كشف باحثون في مايو كلينك (Mayo Clinic) عن تطوير نموذج ذكاء اصطناعي متقدم، يُعرف باسم ريدمود (REDMOD)، يمتلك القدرة على تغيير مستقبل تشخيص سرطان البنكرياس. نجح هذا النموذج في رصد علامات المرض من خلال فحوصات الأشعة المقطعية الروتينية للبطن، قبل التشخيص السريري بثلاث سنوات، مما يمنح الأمل في اكتشاف المرض في مراحله المبكرة حيث العلاج يكون أكثر فعالية.
يُعد سرطان البنكرياس أحد أخطر أنواع السرطان نظراً لتأخر ظهور أعراضه في غالب الأحيان، مما يؤدي إلى تشخيصه بعد انتشاره وانخفاض فرص النجاة بشكل كبير. لذا، يُعتبر الكشف المبكر عاملًا حاسمًا في تحسين فرص البقاء على قيد الحياة، وهذا ما يسعى نموذج الذكاء الاصطناعي الجديد إلى تحقيقه.
مؤشرات دقيقة للكشف المبكر عن سرطان البنكرياس
يعتمد النظام الجديد للذكاء الاصطناعي على تحليل مؤشرات دقيقة جداً داخل صور الأشعة المقطعية، والتي قد لا تكون مرئية بسهولة للعين البشرية. يرصد النموذج تغيرات مبكرة في نسيج البنكرياس وبنية الأنسجة قبل ظهور الأورام بشكل واضح. كما أن النظام قادر على تحليل فحوصات أُجريت لأسباب أخرى، وخاصة لدى الأشخاص المعرضين لخطر مرتفع، مثل حديثي الإصابة بمرض السكري.
خلال مرحلة الاختبار، استخدم الباحثون ما يقرب من ألفي صورة أشعة مقطعية لمرضى تم تشخيصهم لاحقًا بسرطان البنكرياس، على الرغم من أن هذه الفحوصات كانت قد صُنفت سابقًا على أنها طبيعية. أظهر نموذج ريدمود (REDMOD) قدرة لافتة على اكتشاف 73% من الحالات في مرحلة مبكرة. بلغ متوسط الكشف المبكر 16 شهرًا قبل التشخيص التقليدي، وهي نسبة تتجاوز ضعف ما يمكن تحقيقه بالاعتماد على المراجعة البشرية وحدها.
نتائج إيجابية وتحديات محتملة
كانت النتائج الأولية مشجعة بشكل خاص في المراحل المبكرة جدًا للمرض. فقد نجح النموذج في اكتشاف عدد من الحالات يزيد بثلاثة أضعاف في الفحوصات التي أجريت قبل أكثر من عامين من التشخيص الفعلي، وهي مرحلة غالبًا ما يمر فيها المرض دون أي أعراض واضحة.
يعمل النموذج بشكل آلي بالكامل، مما يلغي الحاجة إلى إعدادات يدوية معقدة أو تستغرق وقتًا طويلاً. وقد تأكد الباحثون من دقته من خلال اختباره على فحوصات الأشعة المقطعية (CT) القادمة من مؤسسات طبية متعددة، وباستخدام أجهزة وأساليب تصوير مختلفة. أظهر هذا قدرته على الحفاظ على أداء ثابت في بيئات طبية متنوعة، وليس فقط ضمن مجموعة بيانات محدودة.
كما أظهرت نتائج الذكاء الاصطناعي استقرارًا مع مرور الوقت. فقد قدم النموذج تحليلات متسقة للمرضى الذين أجروا فحوصات متعددة على فترات متباعدة، مما يعزز إمكاناته في المتابعة المستمرة والكشف المبكر عن تطور المرض.
ومع ذلك، قد ينتج عن النظام بعض النتائج الإيجابية الكاذبة (false positives)، مما يعني أن بعض الأشخاص قد يُطلب منهم إجراء فحوصات إضافية رغم عدم إصابتهم بالمرض. هذا الجانب يبقى تحديًا يتطلب المزيد من الدراسة والتحسين لضمان دقة التشخيص وتقليل عبء القلق والتكاليف غير الضرورية على المرضى.
يستعد الفريق البحثي حاليًا لنقل هذه التقنية إلى مرحلة التجارب السريرية الفعلية. الهدف الأساسي هو تقييم مدى فعالية استخدامها في البيئة السريرية الواقعية في المستشفيات، وقياس تأثيرها المباشر على إنقاذ حياة المرضى. إذا أثبتت هذه التجارب نجاحها، فقد يصبح الذكاء الاصطناعي أداة حاسمة وفعالة في مواجهة أحد أكثر أنواع السرطان فتكاً وصعوبة في الاكتشاف المبكر.
