Multimodal Artificial Intelligence Model Integrating Multiparametric MRI Features and PSA for Differentiating Benign and Malignant Prostate Nodules
تُظهر هذه الدراسة أن نموذجاً تشخيصياً متعدد الوسائط يدمج سمات الراديوميكس والتعلم العميق من التصوير بالرنين المغناطيسي متعدد المعلمات مع مستويات المستضد البروستاتي النوعي (PSA) يحقق دقة فائقة (AUC 0.97) في التمييز بين العقد البروستاتية الحميدة والخبيثة مقارنة بالنماذج التي تستخدم تسلسلات الرنين المغناطيسي الفردية أو الرنين المغناطيكي وحده، مما يقدم أداة واعدة غير جراحية لتشخيص سرطان البروستاتا.
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
يعد سرطان البروستاتا سبباً رئيسياً للمرض والوفاة بين الرجال في جميع أنحاء العالم، ومع ذلك، لا يزال الكشف المبلي والدقيق عنه يمثل تحدياً معقداً. الطريقة القياسية لتأكيد المرض هي من خلال الخزعة، وهي إجراء يتم فيه إدخال إبرة لجمع عينات من الأنسجة. وبينما توفر هذه الطريقة إجابة حاسمة، إلا أنها عملية جراحية تداخلية، وتحمل مخاطر الإصابة بالعدوى أو النزيف، ويمكنها أحياناً أن تخطئ في رصد السرطان إذا لم تصب الإبرة المكان الصحيح. ولتجنب الإجراءات غير الضرورية، يعتمد الأطباء غالباً على اختبارات الدم التي تقيس بروتيناً يسمى مستضد البروستاتا النوعي، أو (PSA). ومع ذلك، فإن اختبار الدم هذا ليس مثالياً؛ إذ يمكن أن ترتفع المستويات بسبب حالات حميدة مثل الالتهاب أو تضخم البروستاتا، مما يؤدي إلى إنذارات كاذبة واختبارات تداخلية إضافية. وفي السنوات الأخيرة، أصبح التصوير بالرنين المغناطيسي المتقدم (MRI) أداة حاسمة للنظر داخل البروستاتا دون جراحة. وتستخدم هذه الفحوصات أنواعاً مختلفة من الصور لإظهار كل من شكل الأنسجة وحركة الماء داخلها، مما يوفر خريطة مفصلة للعضو. والسؤال الذي يواجه الطب الحديث هو ما إذا كان دمج هذه الأنواع المختلفة من المعلومات — الصور التفصيلية ونتائج فحص الدم — يمكن أن يخلق طريقة أكثر ذكاءً وغير جراحية للتمييز بين العقد الحميدة والأورام الخطيرة.
وضع فريق من الباحثين في المستشفى الأول التابع لجامعة شمال هبي هدفهم للإجابة على ذلك من خلال بناء نموذج حاسوبي يعمل كمساعد تشخيصي عالي التدريب. لقد جمعوا بيانات من 312 مريضاً ممن تأكدت إصابتهم بعقد بروستاتية، بعضها حميد وبعضها خبيث. ولكل مريض، جمع الفريق صور الرنين المغناطيسي التي تم التقاطها بثلاث طرق مختلفة: واحدة تظهر التشريح بوضوح، وأخرى تسلط الضوء على كيفية حركة الماء عبر الأنسجة، وخريطة محسوبة تقيس تلك الحركة. كما سجلوا أيضاً مستويات (PSA) في دم المرضى. ثم قام الباحثون بتعليم نظام ذكاء اصطناعي لتحليل هذه البيانات. لم يكتفِ النظام بالنظر إلى الصور فحسب، بل استخدم طريقتين متميزتين لفهمها. تعتمد الطريقة الأولى، المعروفة باسم "الراديوميكس" (radiomics)، على تفكيك الصورة إلى آلاف التفاصيل الصغيرة القابلة للقياس مثل الملمس والشكل. أما الطريقة الأخرى، وهي "التعلم العميق" (deep learning)، فتسمح للكمبيوتر بالتعلم من الأنماط مباشرة من الصور الخام، تماماً كما يتعلم الدماغ البشري التعرف على الوجه من خلال رؤية أمثلة عديدة. وقد درب الفريق الكمبيوتر على دمج رؤى الصور هذه مع مستويات (PSA) في الدم لاتخاذ حكم نهائي حول ما إذا كانت العقدة سرطانية أم لا.
أظهرت النتائج أنه كلما زادت المعلومات التي يمتلكها الكمبيوتر، أصبح أفضل في اتخاذ القرار الصحيح. فعندما نظر النموذج إلى نوع واحد فقط من صور الرنين المغناطيسي، كانت دقته متوسطة. فعلى سبيل المثال، الاعتماد فقط على خريطة حركة الماء حقق مستوى معيناً من النجاح، بينما كان أداء الصور التشريحية أفضل قليلاً. ومع ذلك، عندما دمج الباحثون الأنواع الثلاثة من تسلسلات الرنين المغناطيسي في عرض واحد شامل، تحسنت قدرة النموذج على التمييز بين العقد الحميدة والخبيثة بشكل كبير. وكانت النسخة الأكثر قوة من النموذج هي تلك التي أضافوا إليها نتائج فحص دم (PSA) إلى المزيج. هذا النموذج النهائي المدمج، الذي دمج المجموعة الكاملة من بيانات الرنين المغناطيسي مع العلامة الحيوية في الدم، حقق أعلى مستوى من الدقة. وفي الاختبار، حدد هذا النهج المتكامل طبيعة العقد بشكل صحيح بدرجة أداء بلغت 0.97، وهو مقياس لمدى قدرة الاختبار على الفصل بين مجموعتين. وكان هذا أفضل إحصائياً من أي نوع منفرد من الصور أو من بيانات الرنين المغناطيسي وحدها. وتشير الدراسة إلى أنه من خلال دمج التفاصيل المرئية للرنين المغناطيسي مع الإشارة البيولوجية من فحص الدم، يمكن للكمبيوتر رؤية أنماط قد يغفل عنها القارئ البشري، مما يوفر طريقة أكثر موثوقية لتحديد من يحتاج إلى خزعة ومن لا يحتاج إليها.
وعلى الرغم من هذه النتائج الواعدة، يحرص الباحثون على توضيح حدود عملهم. فقد أُجريت الدراسة في مستشفى واحد مع مجموعة محددة من المرضى، وتم تدريب الكمبيوتر على صور قام فيها خبير بشري بتحديد حدود العقد يدوياً. وهذا يعني أن قدرة النموذج على العمل في مستشفيات أخرى أو مع أنواع مختلفة من المعدات لا تزال بحاجة إلى اختبار. علاوة على ذلك، صُمم النموذج الحالي للمرضى الذين يعانون من عقدة واحدة، ولا يزال أداؤه في حالات وجود آفات متعددة غير معروف. ويشير الفريق أيضاً إلى أنه على الرغم من دقة نموذجهم العالية، إلا أنه ليس بديلاً عن الخزعة، التي تظل المعيار الذهبي للتشخيص. بدلاً من ذلك، يتصورون هذه الأداة كمساعد قوي للأطباء، مما يساعد في تقليل عدد الإجراءات التداخلية غير الضرورية من خلال توفير صورة أكثر وضوحاً وغير جراحية لصحة البروستاتا. ومن خلال دمج نقاط القوة في التصوير والعمل المخبري للدم، يمثل هذا النهج خطوة نحو رعاية أكثر دقة وتخصيصاً للرجال الذين يواجهون حالة عدم اليقين المتعلقة بعقد البروستاتا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.