Interactive Lesion Segmentation in Whole-Body PET/CT and Longitudinal CT: The autoPET/CT-IV Challenge

في مكافحة السرطان، يعتمد الأطباء على كاميرات قوية ترى داخل جسم الإنسان، وتلتقط صوراً لكيفية سلوك الأعضاء والأنسجة. ومن بين أهم الأداتين هما فحوصات التصوير المقطعي بالإصدار البوزيتروني (PET)، التي تضيء المناطق حيث تحرق الخلايا الطاقة بمعدل مرتفع، وفحوصات التصوير المقطعي المحوسب (CT)، التي توفر خريطة تفصيلية للبنية الفيزيائية للجسم. وعندما ينظر الأطباء إلى هذه الصور، يتعين عليهم تحديد بقع صغيرة، غالباً ما تكون غير منتظمة، حيث استقر السرطان. ولا تقتصر هذه المهمة على رصد بقعة واحدة فحسب؛ بل تتضمن قياس مدى تأثر الجسم بدقة، ومراقبة كيفية تغير تلك البقع على مدار أسابيع أو أشهر مع بدء مفعول العلاج. إن القيام بذلك يدوياً هو أمر بطيء، ومرهق، وعرضة للاختلافات بين الأطباء، مما قد يؤدي إلى عدم اتساق في الرعاية الطبية. ولمساعدة في هذا المجال، أمضى العلماء سنوات في تعليم الحواسيب القيام بهذا العمل تلقائياً، لكن هذه الآلات غالباً ما تعاني عندما تبدو الصور مختلفة عن تلك التي تدربت عليها، أو عندما تكون بقع السرطان صغيرة جداً أو باهتة.

تجمع دراسة جديدة مجموعة من الباحثين من جميع أنحاء العالم لاختبار نهج مختلف: فبدلاً من مطالبة الحواسيب بالقيام بكل شيء بمفردها، تساءلوا عن مدى جودة أداء الحاسوب عندما يساعده طبيب بشري خطوة بخطوة. وقد نظم الباحثون مسابقة، تُعرف باسم تحدي autoPET/CT-IV، حيث قدمت فرق من جميع أنحاء العالم أفضل برامجها الحاسوبية لحل مشكلتين محددتين. تضمنت المشكلة الأولى النظر في مجموعة واحدة من الصور والسماح لإنسان بالنقر على الشاشة لتوجيه الحاسوب، وتصحيح أخطائه أثناء العمل. أما المشكلة الثانية فكانت أصعب بكثير: فقد طلبت من الحاسوب النظر في فحص حالي لمريض والتنبؤ بدقة بما سيبدو عليه السرطان في فحص مستقبلي، بناءً على الصور من الماضي فقط. وكان الهدف هو معرفة ما إذا كان دمج التوجيه البشري مع الذكاء الاصطناعي يمكن أن يخلق أداة دقيقة وموثوقة بما يكفي لاستخدامها في المستشفيات الحقيقية.

أظهرت النتائج أنه عندما يُسمح لطبيب بشري بتوجيه الحاسوب عبر نقرات بسيطة، يصبح الجهاز أفضل في أداء مهمته بشكل ملحوظ. في المهمة الأولى، حيث تعين على المشاركين تحديد بقع السرطان في مسح واحد، بدأ أفضل برنامج حاسوبي بتخمين تقريبي ثم تحسن مع قيام الطبيب المحاكي بالنقر على المناطق التي فاتته أو أخطأ فيها. وبعد عشر جولات من هذه التصحيحات، طابقت الخطوط التي رسمها الحاسوب الشكل الحقيقي للسرطان بمساحة تحت المنحنى (AUC) بلغت 0.74. وكان هذا تحسناً واضحاً مقارنة بمحاولة الحاسوب القيام بذلك بمفرده، كما عمل النظام بشكل جيد عبر أنواع مختلفة من الفحوصات ومن مستشفيات مختلفة. ووجدت الدراسة أنه بينما أصبح الحاسوب أفضل في العثور على السرطان، فإنه بدأ أحياناً في تحديد الأنسجة السليمة كسرطان عند إعطائه الكثير من التصحيحات، مما يشير إلى وجود توازن دقيق بين العثور على كل بقعة وعدم إطلاق إنذارات كاذبة.

