الذكاء الاصطناعي يتنبأ بسرطان البنكرياس قبل التشخيص بسنوات

يُعد سرطان البنكرياس من أصعب أنواع السرطان اكتشافًا في وقت مبكر، لكن نموذجًا جديدًا للذكاء الاصطناعي قد يفتح الباب أمام طريقة مختلفة لرصد المرض قبل تشخيصه بسنوات.

ويستطيع النموذج التنبؤ بخطر إصابة الشخص بسرطان البنكرياس من خلال تحليل أنماط دقيقة موجودة بالفعل في السجلات الطبية الروتينية، حتى قبل ظهور الأعراض الواضحة للمرض.

وطوّر فريق من مايو كلينك النموذج الجديد، ومن المقرر عرضه خلال المؤتمر السريري لعام 2026 للكلية الأمريكية للجراحين، الذي عُقد في واشنطن خلال الفترة من 26 إلى 29 سبتمبر.

سرطان نادر لكن تأثيره كبير

لا يُعد سرطان البنكرياس من أكثر أنواع السرطان شيوعًا، إذ تتوقع الجمعية الأمريكية للسرطان تشخيص نحو 67 ألف حالة جديدة في الولايات المتحدة خلال عام 2026.

لكن المرض يرتبط بعدد كبير من الوفيات، مع توقع وفاة نحو 52 ألف شخص بسببه خلال العام نفسه.

ويمثل سرطان البنكرياس نحو 3% من إجمالي حالات السرطان الجديدة، لكنه مسؤول عن نحو 8% من وفيات السرطان.

ونُشرت الدراسة في Journal of Advanced Research.

وقال كورنيليوس ثيلز، المؤلف المشارك في الدراسة واختصاصي الأورام الجراحية في مايو كلينك بمدينة روتشستر في ولاية مينيسوتا، إن سرطان البنكرياس يمكن علاجه عندما يتم اكتشافه مبكرًا، لكن أقل من واحد من كل خمسة مرضى يُشخَّص في الوقت المناسب.

وأضاف أن بقاء كثير من المرضى على قيد الحياة لا يزال يُقاس بالأشهر وليس بالسنوات.

وتكمن المشكلة الأساسية في أن المرض غالبًا ما يظل دون أعراض واضحة حتى يكون قد وصل إلى مراحل متقدمة.

لماذا لا يمكن فحص الجميع؟

لا يُعد فحص جميع أفراد السكان للكشف عن سرطان البنكرياس خيارًا عمليًا، لأن اختبار ملايين الأشخاص الأصحاء بحثًا عن مرض نادر سيكون مكلفًا وصعب التطبيق.

لذلك اتجه الباحثون إلى نهج مختلف، يتمثل في تطوير أداة تستطيع تحديد الأشخاص الأكثر عرضة للإصابة بالمرض، ومن ثم مساعدة الأطباء على تحديد الفئات التي قد تستفيد من مزيد من المتابعة والفحوص.

ويشير الباحثون إلى أن تطور سرطان البنكرياس يستغرق سنوات، لكن العلامات التي يمكن للطبيب أو المريض ملاحظتها غالبًا لا تظهر إلا بعد فوات جزء مهم من فرصة التدخل المبكر.

وقال ثيلز إن سرطان البنكرياس يتكون على مدى نحو 5 إلى 7 سنوات، بينما لا تظهر المؤشرات التي يمكن للطبيب أو المريض ملاحظتها إلا في مرحلة متأخرة.

الذكاء الاصطناعي يتعلم من سنوات من السجلات الطبية

درّب الفريق النموذج على سجلات صحية طويلة المدى من نظام مايو كلينك، بحيث لا يعتمد على بيانات لحظة واحدة، وإنما يدرس التاريخ الصحي الكامل للمريض عبر سنوات.

كما أُدخلت إلى النموذج نتائج فحوص المختبرات الروتينية، التي جُمعت على مدى عقد أو أكثر في المتوسط.

وشملت قاعدة البيانات 6066 شخصًا مصابًا بسرطان البنكرياس و33,396 شخصًا من مجموعة المقارنة.

وكان لدى كل شخص تاريخ طبي يمتد بين 7.5 و19 عامًا، وكان الهدف هو اكتشاف إشارات دقيقة قد تشير إلى ارتفاع خطر الإصابة بالمرض قبل سنوات من ظهور الأعراض.

ولا يشترط أن تكون نتيجة تحليل واحدة مثيرة للقلق، إذ يبحث النموذج عن أنماط مترابطة تظهر عبر الزمن داخل السجل الطبي.

كيف كان أداء النموذج؟

اختبر الباحثون قدرة النموذج على التنبؤ بالإصابة بسرطان البنكرياس قبل ثلاث سنوات من التشخيص.

