الكشف عن سرطان الثدي و التعلم العميق للتنبؤ به

أظهر بحث جديد في مركز جامعة هاواي للسرطان أن التعلم العميق يمكن أن يميز بين تصوير الثدي بالأشعة السينية للنساء المصابات بسرطان الثدي وأولئك اللواتي لن يصبن به.

تشخيص سرطان الثدي

تم استخدام الأشعة السينية لأول مرة للكشف عن سرطان الثدي في عام 1913. على الرغم من تطور تقنيات تصوير الثدي ، فإن المعلومات الأساسية التي يستخدمها أطباء الأشعة للكشف عن سرطان الثدي ظلت كما هي منذ عام 1913. لطالما استخدم أطباء الأشعة علم التشكل. التشكل(تقييم شدة الضوء والسطوع و الأشكال على الصور) لتمييز سرطان الثدي الخبيث من الآفات الحميدة. على الرغم من تبني تقنيات جديدة مثل CAD لتحسين دقة التشخيص ، إلا أن المعلومات الجديدة لم تحلل على الصور. مثل أخصائيي الأشعة البشرية ، فإن برنامج CAD لديه فقط عتامة التشكل والملمس والصورة المتاحة لاتخاذ قرارات احتمالية الإصابة بالأورام الخبيثة.

مشاكل التقنيات الحالية

تتمتع التقنيات الحالية بحساسية منخفضة لدرجة أن ملايين النساء يخضعن لخزعات غير ضرورية. مثلاً في الولايات المتحدة ، 29٪ فقط من خزعات الثدي تؤدي إلى تشخيص سرطان الثدي. وهذا يعني أنه يمكن تجنب 71٪ من خزعات الثدي إذا تمكن أخصائي الأشعة من تمييز ما هو حميد وما هو خبيث في الأنسجة .
لقد نشأ العديد من التطورات المهمة في الطب من استخدام الذكاء الاصطناعي لتحليل الصور الطبية. في مايو 2018 ، نشر الدكتور شيبراد وزملاؤه ورقة مهمة في الطب الباطني توضح أن أجهزة الكمبيوتر تساوي أطباء الأشعة في تقييم مخاطر الإصابة بسرطان الثدي. كما وجدت هذه الدراسة أن التقييمات بواسطة خوارزمية الكمبيوتر كانت أكثر قابلية للتكرار وأقل موضوعية من التقييمات التي أجراها اختصاصيو الأشعة.
يستخدم الدكتور شبرد في المعهد أحدث الموارد الحاسوبية والذكاء الاصطناعي لتسهيل البحث. حيث جمعوا بيانات التصوير الشعاعي للثدي العائدة إلى 2009 من المراكز الطبية الرئيسية في هاواي لتشكيل سجل التصوير الشعاعي للثدي. ثم نشروا ورقتين رفيعتي المستوى توضحان كيفية استخدامهما للذكاء الاصطناعي لتحليل المعلومات الجديدة لتحسين الدقة في اكتشاف سرطان الثدي الخبيث في الصور.

“يمكن للعين البشرية أن ترى فقط 256 مستوى من الظلال من أصل 65000 في صورة الثدي الشعاعية. يمكن للذكاء الاصطناعي رؤية جميع الظلال البالغ عددها 65000 ومقارنة آلاف المتغيرات ذات الصلة بنتائج السرطان في نفس الوقت.” د.شيبارد مؤلف للدراسة

تاريخ الدراسة

كان الدكتور شيبارد يبحث عن التصوير الكمي لمدة 30 عامًا . كان من أوائل الذين أظهروا أن مقاييس كثافة الثدي الحجمي هي مؤشر أقوى للمخاطر من مقاييس الكثافة المساحية. الدكتور شيبارد هو نائب المدير و المسؤول العلمي الأول في مركز السرطان بجامعة هاواي ومدير مختبر الأبحاث . يُعرف الدكتور شيبارد في أنحاء العالم بخبرته في التصوير الكمي بالأشعة السينية باستخدام ML واستخدام AI و DL. حيث يكرس البرامج لاستخراج المزيد من معلومات مخاطر الإصابة بالسرطان من أشكال مختلفة من التصوير الطبي. بما في ذلك قياس امتصاص الأشعة السينية ثنائي الطاقة والتصوير الشعاعي للثدي الرقمي والتركيب المقطعي، التصوير بالرنين المغناطيسي، والصور البصرية ثلاثية الأبعاد. وقد نشر أكثر من 200 بحث وتم الاستشهاد به في منشورات أخرى أكثر من 10000 مرة. يقوم الدكتور شبرد وزملاؤه بإجراء أبحاث التصوير الطبي الحيوي لتحسين اكتشاف ورصد أمراض التمثيل الغذائي ومخاطر الإصابة بالسرطان.

