المكاسب:
- القدرة على شرح دعم الذكاء الاصطناعي لعدد الخلايا وتقسيمها وتصنيفها في سير عمل صورة شريحة كاملة (WSI)
- القدرة على التعرف على تأثير تباين الرسم والمسح الضوئي على أداء النموذج وتحول المجال
- القدرة على التحقق من صحة مخرجات الذكاء الاصطناعي لعلم الأمراض باستخدام المعايير المرجعية وأخذ العينات وموافقة أخصائي علم الأمراض
علم الأمراض هو فرع من فروع الطب يتم فيه تحديد المرض عن طريق فحص عينة من الأنسجة تحت المجهر. يتم هنا وضع "المعيار الذهبي" للعديد من تشخيصات السرطان. علم الأمراض الرقمي هو رقمنة قسم الأنسجة الملون على شريحة زجاجية باستخدام ماسح ضوئي عالي الدقة. يُطلق على الملف الناتج اسم صورة شريحة كاملة (WSI للاختصار)؛ يمكن لشريحة واحدة أن تكون صورة عملاقة بحجم جيجابكسل، أي مليارات البكسل. ويدعم الذكاء الاصطناعي عد الخلايا وتجزئة المناطق وتصنيفها في هذه الصور الضخمة. في هذه الوحدة، سنرى سير عمل WSI، وأكبر مأزق تقني له: تباين التلطيخ/المسح الضوئي، ولماذا تعد موافقة أخصائي علم الأمراض أمرًا ضروريًا.
لنذكر من البداية: الذكاء الاصطناعي يمكن أن يكون عدادًا وماسحًا ضوئيًا أوليًا وعينًا ثانية في علم الأمراض؛ لكن قرارات تشخيص السرطان وتحديد مراحله وتصنيفه تعود إلى أخصائي علم الأمراض. لا يتم تشخيص النموذج.
خطوات سير عمل WSI
الخطوة 1 - الفحص ومراقبة الجودة. يتم فحص الشريحة الزجاجية؛ يمكن اكتشاف العيوب مثل إلغاء التركيز البؤري وعلامات الطي وفقاعات الهواء تلقائيًا. يجب ألا تدخل عمليات المسح ذات الجودة الرديئة إلى النموذج على الإطلاق.
الخطوة 2 – إزالة البلاط (الرقعة). لا يمكن معالجة صورة Gigapixel مباشرة؛ مقسمة إلى مربعات صغيرة (الرقعة الإنجليزية، عادةً 256 × 256 أو 512 × 512 بكسل). يقوم النموذج بتقييم كل بلاطة على حدة، ثم يتم دمج النتائج.
الخطوة 3 – تحليل الأنسجة/الخلايا. نموذج؛ وهو ينفذ مهام مثل تجزئة موقع الورم، أو حساب الانقسام الفتيلي (الخلية المنقسمة)، أو الكثافة النووية أو حساب العلامة (على سبيل المثال، معدل تلطيخ Ki-67). الإخراج هو قياس رقمي أو خريطة حرارية.
الخطوة 4 - الدمج وإعداد التقارير. يتم دمج نتائج التجانب على مستوى الشريحة؛ ويتم إنتاج ملخص، على سبيل المثال، "النسبة المئوية لمنطقة الورم" أو "العدد الانقسامي".
الخطوة 5 – تقييم أخصائي علم الأمراض. يقوم أخصائي علم الأمراض بفحص المناطق والتهم المميزة بالنموذج؛ يقبل أو يصحح أو يرفض. التشخيص والتصنيف متروك لأخصائي علم الأمراض.
المأزق الأكبر: تقلب الصباغة والمسح الضوئي
عادةً ما يتم تلوين أقسام الأنسجة بـ H&E (الهيماتوكسيلين والأيوسين؛ الصبغة القياسية التي تصبغ النوى باللون الأزرق البنفسجي والسيتوبلازم الوردي). لكن شدة التلطيخ تختلف بشكل ملحوظ حسب المختبر، دفعة البقع، سمك القسم، والعلامة التجارية للماسح الضوئي. تتكيف العين البشرية بسهولة مع هذه الاختلافات؛ قد لا يكون النموذج متوافقًا.
