تخيل مختبر باثولوجي يستقبل حالات breast cancer يومياً، ويحتاج إلى قراءة ER وPR وKi-67 وHER2 بدقة مقبولة، لكن عدد الأطباء محدود، والـ scanner غير موجود داخل البلد، والتخزين المتاح لا يتجاوز حاسوباً عادياً. في هذا النوع من الواقع العملي، لا يكون سؤال الباثولوجي الرقمي عن أجمل منصة أو أغلى AI model. السؤال يبدأ من شيء أبسط: هل يستطيع طبيب الباثولوجي إدخال WSI وQuPath في العمل اليومي من دون أن ينهار مسار التشخيص؟
دراسة جديدة في Journal of Pathology Informatics وثقت تجربة من Centre Pasteur du Cameroun في Yaoundé لاستخدام QuPath، وهو برنامج مفتوح المصدر، في تقييم IHC biomarkers لحالات invasive breast carcinoma. قيمة الورقة أنها لا تبيع وعوداً عامة عن AI. هي تعرض ما حدث عند محاولة تشغيل المسار فعلياً: تحضير الشرائح، الشحن، المسح، نقل الملفات، تدريب الخوارزمية، ثم قراءة النتائج على جهاز محدود الإمكانات.
المشكلة تبدأ قبل QuPath
الدراسة شملت 39 حالة invasive breast carcinoma مع 130 شريحة IHC لواسمات ER وPR وKi-67 وHER2. هذا حجم صغير نسبياً، لكنه كافٍ لإظهار مشاكل يعرفها كل طبيب باثولوجي عمل في مختبر مزدحم: جودة الشريحة، اختلاف التثبيت، سماكة القطع، قوة الصبغة، مناطق necrosis، ومشكلة اختيار tumor area المناسبة قبل أي تحليل رقمي.
الفريق لم يكن لديه scanner محلي. الشرائح أُرسلت إلى Erasme University Hospital في بروكسل للمسح، ثم عادت الصور إلى مسار التحليل. هذه الخطوة وحدها أضافت تأخيراً بين 8 و12 أسبوعاً. لذلك فالدرس الأول مباشر: الباثولوجي الرقمي الذي يعتمد على إرسال الشرائح خارج المختبر قد يصلح كمشروع بحثي أو كمرحلة انتقالية، لكنه صعب كخدمة تشخيصية يومية عندما يكون المطلوب turnaround time واضحاً.
الـ QC ليس خطوة جانبية
من أصل 130 شريحة IHC، احتاجت 18 شريحة إلى إعادة المسح، أي 13.8%. الأسباب شملت فشل detection أو صوراً غير واضحة رغم وجود فحص جودة قبل المسح. بالنسبة لطبيب الباثولوجي، هذا الرقم أهم من اسم البرنامج المستخدم. كل شريحة تعاد تعني وقتاً إضافياً، وتنسيقاً إضافياً، واحتمال تأخير في التقرير، خصوصاً عندما يكون المسح خارج الموقع.
هذه النقطة تغيّر طريقة التفكير في أي مشروع رقمي. شراء scanner أو اختيار image management system لا يكفي. المختبر يحتاج إلى QC protocol مكتوب: من يفحص الشريحة قبل المسح؟ من يراجع WSI بعد المسح؟ متى نعيد المسح؟ كيف نوثق blur أو tissue fold أو out-of-focus area؟ ومتى نقرر أن الشريحة لا تصلح للتحليل الآلي حتى لو كانت مقبولة للقراءة البصرية؟
حاسوب عادي يكشف حدود الفكرة بسرعة
التحليل تم على laptop بذاكرة 4 GB RAM وسعة 500 GB storage. متوسط وقت المعالجة كان 20 دقيقة لكل حالة، مع مدى من 5 إلى 60 دقيقة. حدثت freezes متكررة عند التعامل مع tissue sections كبيرة. ملفات الصور كانت بمتوسط 1.5 GB لكل ملف عند تكبير ×40، وهذا جعل التخزين المحلي يمتلئ بسرعة.
هذه التفاصيل تهم المختبر أكثر من أي حديث عام عن AI. إذا كان ملف WSI الواحد بهذا الحجم، فالمشكلة لن تكون في QuPath وحده. المشكلة في الشبكة، النسخ الاحتياطي، أرشفة الحالات، صلاحيات الوصول، وربط الصور مع LIS أو على الأقل مع سجل داخلي يضمن أن case ID وblock وstain لا تنفصل عن الصورة. من دون هذا التنظيم، يتحول المشروع إلى مجلدات كبيرة على جهاز واحد، وهذا خطر تشغيلي واضح.
تدريب الخوارزمية يأخذ وقت طبيب الباثولوجي
استخدم الفريق random tree classifier داخل QuPath. قبل تطبيقه على IHC slides، احتاجوا إلى manual annotation لمناطق tumor وstroma وlymphoid tissue في كل حالات H&E البالغ عددها 39. الوقت المطلوب كان نحو 15 إلى 20 ساعة من وقت طبيب الباثولوجي.
