A Systematic Review and Descriptive Quantitative Synthesis of Artificial Intelligence in Cervical Cancer Screening and Diagnosis
تكشف هذه المراجعة المنهجية لـ 898 دراسة حول الذكاء الاصطناعي في فحص وتشخيص سرطان عنق الرحم عن تطبيق واسع النطاق عبر وسائط متعددة، ولكنها تسلط الضوء على تباين منهجي كبير ومحدودية في الإبلاغ تحول دون إجراء تحليل كمي مجمع، مما يؤكد الحاجة الملحة إلى توحيد معايير الإبلاغ، والتحقق الخارجي، والتقييم السريري الاستباقي.
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
يُعد سرطان عنق الرحم مرضاً، رغم إمكانية الوقاية منه، إلا أنه لا يزال يحصد الأرواح في جميع أنحاء العالم. ويكمن المفتاح لوقفه في العثور على الخلايا غير الطبيعية مبكراً، غالباً قبل أن تتحول إلى سرطان. يستخدم الأطباء حالياً عدة أدوات للقيام بذلك، تتراوح بين فحص الخلايا تحت المجهر إلى فحص عنق الرحم بكاميرا خاصة. ومع ذلك، تعتمد هذه الطرق بشكل كبير على المهارة البشرية ويمكن أن تختلف بناءً على من يقوم بالقراءة أو جودة الصور. وفي السنوات الأخيرة، توجه العلماء إلى الذكاء الاصطناعي، وهو مجال تتعلم فيه الحواسيب التعرف على الأنماط، للمساعدة في هذه المهمة. يمكن تدريب هذه البرامج الحاسوبية على رصد علامات المرض في الصور الطبية، مما قد يوفر "عيناً ثانية" لا تكل ولا تمل. والوعد هنا هو أن هذه الأدوات يمكن أن تجعل الفحص أكثر دقة ومتاحاً لمزيد من الناس، ولكن يبقى السؤال: ما مدى كفاءتها في الواقع العملي؟
لقد وضع فريق من الباحثين هدفاً للإجابة على هذا التساؤل من خلال جمع كل دراسة متاحة حول استخدام الذكاء الاصطناعي في فحص وتشخيص سرطان عنق الرحم. بحثوا في أربع قواعد بيانات علمية رئيسية، بحثاً عن أي بحث أصلي استخدم الحواسيب لتحليل الخلايا، أو الصور الملتقطة من الكاميرات، أو عينات الأنسجة. وبعد إزالة المدخلات المكررة وتصفية الدراسات التي لم تستوفِ معاييرهم الصارمة، استقر بهم المطاف مع 898 دراسة لفحصها. غطت هذه المجموعة الضخمة نطاقاً واسعاً من التطبيقات، بدءاً من تحليل شرائح مسحة عنق الرحم (Pap smear) وعينات الخلايا القائمة على السوائل، وصولاً إلى مراجعة الصور الملتقطة أثناء عملية تنظير عنق الرحم (colposcopy)، وهي إجراء ينظر فيه الطبيب بدقة إلى عنق الرحم، وحتى فحص الأنسجة تحت المجهر. وقد نمت عدد الدراسات المنشورة حول هذا الموضوع بسرعة، حيث ظهرت معظمها في السنوات القليلة الماضية، مما يعكس طفرة في الاهتمام باستخدام التعلم الآلي والتعلم العميق لحل المشكلات الطبية.
وجد الباحثون أنه بينما يُستخدم الذكاء الاصطناعي بطرق مختلفة عديدة، فإن النتائج يصعب مقارنتها مباشرة. فمن بين 898 دراسة، قدمت 60 دراسة فقط أرقاماً واضحة حول مدى أداء الحاسوب، مثل عدد المرات التي حدد فيها المرض بشكل صحيح أو استبعده بشكل صحيح. وحتى بين هذه الـ 60 دراسة، كانت المعلومات غالباً غير مكتملة. فلكي يعرف العلماء حقاً مدى جودة أداة تشخيصية ما، يحتاجون عادةً إلى رؤية مجموعة كاملة من البيانات توضح بالضبط عدد الحالات التي تم تحديدها بشكل صحيح، وعدد الحالات التي تم إغفالها، وعدد الحالات السليمة التي تم تصنيفها خطأً على أنها مريضة. ولم تقدم أي من الدراسات في هذه المراجعة هذه المجموعة الكاملة من الأرقام. وبسبب فقدان البيانات أو الإبلاغ عنها بطرق مختلفة، لم يستطع الباحثون دمج النتائج في درجة واحدة شاملة للدقة؛ إذ لم يتمكنوا من حساب متوسط مجمع يمكنه أن يخبر العالم بمدى فعالية هذه الأدوات في الوقت الحالي بدقة.
وبدلاً من تقديم رقم واحد، قدم الفريق ملخصاً وصفياً لما وجدوه. وأشاروا إلى أن "الدقة" كانت المقياس الأكثر شيوعاً في التقارير، تليها "الحساسية"، التي تقيس مدى قدرة الأداة على رصد المرض، و"النوعية"، التي تقيس مدى قدرة الأداة على تجنب الإنذارات الخاطئة. وقد تباينت الدراسات بشكل كبير في تصميماتها، ونوع البيانات التي استخدمتها، وكيفية اختبار نماذجها الحاسوبية. فبعضها استخدم بيانات من مستشفى واحد، بينما استخدم البعض الآخر صوراً من مواقع متعددة. وبعضها قارن الذكاء الاصطناو لخبراء بشريين، بينما استخدم البعض الآخر معياراً مختلفاً. هذا التنوع يعني أن الأداة التي قد تبدو جيدة جداً في دراسة ما، قد لا تؤدي بنفس الطريقة في سياق آخر. كما نظر الباحثون في جودة الدراسات ووجدوا أن العديد منها افتقر إلى تفاصيل واضحة حول كيفية اختيار البيانات أو كيفية اختبار النماذج، مما يجعل من الصعب الوثوق بالنتائج تماماً.
إن خلاصة هذه المراجعة المستفيضة هي أنه بينما يظهر الذكاء الاصطناعي إمكانات واسعة للمساعدة في فحص وتشخيص سرطان عنق الرحم، فإن الأدلة الحالية ليست جاهزة بعد لإصدار حكم نهائي على أدائه العام. فالأدوات موجودة ويتم استخدامها في سياقات مختلفة، لكن الطريقة التي تُنشر بها الأبحاث تجعل من المستحيل تحديد مدى موثوقيتها بدقة عبر كافة المجالات. ويقترح المؤلفون أنه لكي تصبح هذه الأدوات جزءاً معيارياً من الرعاية الطبية، يجب أن تكون الدراسات المستقبلية أكثر اتساقاً؛ إذ يتعين عليها استخدام مجموعات أكبر من المرضى من أماكن مختلفة، واتباع نفس قواعد الاختبار، والإبلاغ عن نتائجها بشكل كامل، بما في ذلك التفصيل الكامل للنتائج الصحيحة والخاطئة. وإلى أن تُتخذ هذه الخطوات، سيظل الإمكان الكامل للذكاء الاصطناعي في هذا المجال المنقذ للحياة مجرد وعدٍ وليس واقعاً مُثبتاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.