إذا تعلم النموذج بناءً على درجات اللون الوردي البنفسجي للمختبر أ، فسوف ينخفض أداءه عند الصبغة الشاحبة أو الداكنة للمختبر ب. وتسمى هذه الظاهرة تحول المجال وهي السبب الأكثر شيوعًا للفشل في علم الأمراض الرقمية. أساليب الحل: تطبيع الألوان (نقل الصور إلى مساحة ألوان مشتركة)، وبيانات التدريب متعددة المراكز، والأهم من ذلك، التحقق الخارجي في كل مختبر ليتم استخدامه.
ثلاث حالات صغيرة: بالأرقام
الحالة 1 - الاتساق في العد الانقسامي. يعد العد الانقسامي في تصنيف سرطان الثدي أمرًا مهمًا ولكنه شاق ومتغير من مراقب إلى مراقب. العد الأولي بمساعدة الذكاء الاصطناعي في أحد المختبرات، زاد الاتفاق (كابا) بين اثنين من علماء الأمراض من 0.55 إلى 0.71، وانخفض وقت العد لكل شريحة من 4 دقائق إلى 1.5 دقيقة. ومع ذلك، تم تأكيد كل إحصاء نهائي من قبل الطبيب الشرعي. النموذج المقترح، قرر الطبيب الشرعي.
الحالة 2 - ضرب التحول الميداني. وفي المختبر الذي طور نموذج تجزئة الورم، كان يعمل بشكل صحيح بنسبة 93% من الوقت. النموذج نفسه بالغ بشكل منهجي في تقدير مساحة الورم بنسبة 20% في المختبر الشريك باستخدام ماسح ضوئي وصبغة مختلفين. وبعد تطبيع الألوان وإعادة التحقق من صحتها باستخدام 200 شريحة من هذا المختبر، انخفض الفرق إلى مستوى مقبول.
الحالة 3 - مغالطة أخذ العينات. قال أحد النماذج "لا" ورم على شريحة؛ ومع ذلك، قام النموذج فقط بتقييم المنطقة الممسوحة ضوئيًا وكان الورم في قسم لم يتم أخذ عينات منه. يعد تشخيص الأمراض جيدًا مثل اختيار الشرائح وأخذ العينات؛ لا يعوض الإخراج "السلبي" لمنظمة العفو الدولية عن النقص في العينات. ولهذا السبب فإن نتيجة الذكاء الاصطناعي السلبية وحدها لا تعني أبدًا "عدم وجود مرض".
موجه ضعيف / موجه قوي
ملاحظة: المطالبات التالية مخصصة لتكوين تقرير علم الأمراض ونص سير العمل؛ إن تشخيص صور الأنسجة هو عمل برامج وأخصائيي علم الأمراض الذين تم التحقق منهم.
حث ضعيف:
وفقاً لهذا التقرير التشريحي، هل هناك سرطان؟ [تقرير]
مطالبة قوية:
دورك: أنت مساعد هيكلة تقرير علم الأمراض (أنت لست من يقوم بالتشخيص). قم ببناء تقرير علم الأمراض المجهول التالي: - جدول نوع العينة، وتلطيخها، ونوع/درجة الورم، والهامش الجراحي، والعلامات. - حافظ على الصياغة الغامضة ("ارتباط غير نمطي، يوصى بالارتباط السريري") سليمة. - لا تضف أي نتائج غير موجودة في النص؛ اكتب "غير محدد" في الحقل المفقود. - أخيرًا، قم بإدراج 3 نقاط يجب على الطبيب الشرعي تأكيدها. تقرير مجهول:[نص]
أربعة قوالب قابلة للنسخ
1) توحيد التقارير:
قم برسم تقرير علم الأمراض المجهول التالي في مجالات منظمة (العضو، التشخيص، الدرجة، الهامش، النسب المئوية للعلامة). التمسك بالنص. تقرير: [النص]
2) التحقق من تناسق الرمز المميز:
قم بإدراج جميع النسب المئوية والعلامات الرقمية (Ki-67، ER، PR، HER2) المذكورة في هذا التقرير؛ ضع علامة على القيم التي تتعارض مع بعضها البعض أو مع التشخيص. تقرير: [النص]
3) خطة التحقق النموذجية (علم الأمراض الرقمية):
اكتب مسودة خطة التحقق من صحة نموذج تجزئة WSI: تطبيع اللون، والتحقق الخارجي متعدد المراكز، واتفاقية علم الأمراض (كابا)، واختبار التحول الميداني. ضع علامة على نقاط التحقق من صحة أخصائي علم الأمراض بشكل منفصل.
