تخيّل يوم عمل عادي في مختبر باثولوجي رقمي. الحالات تدخل من أكثر من موقع، WSI تأتي من ماسحات مختلفة، معلومات المريض موزعة بين LIS ونظام الصور، وطلب IHC أو اختبار molecular يحتاج أكثر من انتقال بين شاشة وأخرى. المشكلة هنا تبدأ من الوقت الذي يضيع حول التشخيص: البحث عن الشريحة الصحيحة، ربط الصورة بالسياق، مراجعة مناطق الاهتمام، تسجيل القياسات، وترتيب الخطوة التالية قبل إغلاق التقرير.
إعلان Proscia عن الجيل الخامس من منصة Concentriq يدخل في هذه المنطقة تحديداً. الشركة تقول إن النسخة الجديدة مبنية على بنية AI مدمجة داخل المنصة، مع نماذج vision وlanguage وmultimodal تعمل على الصور والبيانات والسياق السريري والعلمي المحيط بالحالة. هذا كلام تسويقي إذا بقي عاماً. القيمة لطبيب الباثولوجي تظهر عندما نسأل سؤالاً أبسط: هل يقل عدد الخطوات اليدوية أثناء قراءة الحالة؟ وهل يبقى القرار النهائي قابلاً للمراجعة داخل نفس مسار العمل؟
المشكلة اليومية: الشريحة وحدها لا تكفي
في الميكروسكوب التقليدي، ذهن طبيب الباثولوجي يجمع السياق بسرعة: نوع العينة، موقعها، تاريخ المريض، سبب الإحالة، الصبغات المطلوبة، وما الذي يجب إثباته في التقرير. في WSI، هذا السياق قد يتجزأ. الصورة ممتازة، لكن الطبيب يحتاج أن يفتح نافذة أخرى لرؤية التفاصيل السريرية، أو يرجع إلى LIS، أو ينتظر نتيجة ancillary study، أو يدوّن ملاحظة يدوية قبل أن يحولها إلى نص في التقرير.
Concentriq يحاول، بحسب الإعلان، أن يضع الصورة والبيانات الوصفية وسياق الحالة في مساحة عمل واحدة. الفكرة العملية هنا أن AI model يتعامل مع morphology داخل إطار الحالة، ومع pixels، ومع بيانات الطلب السريري في الوقت نفسه. عند مراجعة skin excision مثلاً، ذكرت Proscia أن التوجيه الذكي يساعد في الحركة داخل النسيج وأن شرائح الجلد يمكن أن تتجه تلقائياً بما يحافظ على النموذج الذهني المطلوب لتقييم depth of invasion. هذه نقطة تؤثر في العمل، وليست تفصيلاً تجميلياً في الواجهة. اتجاه الشريحة وطريقة التنقل يغيران سرعة القراءة ويقللان الحاجة إلى إعادة بناء الخريطة الذهنية مع كل حركة.
من تحليل الصورة إلى التقرير
أهم ادعاء في الإعلان أن image analysis أصبح داخل العارض نفسه. طبيب الباثولوجي يستطيع، حسب وصف الشركة، تعديل regions of interest ورؤية النتائج تتحدث في الوقت نفسه مع أدلة قابلة للمراجعة. هذا النوع من التصميم مهم لأن كثيراً من أدوات AI تفشل عملياً عندما تطلب من الطبيب الخروج من مسار القراءة الطبيعي. إذا احتاجت الأداة إلى تصدير صورة، فتح برنامج ثان، ثم نسخ نتيجة إلى التقرير، فغالباً ستبقى أداة بحث أو مشروعاً جانبياً.
السيناريو الأفضل هو أن تظهر القياسات والمناطق المقترحة داخل نفس شاشة القراءة، ثم يقرر الطبيب قبولها أو تعديلها أو تجاهلها. هنا يبقى AI مساعداً موثقاً، وليس صندوقاً خارجياً يضيف نتيجة صعبة التتبع. الإعلان يتحدث أيضاً عن تجميع reportable findings في نفس المرور على الحالة ليؤكدها طبيب الباثولوجي. إذا نُفذ هذا بشكل جيد، فقد يقل الوقت الضائع في تحويل الملاحظة البصرية إلى عنصر منظم في التقرير.
إدارة العمل أهم من خوارزمية واحدة
الجزء الأقل إثارة في الإعلان قد يكون الأكثر قرباً من المختبر: توزيع الأحمال، اقتراح stain panels وancillary studies، كشف الاختناقات التشغيلية، ولوحات متابعة عبر المواقع والماسحات. مختبر الباثولوجي لا يتأخر دائماً بسبب صعوبة التشخيص. يتأخر بسبب case routing، انتظار صبغة، شريحة ناقصة، أو غياب رؤية واضحة لعدد الحالات المتراكمة عند كل طبيب.
إذا استطاعت المنصة أن تربط WSI مع حالة العمل وتاريخ الطلب وموقع الشريحة وحالة الصبغات، يصبح AI جزءاً من إدارة المختبر، لا مجرد زر داخل العارض. هذا يهم المدير الطبي أيضاً: هل يمكن معرفة أين تتكدس الحالات؟ هل هناك نوع عينة يحتاج بروتوكولاً واضحاً؟ هل يمكن توزيع الحالات حسب التخصص والضغط اليومي بدل الاعتماد على رسائل متفرقة؟
Proscia تذكر أن Concentriq مستخدم لدى مختبرات تدير 12 مليون حالة مرضى سنوياً، وأن 16 من أكبر 20 شركة أدوية تستخدم المنصة. الرقم الأول يهم طبيب الباثولوجي لأنه يشير إلى أن المنصة مصممة لحجم عمل حقيقي، لا لعرض تجريبي صغير. والرقم الثاني يشرح سبب تركيز الإعلان على drug discovery وbiomarker development بجانب التشخيص.
