Ultrasound-based deep learning-derived radiomics for preoperative prediction of sentinel lymph node metastasis in invasive breast cancer: a two-center retrospective study
طورت هذه الدراسة الاستعادية المكونة من مركزين نموذجاً للراديوميات بالموجات فوق الصوتية مشتقاً من التعلم العميق، باستخدام شبكة ResNet50 والتعزيز المتدرج، وتم التحقق من صحته خارجياً، حيث أظهر أداءً متوسطاً ومتسقاً في التنبؤ بما قبل الجراحة بانتشار النقائل في العقد اللمفاوية الحارسة لدى المرضى المصابين بسرطان الثدي الغازي.
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
في رحلة علاج سرطان الثدي، يتخذ أحد أكثر القرارات حرجاً قبل إجراء أول شق جراحي: وهو تحديد ما إذا كان السرطان قد انتشر إلى العقد اللمفاوية المجاورة. تعمل هذه الأعضاء الصغيرة التي تشبه حبات الفاصوليا كخط دفاع أول للجسم، حيث تقوم بتصفية السوائل من الثدي. وإذا انتقلت الخلايا السرطانية إلى هناك، فإن الخطة الجراحية تتغير بشكل كبير. تقليدياً، يجب على الأطباء إجراء خزعة استكشافية للعقدة اللمفاوية الحارسة، وهي عملية يقوم فيها الجراح بإزالة عقدة محددة لفحص وجود السرطان تحت المجهر. ورغم فعاليتها، إلا أنها خطوة جراحية تحمل مخاطر التورم وعدم الارتياح، كما أنها ليست مثالية دائماً؛ فأحياناً يغفل هذا الاختبار عن وجود السرطان، وفي أحيان أخرى، يؤدي إلى جراحة غير ضرورية للمرضى الذين لم ينتشر السرطان لديهم. ولعقود من الزمن، بحث الباحثون عن وسيلة للتنبؤ بهذا الانتشار باستخدام أدوات غير جراحية، آملين في إعفاء المرضى من إجراءات لا يحتاجونها. لطالًا كان الموجات فوق الصوتية (السونار)، وهي تقنية تصوير شائعة تستخدم الموجات الصوتية لإنشاء صور للجسم، أداة قياسية منذ فترة طويلة لتصوير كتل الثدي، لكن قدرتها على رؤية الانتشار غير المرئي لخلايا السرطان كانت محدودة بقدرة العين البشرية على تفسير الصور.
لقد اتبع فريق من الباحثين من مستشفيين في الصين نهجاً جديداً لهذه المشكلة القديمة عبر تعليم الكمبيوتر رؤية أنماط في صور الموجات فوق الصوتية قد تغفل عنها العين البشرية. وقد ركزوا على نوع معين من سرطان الثدي يسمى "سرطان الثدي الغازي"، حيث تمتلك الأورام القدرة على اختراق أنسجة الثدي والانتقال إلى العقد اللمفاوية. جمع الفريق صور موجات فوق صوتية لأورام من 246 مريضاً، خضعوا جميعاً للجراحة للتأكد مما إذا كانت عقدهم اللمفاوية تحتوي على السرطان. وقسموا هؤلاء المرضى إلى مجموعتين: مجموعة من مستشفى في غوانزو لتعليم الكمبيوتر، ومجموعة منفصلة من مستشفى آخر لاختبار قدرة الكمبيوتر على تطبيق ما تعلمه على مرضى جدد لم يسبق له رؤيتهم. لم ينظر الكمبيوتر إلى الصور بالطريقة التي يتبعها أخصائي الأشعة، من خلال ملاحظة شكل الورم أو سطوعه، بل استخدم نظام التعلم العميق، وهو نوع من الذكاء الاصطناعي، لتفكيك الصور إلى آلاف التفاصيل الرياضية الدقيقة. ثم استخدم النظام خوارزمية اتخاذ قرار لإيجاد التركيبة المحددة من هذه التفاصيل التي تتنبأ بشكل أفضل بما إذا كان السرطان قد وصل إلى العقد اللمبية.
