Habitat Imaging Combined with Multiscale Peritumoral Radiomics and Pathological STAS Status for Predicting Early Postoperative Recurrence in Stage T1 Non-Small Cell Lung Cancer

لا يزال سرطان الرئة هو السبب الرئيسي للوفاة المرتبطة بالسرطان في جميع أنحاء العالم، وبالنسبة للمرضى الذين يعانون من مراحل مبكرة، غالبًا ما تكون الجراحة هي العلاج القياسي للشفاء. ومع ذلك، حتى بعد عملية ناجحة، يواجه بعض المرضى خطرًا كبيرًا يتمثل في عودة السرطان. وتعد سمة بيولوجية محددة، تُعرف باسم "الانتشار عبر المسافات الهوائية"، بمثابة علامة تحذير قوية. يحدث هذا عندما تنفصل الخلايا السرطانية عن الورم الرئيسي وتطفو بحرية في الحويصلات الهوائية الصغيرة في الرئة، وهو سلوك يجعل المرض أكثر عرضة للعودة. تكمن المشكلة في أن الأطباء لا يمكنهم تأكيد هذه السمة الخطيرة إلا بعد إزالة الورم وفحصه تحت المجهر، مما يتركهم دون وسيلة للتنبؤ بالمخاطر قبل بدء الجراحة. ولحل هذه المعضلة، توجه الباحثون إلى مجال يُسمى "الراديوميكس" (Radiomics)، والذي يتعامل مع الصور الطبية ليس فقط كصور، بل كمصادر هائلة من البيانات الخفية. فمن خلال تحليل الأنماط الدقيقة للضوء والملمس داخل الفحص، يمكن للحواسيب اكتشاف تفاصيل غير مرئية للعين البشرية، مما يوفر نافذة محتملة على الطبيعة الحقيقية للورم قبل إجراء جرح واحد.

قام فريق من الباحثين في مستشفى شانشي بيثون في الصين بتطوير طريقة جديدة للتنبؤ بما إذا كان سرطان الرئة في مراحله المبكرة سيعود بعد الجراحة. وقد ركزوا على المرضى المصابين بسرطان الرئة غير صغير الخلايا من المرحلة T1، وهي مجموعة تتمتع عادةً بإنذار طبي جيد ولكنها لا تزال تواجه خطرًا غير ضئيل لعودة المرض. أنشأ الفريق نموذجًا حاسوبيًا متطورًا يجمع بين ثلاثة أنواع متميزة من المعلومات: التفاصيل السريرية للمريض، والحالة البيولوجية للانتشار عبر المسافات الهوائية، وتحليل عميق للبنية الداخلية للورم ومحيطه المباشر. كان هدفهم بناء أداة يمكنها مساعدة الأطباء في تحديد المرضى المعرضين لخطر مرتفع في وقت مبكر، مما يسمح بخطط متابعة وقرارات علاجية أكثر تخصيصًا.

لبناء هذا النموذج، راجع الباحثون سجلات 216 مريضًا خضعوا للجراحة بسبب سرطان الرئة في مراحله المبكرة بين عامي 2019 و2022. وقسموا هؤلاء المرضى إلى مجموعتين: مجموعة أكبر لتدريب الحاسوب، ومجموعة أصغر لاختبار مدى جودة تعلم الحاسوب. بدأ الفريق بفحص فحوصات الأشعة المقطعية للصدر الخاصة بالمرضى، وهي صور ثلاثية الأبعاد مفصلة للرئتين. وبدلاً من معاملة الورم ككتلة واحدة متجانسة، استخدموا تقنية تسمى "تصوير الموائل" (Habitat Imaging). هذه الطريقة تُجزئ الورم إلى مناطق فرعية متميزة بناءً على كيفية ظهور البكسلات وسلوكها، تمامًا كما قد يرسم الجيولوجي خريطة لأنواع مختلفة من التربة داخل حقل واحد. ومن خلال تجميع هذه المناطق الصغيرة معًا، استطاع الحاسوب رؤية المشهد المعقد وغير المنتظم داخل الورم الذي قد يغفله الفحص القياسي.