واستخدموا مقياسًا إحصائيًا يُعرف باسم AUROC، وهو يقيس قدرة النموذج على التمييز بين الأشخاص الأكثر عرضة للإصابة والأقل عرضة لها.

وتتراوح قيمة هذا المقياس بين 0.5، التي تعكس أداء لا يتجاوز الصدفة، و1.0 التي تمثل أداءً مثاليًا.

وسجل النموذج 0.853، وفق نتائج الدراسة، كما بلغ 0.712 في مقياس المساحة تحت منحنى الدقة والاستدعاء، وهو مقياس مهم عند التعامل مع الأمراض النادرة، حيث يمكن للإنذارات الكاذبة أن تطغى بسهولة على الحالات الحقيقية.

وأظهر النموذج أيضًا مستوى جيدًا من المعايرة، وهي عملية تقارن بين مستوى الخطر الذي يتنبأ به النموذج وما يحدث فعليًا لدى المرضى.

وبلغ معامل المعايرة 1.08، وقال كريس فارجيز، عالم بيانات جراحي في مايو كلينك بمدينة روتشستر، إن النموذج أظهر أنه عندما يتنبأ باحتمال يزيد على 50% للإصابة بسرطان البنكرياس، فإن احتمال تشخيص الشخص بالمرض خلال عام يصل إلى 88%.

نموذج يعتمد على بيانات طبية متاحة بالفعل

حرص الباحثون على تصميم النموذج بحيث يمكن نقله من البيئة البحثية إلى الاستخدام على نطاق أوسع، دون الاعتماد على فحوص متخصصة أو معدات باهظة التكلفة.

ويعتمد النموذج على بيانات تُسجل بصورة روتينية في أنظمة المستشفيات، مثل النتائج المخبرية والتاريخ الطبي للمريض.

وقال فارجيز إن الفريق صمم النموذج ليكون قابلًا للتعميم والتوسع وسهل التطبيق قدر الإمكان، مضيفًا أن البيانات التي يحتاج إليها يتم جمعها بصورة شائعة في أنظمة المستشفيات.

ومع ذلك، فإن توافر البيانات لا يعني تلقائيًا أن النموذج سيؤدي بالدرجة نفسها من الدقة في كل نظام صحي، وهو ما يجعل الاختبارات المستقلة خطوة أساسية قبل اعتماده على نطاق واسع.

الخطوة التالية: اختبار النموذج على مرضى حقيقيين

يعمل النموذج حاليًا في إطار بحثي، بينما تتمثل الخطوة التالية في اختباره بصورة مستقبلية على المرضى الذين يتلقون الرعاية الطبية في العيادات.

وقال ثيلز إن الفريق يعمل على نقل النموذج من أداة بحثية تعتمد على بيانات سابقة إلى البيئة السريرية، بحيث يعمل بصورة مستقبلية بهدف التحقق من أدائه.

ويخطط الباحثون لمواصلة التحقق من النموذج داخل مايو كلينك، كما سيختبرونه خلال العام الجاري في نظام صحي خارج المؤسسة، وهي خطوة مهمة لمعرفة ما إذا كانت النتائج يمكن أن تتكرر في بيئات صحية مختلفة.

كما يعمل الفريق على تطوير نماذج أكثر تقدمًا من تقنيات التعلم الآلي، ويشير الباحثون إلى أن الاختبارات الأولية لهذه البنى المتقدمة أظهرت تحسنًا إضافيًا في الأداء.

من التنبؤ إلى الكشف المبكر

لا تعني نتائج الدراسة أن الذكاء الاصطناعي أصبح قادرًا بالفعل على تشخيص سرطان البنكرياس قبل ظهور الأعراض، إذ لا يزال النموذج بحاجة إلى مزيد من الاختبارات والتحقق في بيئات صحية مختلفة.

لكن الدراسة تقدم نهجًا يعتمد على تحليل البيانات الطبية المتراكمة عبر سنوات للبحث عن إشارات قد لا تكون واضحة عند النظر إلى كل نتيجة طبية بصورة منفردة.

وفي حال تأكد أداء النموذج في دراسات مستقبلية وعلى مجموعات سكانية وأنظمة صحية مختلفة، فقد يساعد هذا النوع من الأدوات في تحديد الأشخاص الذين يحتاجون إلى تقييم إضافي في وقت أبكر من المعتاد.

وتظل هذه الخطوة البحثية مهمة بشكل خاص في سرطان البنكرياس، الذي يمثل التوقيت عنصرًا حاسمًا في التعامل معه، بينما غالبًا ما يصل المرض إلى مراحل متقدمة قبل اكتشافه.