقوم هذا القاضي بحساب احتمالية الإدانة بناءً على مدى تكرار ظهور أدلة معينة معاً.
اختبروا نموذجهم عن طريق تقسيم المرضى إلى "مجموعة تدريب" (للتعلم) و"مجموعة اختبار" (لإثبات ما تعلموه). كرروا هذه العملية 8 مرات للتأكد من أن النتائج لم تكن مجرد ضربة حظ.
النتائج: وضع كل شيء معاً
عندما استخدم الباحثون أداة واحدة فقط، حصلوا على نتائج جيدة:
الدم فقط: جيد في رصد السرطان.
تحليل الصور بالذكاء الاصطناعي: جيد في رصد السرطان.
تحليل النسيج: جيد، ولكن ليس بنفس القوة.
ولكن عندما دمجوا بين فحص الدم وتحليل الصور بالذكاء الاصطناعي؟
السحر: أصبح الفريق أقوى بكثير. حقق "المحقق الخارق" المدمج درجة دقة (AUC) بلغت 0.81.
ماذا يعني هذا: نجح الاختبار المدمج في تحديد 72% من حالات السرطان (الحساسية/Sensitivity) ونجح في استبعاد السرطان لدى 77% من الأشخاص الذين لا يعانون منه (الخصوصية/Specificity).
لماذا هذا مهم (وفقاً للورقة البحثية)
الكشف المبكر: تشير الدراسة إلى أن مراقبة الجهاز المناعي في الدم يمكن أن تكتشف السرطان حتى عندما يكون الورم صغيراً، ربما قبل أن تتمكن الأشعة المقطعية من رؤيته بوضوح.
المرضى الذين يعانون من أعراض: لم يكن هذا اختباراً للأشخاص الأصحاء، بل كان للأشخاص الذين يعانون بالفعل من أعراض ويشعرون بالقلق. لقد نجح الاختبار جيداً حتى مع هذه المجموعة الصعبة.
قابلية التفسير: على عكس بعض نماذج الذكاء الاصطناعي التي تعمل كـ "صندوق أسود" وتعطي إجابة دون شرح السبب، فإن هذا النموذج هو "صندوق أبيض". يمكن للباحثين الإشارة إلى خلايا دم محددة وميزات صورية معينة أدت إلى التشخيص، مما يجعل من السهل على الأطباء الوثوق بالنتيجة.
الخلا الخلاصة
تزعم الورقة أنه من خلال دمج فحوصات الدم (التي تظهر كيف يتفاعل الجسم) مع الأشعة المقطعية المعززة بالذكاء الاصطناعي (التي تظهر شكل الورم)، يمكن للأطباء إنشاء أداة أكثر دقة لتشخيص سرطان الرئة لدى الأشخاص الذين تظهر عليهم أعراض بالفعل. الأمر يشبه امتلاك محقق يمكنه رؤية آثار أقدام اللص وفي نفس الوقت سماع جرس الإنذار وهو يدق في الحي، مما يجعل من الصعب جداً على اللص الاختباء.
بيان المشكلة لا يزال سرطان الرئة المسبب الرئيسي للوفيات المرتبطة بالسرطان عالمياً، ويرجع ذلك أساساً إلى التشخيص في مراحل متأخرة. وتعتبر طرق الفحص الحالية، مثل التصوير المقطعي المحوسب بجرعة منخفضة (LDCT)، محدودة بسبب ارتفاع معدلات الإيجابية الكاذبة، واستبعاد غير المدخنين والفئات العمرية الشابة، والعبء الكبير على أطباء الأشعة مما يؤدي إلى تأخير الفحوصات. علاوة على ذلك، أظهرت نهج الخزعة السائلة الحالية القائمة على الحمض النووي الورمي الدوراني (ctDNA) حساسية منخفضة لسرطان الرئة في مراحله المبكرة (المرحلة الأولى) في الحالات السريرية. هناك حاجة ماسة لأداة تشخيصية قوية وغير جراحية يمكنها تحسين الحساسية والنوعية للمرضى الذين يعانون من أعراض، مما قد يقلل الاعتماد على التفسير اليدوي من قبل أطباء الأشعة، ويكشف عن الأوريل الخبيثة في وقت أبكر مما يسمح به إفراز الأحماض النووية.