“الطرق التقليدية لتقييم مخاطر الإصابة بسرطان الثدي باستخدام عوامل الخطر السريرية لم تكن بهذه الفعالية. اعتقدنا أن الصورة كانت أكثر من مجرد كثافة الثدي التي ستكون مفيدة لتقييم المخاطر.”
د.شيبارد

الورقة الأولى: التصوير الكمي للثدي باستخدام الذكاء الاصطناعي والتصوير 3 سي بي

نُشِرَت الورقة الأولى بعنوان تصوير الثدي ثنائي الطاقة ثلاثي الأقسام من أجل المؤشرات الحيوية التركيبية لتحسين الكشف عن الآفات الخبيثة في سبتمبر 2021. في هذه الورقة، يستخدم شيبارد وزملاؤه تقنية جديدة تسمى تصوير الثدي ثلاثي الأقسام (3 سي بي) ). التقنية تعمل على تحليل المعلومات الجديدة بما في ذلك الدهون والماء وسمك البروتين لتحسين الدقة. أكد الباحثون أن آفات الثدي الغازية لها توقيعات فريدة من نوعها عند مقارنتها بأنواع الآفات الأخرى. ويوضحون أن التشكيلات التركيبية للثدي جنبًا إلى جنب مع تنبؤات CAD يمكن أن تحسن الكشف عن سرطان الثدي الخبيث.
استخدم الباحثون في هذه الدراسة 660 صورة ثدي من 349 امرأة. تم تدريب نموذج الشبكة العصبية للتنبؤ باحتمالية الإصابة بالورم الخبيث وليس نوع الآفة. نظر الباحثون أيضًا في الارتباطات المحتملة بين السرطانات الغازية وحالة مستقبلات هرمون المريض. حيث يُفترض أن السرطانات من نوع المستقبلات المختلفة لها توقيعات تركيبية فريدة بسبب استخدام الأحماض الدهنية الخارجية للنمو المستدام. أظهر نموذج الشبكة العصبية التجريبي أن إضافة المعلومات التركيبية يحسن تصنيف الآفات الخبيثة وغير الخبيثة. تتمثل الفائدة السريرية المترجمة لهذه الدراسة في زيادة الثقة في قرار إجراء الخزعة أم لا.

يتمتع الذكاء الاصطناعي بقدرة استثنائية على تصنيف آفات سرطان الثدي بشكل أفضل باستخدام بصمات الدهون، و الماء و البروتين للآفة المحسوبة من تصوير الثدي بالأشعة السينية. تتميز الآفات الخبيثة بخصائص بيولوجية وتركيبية فريدة ، لذا فإن المعلومات بما في ذلك الدهون والماء وسمك البروتين مهمة.

للتحقيق ، تم إنشاء خرائط حرارية للآفات من كل نوع. يشير اللون الأحمر إلى وجود كميات أكبر من مكون نسيج معين وتنخفض الكميات مع تحرك الألوان نحو اللون البنفسجي. يبدو أن جميع أنواع الآفات ، باستثناء DCIS ، تحتوي على تركيزات أعلى من البروتين والماء بالنسبة لخلفيتها أو الأنسجة المحيطة بها. يبدو أن الآفات الغازية على وجه الخصوص لها إشارة مائية أعلى بشكل ملحوظ.

الورقة رقم 2: استخدام التعلم العميق للتنبؤ بسرطان الفاصل الزمني

الورقة الثانية بعنوان تنبؤات التعلم العميق والكشف عن السرطان من فحص تصوير الثدي بالأشعة السينية: دراسة حالة لتحكم. نشرت الدراسة في سبتمبر 2021. استخدم الباحثون في المعهد الذكاء الاصطناعي لمعرفة المزيد من تصوير الثدي بالأشعة السينية مما هو ممكن باستخدام عيون الإنسان. كان الهدف هو أن تكون قادرًا على فرز النساء حسب خطر الإصابة بسرطان الثدي ، والعثور على السرطانات في وقت مبكر ، واستخدام الموارد حيث تشتد الحاجة إليها.
تم إجراء هذه الدراسة على أكثر من 25000 صورة شعاعية للثدي. حيث جمعت صور الثدي الشعاعية من 6،369 امرأة غير مصابة بسرطان الثدي ، 1،609 منهن أصيبن بسرطان الثدي المكتشف ، و 351 منهن أصيبن بسرطان الثدي الفاصل. ثم قاموا بتدريب نموذج التعلم العميق للعثور على تفاصيل في التصوير الشعاعي للثدي قد تكون مرتبطة بزيادة خطر الإصابة بالسرطان وتصنيف النساء إلى ثلاث مجموعات:

