A practical roadmap to implementation of in-house developed computational pathology algorithms

في الغرف الهادئة ذات الجدران الزجاجية في مختبر علم الأمراض الحديث، بدأ نوع جديد من المساعدين بالعمل جنباً إلى جنب مع الأطباء الذين يشخصون الأمراض. لعقود من الزمن، كانت مهمة اختصاصي علم الأمراض هي فحص شرائح رقيقة من الأنسجة تحت المجهر، بحثاً عن العلامات الصغيرة الدالة على السرطان التي قد تخطئها العين المجردة. هذا العمل بطيء، ويتطلب دقة متناهية وتركيزاً هائلاً. ومؤخراً، تعلمت الحواسيب القيام بهذا الفحص أيضاً. فباستخدام شكل من أشكال الذكاء الاصطناعي، تستطيع هذه البرامج مسح الصور الرقمية لشرائح الأنسجة وتحديد الشذوذات بسرعة ودقة تضاهي الخبراء البشر. ومع ذلك، بينما تقدمت التكنولوجيا بسرعة في مختبرات الأبحاث، إلا أنها نادراً ما انتقلت إلى الروتين اليومي للمستشفيات. إن الفجوة بين برنامج حاسوبي يعمل في تجربة وبين برنامج يُوثق به للمساعدة في إنقاذ الأرواح في عيادة حقيقية هي فجوة واسعة، مليئة بعقبات تتعلق بالسلامة، واللوائح التنظيمية، والواقع المعقد لكيفية عمل الأطباء فعلياً.

لقد نجح فريق من الباحثين في مركز رادبود الطبي الجامعي في هولندا في جسر تلك الفجوة. لم يكتفوا ببناء خوارزمية ذكية فحسب، بل بنوا نظاماً كاملاً لوضع تلك الخوارما في العمل داخل مستشفاتهم، جنباً إلى جنب مع اختصاصيي علم الأمراض لديهم. كان هدفهم هو حل مشكلة محددة وعالية الخطورة: تحديد ما إذا كان سرطان الثدي قد انتشر إلى العقد اللمفاوية الحارسة، وهي أول العقد التي من المرجح أن تنتقل إليها الخلايا السرطانية. في الماضي، كان على الأطباء فحص كل شريحة يدوياً، وإذا لم يروا سرطاناً، فغالباً ما كان عليهم طلب اختبار ثانٍ أكثر تكلفة للتأكد. أراد الباحثون معرفة ما إذا كانت أداة الحاسوب الخاصة بهم يمكن أن تساعدهم في تخطي الخطوات غير الضرورية، وتوفير الوقت، واكتشاف المزيد من حالات السرطان، كل ذلك مع اتباع قواعد سلامة صارمة.

بدأت الرحلة بسؤال بسيط ولكنه صعب: هل يمكن الوثوق ببرنامج حاسوبي للقيام بهذا العمل بأمان؟ قبل السماح للأداة بلمس ملف مريض حقيقي، أخضعها الفريق لسلسلة صارمة من الاختبارات. قاموا بتغذية البرنامج بصور رقمية للعقد اللمفاوية، بما في ذلك 48 مقطعاً سلبياً وإجمالي 100 حالة، بعضها يحتوي على تجمعات صغيرة من الخلايا السرطانية. أرادوا معرفة ما إذا كان الحاسوب سيرتكب أخطاء، مثل تفويت خلية سرطانية أو الإشارة خطأً إلى منطقة سليمة على أنها خطيرة. كانت النتائج مطمئنة؛ فعندما نظر الحاسوب إلى الأنسجة السليمة، حددها كأنسجة سلبية بنسبة مائة بالمائة. وعندما نظر إلى أنسجة تحتوي على سرطان، وجد الغالبية العظمى من الحالات، ولم يفت سوى أصغر التجمعات الخلوية. والأهم من ذلك، اختبر الفريق أيضاً ما إذا كان الحاسوب سيصاب بالارتباك بسبب التغييرات الطفيفة في كيفية صبغ الشرائح أو مسحها ضوئياً، مما يحاكي الاختلافات الطبيعية التي تحدث في المختبر المزدحم. ظل الجهاز ثابتاً وموثوقاً، مما أثبت قدرته على التعامل مع الواقع الفوضوي للمختبر العامل.

