MRI Radiomics for Survival Stratification in Glioblastoma: Benchmarking Against Clinical Variables in a Retrospective Observational Study of the UPENN-GBM Cohort

يُعد الدماغ البشري مشهداً معقداً، وعندما يتجذر فيه ورم يُسمى "الورم الأرومي الدبقي" (glioblastoma)، فإن المسار المستقبلي غالباً ما يكون غير مؤكد. هذا هو النوع الأكثر عدوانية من أورام الدماغ الأولية لدى البالغين، ورغم التقدم في الجراحة والإشعاع والأدوية، لا تزال التوقعات قاتمة، حيث تُقاس فترة البقاء على قيد الحياة عادةً بأكثر من عام بقليل فقط. يعتمد الأطباء حالياً على مجموعة من الأدلة لتخمين المدة التي قد يعيشها المريض؛ فهم ينظرون إلى عمر المريض، وقوته البدنية العامة، ونتائج الاختبارات الجينية التي تكشف عن علامات كيميائية محددة داخل خلايا الورم. وبينما توفر هذه العوامل خطاً أساسياً، إلا أنها لا تروي القصة كاملة؛ فالورم نفسه عبارة عن مزيج فوضوي من أنواع وسلوكيات خلوية مختلفة، وهو نوع من التباين البيولوجي الذي غالباً ما تغفله الاختبارات القياسية. ولرؤية ما يحدث حقاً داخل الورم، يتجه العلماء إلى مجال يُسمى "الراديوميكس" (radiomics). يتعامل هذا النهج مع الصور الطبية، مثل صور الرنين المغناطيسي، ليس فقط كصور يراها الطبيب، بل كمكتبات ضخمة من البيانات. ومن خلال استخدام الكمبيوتر لقياس تفاصيل دقيقة في الصورة — مثل الملمس، والشكل، والتباينات الطفيفة في السطوع — يحاول "الراديوميكس" تكميم البيولوجيا غير المرئية للورم، آملاً في إيجاد أنماط لا تستطيع العين البشرية رصدها.

في دراسة حديثة، سعى الباحثون لاختبار ما إذا كانت تفاصيل الصور التي يقيسها الكمبيوتر يمكن أن تتنبأ بالبقاء على قيد الحياة بنفس كفاءة، أو أفضل من، الأدلة السريرية التقليدية. لقد عملوا على مجموعة بيانات عامة لـ 230 مريضاً تم تشخيص إصابتهم بالورم الأرومي الدبقي. تضمنت هذه المجموعة، المعروفة باسم مجموعة بيانات (UPENN-GBM)، السجلات الطبية للمرضى، ونتائج اختباراتهم الجينية، وصور الرنين المغناطيسي قبل الجراحة. قام الفريق أولاً ببناء نموذج تنبؤي باستخدام المعلومات السريرية القياسية: عمر المريض، وجنسه، وحالته البدنية، ونتائج اختبارين جينيين محددين. كان هذا النموذج بمثابة معيار مرجعي، يمثل أفضل الممارسات الحالية لتقدير البقاء على قيد الحياة. ثم التفت الباحثون إلى صور الرنين المغناطيسي؛ حيث استخدموا برمجيات لاستخراج 144 سمة كمية مختلفة من الصور، تقيس كل شيء بدءاً من الشكل العام للورم وصولاً إلى الملمس المعقد لداخله. وبعد تنقية البيانات وإزالة المعلومات المتكررة، قلصوا هذه القائمة إلى 61 سمة متميزة تحمل الإشارة الأكثر فائدة.

