توفر الخوارزمية الجديدة أداة واعدة للكشف عن السرطان وتصنيفه مع إمكانية تسهيل عملية التشخيص
باحثان من جامعة خليفة يشاركان باحثين دوليين في تطوير منهج متقدم لتَّعلُّم الآلة قادر على الكشف عن السرطان

شارك باحثان في جامعة خليفة للعلوم والتكنولوجيا هما، الدكتور ساجد جافد والدكتور نوفل ويرغي، فريقًا بحثيًا لتطوير منهج مُبتَكَر للتَّعلُّم الآلي بهدف الاستفادة منه في تصنيف الصور عالية الدقة لشرائح الأنسجة، وهو ما يتيح بدوره اكتشاف السرطان على نحو أسرع وأكثر دقة.  

 

يعد التشخيص المبكر والدقيق عاملًا مهمًا في التعامل مع حوالي 20 مليون حالة إصابة جديدة بالسرطان تُكتَشَف سنويًا على مستوى العالم. أصبح الطلب على أدوات التشخيص الدقيق للسرطان أعلى من أي وقتٍ مضى، حيث اعتُبر الفحص البصري بواسطة أخصائيي علم الأمراض لشرائح الأنسجة المعيار الذهبي للكشف عن السرطان تقليديًا، لكن وفي ظل التطورات التي يشهدها علم الأمراض الرقمي، يمكن الآن أن تخضع شرائح الأنسجة هذه لمعالجة رقمية فتتحول إلى صور ذات شرائح كاملة يبلغ مستوى دقتها عدة ملايين بيكسيل. وتحظى هذه الصور عالية الدقة والوضوح بإمكانيات هائلة فيما يتعلق بتطبيقات التَّعلُّم الآلي، إلا أن حجمها الضخم يمثل تحديًا كبيرًا.

 

شمل الفريق باحثين من جامعة تكنولوجيا المعلومات في باكستان وجامعة ووريك بالمملكة المتحدة. وقد نُشِرَت نتائج العمل البحثي الذي قام به الفريق في  مجلة "ميديكال إيميدج أناليسيس"، والتي تندرج في قائمة أفضل 1% من المجلات العلمية في مجال تحليل الصور الطبية.

 

تشمل عملية تصنيف الصور ذات الشرائح الكاملة تحليل الصور لتوضيح ما إذا كانت تحتوي على أنسجة سرطانية. وتتوافر نماذج التَّعلُّم العميق لتصنيف الصور ذات الشراح الكاملة بالفعل، لكنها غالبًا ما تتطلب تعليقات أو شرح بخط اليد من الأخصائيين الخبراء في علم الأمراض، وهو أمر يستهلك الكثير من الوقت والتكلفة. وأدخلت التطورات الحديثة وسائل للتَّعلُّم لا تتطلب إشرافًا كبيرًا للتخفيف من هذا العبء، إلا أنها لاتزال تعتمد على مجموعة بيانات ضخمة ومصنفة. ويتميز النهج الذي طوره أعضاء الفريق البحثي بعدم حاجته للإشراف والبيانات مصنفة.

 

ويعتمد النهج على خوارزمية تقسم الصور ذات الشرائح الكاملة إلى أجزاء أصغر وأكثر قابلية للتحكم، والتي يتم تحويلها ثم تُحَوَّل مرة أخرى في الاتجاه العكسي وتعود إلى مساحاتها الأصلية. ويُستَخدَم الخطأ في التحويل، وهو الفارق بين الأجزاء الأصلية والأجزاء بعد تحويلها في الاتجاه العكسي، لإنتاج"تصنيفات مبدئية".  وتعتمد هذه الطريقة على ملاحظة هامة تكمن في أن أجزاء النسيج الطبيعي تميل إلى التجانس أكثر من أجزاء النسيج السرطاني التي تظهر قدرًا أكبر من التنوع في  بنيتها وأنماطها.

 

وتقوم الخوارزمية بعد ذلك بالمزيد من التنقيح للتصنيفات لتقليل الفوارق وتحسين مستوى الدقة. وتستمر عملية التَّعلُّم المتبادل هذه على نحو تكراري، بحيث يتحسن أداء النموذج في كل دورة.

 

وقد اختبر الباحثون خوارزميتهم على أربع مجموعات من البيانات المتاحة، حيث تفوق نموذجهم في أدائه على المناهج الأخرى ذات الأساليب المتقدمة المستخدمَة حاليًا في البيئات المُشرف عليها بشكل كامل، الأمر الذي يبرز إمكانية النموذج في التشخيص الفعال للسرطان من دون الحاجة إلى شروحات ومعلومات طبية مرتفعة التكلفة وتتطلب عمالة كبيرة من الخبراء البشر. وتحظى نتائج هذا البحث بآثار مهمة لأن هذا النموذج الخوارزمي يُعَد أداة واعدة لاكتشاف السرطان وتصنيفه مبكرًا بشكل أكثر فعالية ودقة وسهولة.

 

يرى أفراد الفريق البحثي أن المزيد من البحث قد يساهم في استكشاف التكامل بين هذه الطريقة والمناهج الأخرى شبه المُشرف عليها، بهدف تحسين مستويات دقتها وقابليتها للتطبيق في البيئات السريرية.

 

ترجمة: سيد صالح 

إخصائي ترجمة وتعريب