بدقة 94%.. تطوير نموذج "تعلّم عميق" لتصنيف خلايا السرطان

عالم يدرس خلايا السرطان في كرات الدم البيضاء عبر استخدام مجهر بمركز "كلاكسو سميث كلين" للأبحاث في بريطانيا. 26 نوفمبر 2019 - REUTERS
عالم يدرس خلايا السرطان في كرات الدم البيضاء عبر استخدام مجهر بمركز "كلاكسو سميث كلين" للأبحاث في بريطانيا. 26 نوفمبر 2019 - REUTERS
القاهرة-محمد منصور

طوّر باحثون من جامعة تكساس نموذجاً للتعلّم العميق يستخدم الحاسب الآلي لتصنيف الخلايا السرطانية حسب نوعها إما "غازِيَة" سريعة الانتشار أو أخرى "بطيئة النمو"، وذلك بنسبة دقة تبلغ 94%.

وتتميز الخلايا السرطانية "الغازِيَة" بخصائص وراثية وجزيئية تسمح بانفصالها عن الورم الأصلي، وغزو الأنسجة المحيطة، ودخول مجرى الدم أو الجهاز الليمفاوي، وإنشاء أورام ثانوية في أجزاء أخرى. وعلى النقيض تفتقر الخلايا "بطيئة النمو" إلى هذه السمات، وتبقى مكانها، وغالباً ما تكون أقل عدوانية.

ويمكن أن يؤدي التمييز بين أنواع الخلايا البادئة للورم الخبيث إلى تحديد شدّة السرطان ومساعدة الممارسين الطبيين على اتخاذ قرار بشأن مسار العلاج.

وتزود الأداة الجديدة الأطباء بمعلومات تصنيفية حول الخلايا السرطانية، إذ تُظهر الخلايا المسؤولة عن انتشار وانتقال السرطان من مكان إلى آخر، كما تزود الخبراء بالخلايا التي لا يُمكن أن تنتقل.

ويُعد تحديد المجموعات الفرعية من الخلايا السرطانية خطوة حاسمة لتحديد شدة المرض وطرق علاجه.

ولم يتوصل العلماء حتى الآن إلى طريقة للتميز بين أنواع الخلايا السرطانية إلّا عن طريق أخذ عينات وإخضاعها لفحص الأنسجة.

ويقول الباحثون إن الخلايا السرطانية غير متجانسة إلى حد كبير، وتشير الدراسات الحديثة إلى أن مجموعات فرعية معينة من الخلايا السرطانية، وليس الكل، هي المسؤولة عن الإصابة بورم خبيث.

دقّة تبلغ 94%

ولا تتطلب الأداة الجديدة التي طورها الباحثون في جامعة تكساس سوى مجهراً بسيطاً وكمية صغيرة من قوة الحوسبة، وينتج عنها نتائج متساوية أو أفضل من التقنيات الأكثر تعقيداً.

ويقول الباحثون إنه "بعد تغذية البرنامج بصورة الخلايا، تقوم الأداة الجديدة بتحويل البيانات إلى احتمالات، إما انتقال الخلايا وإما عدم انتقالها، بدقة تبلغ 94٪".

ويساهم استخدام شبكات التعلّم العميق لتحليل الصور في تشخيص السرطان وعلاجه يساعد على تحسين الدقة والكفاءة ونتائج علاج المرضى، مع تمكين إجراء التحليل على نطاق واسع وتحديد أنماط المرض والأفكار الجديدة لعلاجه.

وفي المستقبل، يقول الباحثون إنه يمكن تدريب التعلم العميق على مجموعات كبيرة من الصور المصنفة، والتي يمكن أن تحسن دقتها في تحديد وتصنيف الخلايا السرطانية مقارنة بأساليب تحليل الصور التقليدية.

كما يُمكن أن تساهم تلك الطريقة في تحليل كميات كبيرة من البيانات بسرعة وكفاءة، مما يوفر الوقت في تشخيص وعلاج مرضى السرطان، بحسب الباحثون.

وسيؤدي التشخيص الدقيق والفعال لأنواع الخلايا السرطانية إلى الكشف المبكر والعلاج، مما قد يحسن نتائج المرضى ومعدلات البقاء على قيد الحياة.

الأساليب البيولوجية "معقدة"

وتتضمن الأساليب الحالية لتصنيف الخلايا السرطانية أدوات متقدمة، أو تقنيات بيولوجية تستغرق وقتاً طويلاً، أو الجسيمات النانوية الكيميائية، على عكس الطريقة التي طوّرها الباحثون في جامعة تكساس.

ويقول الباحثون إن الأساليب المعقدة تتطلب موارداً وجهوداً يمكن توجيهها إلى استكشاف مجالات مختلفة للوقاية من السرطان والتعافي منه.

وتستخدم بعض الطرق الحالية الجسيمات النانوية المغناطيسية لتتبع الخلايا السرطانية، لكن إرفاق هذه الجسيمات يمكن أن يؤثر على التحليل النهائي للخلايا وسلامة القياسات.

أما الطريقة الجديدة، فلا تستخدم مواد كيميائية إضافية أو محاليل بيولوجية عند التقاط صور للخلايا، إذ إنها طريقة تحديد "خالية من الجسيمات النانوية أو الكيميائية" على حد قول الباحثين.

كما أن برنامج التعلّم العميق الذي يستخدمه الباحثون سهل الاستخدام وفعال للغاية، بحسبهم قولهم.

اقرأ أيضاً:

تصنيفات