PathVista Integrates Cellular Foundation Models with Multiscale Histopathology for Colorectal Cancer Prognosis and Molecular Stratification
يُعد PathVista إطار عمل مبتكرًا متمحورًا حول الخلايا، يدمج نموذجًا تأسيسيًا خلويًا واسع النطاق مع علم الأمراض النسيجي متعدد المقاييس لتحسين التنبؤ بمرض سرطان القولون والمستقيم، والتصنيف الجزيئي، وتوصيف الأورام بشكل كبير عبر مجموعات متنوعة من المرضى.
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 المعركة ضد السرطان، اعتمد الأطباء لفترة طويلة على المجهر لرؤية العدو. إنهم ينظرون إلى شرائح رقيقة من الأنسجة، مصبوغة بصبغات أرجوانية ووردية، لرصد الخلايا غير الطبيعية وتقدير مدى عدوانية الورم. هذه الطريقة، المعروفة باسم علم الأمراض النسيجي (histopathology)، كانت هي المعيار المتبع لعقود. ومع ذلك، تحتوي الشريحة الواحدة على ملايين الخلايا، ولا يمكن للعين البشرية التركيز إلا على جزء صغير منها في المرة الواحدة. وبينما يستطيع اختصاصي علم الأمراض رؤية الشكل العام للورم، فإن التفاعلات الدقيقة بين الخلايا الفردية ومحيطها المباشر تظل غالباً مخفية. هذه التفاصيل الصغيرة — مثل الترتيب المحدد لخلية سرطانية بجانب خلية مناعية، أو الشكل الدقيق للنواة — يمكن أن تحمل المفتاح للتنبؤ بما إذا كان المريض سيعيش أم أن المرض سيعود. لسنوات، حاولت الحواسيب المساعدة من خلال تحليل هذه الصور، لكنها كانت غالباً ما تنظر إلى الأنسجة في بقع واسعة وضبابية، مما يؤدي إلى تفويت التفاصيل الدقيقة التي تجعل كل خلية فريدة من نوعها.
تقدم دراسة جديدة نظاماً يسمى "باث فيستا" (PathVista)، صُمم لتغيير كيفية قراءة الحواسيب لهذه الخرائط المجهرية. فبدلاً من التحديق في أقسام كبيرة وضبابية من الأنسجة، يقوم هذا النظام بالتقريب لفحص الخلايا الفردية أولاً، حيث يتعلم "مفردات" من الأشكال والسلوكيات الخلوية من خلال أكثر من 160 مليون مثال. بعد ذلك، يتراجع للوراء ليرى كيف تتناسب هذه الخلايا ضمن المشهد النسيجي الأكبر. ومن خلال الجمع بين قصة الخلية الفردية وقصة الحي الذي تعيش فيه، يرسم "باث فيستا" صورة أوضح بكثير للطبيعة الحقيقية للورم. اختبر الباحثون هذا النهج على آلاف المرضى المصابين بسرطان القولون والمستقيم، وهو ثالث أكثر أنواع السرطان شيوعاً في العالم، ووجدوا أن هذه الرؤية المتمحورة حول الخلية يمكن أن تتنبأ بالبقاء على قيد الحياة وتحدد طفرات جينية محددة بدقة مذهلة، متفوقة في كثير من الأحيان على الأساليب الموجودة.
بدأ الباحثون بتعليم حاسوب كيفية التعرف على الخلايا دون إخباره بما يبحث عنه. فقد غذوا النظام بملايين الصور لخلايا فردية مأخوذة من أنسجة سرطان القولون والمستقيم. تعلم الحاسوب كيفية تجميع الخلايا المتشابهة معاً، مما أنشأ مكتبة ذهنية لأنواع خلوية بناءً على مظهرها البصري فقط. هذه العملية، التي تسمى التعلم الخاضع للإشراف الذاتي (self-supervised learning)، سمحت للنظام باكتشاف أنماط قد تغفل عنها العين البشرية، مثل الاختلافات الطفيفة في حجم الخلايا أو الطريقة التي تتجمع بها الخلايا. وبمجرد أن أتقن الحاسوب هذه المفردات الخلوية، بنى الباحثون "باث فيستا" لاستخدامها. فلكل شريحة مريض جديدة، يحدد النظام أولاً ويحلل كل خلية بمفردها، ملتقطاً سماتها الفريدة. ثم ينظر إلى البنية النسيجية الأوسع لفهم السياق. وأخيراً، يدمج هذين المنظورين، لينتج تقريراً شاملاً يعكس كلاً من التفاصيل المجهرية والبنية الكلية للورم.
وعندما تم اختباره على مجموعة كبيرة تضم 2,568 مريضاً من مصابي سرطان القولون والمستقيم، أثبت "باث فيستا" جدارته. فقد أنتج النظام درجة مخاطر لكل مريض تنبأت بقوة بفرص بقائه على قيد الحياة. المرضى الذين صنفهم النظام كمرضى ذوي خطورة عالية كان لديهم احتمال أكبر بكثير للوفاة بسبب المرض في غض مرة من خمس سنوات مقارنة بأولئك المصنفين كذوي خطورة منخفضة. كان الفرق صارخاً: حيث كانت مخاطر الوفاة لدى مجموعة الخطورة العالية تزيد عن ستة أضعاف مقارنة بمجموعة الخطورة المنخفضة. وقد ظل هذا التنبؤ صحيحاً حتى عندما أخذ الباحثون في الاعتبار عوامل أخرى معروفة مثل حجم الورم، وتورط العقد الليمفاوية، وعمر المريض. وفي الواقع، قدمت درجة مخاطر الحاسوب معلومات أكثر اتساقاً حول البقاء على قيد الحياة من العديد من العوامل السريرية التقليدية التي يستخدمها الأطباء حالياً. كما نجح النظام في التنبؤ بالمدة التي سيظل فيها المرضى خالين من المرض بعد العلاج ومدى احتمالية تعرضهم لانتكاسة.
