Multimodal model for diagnosis of tumor-associated macrophages with M2 polarization and prognosis of targeted therapy in hepatocellular carcinoma: A multicenter retrospective study

تخيل أن جسدك عبارة عن مدينة صاخبة، وفي بعض الأحيان، تحاول مجموعة من المشاغبين تُسمى الخلايا السرطانية السيطرة على أحد الأحياء. لإيقافهم، ترسل المدينة قوات الشرطة: الجهاز المناعي. لكن هنا تكمن الخدعة—بعض هؤلاء المشاغبين مخادعون للغاية، فهم لا يكتفون بمحاربة الشرطة فحسب، بل يخدعونهم أيضًا! إنهم يقنعون ضباط الشرطة بوضع هراواتهم والبدء في مساعدة المجرمين بدلاً من ذلك. في عالم سرطان الكبد، يُطلق على هؤلاء "الشرطة الخونة" اسم البلعميات من النوع M2 (M2 macrophages). وهي نوع محدد من الخلايا المناعية التي، بدلاً من مهاجمة الورم، تساعده فعليًا على النمو والاختباء ومقاومة العلاج.

لقد عرف الأطباء منذ فترة طويلة أنه إذا كان ورم الكبد لدى المريض مليئًا بهؤلاء الخلايا الخائنة، فإن العلاجات القياسية مثل الأدوية الموجهة غالبًا ما تفشل. والمشكلة هي أنه لمعرفة ما إذا كان هؤلاء الخونة موجودين، يتعين على الأطباء عادةً إجراء خزعة—أي إدخال إبرة في الكبد لأخذ قطعة صغيرة من الأنسجة. وهذا إجراء جراحي، وينطوي على مخاطر، ولا يمكنك القيام به يوميًا للتحقق مما إذا كان الوضع يتغير. لذا، كان العلماء في رحلة بحث عن "ماسح ضوئي سحري" يمكنه رؤية هؤلاء الخونة غير المرئيين بمجرد النظر إلى صور الكبد، دون الحاجة إلى إبرة. وهنا يأتي دور الذكاء الاصطناعي (AI). فكر في الذاء الاصطناعي كأنه محقق فائق الذكاء يمكنه النظر إلى صورة ضبابية ورصد أدلة صغيرة قد تغيب عن العين البشرية، مثل نمط خفي في السحب يتنبأ بعاصفة قادمة.

---

حقيبة أدوات المحقق الجديدة: قصة عن سرطان الكبد والخلايا المخادعة

في هذه الدراسة، قرر فريق من الباحثين من ست مستشفيات مختلفة في الصين بناء أداة تحقيق فائقة القوة. هدفهم؟ إنشاء نموذج متعدد الوسائط (multimodal model)—وهو مصطلح معقد لنظام يجمع أنواعًا مختلفة من الأدلة—للتنبؤ بما إذا كان ورم الكبد يخفي تلك البلعميات المخادعة من النوع M2، وكل ذلك دون وخزة إبرة واحدة.

مكونات حقيبة المحقق
لم يعتمد الباحثون على نوع واحد من الأدلة فحسب، بل جمعوا ثلاثة أنواع من القرائن:

1. صور الموجات فوق الصوتية (US): مثل خريطة السونار، وهي صور ثنائية الأبعاد تظهر ملمس الورم.
2. صور الرنين المغناطيسي (MRI): وهي خرائط ثلاثية الأبعاد مفصلة تظهر بنية الورم وتدفق الدم بدقة عالية.
3. البيانات السريرية: الإحصائيات الشخصية للمريض، مثل العمر، وسبب مرض الكبد، ونتائج فحوصات الدم.

لفهم هذه القرائن، استخدموا نوعين مختلفين من "أدمغة" الذكاء الاصطناعي. بالنسبة لصور الموجات فوق الصوتية، استخدموا التعلم العميق (Deep Learning) (وتحديدًا خوارزمية تسمى ResNet-50)، وهي بارعة في رصد الأنماط في الصور المسطحة ثنائية الأبعاد. أما بالنسبة لصور الرنين المغناطيسي، فقد استخدموا الراديوميكس (Radiomics) (وهي طريقة تحول الصور إلى آلاف النقاط البيانية) مدمجة مع خوارزمية تعلم آلي تسمى XGBoost، وهي ممتازة في إيجاد العلاقات المعقدة في البيانات ثلاثية الأبعاد. وأخيرًا، قاموا بدمج هذه النتائج المستخلصة من الذكاء الاصطناعي مع الإحصائيات السريرية للمريض باستخدام طريقة إحصائية تسمى الانحدار اللوجستي (logistic regression) لإنشاء درجة نهائية شاملة.

الاختبار الكبير: هل يستطيع الذكاء الاصطناعي رؤية غير المرئي؟
اختبر الفريق أداة المحقق الجديدة هذه على 552 مريضًا مصابًا بسرطان الكبد. وقسموا هؤلاء المرضى إلى مجموعات للتأكد من أن الأداة لا تقوم بمجرد حفظ الإجابات بل تتعلم بالفعل.