المنهجية كانت الدراسة، التي تحمل عنوان "LungExoDETECT"، دراسة أتراب استباقية أجريت بين أكتوبر 2020 ونوفمبر 2021 وشملت 344 مريضاً تمت إحالتهم إلى عيادات الرئة في المملكة المتحدة مع أعراض تثير الاشتباه في سرطان الرئة.
جمع البيانات:
التصوير: خضع المرضى لفحوصات مقطعية قياسية. تم تحليل الآفات باستخدام نهجين حوسبيين متميزين:
تحليل نسيج الأشعة المقطعية (CTTA): استخراج 42 سمة بناءً على طرق الترشيح-الهيستوغرام (باستخدام برنامج TexRAD).
المشفرات التلقائية للتعلم العميق (DLA): استخدام نموذج تعلم عميق لتوليد 32 سمة من المتجهات الكامنة التي تمثل خصائص الآفة (مثل الحجم، والشكل، والالتصاق بالجنبة).
تحليل الدم: تم جمع عينات دم محيطي وتحليلها عبر:
قياس التدفق الخلوي عالي العمق: لتوصيف 45 مجموعة فرعية من الخلا المناعية.
لطخة النقطة لبروتين الإكسوسوم (Exosome Protein Dot-blot): لتحليل 68 مكوناً بروتينياً من الإكسوسومات.
بناء النموذج:
من أصل 344 مريضاً في البداية، تم استبعاد 174 مريضاً (آفات أقل من 6 مم، أو عدم وجود آفة مرئية، أو تشخيص غير سرطان الرئة)، ليتبقى 170 مريضاً (79 حالة سرطان رئة، و91 حالة غير سرطانية) للتحليل.
تم تقسيم المجموعة إلى مجموعة تدريب (75%) ومجموعة اختبار مستقلة (25%). كُررت هذه العملية 8 مرات عبر طريقة "Bootstrapping" لضمان المتانة.
تم استخدام الانحدار المتعدد البايزي (BMR) لتوليد التوقيع الحيوي. وخلافاً للطرق المنتظمة (مثل LASSO/Elastic Net) التي قد تؤدي إلى الإفراط في التخصيص (Overfitting)، تم اختيار BMR لقدرته على إجراء اختيار تلقائي للمتغيرات وتوفير أوزان قابلة للتفسير مع تقليل الإفراط في التخصيص.
استراتيجيات الدمج: قيمت الدراسة ثلاثة مستويات من دمج البيانات:
الدمج المبكر (Early Fusion): دمج المتغيرات الخام من جميع الوسائط.
الدمج المتوسط (Intermediate Fusion): دمج السمات المختارة من التوقيعات الفردية.
الدمج المتأخر (Late Fusion): دمج درجات المخاطر الناتجة عن التوقيعات الفردية.
المساهمات الرئيسية
تكامل المؤشرات الحيوية المبتكرة: تقترح الدراسة توقيعاً تشخيصياً يدمج تحليل صور الأشعة المقطعية المؤتمت (النمذجة الإشعاعية والتعلم العميق) مع التوصيف المناعي المحيطي، مع التركيز تحديداً على الاستجابة المناعية بدلاً من إفراز الأحماض النووية.
تحديد توقيعات مناعية محددة: حدد التحليل مؤشرين مناعيين قويين:
زيادة تنظيم الخلايا اللمفاوية التائية CD8+ KIR3DL1+: المرتبطة بوجود سرطان الرئة. أظهرت هذه الخلايا حالة وظيفية منهكة (انخفاض تعبير CD107a).
نقص تنظيم الخلايا الشجيرية من النوع الثاني (cDC2): المرتبط بالاعتلالات غير السرطانية (غالباً العدوى أو ردود الفعل التحسسية).
القابلية للتفسير: سمح استخدام الانحدار البايزي بإنشاء نموذج "الصندوق الأبيض" حيث تم تحديد وتوزين مكونات بيولوجية محددة (مثل مجموعات خلايا مناعية معينة ومقاييس نسيج الأشعة المقطعية) التي تساهم في التنبؤ بشكل صريح.
التحقق في مجموعة المرضى الذين يعانون من أعراض: تم التحقق من صحة النموذج خصيصاً في المرضى الذين يعانون بالفعل من أعراض، وهو سياق يعد فيه الكشف المبكر أكثر صعوبة وإلحاحاً من الناحية السريرية.
