تبدأ القصة من مكان يعرفه كل طبيب باثولوجي: قائمة حالات أطول من الوقت المتاح، عينات سرطان أكثر تعقيدًا، وطلبات إضافية على IHC أو molecular testing قبل أن يصل التقرير إلى صورته النهائية. في هذا النوع من الأيام، لا تكون المشكلة في قراءة WSI واحدة. المشكلة في تراكم خطوات صغيرة حول التشخيص: ترتيب الأولويات، البحث عن الحالات التي تحتاج مراجعة أسرع، مقارنة الشرائح، توثيق القياسات، ومراجعة الجودة قبل توقيع التقرير.
المقال المنشور في Pathology News بعنوان AI in Digital Pathology: Augmenting the Pathology Workforce يضع AI في هذا السياق العملي. الفكرة الأساسية أن الطلب على خدمات الباثولوجي يزيد أسرع من قدرة النظام على تدريب عدد كاف من الباثولوجست. حالات السرطان صارت أكثر ارتباطًا بتفاصيل morphology وIHC وmolecular findings، وهذا يضع ضغطًا مباشرًا على وقت الطبيب داخل المختبر.
من هنا يصبح السؤال مفيدًا: أين يدخل AI داخل يوم العمل؟
الضغط الحقيقي داخل المختبر
النقاش حول AI يذهب أحيانًا إلى صورة مبالغ فيها: خوارزمية تقرأ الشريحة وحدها، ثم تخرج تقريرًا جاهزًا. هذا التصور لا يخدم طبيب الباثولوجي. العمل اليومي أكثر تداخلًا من ذلك بكثير. الطبيب يربط H&E مع القصة السريرية، يراجع IHC عند الحاجة، يقارن النتائج مع التصوير أو الجراحة، ويتعامل مع حالات لا تظهر كما في الكتب.
الضغط العملي يظهر قبل لحظة التشخيص وبعدها. قبل التشخيص، هناك فرز للحالات وتحديد ما يحتاج انتباهًا أسرع. أثناء القراءة، توجد مناطق تحتاج قياسًا أو عدًّا أو مقارنة بين مستويات مختلفة. بعد التشخيص، توجد صياغة التقرير، مراجعة التوافق، والتأكد من أن كل معلومة لازمة للقرار العلاجي وصلت بوضوح.
AI يمكن أن يساعد في هذه المساحات المحيطة بالقرار. عندما ينجح، فهو يقلل الوقت الضائع حول القراءة، ويدفع الحالات المناسبة إلى واجهة العمل، ويجعل الطبيب يقضي وقتًا أكثر في الحكم الطبي نفسه.
الفرز قبل التشخيص أهم مما يبدو
في مختبر يعمل على WSI، لا تحمل كل الحالات نفس درجة الاستعجال أو التعقيد. بعض العينات تحتاج مراجعة سريعة بسبب احتمال malignancy واضح. بعضها يحتاج correlation مع IHC أو تاريخ مرضي. وبعضها بسيط نسبيًا، لكنه يستهلك وقتًا إداريًا بسبب طريقة عرضه داخل النظام.
هنا تظهر قيمة أدوات AI كجزء من طبقة triage. النموذج قد يضع علامة على مناطق مشتبهة، أو يقترح ترتيبًا أوليًا للحالات، أو ينبه إلى شريحة ذات جودة ضعيفة قبل أن تصل إلى الطبيب. هذه التفاصيل لا تصنع تشخيصًا، لكنها تغيّر ترتيب يوم العمل.
بالنسبة لطبيب الباثولوجي، هذا الفرق مهم. إذا وصلت الحالة المعقدة مبكرًا مع معلوماتها الأساسية، تقل إعادة الفتح، وتقل المقاطعات، ويصبح التقرير النهائي أقل اعتمادًا على الذاكرة الشخصية وأكثر اعتمادًا على مسار عمل واضح داخل LIS وimage management system.
المساعدة في القياس والعدّ
كثير من المهام داخل الباثولوجي تعتمد على دقة العين وخبرة الطبيب، لكنها متكررة. عدّ mitoses، تقدير نسبة staining، تحديد مناطق necrosis، مقارنة حدود lesion، أو قياس مساحات معينة داخل WSI. هذه المهام لا تختفي مع AI، لكنها قد تصبح أكثر انضباطًا إذا دخلت في المكان الصحيح.
النقطة العملية أن الطبيب لا يحتاج أداة تعطي رقمًا بلا سياق. يحتاج أداة تعرض المنطقة التي اعتمدت عليها، تسمح بتعديلها، وتحفظ سبب التعديل داخل سجل يمكن مراجعته. إذا كان الرقم سيذهب إلى تقرير يؤثر على علاج المريض، فيجب أن يبقى القرار النهائي واضح الملكية.
لهذا السبب، أفضل استخدام لـ AI في هذه المرحلة هو إنتاج اقتراح قابل للمراجعة. الطبيب يرى الاقتراح، يقبله أو يعدله، ثم يدخل الرقم النهائي ضمن التقرير. هذا يوفر وقتًا من دون تحويل التقرير إلى صندوق مغلق.