4) إضافة تحذير أخذ العينات:
أضف إلى نتيجة الذكاء الاصطناعي السلبية التالية التحذير من أن "أخذ العينات قد يكون محدودًا، والنتيجة السلبية لا تستبعد المرض" وشرط تأكيد الطبيب الشرعي. الإخراج: [نص]
دور النموذج: حسب نوع المهمة
نوع المهمة
مساهمة الذكاء الاصطناعي
الحرجية
التحقق
تجزئة منطقة الورم
عالية
عالية
أخصائي علم الأمراض + التحقق الخارجي
الانقسام / عدد الخلايا
عالية
عالية
تأكيد الطبيب الشرعي
نسبة العلامة (Ki-67)
عالية
متوسطة
المقارنة المرجعية
مراقبة الجودة (التركيز/العيب)
عالية
منخفض
فحص البقعة
تكوين التقرير (نص)
عالية
منخفض
تأكيد الطبيب الشرعي
نصيحة: عند تقييم نموذج مقترح في علم الأمراض الرقمي، اسأل دائمًا: "ما هي المختبرات والماسحات الضوئية التي تم تدريب هذا النموذج عليها، وهل تم التحقق من صحتها في مختبري؟" إذا كانت الإجابة "لا"، فإن أرقام الأداء لا تنطبق عليك بعد.
تحذير: لمجرد أن الذكاء الاصطناعي يقول "لا يوجد ورم" لا يعني عدم وجود ورم في الأنسجة التي لم يتم أخذ عينات منها. النتيجة السلبية في علم الأمراض محدودة بجودة أخذ العينات؛ ولا يمكن أن يتجاوز النمط هذا الحد والنتيجة السلبية لا تعتبر ضمانًا للتشخيص.
الأخطاء الشائعة
- التقليل من تقلب اللون/الصبغة. يعد الانجراف الميداني هو السبب الأكثر شيوعًا للفشل في علم الأمراض الرقمية.
- تدرب في مركز واحد واستخدمه في كل مكان. يؤدي اختلاف المتصفح والألوان إلى تدهور الأداء الصامت.
- الخلط بين النتيجة السلبية والتأكيد. لا يمكن تعويض حد أخذ العينات بواسطة النموذج.
- تجاهل التباين بين المراقبين. ويجب تقييم النموذج وفقًا لذلك إذا كان المعيار المرجعي نفسه متغيرًا.
- القضاء على الطبيب الشرعي. العد والتجزئة هي الدعم. التشخيص والدرجات بقية مع الطبيب الشرعي.
باختصار
- يقوم علم الأمراض الرقمي بتحليل صور Gigapixel WSI عن طريق تقسيمها إلى مربعات؛ يدعم الذكاء الاصطناعي عد الخلايا وتقسيمها.
- أكبر فخ تقني هو الانجراف الميداني بسبب تباين التلطيخ/المسح الضوئي؛ يعد تطبيع اللون والتحقق الخارجي ضروريين.
- تكون نتيجة الذكاء الاصطناعي السلبية محدودة بحد أخذ العينات ولا توفر ضمانًا للتشخيص.
- المعيار المرجعي والتباين بين المراقبين هما سياق تقييم النموذج.
- تقع مسؤولية التشخيص والتدريج والتصنيف على عاتق أخصائي علم الأمراض. الذكاء الاصطناعي لا يقوم بالتشخيص.
مهمة التطبيق
حدد نموذجًا افتراضيًا لعلم الأمراض الرقمي (مثل حساب النسبة المئوية Ki-67). اكتب خطة تحقق خارجية لهذا النموذج: كم عدد الشرائح والمختبرات التي منها، وما هو تطبيع اللون، وكيف ستقيس توافق أخصائي علم الأمراض، وكيف ستختبر الانجراف الميداني. ثم اكتب في جملة واحدة تحذير القيد الذي يجب إضافته إلى المخرجات السلبية/الإيجابية للنموذج.
قائمة مرجعية
- [ ] أعرف خطوات المسح والتبليط والتحليل والتركيب لسير عمل WSI.
- [ ] أفهم كيف يتسبب تباين الطلاء/المسح الضوئي في انحراف المجال وكيفية إدارته.
- [ ] أدرك أن نتيجة الذكاء الاصطناعي السلبية محدودة بحد أخذ العينات.
- [ ] يمكنني استخدام مفاهيم التحقق الخارجي واتفاق علم الأمراض (كابا).
- [ ] لقد استوعبت أن قرار التشخيص والتصنيف يبقى مع أخصائي علم الأمراض.