النتائج
أداء الوسيط الواحد:
DLA (التعلم العميق): حقق أعلى مساحة تحت المنحنى (AUC) للوسيط الواحد (0.73)، متفوقاً على CTTA (0.70) والتوقيع المناعي (0.69).
التوقيع المناعي: أدى أداءً أفضل بكثير من توقيع بروتين الإكسوسوم، الذي كان غير متسق ولم يُستخدم في النموذج المدمج النهائي.
الأداء المدمج:
حقق التوقيع المدمج النهائي، الذي يدمج البيانات المناعية مع بيانات الأشعة المقطعية (تحديداً نماذج DLA وCTTA)، مساحة تحت المنحنى (ROC AUC) بلغت 0.81.
الحساسية: 0.72 (72%) إجمالاً. ظلت الحساسية عالية (76-78%) في معظم المراحل، مع ملاحظة انخفاض في المرحلة الثانية (يُعزى إلى صغر حجم العينة في هذه المجموعة الفرعية).
النوعية: 0.77 (77%)، وهو أمر ملحوظ بالنظر إلى أن المجموعة كانت تضم مرضى يعانون من أعراض متقدمة واعتلالات غير سرطانية.
الكشف عن حالات غير سرطان الرئة: عند تطبيقه على 11 مريضاً يعانون من سرطانات غير سرطان الرئة (باستخدام التوقيع المناعي فقط حيث كانت الأشعة المقطعية غير ذات صلة)، اكتشف النموذج 9 من أصل 11 حالة (حساسية 82%)، وفشل فقط في اكتشاف حالتي سرطان ثدي.
اختيار السمات: اختار النموذج النهائي باستمرار متغيرات محددة عبر 8 جولات من الـ Bootstrap، بما في ذلك العلامات المناعية (KIR3DL1+ CD8 وcDC2) وسمات أشعة مقطعية محددة (متوسط الكثافة عند SSF=0 ومتوسط كثافة البكسلات الموجبة عند SSF=3).
الأهمية والادعاءات يزعم البحث أن الجمع بين المراقبة المناعية وتحليل الأشعة المقطعية المؤتمت يوفر مساراً قابلاً للتطبيق لتحسين حساسية ونوعية فحص سرطان الرئة، حتى في المرضى الذين يعانون من أعراض. ويؤكد المؤلفون على ما يلي:
الاستجابة المناعية كعلامة مبكرة: قد يحدث الكشف القائم على الخلايا المناعية في نقطة زمنية أبكرة من إفراز الأحماض النووية (ctDNA)، مما قد يعالج الحساسية المنخفضة لتقنيات الخزعة السائلة الحالية في حالات المرض المبكر.
تقليل عبء أطباء الأشعة: من خلال استخدام التعلم العميق والنمذجة الإشعاعية المؤتمتة، يهدف هذا النهج إلى تخفيف العبء عن أطباء الأشعة، وهو ما يمثل عنق زجاجة في مسارات الفحص الحالية.
الفائدة السريرية: النموذج الرياضي الناتج قابل للتفسير بدرجة عالية، حيث يحدد بدقة المكونات البيولوجية (مثل مجموعات الخلايا المناعية المحددة ومقاييس نسيج الأشعة المقطعية) التي تقود التنبؤ. ويشير المؤلفون إلى أنه بينما تقع مساحة المنحنى (AUC) البالغة 0.81 ضمن نطاق الفائدة السريرية، فقد تم تطوير النموذج للمرضى الذين يعانون من أعراض، ويتطلب الأمر مزيداً من التحقق في مجموعات مستقلة وفي مجموعات فحص سكانية مختلفة.
متانة المنهجية: تسلط الدراسة الضوء على ميزة الانحدار البايزي على طريقة Elastic Net، مستشهدة بقدرتها الفائقة على منع الإفراط في التخصيص واختيار العدد الأمثل من المتغيرات بناءً على الأدلة بدلاً من مجرد التنظيم (Regularization).
يخلص المؤلفون إلى أن هذا النهج متعدد الوسائط يعزز قيمة التوصيف الاستجابي المناعي المنهجي كأداة مكملة لتصوير الأشعة من أجل الكشف المبكر عن سرطان الرئة.