الذكاء الاصطناعي للتشخيص المبكر لسرطان بطانة الرحم باستخدام البيانات السريرية متعددة الوسائط: دمج التعلم العميق وقابلية التفسير وخصوصية البيانات

يعد التشخيص المبكر لسرطان بطانة الرحم عاملًا حاسمًا في تحسين فرص النجاة والبقاء لدى المريضات، إذ ترتفع معدلات الشفاء ارتفاعًا كبيرًا حين يكتشف المرض في مراحله الأولى ويعالج علاجًا مبكرًا مناسبًا، ومع تقدم تقنيات الذكاء الاصطناعي في تحليل الصور الطبية والبيانات السريرية، اتجه الباحثون إلى توظيفها في دعم التشخيص المبكر لهذا النوع من السرطان، غير أن أغلب الأساليب القائمة على الذكاء الاصطناعي طورت باستخدام بيانات أحادية الوسيلة، وكثير منها غير قابل للتفسير ولا يوفر حماية للخصوصية أو يتجاهل قضايا الخصوصية تجاهلًا كاملًا

وتمثل هذه الثغرات الثلاث مجتمعة عقبة حقيقية أمام تبني النماذج الذكية في الممارسة السريرية الفعلية، فالطبيب يحتاج إلى أن يفهم أساس تنبؤ النموذج قبل أن يثق به، والمؤسسات الصحية ملزمة بحماية بيانات المريضات الحساسة، ومن هنا جاءت هذه الدراسة لتقترح إطارًا للذكاء الاصطناعي متعدد الوسائط يوظف صور الشرائح الكاملة لعلم الأمراض النسيجي والبيانات السريرية معًا، ويدمج قابلية التفسير والتعلم الواعي بالخصوصية في بنية واحدة متكاملة

أولًا: أهداف الدراسة ومنهجيتها

هدفت هذه الدراسة إلى تطوير إطار متعدد الوسائط للتشخيص المبكر لسرطان بطانة الرحم يتسم بالدقة وقابلية التفسير وحفظ الخصوصية، وجمعت الدراسة بيانات 529 مريضة، منهن 354 في مرحلة مبكرة و175 في مرحلة متقدمة، مع 794 صورة شريحة كاملة و208000 رقعة صورة، واستخرجت السمات الشكلية من صور الشرائح الكاملة باستخدام شبكة عصبية تلافيفية، بينما شفرت المتغيرات السريرية بواسطة مدرك متعدد الطبقات، ثم دمجت تمثيلات الوسيلتين لإنتاج التنبؤ النهائي بالفئة، وأتيحت قابلية التفسير عبر تقنية غراد كام وإسناد السمات السريرية، ودعم التدريب الواعي بالخصوصية عبر التجميع الآمن للمعلمات

ثانيًا: أبرز النتائج

1. حقق النموذج متعدد الوسائط دقة بلغت 0.91 وقيمة للمساحة تحت المنحنى بلغت 0.95، متفوقًا بذلك على نموذج البيانات السريرية وحدها بدقة 0.78 ومساحة تحت المنحنى 0.81، وعلى نموذج علم الأمراض النسيجي وحده بدقة 0.85 ومساحة تحت المنحنى 0.89، مع زيادة ملحوظة في الحساسية التي بلغت 0.89 والنوعية التي بلغت 0.93

2. حافظ التعلم الواعي بالخصوصية على مستوى أداء النموذج دون تدهور يذكر، بما يثبت إمكان الجمع بين حماية بيانات المريضات وفاعلية التنبؤ التشخيصي في إطار واحد

3. أظهر تحليل منحنى القرار أن الفائدة السريرية الصافية للنموذج كانت في حدها الأقصى، بما يدعم قيمته العملية أداة مساعدة في التشخيص المبكر لسرطان بطانة الرحم في البيئات السريرية

ثالثًا: دلالات الدراسة وتطبيقاتها

يقدم هذا الإطار حلًا دقيقًا وقابلًا للتفسير وحافظًا للخصوصية يمكن أن يعمل أداة مساعدة في تشخيص سرطان بطانة الرحم المبكر، ويرجح أن دمج الصور النسيجية مع البيانات السريرية يمنح أطباء الأمراض أساسًا أقوى من اعتماد وسيلة واحدة منفردة، غير أن الدراسة تقر بأن النموذج طور وقيم باستخدام مجموعة بيانات أطلس جينوم السرطان الخاصة بسرطان بطانة الرحم وحدها، ومن ثم يلزم التحقق الخارجي متعدد المراكز لتأكيد قابلية التعميم عبر مجتمعات سريرية متنوعة وبروتوكولات تصوير وظروف مختبرية مختلفة، وهي خطوة ضرورية قبل أي نشر سريري واسع لهذا النوع من الأنظمة

وتتقاطع هذه الدراسة مع توجه متنام في الطب الدقيق يعلي من شأن النماذج الشفافة القابلة للتدقيق، فالنموذج الذي يعرض أسباب تنبؤه بصريًا عبر خرائط الانتباه والسمات السريرية المؤثرة يتيح لأخصائي علم الأمراض مراجعة أساس القرار ومحاورته، بدل قبول مخرجات صندوق أسود لا يمكن تبريرها أمام المريضة أو الفريق العلاجي، كما أن مراعاة الخصوصية منذ التصميم عبر التجميع الآمن للمعلمات تفتح الباب أمام تعاون مؤسسات متعددة في تدريب النماذج دون تبادل البيانات الخام الحساسة

وخلاصة القول إن دمج التعلم العميق متعدد الوسائط مع قابلية التفسير وحفظ الخصوصية أنتج نموذجًا متفوقًا في التشخيص المبكر لسرطان بطانة الرحم وداعمًا لقرار الطبيب، بشرط استكمال التحقق الخارجي متعدد المراكز، وهو ما يجعل هذه الدراسة خطوة واعدة نحو أنظمة ذكاء اصطناعي سريرية تجمع بين الدقة والشفافية والأمان في آن واحد