اتفاق Roche على الاستحواذ على PathAI، بانتظار استكمال شروط الإغلاق، ليس خبراً مالياً يخص شركة واحدة فقط. بالنسبة لاختصاصيي التشريح المرضي، الخبر يضع سؤالاً عملياً على الطاولة: كيف سيتحوّل الذكاء الاصطناعي من طبقة إضافية فوق منصات WSI إلى جزء مدمج في نظام التشخيص نفسه؟
كتب Andrew Beck، الشريك المؤسس والرئيس التنفيذي في PathAI، عن المسار الذي قاد إلى هذا الاتفاق، من محاولات الشبكات العصبية في صور الباثولوجيا قبل عقدين، مروراً بفوز فريقه في تحدي Camelyon عام 2016، وصولاً إلى استخدام AISight على مئات الآلاف من الشرائح شهرياً. هذه التفاصيل مهمة لأنها تذكّرنا بأن الاعتماد السريري لا يأتي من نموذج جيد وحده. الاعتماد يحتاج منصة، بيانات، ضبط جودة، تكامل مع المختبر، ومسؤولية واضحة عند حدوث الخطأ.
القيمة هنا في الدمج، لا في الضجيج حول الذكاء الاصطناعي
PathAI بنت خلال السنوات الأخيرة حضوراً واضحاً في مسارين: تطوير الأدوية والتشخيص السريري. في تطوير الأدوية، كان لمنتجات مثل AIM-MASH AI Assist مسار تنظيمي لافت بعد تأهلها لدى EMA وFDA للاستخدام في تجارب MASH. في التشخيص، حصل AISightDx على ترخيص FDA 510(k) للاستخدام في التشخيص الرقمي الأولي، مع خطة تغيير محددة مسبقاً لنظام IMS. هذه النقطة الأخيرة تعني الكثير لمن يعمل داخل مختبر فعلي، لأن أي تحديث في منظومة صور رقمية أو خوارزمية مساعدة يفتح أسئلة عن التحقق، والتوثيق، وإدارة المخاطر.
وجود Roche في هذا المشهد يغيّر طبيعة السؤال. Roche ليست شركة برمجيات ناشئة تبحث عن موطئ قدم في المختبرات. لديها علاقة طويلة مع أجهزة ومستلزمات التشخيص، ولديها خبرة في ربط الاختبارات بالمسارات العلاجية، خاصة في الأورام. إذا أُنجز الاستحواذ، فقد ينتقل بعض عمل PathAI من موقع الحل الخارجي إلى موقع أقرب للبنية التشخيصية التي يستخدمها المختبر يومياً.
هذا لا يعني أن الطريق صار قصيراً. مختبرات التشريح المرضي لا تعتمد أدوات جديدة لمجرد أن شركة كبيرة تقف خلفها. القرار يمر عبر أسئلة مملة لكنها حاسمة: هل يعمل النظام مع تدفق العينات الحالي؟ هل يضيف وقتاً أم يقلله؟ كيف يتعامل مع اختلاف الصبغات والماسحات والمواقع؟ من يراجع الحالات الحدية؟ وكيف نمنع تحوّل الخوارزمية إلى صندوق أسود يضغط على قرار الاختصاصي بدلاً من دعمه؟
درس مهم من تاريخ الذكاء الاصطناعي في الباثولوجيا
النص الأصلي يعود إلى PAPNET وThinPrep وتجارب تحليل الصور في cytology، ثم إلى محاولات C-Path في سرطان الثدي. هذا التسلسل ليس حنيناً تقنياً. الدرس أن الباثولوجيا رأت محاولات أتمتة مبكرة قبل أن تنضج البنية المحيطة بها. كانت هناك نتائج بحثية جيدة، لكن الانتقال إلى الاستخدام اليومي كان يصطدم بالتحضير النسيجي، واختلاف العينات، وحاجة الأنظمة إلى ضبط مستمر.
اليوم تغيرت عدة شروط. صور WSI أصبحت أكثر حضوراً في العمل السريري. التخزين والحوسبة صارا أقل عائقاً مما كانا عليه. النماذج العميقة تتعامل مع أنماط بصرية لم تكن متاحة للأدوات القديمة. لكن العائق الأصعب لم يختف: الثقة المهنية. اختصاصي التشريح المرضي لا يحتاج أداة تعطي رقماً جميلاً في ورقة بحثية فقط، بل يحتاج أداة يعرف متى يعتمد عليها ومتى يتجاهلها.
لهذا السبب، أرى أن خبر Roche وPathAI يجب أن يُقرأ من زاوية الحوكمة بقدر ما يُقرأ من زاوية الأداء. النجاح لن يُقاس بعدد النماذج المنشورة، بل بعدد السيناريوهات السريرية التي يمكن تشغيلها، ومراجعتها، وتحديثها، والدفاع عنها أمام فريق الجودة والجهات التنظيمية.