ولضمان أن النظام لا يقوم بمجرد حفظ الصور المحددة التي تدرب عليها، اختبره الباحثون على مجموعتين مختلفتين تماماً من المرضى من مستشفيات وقواعد بيانات أخرى. وحتى مع اختلاف طرق تحضير الأنسجة والخصائص الديموغرافية للمرضى، حافظ "باث فيستا" على قدرته على الفصل بين المرضى ذوي الخطورة العالية والمنخفضة. في مجموعة خارجية واحدة، حدد النظام بدقة المرضى ذوي الخطورة العالية الذين كانت لديهم فرصة أعلى بكثير للوفاة، بنسبة مخاطر تقترب من ثلاثة أضعاف مقارنة بمجموعة الخطورة المنخفضة. وفي قاعدة بيانات ضخمة أخرى، كانت نسبة المخاطر أعلى من ذلك، حيث تجاوزت خمسة أضعاف. تشير هذه النتائج إلى أن النظام قد تعلم حقائق بيولوجية أساسية حول كيفية ظهور الأورام العدوانية تحت المجهر، بدلاً من مجرد حفظ الخصائص الغريبة لمجموعة بيانات معينة.
وبعيداً عن التنبؤ بالبقاء على قيد الحياة، أظهر "باث فيستا" قدرته على العمل كمحقق للبحث عن طفرات جينية محددة. فسرطان القولون والمستقيم مدفوع بأخطاء جينية مختلفة، ومعرفة أي منها موجود أمر بالغ الأهمية لاختيار العلاج المناسب. استطاع النظام تحديد الأورام التي تعاني من عدم استقرار جيني محدد يسمى "عدم استقرار الساتل الميكروي" (microsatellite instability) بدقة عالية، حيث رصدها بشكل صحيح في أكثر من 90% من الحالات. وهذا أمر حيوي لأن المرضى الذين يعانون من هذه الطفرة المحددة غالباً ما يستجيبون جيداً للعلاج المناعي. كما أدى النظام أداءً جيداً في تحديد الأورام التي تحتوي على طفرة محددة في جين "BRAF"، المرتبط بآفاق علاجية سيئة ويتطلب علاجات مستهدفة مختلفة. ورغم أنه كان أقل نجاحاً في رصد طفرة أخرى شائعة تسمى "KRAS"، إلا أن قدرته على اكتشاف الطفرتين الأخريين تشير إلى أن هذه التغيرات الجينية تترك بصمات مرئية متميزة على الأنسجة يمكن للحاسوب تعلم قراءتها.
كما استكشف البحث ما إذا كان هذا النهج المتمحور حول الخلايا يمكن أن يعمل لأنواع أخرى من السرطان. طبق الباحثون نفس النظام، المدرب على سرطان القولون والمستقيم، على عينات من سرطان الرئة وسرطان الثدي. ومن المثير للدهشة، احتفظ النظام بقدرته على التنبؤ بالنتائج وتصنيف أنواع الأورام في هذه الأعضاء المختلفة. وهذا يشير إلى أن الطرق الأساسية التي تسلكها الخلايا عندما تصبح سرطانية — كيف تنقسم، وكيف تتفاعل مع الخلابات المناعية، وكيف تنظم نفسها — هي طرق مشتركة عبر أنواع مختلفة من السرطان. لقد تعلم النظام لغة عالمية للعدوانية الخلوية تنطبق لما وراء القولون.
أخيراً، نظر الباحثون داخل النظام لفهم ما كان يراه فعلياً. وجدوا أن الحاسوب ركز اهتمامه الأكبر على مناطق الأنسجة حيث تنقسم الخلايا بسرعة، وحيث تتشكل الأوعية الدموية، وحيث تكون مستويات الأكسجين منخفضة — وهي علامات مميزة للسرطان العدواني. وعلى العكس من ذلك، في المرضى الذين عاشوا لفترات أطول، ركز النظام على المناطق الغنية بالخلايا المناعية، المعروفة بقدرتها على محاربة الورم. هذا التوافق بين تركيز الحاسوب والمعرفة البيولوجية الراسخة يمنح الأطباء الثقة في أن النظام لا يجد مجرد أنماط عشوائية، بل إنه يحدد بالفعل المحركات البيولوجية الحقيقية للمرض.
تقدم هذه النتائج منظوراً جديداً لكيفية استخدام الصور الطبية الروتينية. فمن خلال معاملة كل خلية كبيانات فريدة وفهم مكانها في النظام البيئي النسيجي الأكبر، يحول "باث فيستا" شريحة المجهر القياسية إلى مصدر غني بالمعلومات التنبؤية. وبينما لا يعد النظام بديلاً للاختبار الجيني، فإنه يوفر أداة قوية وسهلة الوصول يمكن أن تساعد الأطباء في تحديد المرضى ذوي الخطورة العالية في وقت مبكر وتكييف العلاجات بشكل أكثر فعالية. وتثبت الدراسة أن الإجابات على بعض أصعب الأسئلة في رعاية مرضى السرطان موجودة بالفعل في عينات الأنسجة التي كنا ننظر إليها لعقود؛ لقد احتجنا فقط إلى طريقة جديدة لرؤيتها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.