كما نظر الباحثون إلى ما وراء الورم نفسه؛ حيث قاموا بتحليل الأنسجة المحيطة بالسرطان مباشرة، من خلال إنشاء حلقات تحليل عند مسافات قدرها واحد، وثلاثة، وخمسة مليمترات من حافة الورم. فقد أدركوا أن البيئة الملاصقة للورم غالبًا ما تحمل أدلة حول مدى عدوانية نموه. واستخرجوا آلاف السمات الرقمية من هذه المناطق، حيث قاموا بقياس كل شيء من شكل الورم إلى ملمس الأنسجة. ثم دمجوا هذه التفاصيل التصويرية مع التاريخ الطبي للمرضى، مثل العمر والجنس، ونتائج الفحص الباثولوجي التي أكدت وجود أو عدم وجود الانتشار عبر المسافات الهوائية.

اختبر الفريق عدة خوارزميات مختلفة للتعلم الحاسوبي لمعرفة أي منها يمكنه التنبؤ بعودة المرض بشكل أفضل. ووجدوا أن النموذج الذي يجمع بين كل هذه العناصر — العوامل السريرية، و"الموائل" الداخلية للورم، والسمات من الحلقة ذات الثلاثة مليمترات حول الورم — كان الأفضل أداءً. وفي مجموعة الاختبار الخاصة بهم، حدد هذا النموذج المدمج خطر عودة المرض بدقة ترجمت إلى درجة قدرها 0.865. وكان هذا أفضل بكثير من النماذج التي اعتمدت فقط على البيانات السريرية، أو أنماط الورم الداخلية فقط، أو الأنسجة المحيطة وحدها. وأظهرت الدراسة أن المنطقة ذات الثلاثة مليمترات حول الورم قدمت المعلومات الأكثر فائدة عن البيئة المحيطة، مما يشير إلى أن الحي المباشر للورم يعد أمرًا بالغ الأهمية لفهم سلوكه.

كما أكد الباحثون أن بعض العوامل كانت من المتنبئات المستقلة لعودة المرض. وشمل ذلك وجود علامة محددة في الفحص تسمى "علامة الفجوات" (Vacuole Sign)، وجنس المريض، ووجود الانتشار عبر المسافات الهوائية، والطريقة التي يسحب بها الورم غشاء الرئة المجاور، والحجم الأقصى للورم. وعندما دمج نموذج الحاسوب حالة الانتشار عبر المسافات الهوائية مع بيانات التصوير التفصيلية، رسم صورة أوضح بكثير للمخاطر مما يمكن لأي معلومة منفردة توفيره بمفردها. وقد تمكن النموذج من التمييز بين المرضى الذين سيظلون خاليين من السرطان وأولئك الذين سيشهدون عودة للمرض بدرجة عالية من الموثوقية.

وعلى الرغم من أن النتائج واعدة، إلا أن المؤلفين أشاروا إلى أن دراستهم لها قيود. فقد أُجريت في مستشفى واحد مع عدد متوسط من المرضى، وجاءت البيانات من فئة سكانية محددة، مما يعني ضرية اختبار النموذج على مجموعات أكبر وأكثر تنوعًا من الناس قبل استخدامه على نطاق واسع. بالإضافة إلى ذلك، تمت عملية رسم خرائط مناطق الورم يدويًا، وهو أمر يستغرق وقتًا طويلاً، رغم أن التطورات المستقبلية في التكنولوجيا المؤتمتة قد تسرع من هذه العملية. ورغم هذه العقبات، تظهر الدراسة أن الجمع بين طبقات مختلفة من المعلومات — من البيولوجيا المجهرية للورم إلى الأنماط الكلية في الفحص — يخلق أداة قوية للتنبؤ.

يقدم هذا العمل مسارًا عمليًا للمضي قدمًا في إدارة سرطان الرئة في مراحله المبكرة. فمن خلال استخدام نهج غير جراحي يحلل التنوع الداخلي للورم وبيئته المباشرة، قد يتمكن الأطباء قريبًا من التنبؤ بخطر عودة المرض بدقة أكبر. وهذا من شأنه أن يساعد في تخصيص الرعاية ما بعد الجراحة، مما يضمن حصول المرضى الأكثر عرضة للخطر على الاهتمام والعلاج اللازمين، مع حماية أولئك المعرضين لخطر أقل من التدخلات غير الضرورية. وتشير الدراسة إلى أن مستقبل رعاية السرطان لا يكمن فقط في النظر إلى الورم، بل في فهم القصة المعقدة التي يرويها من خلال شكله، ومحيطه، وبنيته الداخلية الخفية.