هذه ليست تفصيلة تقنية صغيرة. في المختبرات التي تعاني أصلاً من نقص الأطباء، وقت annotation يجب أن يدخل في حساب تكلفة المشروع. قد يبدو QuPath مجانياً لأنه مفتوح المصدر، لكن تشغيله بصورة مفيدة يحتاج إلى وقت تدريب، ووقت مراجعة، ووقت تصحيح، وخطة لتوحيد طريقة اختيار المناطق بين الأطباء. البرنامج لا يلغي حكم طبيب الباثولوجي. هو ينقل جزءاً من الجهد إلى مرحلة إعداد المسار ومراقبته.
ماذا عن النتائج؟
الورقة ذكرت أن تحليل التوافق الاستكشافي أظهر اتفاقاً ذا معنى سريري مع تقييم expert pathologist في ثلاثة من أربعة biomarkers، مع إحالة التفاصيل التحليلية إلى تقرير منفصل. هذا يعني أن الرسالة العملية لا يجب أن تكون أن QuPath جاهز لاستبدال القراءة البشرية. الرسالة الأدق أن برنامجاً مفتوح المصدر يمكن أن يدخل في مسار breast IHC assessment إذا كان المختبر مستعداً للتعامل مع QC، التدريب، التخزين، وتوثيق الحدود.
بالنسبة لواسمات مثل Ki-67، قد يساعد التحليل الرقمي في تقليل التذبذب بين القراء إذا كانت مناطق الورم مختارة بدقة، وإذا كانت الخوارزمية مدربة على خصائص الصبغة في المختبر نفسه. أما HER2 وER وPR، فتبقى تفاصيل threshold، نمط الصبغة، والخلايا غير الورمية نقاطاً تحتاج إلى مراجعة باثولوجست خبير. أي رقم يخرجه البرنامج يجب أن يعود إلى السياق المورفولوجي، لا إلى جدول منفصل عن الشريحة.
ما الذي يطبقه المختبر غداً؟
أول قرار عملي هو تحديد use case ضيق. لا تبدأ بكل IHC ولا بكل الحالات. ابدأ بواسم واحد أو اثنين، وبنوع عينة متكرر، وبعدد حالات يسمح بقياس الأخطاء. بعد ذلك، اجعل QC جزءاً من المسار اليومي: فحص الشريحة قبل المسح، مراجعة WSI بعد المسح، وتسجيل سبب كل إعادة مسح.
القرار الثاني هو فصل العمل البحثي عن العمل التشخيصي. يمكن استخدام QuPath للتدريب، القياس، والمقارنة مع قراءة طبيب الباثولوجي، لكن إدخاله في التقرير يحتاج إلى validation محلي واضح. يجب أن يعرف الفريق أين يفشل البرنامج: ضعف الصبغة، crush artifact، tumor heterogeneity، mucin، necrosis، lymphocytes، أو مناطق DCIS بجانب invasive component.
القرار الثالث يتعلق بالبنية التقنية. جهاز 4 GB RAM قد يثبت الفكرة، لكنه لا يصلح كقاعدة عمل ثابتة. المختبر يحتاج إلى ذاكرة أعلى، تخزين منظم، سياسة backup، وشبكة تتحمل WSI files. وإذا لم يكن scanner متاحاً محلياً، فيجب الاعتراف بأن التأخير اللوجستي سيبقى جزءاً من النتيجة، مهما كان البرنامج جيداً.
الخلاصة لطبيب الباثولوجي
تجربة الكاميرون مهمة لأنها تضع الباثولوجي الرقمي في مكانه الصحيح: مشروع workflow قبل أن يكون مشروع software. QuPath أعطى الفريق وسيلة مفتوحة المصدر لتقييم biomarkers في breast cancer، لكن نجاح التجربة اعتمد على تفاصيل صغيرة ومتعبة: جودة الشريحة، إعادة المسح، حجم الملفات، وقت annotation، وقدرة الجهاز على إكمال التحليل.
إذا كان مختبرك يفكر في QuPath أو أي AI model لتحليل IHC، فابدأ من مسار الحالة داخل المختبر. ارسم الطريق من block إلى الشريحة، ومن scanner إلى WSI، ومن annotation إلى الرقم النهائي في التقرير. عندها فقط يصبح السؤال عن الخوارزمية سؤالاً طبياً عملياً، لا عرضاً تقنياً منفصلاً عن عمل طبيب الباثولوجي.
المصدر: Challenges and opportunities of implementing open-source digital pathology in Sub-Saharan Africa: Lessons learned from deploying QuPath for breast cancer biomarker assessment in Cameroon. Journal of Pathology Informatics, 2026. DOI: 10.1016/j.jpi.2026.100685