📄 medicine

Mammography-Based Deep Learning Radiomics for Predicting HER2 Expression in Breast Cancer: A Dual-Center Study with Focus on HER2-Low Status

تُظهر هذه الدراسة ثنائية المراكز أن نموذج الراديوميات القائم على التعلم العميق والمستند إلى تصوير الثدي الشعاعي باستخدام بنية Visformer يمكنه التنبؤ بشكل غير جراحي وموثوق بكل من حالة HER2-إيجابي مقابل HER2-سلبي وحالة HER2-منخفض مقابل HER2-صفر في مريضات سرطان الثدي.

المؤلفون الأصليون: Huizhe Wang, Changjun Liu, Yan Zhao, Yong Fang, Zixin Kang, Lifeng Deng, Zhengshuai Tan, Ping Zhang, Xi Yu

نُشر 2026-08-31

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Huizhe Wang, Changjun Liu, Yan Zhao, Yong Fang, Zixin Kang, Lifeng Deng, Zhengshuai Tan, Ping Zhang, Xi Yu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

لا يزال سرطان الثدي هو أكثر أنواع السرطان شيوعاً الذي يصيب النساء عالمياً، وهو مرض تملي فيه التركيبة البيولوجية المحددة للورم مسار العلاج. ومن بين العديد من العلامات التي يفحصها الأطباء لفهم الورم، يعد بروتين يُسمى "HER2" أمراً بالغ الأهمية. ففي حالة واحدة من كل خمس حالات تقريباً من حالات التشخيص الجديد، تحمل الخلايا السرطانية وفرة من هذا البروتين، وهي حالة تُعرف باسم "HER2-positive" (إيجابي HER2). تميل هذه الأورام إلى النمو بشكل أكثر عدوانية، لكنها تستجيب جيداً لعلاجات مستهدفة محددة مصممة لمهاجمة ذلك البروتين. ولعقود من الزمن، كان النهج المعياري لتحديد هذه الأورام هو أخذ عينة صغيرة من الأنسجة، تُعرف باسم الخزعة، وفحصها تحت المجهر. ومع ذلك، فقد ظهرت مؤخراً فئة جديدة في الفهم الطبي: "HER2-low" (منخفض HER2). هذه الأورام لا تملك ما يكفي من البروتين ليُطلق عليها "إيجابية"، ومع ذلك فهي تمتلك قدراً كافياً لتكون قادرة على الاستجابة لجيل جديد من الأدوية القوية. إن التمييز بين الأورام التي لا تحتوي على HER2 على الإطلاق وتلك التي تحتوي على القليل منه أصبح الآن سؤالاً سريرياً حيوياً، لكن طريقة الاختبار التقليدية تعتمد على إجراءات جراحية يمكن أن تخطئ أحياناً بسبب التوزيع غير المتساوي للخلايا داخل الورم.

لقد وضع فريق من الباحثين هدفاً لمعرفة ما إذا كان نهج مختلف، غير جراحي، يمكنه حل هذه المشكلة. وقد توجهوا إلى تصوير الثدي الشعاعي (الماموجرام)، وهو التصوير بالأشعة السينية القياسي المستخدم في فحص سرطان الثدي، والذي يتوفر على نطاق واسع ومألوف لمعظم النساء. وبدلاً من الاعتماد فقط على الفحص البصري لأخصائي الأشعة للصورة، طبق الفريق تقنية تسمى "الراديوميكس بالتعلم العميق" (deep learning radiomics). تتضمن هذه العملية تغذية صور الماموجرام الرقمية في نظام كمبيوتر قادر على اكتشاف الأنماط والقوام الدقيقة التي تعجز العين البشرية عن إدراكها. أراد الباحثون معرفة ما إذا كانت هذه التواقيع الرقمية الخفية يمكنها التنبؤ بحالة HER2 للورم قبل إجراء أي جراحة أو خزعة. وقد ركزوا على تحديين محددين: أولاً، التمييز بين الأورام التي تكون "HER2-positive" وتلك التي ليست كذلك، وثانياً، فصل مجموعة "HER2-low" الناشئة والمهمة عن تلك التي تفتقر تماماً للتعبير عن HER2.