بعد تأكيد الأداء التقني، انتقل الباحثون إلى المرحلة التالية: رؤية كيف تعمل الأداة عندما يستخدمها أطباء حقيقيون. لقد وضعوا سيناريو يقوم فيه اختصاصيو علم الأمراض بمراجعة الحالات مع وبدون مساعدة الحاسوب. وأظهرت النت نتائج واضحة؛ فعندما كان لدى الأطباء مساعدة الحاسوب، تمكنوا من اكتشاف السرطان بشكل أكبر، حيث رصدوا حالات ربما كانوا سيفوتونها لولا ذلك. والأهم من ذلك، أن الأداة غيرت طريقة تدفق العمل. في النظام القديم، كان الطبيب ينظر إلى الشريحة، وإذا لم يرَ سرطاناً، كان لا يزال مضطراً لانتظار صبغة ثانية متخصصة لتأكيد النتيجة. أما مع النظام الجديد، فإذا كان الحاسوب واثقاً من أن الشريحة سلبية، يمكن لفني المختبر طلب الصبغة الثانية فوراً دون الحاجة لأن يراجع الطبيب الصورة الأولى مرة أخرى. هذا التغيير الصغير يعني أنه بالنسبة للحالات السلبية، لم يكن على الطبيب قضاء وقت في مراجعة الصورة الأولية على الإطلاق. أما في الحالات التي وُجد فيها السرطان، فقد انخفض الوقت المستغرق للوصول إلى قرار بشكل كبير، من متوسط تسع ثوانٍ إلى أربع ثوانٍ فقط.

ومع ذلك، أدرك الفريق أن السرعة والدقة لا تكفيان. ففي المستشفى، تعد السلامة هي الأولوية المطلقة. وقبل أن تصبح الأداة جاهزة للعمل، تعين على الفريق رسم مسار كل خطوة من خطوات العملية للعثور على نقاط الفشل المحتملة. لقد جمعوا اختصاصيي علم الأمراض، وفنيي المختبرات، وخبراء السلامة لتخيل كل ما يمكن أن يحدث من خطأ، بدءاً من تعطل الحاسوب وصولاً إلى الخطأ البشري في قراءة النتائج. ولم يجدوا أي مخاطر رئيسية لا يمكن إدارتها. لقد صمموا النظام بحيث تُعرض نتائج الحاسوب بوضوح على شاشة اختصاصي علم الأمراض، لتعمل كدليل مساعد بدلاً من أن تكون بديلاً عنه. فإذا أشار الحاسوب إلى وجود بقعة إيجابية، يراها الطبيب فوراً. وإذا قال إنها سلبية، ينتقل الفني إلى الخطوة التالية، ولكن يظل الطبيب هو المسؤول عن القرار النهائي. هذا التخطيط الدقيق ضمن أن التكنولوجيا ستدعم الأطباء، لا أن تربكهم أو تتجاوز خبراتهم.

كانت القطعة الأخيرة من اللغز هي دمج الأداة في العالم الرقمي الحالي للمستشفى. بنى الباحثون جسراً برمجياً مخصصاً يربط ذكاءهم الاصطناعي بنظام الصور الرئيسي في المستشفى. عمل هذا الجسر مثل ساعي بريد آمن، يأخذ الشرائح الرقمية من عرض الأطباء، ويرسلها إلى الحاسوب للتحليل، ويعيد النتائج فوراً. حدث كل هذا داخل شبكة المستشفى الآمنة الخاصة، مما يعني أن بيانات المرضى لم تغادر المبنى أبداً. تم تصميم النظام ليكون مرناً، قادراً على التعامل مع المزيد من العمل مع نمو المستشفى، وبسيطاً بما يكفي حتى لا يحتاج الموظفون إلى تعلم طريقة عمل جديدة تماماً.

بمجرد تشغيل النظام، راقب الفريق أداءه في العالم الحقيقي. تُستخدم الأداة حالياً في قسم علم الأمراض لديهم، كجزء من سير العمل للمساعدة في تحديد السرطان بدقة أكبر وتقليل عدد الاختبارات غير الضرورية التي يتعين إجراؤها. وجد الباحثون أن النجاح في تنفيذ هذه الأداة تطلب ما هو أكثر بكثير من مجرد خوارزمية ذكية؛ فقد تطلب فهماً عميقاً لكيفية عمل المستشفى، والتزاماً بالسلامة، ورغبة في إعادة تصميم الروتين اليومي للموظفين. لقد أثبتوا أنه عندما تبني نظاماً مع وضع الأطباء والفنيين في الاعتبار، وعندما تتبع قواعد السلامة واللوائح الصارمة، يمكن للذكاء الاصطناعي أن ينتقل من مفهوم في ورقة بحثية إلى شريك موثوق في محاربة المرض. يقدم هذا العمل مساراً واضحاً للمستشفيات الأخرى لتتبعه، موضحاً أن مستقبل التشخيص الطبي لا يتعلق باستبدال الخبير البشري، بل بمنحه الأدوات المناسبة للقيام بأفضل أعماله. وبينما الأداة قيد الاستخدام الآن، يستمر الفريق في مراقبة أدائها وسلامتها على المدى الطويل من خلال المراقبة المستمرة لما بعد التسويق، لضمان استدامة فوائدها بمرور الوقت.