ابتكار واعد.. نظام ذكاء اصطناعي يتنبأ بعودة أورام الدماغ بدقة غير مسبوقة

ويعتمد هذا النظام على تقنية تعرف باسم (التعلم الزمني) temporal learning، تتيح له معالجة عدة صور طبية مأخوذة بعد العلاج، وقد تفوق بنحو ملحوظ على النماذج التقليدية التي تعتمد على صورة واحدة فقط.

 

يعد هذا النهج واعدا في تقليل عدد الصور المطلوبة لتتبع حال الطفل الذي شفي من السرطان؛ مما يقلل القلق الذي يعيشه الأهل، مع تمكين الأطباء من التدخل المبكر والموجه عندما يكون خطر الانتكاس مرتفعا. 

 

ومن المتوقع إجراء تجارب سريرية مستقبلية للتحقق من فعالية هذا النظام في الواقع العملي.

 

وأصبح الذكاء الاصطناعي أداة مهمة لتحليل الكميات الضخمة من الصور الطبية، وغالبا ما يكتشف تغيرات قد يغفل عنها الأطباء.

وفي مجال علاج أورام الدماغ لدى الأطفال، يمتلك الذكاء الاصطناعي القدرة على تحسين مراقبة حالات الإصابة بالأورام الدبقية (Gliomas)، وهي أورام قابلة للعلاج غالبًا، لكنها قد تعاود الظهور بعد مدة من العلاج.

 

وقد تعاون باحثون من مركز Mass General Brigham مع مستشفى بوسطن للأطفال (Boston Children’s Hospital)، ومركز Dana-Farber/Boston Children’s Cancer and Blood Disorders Center، لتطوير نظام تعلم عميق يحلل سلسلة من صور الدماغ بعد العلاج. وقد دربوا النموذج على اكتشاف العلامات المبكرة لاحتمالية عودة الورم. 

 

ونشرت نتائج هذا البحث في مجلة New England Journal of Medicine AI .

 

وقال الباحث الرئيسي الدكتور Benjamin Kann من برنامج الذكاء الاصطناعي في الطب (Artificial Intelligence in Medicine (AIM) Program) التابع لمركز Mass General Brigham: “العديد من الأورام الدبقية لدى الأطفال يمكن علاجها بالجراحة فقط، لكن عودة الورم قد تكون كارثية. ومن الصعب التنبؤ بمن هم أكثر عرضة للانتكاس، لذا يخضع الأطفال لفحوص رنين مغناطيسي متكررة لسنوات؛ مما يشكل عبئا نفسيا وجسديا على المرضى وعائلاتهم. لذلك، نحن بحاجة إلى أدوات أفضل لتحديد المرضى المعرضين للخطر في وقت مبكر”.

 

ونظرا إلى ندرة حالات الإصابة بسرطان الدماغ عند الأطفال، يواجه الباحثون صعوبة في جمع بيانات كافية. ولتجاوز هذا التحدي، تعاون الفريق مع عدة مؤسسات طبية أمريكية لتجميع قاعدة بيانات تحتوي على ما يقارب 4000 صورة رنين مغناطيسي لـ 715 طفلا.

 

ولتحقيق أقصى استفادة من هذه البيانات، استخدم الباحثون تقنية "التعلم الزمني"، التي تدرب نظام الذكاء الاصطناعي على تحليل التغيرات التي تطرأ على صور دماغ الطفل بمرور الوقت بعد الجراحة، مما يحسن قدرته على التنبؤ بعودة الورم.

 

 ويتم تدريب نماذج الذكاء الاصطناعي في المجال الطبي على تحليل صورة واحدة لاتخاذ قرار معين، لكن تقنية "التعلم الزمني" – التي لم تستخدم سابقا في هذا المجال – تعتمد على تحليل الصور المتعاقبة لتحديد احتمالية عودة الورم.

 

بدأ الباحثون بتدريب النموذج على ترتيب صور ما بعد الجراحة زمنيًا، ليتمكن من التقاط التغيرات الدقيقة بمرور الوقت، ثم عدّلوا النموذج ليربط هذه التغيرات بإمكانية حدوث انتكاس وعودة للسرطان.

 

وتوصل الباحثون إلى أن نموذج الذكاء الاصطناعي المعتمد على التعلم الزمني تمكن من التنبؤ بعودة الورم الدبقي سواء كان من الدرجة المنخفضة أو المرتفعة خلال سنة واحدة بعد العلاج، بدقة تتراوح بين 75% و 89%، وهي أعلى بكثير من دقة النماذج المعتمدة على صورة واحدة، والتي بلغت نحو 50% فقط. وكلما زاد عدد الصور المستخدمة بعد العلاج، تحسنت دقة النموذج، لكن التحسين استقر بعد استخدام 4 إلى 6 صور فقط.