تظهر نتائج هذه الدراسة أن النموذج الحاسوبي حقق مستوى متوسطاً من النجاح في إجراء هذه التنبؤات. فعند اختباره على مجموعة المرضى المستخدمة لتدريب النظام، حقق النموذج مساحة تحت المنحنى (AUC) بلغت 0.73. وعندما اختبر الباحثون نفس النموذج على المجموعة المستقلة من المرضى من المستشفى الثاني، ظل الأداء ثابتاً، حيث حقق النموذج مساحة تحت المنحنى بلغت 0.74. وهذا الاتساق عبر مستشفيين مختلفين، يستخدمان أجهزة موجات فوق صوتية مختلفة، يشير إلى أن الكمبيوتر تعلم نمطاً حقيقياً بدلاً من مجرد حفظ الصور التي عُرضت عليه. ومع ذلك، فإن النموذج ليس بلورة سحرية مثالية. ففي المجموعة الاختبارية من المستشفى الثاني، كان النموذج جيداً جداً في تحديد المرضى الذين ليس لديهم انتشار للسرطان بشكل صحيح، بنسبة نجاح بلغت حوالي 84 بالمئة. وتعد هذه نتيجة قيمة لأنها تعني أن الأداة يمكن أن تساعد الأطباء في الشعور بمزيد من الثقة لتخطي الخزعة الجراحية لبعض المرضى ذوي المخاطر المنخفضة.
ومع ذلك، تسلط الدراسة الضوء أيضاً على مواضع قصور هذه الأداة. فقد كان النموذج أقل نجاحاً في رصد كل حالة يكون فيها السرطان قد انتشر بالفعل، حيث حدد تلك الحالات بدقة تبلغ حوالي 65 بالمئة فقط. ولأن النموذج قد يغفل بعض حالات الانتشار، يشدد الباحثون على أن هذه الأداة لا يمكنها أن تحل محل إجراء الخزعة القياسي بمفردها. فإذا اعتمد الطبيب فقط على هذا التنبؤ الحاسوبي لاستبعاد انتشار السرطان، فقد يرسل بعض المرضى إلى منازلهم عن طريق الخطأ دون تلقي العلاج اللازم. ويصف المؤلفون النموذج بأنه مساعد مفيد وليس بديلاً، أي أداة يمكن أن تضيف طبقة من المعلومات إلى عملية اتخاذ القرار. كما أشاروا إلى أن الدراسة كانت استرجاعية، مما يعني أنها نظرت إلى بيانات تم جمعها بالفعل، وأن عدد المرضى كان صغيراً نسبياً. وينوه الباحثون أيضاً إلى أن الكمبيوتر لم يُعلّم كيفية شرح لماذا اتخذ قراراً معيناً، وهو تحدٍ شائع مع هذا النوع من الذكاء الاصطناعي المتقدم.
إن المسار المستقبلي، وفقاً للمؤلفين، يتضمن اختبار هذه الأداة على مجموعات أكبر بكثير من المرضى في المستقبل. ويقترحون أنه قبل أن تصبح هذه التكنولوجيا قابلة للاستخدام في العيادات اليومية، يجب إثباتها في دراسات استباقية، حيث يتم متابعة المرضى زمنياً لمعرفة مدى صمود التنبؤات في الممارسة الواقعية. والهدف هو معرفة ما إذا كان دمج هذا التحليل الحاسوبي مع معلومات قياسية أخرى، مثل حجم الورم أو عمر المريضة، يمكن أن يحسن الدقة بشكل أكبر. وفي الوقت الحالي، تقدم الدراسة لمحة واعدة عن مستقبل قد يساعد فيه الذكاء الاصطناعي الأطباء في اتخاذ قرارات أكثر تخصيصاً، مما قد يجنب بعض النساء الجراحة غير الضرورية مع ضمان حصول من يحتجن إليها عليها. ويوضح العمل أنه بينما لا تزال هذه التكنولوجيا غير جاهزة للاستخدام الواسع، إلا أنها تجاوزت المرحلة النظرية وأظهرت إمكانات حقيقية وقابلة للقياس في بيئة سريرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.