الجودة قبل أن تصبح خطأ في التقرير
جانب آخر لا يأخذ الاهتمام الكافي هو ضبط جودة الشرائح والصور. WSI الضعيفة قد تعني focus غير مناسب، tissue fold، فقاعات، مساحة مفقودة، أو مشكلة في barcode وربط الحالة. هذه الأخطاء لا تحتاج ذكاء تشخيصيًا عاليًا كي تُلتقط مبكرًا، لكنها تحتاج نظامًا يراقبها باستمرار.
إذا استطاع AI أو نظام image analysis بسيط أن يوقف الشريحة الضعيفة قبل دخولها لقائمة القراءة، فهو يوفر وقت الطبيب والتقني معًا. بدل أن يكتشف الباثولوجست المشكلة بعد فتح الحالة، تصل تنبيهات الجودة إلى مرحلة scanning أو accessioning. هذا النوع من المكاسب صغير في كل حالة، لكنه كبير على مستوى الأسبوع.
في المختبرات التي تعاني من ضغط عمل، تقليل إعادة المسح والمراجعة اليدوية قد يكون أكثر فائدة من تطبيق تشخيصي طموح لا يندمج مع الواقع اليومي.
AI يحتاج مكانًا واضحًا داخل النظام
لا يكفي أن يكون النموذج جيدًا في دراسة منشورة. داخل المختبر، يجب أن نعرف أين سيجلس داخل المسار: قبل قائمة العمل، داخل viewer، بعد اختيار ROI، أو أثناء مراجعة التقرير. كل موقع يحمل أثرًا مختلفًا على الطبيب.
إذا ظهرت النتائج في شاشة منفصلة، سيتركها كثير من الأطباء بعد أيام. وإذا احتاجت خطوات كثيرة، ستضيف عبئًا جديدًا. وإذا لم تحفظ سبب استخدام النموذج ونتيجته داخل السجل، ستصبح صعبة المراجعة عند الاعتماد أو التدقيق.
المعيار العملي بسيط: أي أداة AI يجب أن تقلل خطوة واضحة أو تحسن قرارًا محددًا. أمثلة ذلك: تنبيه لجودة WSI، ترتيب حالات حسب احتمال الحاجة لمراجعة عاجلة، اقتراح ROI، قياس قابل للتعديل، أو مقارنة منظمة بين H&E وIHC. ما عدا ذلك قد يبقى عرضًا تقنيًا جميلًا من دون أثر يومي.
ما الذي يجب أن يسأل عنه طبيب الباثولوجي؟
قبل اعتماد أي أداة، يحتاج الفريق إلى أسئلة مباشرة. ما نوع العينات التي اختُبرت عليها؟ هل تشبه عينات مختبرنا؟ ما أداء النموذج بعد اختلاف scanner أو staining protocol؟ ماذا يحدث عند وجود artefact؟ هل يرى الطبيب heatmap أو ROI أو نتيجة نهائية فقط؟ وكيف تُحفظ المراجعة داخل LIS؟
هذه الأسئلة تحمي المختبر من إدخال أداة تضيف ضوضاء إلى يوم مزدحم. كما أنها تجعل النقاش مع الإدارة أو قسم IT أكثر واقعية. AI في الباثولوجي الرقمي ليس شراء برنامج فقط. هو تعديل في طريقة مرور الحالة من الاستلام إلى التقرير.
وتوجد نقطة تخص المسؤولية. حتى عندما يساعد النموذج في الفرز أو القياس، يبقى التقرير الطبي قرارًا للطبيب. لذلك يجب أن تكون واجهة العمل مصممة لدعم الحكم الطبي، لا لدفع الطبيب إلى قبول نتيجة آلية بسرعة.
أين تكون البداية الآمنة؟
البداية الجيدة غالبًا تكون في المهام ذات الخطر الأقل والأثر العالي: جودة WSI، تنظيم قائمة العمل، اكتشاف الشرائح الناقصة، أو قياسات مساعدة لا تغلق التشخيص وحدها. هذه المساحات تسمح للفريق ببناء خبرة مع AI، ومعرفة حدود النظام، وتدريب الأطباء والتقنيين على طريقة مراجعة المخرجات.
بعد ذلك يمكن التفكير في تطبيقات أقرب إلى التشخيص، مثل detection أو grading أو biomarker scoring، بشرط وجود validation محلي ومراجعة واضحة للحالات المخالفة. المختبر الذي يبدأ من workflow سيعرف أسرع أين تضيف الأداة قيمة، وأين تسبب ارتباكًا.
الخلاصة العملية لطبيب الباثولوجي أن AI لا يحل نقص الكادر وحده. لكنه قد يقلل الهدر حول التشخيص إذا وُضع داخل مسار العمل بعناية. قيمته تظهر عندما يختصر خطوة، يلتقط مشكلة مبكرًا، أو يجعل المراجعة أكثر وضوحًا. أما القرار النهائي، فيبقى محتاجًا إلى خبرة الطبيب وربط النتائج بسياق الحالة.