المختبر التشخيصي وعالم pharma يقتربان
الجيل الخامس من Concentriq لا يخاطب مختبر التشخيص فقط. الإعلان يصف استخدام المنصة في biomarker discovery، clinical trials، companion diagnostic development، وربط المرضى بالعلاجات المناسبة بعد اعتماد الاختبار. بالنسبة لطبيب الباثولوجي، هذا يعني أن الصورة النسيجية قد تصبح جزءاً من حلقة أوسع: case review في المختبر، ثم real-world data، ثم اختيار مرضى للتجارب، ثم assay validation، ثم عودة الاختبار إلى الاستخدام اليومي.
هذا الاتصال قد يكون مفيداً، لكنه يحتاج حوكمة دقيقة. بيانات WSI ليست مجرد مادة خام. هي جزء من سجل مرضي، وقرار استخدامها في تطوير biomarkers أو تدريب models يجب أن يخضع لموافقة واضحة، أمن بيانات، traceability، وسياسة محلية تقرر ما الذي يخرج من المختبر وما الذي يبقى داخله. المنصة الجيدة لا تلغي هذه الأسئلة. بالعكس، يجب أن تجعلها قابلة للتدقيق.
حدود الإعلان التي يجب ألا ننساها
هناك تفصيل مهم في ملاحظات Proscia: Concentriq AP-Dx حاصل على FDA clearance للتشخيص الأولي في الولايات المتحدة مع ماسح Hamamatsu NanoZoomer S360MD Slide scanner، ومرخص في كندا، ويحمل CE mark تحت EU IVDR للتشخيص الأولي. لكن Concentriq AP وConcentriq LS مخصصان للبحث فقط، وتطبيقات Proscia للـ AI متاحة للاستخدام البحثي فقط. كذلك كثير من الخصائص المذكورة ضمن Concentriq AP ليست للاستخدام في التشخيص السريري.
هذا التفريق ضروري داخل المختبر. لا يكفي أن تكون المنصة معتمدة في جزء منها كي تُعامل كل وظيفة AI داخلها كأداة تشخيصية جاهزة. طبيب الباثولوجي يحتاج أن يعرف أي جزء من النظام يدخل في primary diagnosis، وأي جزء يبقى Research Use Only، وأي نتيجة تحتاج validation محلي قبل أن تظهر في تقرير المريض. السؤال التشغيلي هنا: هل الواجهة توضّح هذه الحدود للطبيب أثناء العمل، أم تتركها في وثيقة تنظيمية بعيدة عن شاشة القراءة؟
كيف أقيّم منصة كهذه قبل إدخالها إلى المختبر؟
أول اختبار يجب أن يكون على مسار عمل حقيقي، لا على عرض قصير. خذ نوع عينة شائعاً في مختبرك: skin excision، breast core، GI biopsy، أو lymph node. قِس عدد النقرات، زمن فتح الحالة، وضوح معلومات LIS، سهولة الرجوع إلى WSI السابقة، وكيف تظهر نتائج image analysis داخل التقرير. بعد ذلك اختبر الحالات الصعبة: شريحة ذات جودة أقل، نسيج كبير، صبغة إضافية متأخرة، أو حالة تحتاج رأياً ثانياً.
ثاني اختبار هو audit trail. عندما يقترح AI منطقة أو قياساً أو ancillary study، يجب أن تستطيع معرفة من قبل الاقتراح، من عدّله، وما الذي دخل إلى التقرير في النهاية. هذا ليس ترفاً. عند مراجعة حالة أو مناقشة خطأ، يحتاج المختبر إلى سلسلة واضحة تربط الصورة بالقرار.
ثالث اختبار يتعلق بالاندماج مع أنظمة المختبر. منصة الصور التي لا تتكلم جيداً مع LIS ستنقل العبء من الورق إلى الشاشة فقط. إدخال AI داخل عارض WSI مفيد عندما يقلل التنقل بين الأنظمة، ويحافظ على هوية الحالة، ويمنع النسخ اليدوي للنتائج.
ما الذي يعنيه هذا لطبيب الباثولوجي الآن؟
إعلان Proscia لا يثبت وحده أن AI سيجعل القراءة أسرع أو أدق في كل مختبر. ما يقدمه هو اتجاه واضح: الشركات لم تعد تبيع عارض شرائح فقط. المنتج يتحول إلى نظام عمل يحاول جمع WSI، السياق السريري، image analysis، إدارة المختبر، وبيانات pharma في مكان واحد.
المكسب الحقيقي لطبيب الباثولوجي سيكون في التفاصيل الصغيرة: حالة تفتح بسياقها الكامل، ROI يمكن تعديلها بسرعة، نتيجة AI لها دليل بصري، تقرير يتكوّن من عناصر مؤكدة لا من نسخ يدوي، ولوحة عمل تكشف الاختناق قبل أن يصل إلى الطبيب آخر النهار. إذا حدث ذلك، يصبح AI أقل ظهوراً كمنتج منفصل وأكثر حضوراً كجزء من القراءة اليومية.
المصدر: BioSpace عن إعلان Proscia، مع رابط المرآة من Pathology News.