باستخدام هذه القياسات الـ 61 القائمة على الصور، درب الفريق خوارزمية تعلم آلي تُعرف باسم "غابة البقاء العشوائية" (Random Survival Forest). وخلافاً للنموذج التقليدي الذي ينظر إلى المتغيرات واحداً تلو الآخر، فإن هذه الخوارزمية مصممة لإيجاد علاقات معقدة وغير خطية بين عوامل عديدة في آن واحد. كان الهدف هو معرفة ما إذا كان بإمكان الكمبيوتر أن يتعلم التمييز بين المرضى الذين سيعيشون لفترة أطول وأولئك الذين لن يفعلوا، بناءً فقط على الملمس البصري لأورامهم. أظهرت النتائج أن النموذج السريري التقليدي كان أداؤه جيداً بشكل متوسط، حيث صنف نتائج المرضى بشكل صحيح بنسبة 63.5 بالمائة تقريباً. أما نموذج الراديوميكس الجديد، المبني بالكامل من بيانات الرنين المغناطيسي، فقد كان أداؤه أفضل قليلاً، حيث حقق دقة تصنيف بلغت حوالي 65.3 بالمائة. ورغم أن الفرق في الأرقام كان ضئيلاً، إلا أن الفصل الذي أحدثه كان كبيراً. فعندما استخدم الباحثون نموذج الراديوميكس لتقسيم المرضى إلى مجموعتين — مجموعة عالية الخطورة ومجموعة منخفضة الخطورة — كان الفرق في أوقات بقائهم الفعلية على قيد الحياة صارخاً. فقد عاش المرضى في المجموعة منخفضة الخطورة لفترات أطول بكثير من أولئك في المجموعة عالية الخطورة، وهو فصل واضح إحصائياً ومن غير المرجح أن يكون قد حدث بمحض الصدفة.

تشير الدراسة إلى أن ملمس وهيكل الورم، كما يظهر في صورة الرنين المغناطيسي، يحتويان على معلومات قيمة حول مستقبل المريض لا تلتقطها العوامل الجينية أو العمر وحدهما. وجد الباحثون أن العمر المتقدم كان مرتبطاً بالفعل بقصر مدة البقاء على قيد الحياة، وأن بعض العلامات الجينية، مثل وجود طفرة معينة، تشير نحو نتيجة أفضل، تماماً كما يعرف الأطباء منذ زمن طويل. ومع ذلك، أضاف النموذج القائم على الصور طبقة من التفاصيل فاتتها هذه العوامل القياسية. فقد تمكن نموذج التعلم الآلي من تحديد أنماط دقيقة في مظهر الورم ترتبط بمدى عدوانية المرض. وهذا لا يعني أن الطرق القديمة خاطئة، بل يعني أن الطريقة الجديدة تقدم رؤية تكميلية. إن الأمر يشبه امتلاك زوج ثانٍ من العيون يمكنه رؤية الخشونة المجهرية لسطح ما، مما يوفر نوعاً مختلفاً من الأدلة لدعم التشخيص.

على الرغم من هذه النتائج الواعدة، يحرص الباحثون على الإشارة إلى أن هذا العمل ليس جاهزاً بعد للتطبيق في المستشفيات. كانت هذه الدراسة تحليلاً استعادياً (retrospective)، مما يعني أنها نظرت إلى بيانات جُمعت بالفعل، بدلاً من اختبار النموذج على مرضى جدد في الوقت الفعلي. كما أن مجموعة البيانات المستخدمة كانت عامة ومجهولة الهوية بالكامل، وهو أمر ممتاز للشفافية ويسمح لعلماء آخرين بالتحقق من العمل، ولكنه يعني أيضاً أن حجم العينة كان محدوداً بـ 230 شخصاً. ويشير المؤلفون إلى أنه لكي تصبح هذه التكنولوجيا أداة قياسية، يجب اختبارها على مجموعات أكبر بكثير من المرضى من مستشفيات مختلفة وبأجهزة رنين مغناطيسي مختلفة لضمان صحة النتائج في كل مكان. كما يقرون بأن طريقة التقاط الصور قد تختلف، مما قد يؤثر على القياسات. في الوقت الحالي، تعمل هذه الدراسة كإثبات للمفهوم؛ فهي توضح أنه من الممكن استخدام البيانات العامة والمفتوحة لبناء نموذج يمكنه فصل المرضى إلى مجموعات خطر مختلفة باستخدام البيانات البصرية لصورهم فقط. ويمهد هذا العمل الطريق لأبحاث مستقبلية، مشيراً إلى أنه إذا تم صقل وتدقيق أدوات التصوير هذه، فقد تساعد الأطباء في نهاية المطاف على تقديم مشورة أكثر دقة للمرضى، وإشراك الأشخاص المناسبين في التجارب السريرية، والتخطيط للرعاية اللاحقة بثقة أكبر.