Machine-Learning Models Using Multidimensional Habitats MRI Features for Assessing Recurrence and Metastasis Risk in Locally Advanced Nasopharyngeal Carcinoma

يعتبر سرطان البلعوم الأنفي نوعاً من أنواع السرطان الذي يبدأ في الجزء العلوي من الحلق، وهو مختبئ خلف الأنف. وبينما يمكن للعلاجات الحديثة مثل العلاج الكيميائي والإشعاعي أن تساعد الكثير من المرضى، إلا أن هذا المرض يظل عنيداً. بالنسبة لحالات السرطان المتقدمة موضعياً، حيث يكون الورم قد نما ولكن لم ينتشر على نطاق واسع بعد، هناك تحدٍ كبير: إذ سيشهد حوالي ثلث إلى أربعة أخماس المرضى عودة السرطان أو انتشاره إلى أجزاء أخرى من الجسم في نهاية المطاف. وغالباً ما يكون هذا التكرار هو السبب في فشل العلاج، وبمجرد حدوثه، يصبح المنظور الصحي أكثر خطورة. لطالما اعتمد الأطباء على الفحوصات القياسية لمراقبة هؤلاء المرضى، لكن الورم ليس كتلة متجانسة من الأنسجة. ففي داخله، يوجد مشهد معقد يضم مناطق مختلفة، بعضها أكثر عدوانية من غيره. وغالباً ما تتعامل التصويرات التقليدية مع الورم بأك its كجسم واحد متجانس، مما يؤدي إلى إغفال الاختلافات الدقيقة التي قد تشير إلى الخطر. ولتجسير هذه الفجوة، يتجه الباحثون إلى مجال يسمى "الراديوميكس" (radiomics)، والذي يتعامل مع الصور الطبية ليس فقط كصور، بل كمستودعات هائلة من البيانات الخفية. ومن خلال استخدام الكمبيوتر لتحليل ملمس وكثافة وشكل البكسلات داخل الورم، يمكن للعلماء الكشف عن أنماط غير مرئية للعين البشرية، آملين في التنبؤ بالمرضى الأكثر عرضة للخطر قبل ظهور الأعراض.

لقد وضع فريق من الباحثين من مراكز طبية في قوانغشي، الصين، هدفاً لاختبار طريقة جديدة للنظر إلى هذه الأورام للتنبؤ بتكرار الإصابة والانتشار في حالات سرطان البلعوم الأنفي المتقدمة موضعياً. وقد جمعوا بيانات من 1,285 مريضاً عولجوا في ثلاثة مستشفيات مختلفة. كان الهدف هو تجاوز القياسات البسيطة، وبدلاً من ذلك، رسم خرائط لـ "الموائل" (habitats) الداخلية للورم. تخيل الورم ليس ككتلة صلبة، بل كإقليم يضم أحياء متميزة. فقد تكون بعض المناطق كثيفة ومتراصة، بينما تكون مناطق أخرى رخوة أو مليئة بالخلايا الميتة. وقد طور الباحثون طريقة لتقسيم الورم إلى هذه المناطق المتميزة بناءً على كيفية ظهور الأنسجة في فحوصات الرنين المغناطيسي. وركزوا على ثلاث خصائص محددة لتحديد هذه الأحياء، وهي: شكل المنطقة، ومدى كثافة النسيج، وملمس أو نمط البكسلات. ومن خلال تجميع هذه السمات معاً، أنشأوا خريطة متعددة الأبعاد للبيئة الداخلية للورم.

ولبناء أداة التنبؤ الخاصة بهم، دمج الفريق هذه الخرائط التصويرية الجديدة مع المعلومات السريرية القياسية. فقد نظروا في عوامل يعرف الأطباء بالفعل أنها مهمة، مثل مرحلة السرطان، ونوع العلاج الذي تلقاه المريض، وعدد الصفائح الدموية لدى المريض، وما إذا كان لديه تاريخ من التدخين. ثم قاموا بتغذية كل هذه البيانات في مجموعة من عشر خوارزميات مختلفة للتعلم الآلي. هذه الخوارزميات تشبه أنواعاً مختلفة من المحققين، لكل منها طريقته الخاصة في رصد الأنماط؛ فبعضها يبحث عن علاقات الخط المستقيم، بينما يبرع البعض الآخر في إيجاد روابط معقدة وملتوية. واختبر الباحثون كل خوارمة بشكل فردي، ثم جربوا نهجاً أكثر تقدماً يسمى "التكديس" (stacking). وتعتمد هذه الطريقة على أخذ التنبؤات من أفضل الخوارزميات الفردية ودمجها، مما يسمح لنموذج "ميتا" نهائي بوزن آرائها واتخاذ قرار واحد أكثر موثوقية.

أظهرت النتائج أن النهج المدمج كان متفوقاً بمراحل على استخدام البيانات السريرية أو التصوير القياسي وحده. فعندما اختبر الباحثون أفضل نموذج لديهم على مجموعة من المرضى الذين لم يسبق له رؤيتهم، نجح النموذج في تحديد خطر التكرار والانتشار بدقة عالية. وكان النموذج الأكثر فعالية هو مزيج من ثلاث خوارزميات محددة تعمل معاً. ومن الأهمية بمكان أن الدراسة وجدت أن سمات "الموائل" الجديدة المستمدة من فحوصات الرنين المغناطيسي أضافت قيمة كبيرة. فقد تعلم النموذج أن الطريقة التي ينظم بها الورم داخلياً هي مؤشر قوي للخطر المستقبلي. وتحديداً، كانت السمات المستمدة من الفحوصات المعززة بالتباين، والتي تسلط الضوء على تدفق الدم، هي أهم المؤشرات. كما أكد النموذج أهمية عوامل الخطر المعروفة، مثل مدى إصابة العقد اللمفاوية وتاريخ التدخين، لكن نسيج الورم الداخلي قدم معلومات فريدة لم تستطع هذه العوامل الأخرى توفيرها.

ولضمان أن النموذج ليس مجرد خدعة إحصائية، استخدم الباحثون تقنية لشرح كيفية اتخاذه للقرارات. فقد استطاعوا رؤية أي السمات بالضبط هي التي دفعت التنبؤ نحو نتيجة عالية الخطورة لأي مريض معين. وهذه الشفافية أمر حيوي للأطباء، الذين يحتاجون لفهم سبب اقتراح الكمبيوتر لمستوى خطر معين. وخلصت الدراسة إلى أن هذه الطريقة الجديدة، التي تدمج المشهد الداخلي المفصل للورم مع بيانات المريض القياسية، تقدم وسيلة واعدة لتقييم المخاطر بدقة أكبر. وهي تشير إلى أنه من خلال النظر إلى الورم كمجموعة من الموائل المتنوعة بدلاً من كونه كتلة واحدة، يمكن للأطباء تحديد المرضى الذين يحتاجون إلى مراقبة وثيقة أو علاج أكثر عدوانية بشكل أفضل. ورغم أن الدراسة أجريت بشكل استرجاعي وتتطلب مزيداً من التحقق، إلا أنها تضع إطاراً جديداً لفهم هذه الأنواع من السرطان، منتقلة نحو مستقبل يتم فيه تفصيل العلاج ليس فقط بناءً على نوع السرطان، بل بناءً على الجغرافيا الفريدة والخفية للورم نفسه.