ما الذي قد يتغير داخل المختبر؟
أول منطقة محتملة للتغيير هي فرز العمل وتحديد الأولويات. عندما تتعامل منصة رقمية مع حجم كبير من الشرائح شهرياً، يصبح السؤال عن ترتيب الحالات، كشف الحالات عالية الخطورة، وتوجيه الانتباه إلى مناطق محددة سؤالاً يومياً. هذا النوع من الدعم قد يكون أكثر قبولاً من أدوات تحاول إصدار حكم تشخيصي كامل منذ البداية.
المنطقة الثانية هي القياسات الكمية في سياقات علاجية محددة. في الأورام، يعرف الجميع أن قيمة أي أداة لا تظهر في قدرتها على تلوين خريطة حرارية جميلة، بل في تقليل التباين بين القراء، وتحسين الاتساق عبر المواقع، وربط النتيجة بقرار علاجي واضح. هنا تملك Roche سبباً تجارياً وعلمياً للاهتمام، لأن التشخيص المرافق يعتمد على قياس يمكن الدفاع عنه.
المنطقة الثالثة هي البحث الانتقالي. إذا أصبحت أدوات PathAI أقرب إلى شبكات Roche التشخيصية والدوائية، فقد نرى ربطاً أكبر بين صورة النسيج، نتائج التجارب السريرية، والاستجابة العلاجية. هذا مجال جذاب، لكنه يحتاج حذراً شديداً. النسيج يحمل معلومات غنية، لكن تحويلها إلى مؤشرات قابلة للاستخدام السريري يتطلب تصميماً دقيقاً للدراسات، وليس تدريب نموذج على أرشيف كبير ثم البحث عن قصة مقنعة بعد ذلك.
ما الذي يجب أن يطلبه اختصاصي التشريح المرضي؟
الخبر الجيد أن موقع الاختصاصي لم يضعف. العكس أقرب إلى الصواب. كلما اقترب الذكاء الاصطناعي من التقرير النهائي، زادت الحاجة إلى عين مهنية تفهم العينة، والسياق السريري، وحدود القياس. لذلك يجب أن تكون مطالب المختبرات واضحة عند تقييم أي منصة قادمة من PathAI أو Roche أو غيرهما.
نحتاج بيانات تحقق محلية، لا أرقاماً عامة فقط. نحتاج تقارير أداء موزعة حسب العضو، نوع العينة، طريقة التحضير، والماسح. نحتاج سجلاً واضحاً للتحديثات، وما الذي تغيّر في النموذج بعد كل تحديث. ونحتاج واجهة لا تجبر الاختصاصي على قبول مخرجات الخوارزمية، بل تجعل المراجعة أسرع وأكثر دقة.
هناك مطلب آخر أقل ظهوراً: التدريب. المطلوب تدريب اختصاصيي التشريح المرضي على قراءة مخرجات الأداة كما يقرؤون IHC أو molecular report، بدلاً من الاكتفاء بمحاضرات عامة عن معنى الذكاء الاصطناعي. ما حدود الإشارة؟ ما مصادر الخطأ؟ متى تكون النتيجة غير قابلة للتفسير؟ هذه الأسئلة يجب أن تدخل في نقاش الأقسام، لا أن تبقى عند فرق تقنية المعلومات.
الاستحواذ قد يسرّع السوق، لكنه لا يلغي مسؤولية التقييم
دخول Roche بهذه الصورة قد يدفع شركات أخرى إلى تقوية عروضها في التشخيص الرقمي والذكاء الاصطناعي. قد نرى شراكات أكثر بين شركات الأجهزة، شركات الأدوية، ومنصات تحليل WSI. هذا مفيد إذا أدى إلى منتجات أفضل وأكثر قابلية للاستخدام. لكنه قد يخلق ضغطاً تسويقياً على مختبرات لم تُكمل بعد أساسيات التحول الرقمي.
هنا يجب أن يكون موقف اختصاصيي التشريح المرضي هادئاً وصارماً. لا يكفي أن تكون الأداة مرخصة في سياق معين حتى تصبح مناسبة لكل مختبر. ولا يكفي أن تعمل في مركز كبير حتى تعمل في مختبر متوسط يستخدم ماسحاً مختلفاً وتدفق عينات مختلفاً. التحقق المحلي يحمي المريض والاختصاصي، ولا ينبغي التعامل معه كإجراء إداري زائد.
العبارة التي استخدمها Beck في العنوان، أن وصف “الذكاء الاصطناعي في الباثولوجيا الرقمية” سيبدو قريباً كأنه تعبير قديم، تستحق قراءة دقيقة. ربما يصبح الذكاء الاصطناعي غير مرئي داخل المنصة، كما أصبحت كثير من طبقات البرمجيات غير مرئية للمستخدم. لكن اختفاء الاسم لا يعني اختفاء المسؤولية. في التقرير النهائي، سيبقى السؤال كما هو: هل النتيجة صحيحة، قابلة للتفسير، ومفيدة للمريض؟
مصدر الخبر: Pathology News.