• النتائج: حقق النموذج متعدد الوسائط نجاحًا باهرًا! في مجموعة الاختبار الداخلية، حدد وجود البلعميات من النوع M2 بشكل صحيح بنسبة 80.2% (بمساحة تحت المنحنى AUC قدرها 0.802). والأمر الأكثر إثارة للإعجاب هو أنه عندما اختبروه على مجموعة مختلفة تمامًا من المرضى من مستشفى آخر (الاختبار الخارجي)، ظل أداؤه قويًا، حيث أصاب بنسبة 79.7%.
• المقارنة: كان الذكاء الاصطناعي أفضل في هذه المهمة من النظر إلى الموجات فوق الصوتية وحدها أو الرنين المغناطيسي وحده. كان الأمر يشبه امتلاك محقق يستمع إلى السونار و يقرأ الخريطة ثلاثية الأبعاد و يراجع ملف المشتبه به، بدلاً من القيام بواحد من هذه الأشياء فقط.

التأثير في العالم الحقيقي: من سيستفيد من العلاج؟
لكن معرفة وجود الخونة هي نصف المعركة فقط. أراد الباحثون معرفة: هل تساعد هذه التنبؤات الأطباء في تحديد من سيعيش لفترة أطول؟ لقد نظروا في حالة 225 مريضًا يتلقون بالفعل علاجًا موجهًا (أدوية مثل سورافينيب أو لينفاتينيب).

قام نموذج الذكاء الاصطناعي بتصنيف هؤلاء المرضى إلى مجموعتين: منخفضة المخاطر (عدد قليل من الخلايا الخائنة) وعالية المخاطر (عدد كبير من الخلايا الخائنة). وكانت النتائج صارخة:

• الاستجابة للعلاج: استجابت المجموعة منخفضة المخاطر بشكل أفضل للأدوية؛ حيث بلغت نسبة الاستجابة الموضوعية (مدى انكماش الأورم أو اختفائها) لديهم 11.2%، مقارنة بـ 5.5% فقط للمجموعة عالية المخاطر.
• السيطرة على المرض: حافظت المجموعة منخفضة المخاطر على السيطرة على مرضها بنسبة 57.3% من الوقت، بينما نجحت المجموعة عالية المخاطر بنسبة 23.3% فقط.
• البقاء على قيد الحياة: والأهم من ذلك، عاشت المجموعة منخفضة المخاطر لفترة أطول بشكل ملحوظ. وجدت الدراسة ميزة واضحة في البقاء على قيد الحياة لهذه المجموعة، مع دلالة إحصائية بلغت p=0.007.

ماذا يعني هذا (وما لا يعني)
تشير الدراسة إلى أن نموذج الذكاء الاصطناعي هذا هو أداة قوية جديدة. يمكنه التنبؤ بشكل غير جراحي بما إذا كان ورم الكبد مليئًا بالبلعميات من النوع M2 المقاومة للعلاج. إذا تم تصنيف المريض كـ "عالي المخاطر" بواسطة النموذج، فهذا يشير إلى أنه قد لا يستجيب جيدًا للأدوية الموجهة القياسية، وقد يحتاج الأطباء إلى التفكير في استراتيجيات أخرى في وقت مبكر.

ومع ذلك، فإن المؤلفين حذرون من تسمية هذا "علاجًا شافيًا" أو حلاً مثاليًا. فقد أشاروا إلى أن دراستهم كانت استرجاعية (retrospective)، مما يعني أنهم نظروا في بيانات قديمة بدلاً من اختبار الأداة على مرضى جدد في الوقت الفعلي. كما اعترفوا بأنه بينما كان النموذج متعدد الوسائط أفضل من الطرق الفردية، إلا أن الفرق لم يكن كبيرًا من الناحية الإحصائية في كل مقارنة، مما يشير إلى الحاجة لمزيد من البيانات لإثبات تفوقه بشكل قاطع. كما أشاروا إلى أن النموذج حاليًا أفضل في استبعاد المرضى عالي المخاطر (إيجاد المرشحين "الجيدين") منه في تأكيد وجود المرض لدى "السيئين".

الخلاصة
لا تدعي هذه الورقة أنها حلت مشكلة سرطان الكبد. بدلاً من ذلك، هي تقدم كشافًا ضوئيًا واعدًا. فمن خلال الجمع بين الموجات فوق الصوتية، والرنين المغناطيسي، وتاريخ المريض مع ذكاء اصطناعي ذكي، قد يتمكن الأطباء قريبًا من التلصص على "الحي المناعي" داخل الورم دون الحاجة إلى إبرة. يمكن أن يساعد هذا في تحديد المرضى الذين من المرجح أن يستفيدوا من العلاج الموجه ومن يحتاجون إلى خطة مختلفة في وقت مبكر، مما قد ينقذ الأرواح عبر تجنب العلاجات التي لن تعمل. إنها خطوة نحو مستقبل يكون فيه علاج السرطان أقل اعتمادًا على التخمين وأكثر اعتمادًا على الاستراتيجية الدقيقة والمخصصة لكل مريض.