1) أولئك الذين لم يصابوا بالسرطان

2) أولئك الذين طوروا سرطانًا تم الكشف عنه بالفحص

3) أولئك الذين طوروا سرطان بعد فاصل زمني .

“أظهرت النتائج أن الإشارة الإضافية التي نحصل عليها باستخدام الذكاء الاصطناعي توفر تقديرًا أفضل للمخاطر للكشف عن السرطان . فيما يتعلق باحتمالية رؤية السرطان في الصورة ، سيكون الذكاء الاصطناعي أداة قراءة ثانية قوية للمساعدة في تصنيف صور الثدي بالأشعة السينية “.
د. شيبارد

نتائج واعدة

في هذه الدراسة ، كان أداء نماذج التعلم العميق أفضل من النماذج التي تستخدم عوامل الخطر السريرية في تحديد مخاطر الإصابة بالسرطان. وهذا يوضح أن استخدام التعلم العميق لتحديد ميزات التصوير الشعاعي للثدي جنبًا إلى جنب مع عوامل الخطر السريرية التقليدية يزيد من القدرة على التنبؤ بخطر الإصابة بسرطان الثدي.
لم تحسن النماذج التنبؤ بسرطان الثدي الفاصل بناءً على كثافة الثدي وحدها. وهذا له آثار على الممارسة السريرية لأن العديد من قرارات الإدارة اليوم تعتمد على استخدام كثافة الثدي وحدها. بينما يرتبط الثدي الأكثر كثافة في التصوير الشعاعي للثدي بزيادة خطر الإصابة بالسرطان. إلا أن هناك عوامل أخرى غير معروفة مخفية في تصوير الثدي بالأشعة السينية والتي من المحتمل أن تسهم في الخطر.
السرطانات الفاصلة هي سرطانات يتم اكتشافها في غضون 12 شهرًا بعد تصوير الثدي بالأشعة السينية. عادةً ما تحتوي السرطانات الفاصلة على بيولوجيا سرطانية أكثر عدوانية ويتم اكتشافها عادةً في مرحلة متقدمة. لذلك من المهم تحديد النساء المعرضات لخطر كبير للإصابة بسرطان الثدي الفاصل وتقديم استراتيجيات وقائية إضافية مثل الفحوصات التكميلية.
هناك العديد من خوارزميات الذكاء الاصطناعي المعتمدة من قبل إدارة الغذاء والدواء الأمريكية (FDA) للكشف عن سرطان الثدي. تمت مقارنة ثلاثة من هذه الخوارزميات في عملية تحقق خارجية حديثة. وجد أن أفضل هذه الخوارزميات لديها حساسية 82٪ في الكشف عن سرطان الثدي ، مع خصوصية ثابتة تبلغ 96.6٪.

أدى الجمع بين هذه الخوارزمية وأخصائي الأشعة إلى تحسين الحساسية بنسبة 8٪. باستخدام خوارزمية المخاطر في هذه الدراسة. سيتم تحليل صور الثدي الشعاعية السلبية بشكل أكبر من قبل الذكاء الاصطناعي لفهم مخاطر الإصابة بالسرطان بشكل عام ولاتخاذ قرارات بشأن الفحص الإضافي.

الدراسات المستقبلية المخطط لها

يخطط الدكتور شبرد وزملاؤه لتكرار هذه الدراسة باستخدام التركيب الرقمي للثدي ونساء هاواي التي تتكون من مجموعة عرقية واسعة وعرقية. تم تدريب معظم الذكاء الاصطناعي حتى الآن في الغالب على النساء البيض. يريد باحثو المعهد توسيع نطاق العمل إلى ما بعد مخاطر الإصابة بالسرطان والنظر في مخاطر إصابة النساء بدرجات مختلفة من سرطان الثدي ، من الأقل عدوانية إلى الأكثر عدوانية.