ولاختبار فكرتهم، جمع الباحثون بيانات من 546 امرأة مصابة بسرطان الثدي عبر مركزين طبيين مختلفين. وقسموا المرضى إلى مجموعات لتدريب نماذج الكمبيوتر الخاصة بهم ثم لاختبارها، لضمان أن النتائج لم تكن مجرد تخمين محظوظ بناءً على مجموعة واحدة من البيانات. قام نظام الكمبيوتر بتحليل صور الماموجرام، واستخراج آلاف التفاصيل الرقمية الدقيقة حول شكل وقوام وكثافة الأورام. ومن خلال الجمع بين تنبؤات عدة نماذج رياضية مختلفة، أنشأ الفريق أداة واحدة قوية مصممة لاتخاذ القرار النهائي. وأظهرت النتائج أن هذا النهج الرقمي استطاع بالفعل "رؤية" الفرق. فعند محاولة التمييز بين أورام HER2-positive والبقية، أظهر النموذج دقة عالية في اختباراته الأولية، وبينما انخفض أداؤه قليلاً عند اختباره على مجموعة جديدة تماماً من المرضى من مستشفى آخر، إلا أنه حافظ على قدرة موثوقة على التمييز بين المجموعات.

كانت النتائج أكثر تشجيعاً عندما ركز الفريق على المهمة الصعبة المتمثلة في فصل أورام HER2-low عن تلك التي لا تحتوي على HER2 على الإطلاق. ففي مرحلة التدريب الأولية، حقق النموذج نجاحاً كبيراً، وحافظ على موقفه بشكل معقول عند تطبيقه على المجموعة الخارجية من المرضى. كما بحثت الدراسة في العوامل التقليدية التي يستخدمها الأطباء لتقييم المخاطر، مثل حجم الورم، وعمر المريضة، وكثافة أنسجة الثدي. وأكدوا أن خصائص معينة، مثل الدرجة العالية لخلايا الورم ومعدل الانقسام السريع للخلايا، كانت مرتبطة بقوة بحالة HER2-positive. وبالمثل، وجدوا أن حالة مستقبلات الهرمونات وكثافة الثدي يلعبان دوراً في تحديد أورام HER2-low. ومع ذلك، فإن قدرة نموذج الكمبيوتر على التنبؤ بهذه الحالات مباشرة من صور الأشعة السينية قدمت طبقة جديدة من الرؤية لا تعتمد على هذه المتغيرات وحدها.

أقر الباحثون بأن لعملهم حدوداً. ونظراً لأن الدراسة نظرت إلى سجلات المرضى الماضية بدلاً من متابعة مرضى جدد بمرور الوقت، فهناك احتمال بأن اختيار البيانات قد أدخل بعض التحيز. كما أن التحديد اليدوي لمناطق الورم على الأشعة السينية من قبل أخصائيي الأشعة يعني أن العملية ليست مؤتمتة بالكامل بعد. علاوة على ذلك، فإن عدد المرضى، رغم كونه كبيراً، لم يكن ضخماً بما يكفي لضمان صحة النتائج في كل السيناريوهات الممكنة. ورغم هذه القيود، تشير الدراسة إلى أن الماموجرام، الذي يُنظر إليه غالباً ببساطة كأداة لإيجاد السرطان، قد يعمل أيضاً كنافذة قوية على الطبيعة الجزيئية للمرض. ومن خلال تقديم وسيلة غير جراحية لتقدير حالة HER2، يمكن لهذا النهج أن يساعد الأطبببة يوماً ما في اتخاذ قرارات أكثر استنارة بشأن خطط العلاج، مما قد يقلل الحاجة إلى الخزعات المتكررة ويضمن حصول المرضى على العلاجات المستهدفة المناسبة في وقت أقرب. ولا يدعي هذا العمل استبدال المعيار الذهبي الحالي لاختبار الأنسجة، ولكنه يشير نحو مستقبل يعمل فيه التصوير والذكاء الاصطناعي معاً لتوفير صورة أوضح وأكثر اكتمالاً للمرض قبل استخدام إبرة واحدة.

ملخص تقني: الراديوميكس القائم على التعلم العميق لتصوير الثدي الشعاعي للتنبؤ بالتعبير عن بروتين HER2 في سرطان الثدي

أبحاث مشابهة