ومع ذلك، عندما طلب الباحثون من الحواسيب التنبؤ بكيفية تغير السرطان بمرور الوقت، كانت النتائج أقل تشجيعاً بكثير. في المهمة الثانية، كان على البرامج النظر في فحص أساسي وتخمين مكان وجود السرطان في فحص لاحق بعد عدة أشهر. وتمكن أفضل برنامج في هذه الفئة من مطابقة بقع السرونة المستقبلية بدقة تبلغ حوالي 38 بالمائة فقط. يسلط هذا الرقم المنخفض الضوء على مدى صعوبة فهم الآلة بأن الورم قد يتقلص، أو يختفي، أو ينتقل إلى موقع جديد. فقد مال الحاسوب إلى افتراض أنه إذا كانت البقعة موجودة من قبل، فستظل موجودة لاحقاً، مما أدى إلى حدوث أخطاء عندما اختفى السرطان بالفعل أو عندما ظهرت بقع جديدة. وتشير الدراسة إلى أنه بينما أصبحت الحواسيب ممتازة في العثور على ما هو مرئي حالياً بمساعدة بشرية قليلة، إلا أنها ليست جاهزة بعد للتنبؤ بسلوك المرض بشكل موثوق بمفردها.

كما كشفت المسابقة أن نوع السرطان والجهاز المحدد المستخدم لالتقاط الصور كان لهما تأثير كبير. فالبرامج التي نجحت في مجموعة واحدة من الصور واجهت صعوبات أحياناً مع مجموعات أخرى، مما يظهر أن هذه الأدوات لا تزال حساسة للظروف المحددة التي أُخذت فيها الفحوصات. وأشار الباحثون إلى أن الحاسوب كان جيداً بشكل خاص في العث cận على البقع الكبيرة والساطعة، لكنه غالباً ما فاتته البقع الأصغر والأكثر بهتاناً، وهي الأكثر خطورة لأن من السهل التغاضي عنها. ومن خلال اختبار هذه الأنظمة على آلاف الفحوصات الحقيقية لمرضى من دول متعددة، قدمت الدراسة صورة واضحة للمستوى الذي وصلت إليه هذه التكنولوجيا اليوم. وقد أكدت أن المسار الأكثر واعداً ليس استبدال الطبيب بآلة، بل بناء شراكة حيث يتولى الحاسوب العمل الشاق في العثور على البقع، بينما يتدخل الخبير البشري لإصلاح الأجزاء الصعبة.

في نهاية المطاف، يوضح هذا العمل أن مستقبل تصوير السرطان يكمن على الأرجح في هذا النوع من التعاون. يمكن للحاسوب معالجة الكم الهائل من البيانات في ثوانٍ، وتقديم مسودة أولى للتشخيص، بينما يقدم الطبيب الحكم النهائي لضمان عدم إغفال أي شيء. وتخلص الدراسة إلى أنه بينما يظل الحلم بنظام مؤتمت بالكامل يمكنه التنبؤ بتطور المرض بعيد المنال، فإن الأدوات المخصصة للتشخيص التفاعلي والمساعد جاهزة للاختبار في العيادات الحقيقية. ومن خلال الجمع بين سرعة الذكاء الاصطناعي والفهم الدقيق للخبير البشري، قد يتمكن الأطباء قريباً من تتبع السرطان بدقة أكبر وتعديل العلاجات بشكل أسرع، مما يمنح المرضى فرصة أفضل للتعافي. إن المسار نحو المستقبل واضح: بناء أنظمة تتعلم من التصحيح البشري، بدلاً من محاولة استبدال الإنسان تماماً.