التعلم الآلي يحسن من الكشف المبكر عن طفرات الورم الدبقي

يمكن لطرق التعلم الآلي تشخيص الطفرات في الأورام الدبقية ، وهي أورام المخ الأولية، بسرعة ودقة.

تدعم ذلك دراسة حديثة أجرتها جامعة كارل لاندشتاينر للعلوم الطبية (KL Krems). في هذه الدراسة، حُللت بيانات التصوير بالرنين المغناطيسي الفسيولوجي الأيضي (MRI) باستخدام أساليب التعلم الآلي لتحديد الطفرات في أحد الجينات الأيضية. تؤثر هذه الطفرات بشكل كبير على مسار المرض، ويُعد التشخيص المبكر أمرًا بالغ الأهمية للعلاج. كما تُظهر الدراسة وجود معايير غير متسقة حاليًا للحصول على صور الرنين المغناطيسي الفسيولوجي الأيضي، مما يعيق الاستخدام السريري الروتيني لهذه الطريقة.

الأورام الدبقية هي أكثر أورام الدماغ الأولية شيوعًا. على الرغم من أن تشخيصها لا يزال ضعيفًا، إلا أن العلاجات الشخصية يمكن أن تُحسّن بشكل كبير من نجاح العلاج. ومع ذلك، يعتمد استخدام هذه العلاجات المتقدمة على بيانات الورم الفردية، والتي يصعب الحصول عليها في حالة الأورام الدبقية نظرًا لموقعها في الدماغ. يمكن لطرق التصوير، مثل التصوير بالرنين المغناطيسي (MRI)، توفير هذه البيانات، إلا أن تحليلها معقد ويتطلب جهدًا كبيرًا ويستغرق وقتًا طويلاً. دأب المعهد المركزي للأشعة الطبية التشخيصية في مستشفى جامعة سانت بولتن، وهو قاعدة التدريس والبحث في KL Krems، على تطوير أساليب التعلم الآلي والعميق لسنوات عديدة لأتمتة هذه التحليلات ودمجها في الإجراءات السريرية الروتينية. والآن، تم تحقيق إنجاز جديد.

يوضح البروفيسور أندرياس ستادلبور، عالم الفيزياء الطبية في المعهد المركزي: "يتمتع المرضى الذين تحمل خلايا الورم الدبقي لديهم شكلاً متحوراً من جين إيزوسيترات ديهيدروجينيز (IDH) بتوقعات سريرية أفضل من أولئك الذين يحملون النمط البري". ويضيف: "هذا يعني أنه كلما عرفنا حالة الطفرة مبكراً، زادت قدرتنا على تخصيص العلاج بشكل فردي". وتساعد الاختلافات في استقلاب الطاقة بين الأورام المتحورة والنمط البري في هذا. وبفضل العمل السابق لفريق البروفيسور ستادلبور، يمكن قياس هذه الاختلافات بسهولة باستخدام التصوير بالرنين المغناطيسي الفسيولوجي الأيضي، حتى بدون عينات أنسجة. ومع ذلك، فإن تحليل البيانات وتقييمها عملية معقدة للغاية وتستغرق وقتاً طويلاً، ويصعب دمجها في الممارسة السريرية، خاصةً وأن النتائج مطلوبة بسرعة نظراً لسوء تشخيص المرضى.

في الدراسة الحالية، استخدم الفريق أساليب التعلم الآلي لتحليل هذه البيانات وتفسيرها، وذلك للحصول على نتائج أسرع، والتمكن من بدء خطوات العلاج المناسبة. ولكن ما مدى دقة النتائج؟ لتقييم ذلك، استخدمت الدراسة أولاً بيانات 182 مريضًا من مستشفى سانت بولتن الجامعي، والذين جُمعت بيانات التصوير بالرنين المغناطيسي الخاصة بهم وفقًا لبروتوكولات موحدة.

يوضح البروفيسور ستادلباور: "عندما اطلعنا على نتائج خوارزميات التعلم الآلي الخاصة بنا، سررنا للغاية. حققنا دقةً بلغت 91.7% و87.5% في التمييز بين الأورام ذات النوع البري من الجين وتلك ذات الشكل المتحور. ثم قارنا هذه القيم بتحليلات التعلم الآلي لبيانات التصوير بالرنين المغناطيسي السريري الكلاسيكي، وتمكنا من إثبات أن استخدام بيانات التصوير بالرنين المغناطيسي الفسيولوجي الأيضي كأساس أعطى نتائج أفضل بكثير".

مع ذلك، لم يتحقق هذا التفوق إلا عند تحليل البيانات المُجمّعة في سانت بولتن باستخدام بروتوكول موحّد. ولم يكن هذا هو الحال عند تطبيق طريقة التعلم الآلي على بيانات خارجية، أي بيانات التصوير بالرنين المغناطيسي من قواعد بيانات مستشفيات أخرى. في هذه الحالة، كانت طريقة التعلم الآلي المُدرّبة على بيانات التصوير بالرنين المغناطيسي السريرية الكلاسيكية أكثر نجاحًا.

يعود سبب ضعف نتائج تحليل التعلم الآلي لبيانات التصوير بالرنين المغناطيسي الفسيولوجي الأيضي إلى أن هذه التقنية لا تزال حديثة العهد وفي مرحلة التطوير التجريبي. ولا تزال أساليب جمع البيانات تختلف من مستشفى لآخر، مما يؤدي إلى تحيزات في تحليل التعلم الآلي.

بالنسبة للعلماء، تكمن المشكلة "فقط" في التوحيد القياسي، وهو أمرٌ سينشأ حتمًا مع تزايد استخدام التصوير بالرنين المغناطيسي الفسيولوجي الأيضي في مختلف المستشفيات. وقد أظهرت الطريقة نفسها - التقييم السريع لبيانات التصوير بالرنين المغناطيسي الفسيولوجي الأيضي باستخدام أساليب التعلم الآلي - نتائج ممتازة. لذلك، تُعدّ هذه الطريقة نهجًا ممتازًا لتحديد حالة طفرة IDH لدى مرضى الورم الدبقي قبل الجراحة، ولتخصيص خيارات العلاج.

ونشرت نتائج الدراسة في مجلة جامعة كارل لاندشتاينر للعلوم الصحية (KL Krems).