تخيل أن لديك core biopsy صغير من مريض داخل clinical trial. العينة محدودة، والطلبات كثيرة: H&E، عدة IHC markers، وربما NGS أو فحوصات multi-omic أخرى. كل شريحة إضافية تستهلك من النسيج، وكل يوم انتظار قد يؤخر إدخال المريض في trial أو اختيار العلاج المناسب.
هذا بالضبط هو المكان الذي تحاول ViewsML الدخول إليه. الشركة الكندية أعلنت عن seed round بقيمة 4.9 مليون دولار، بقيادة Wittington Ventures، مع مشاركة Mayo Clinic و Continuum Health Ventures ومستثمرين سابقين مثل Debiopharm. الخبر ليس مجرد جولة تمويل صغيرة داخل سوق الذكاء الاصطناعي. بالنسبة لطبيب الباثولوجي، النقطة الأهم هي الاتجاه: تحويل جزء من biomarker staining من wet lab procedure إلى software layer مبني على H&E digital slide.
ما الذي تقوله ViewsML إنها تبنيه؟
ViewsML تصف منصتها بأنها virtual biomarker library. الفكرة أن AI model يأخذ صورة H&E رقمية، ثم يتنبأ بتوزيع biomarkers على مستوى الخلية، ليعطي virtual IHC أو حتى virtual immunofluorescence-like output. بمعنى آخر، النموذج لا يكتفي بأن يقول إن الحالة biomarker-positive أو biomarker-negative على مستوى العينة كلها. الهدف هو رسم خريطة مكانية: أين يظهر البروتين داخل tumor epithelium؟ ماذا عن immune compartment؟ ماذا يحدث في stroma أو vasculature؟
هذه التفاصيل مهمة في immuno-oncology و antibody-drug conjugates و bispecific therapies. في هذه المجالات، ليست كل القصة في وجود marker أو غيابه. التوزيع المكاني والـ heterogeneity داخل الورم قد يكونان جزءاً من فهم الاستجابة للعلاج، أو اختيار المرضى، أو تفسير نتائج clinical trial.
لماذا مشاركة Mayo Clinic مهمة؟
Mayo Clinic دخلت كمستثمر جديد، لكن العلاقة مع ViewsML لم تبدأ من الجملة التمويلية. بحسب تقرير R&D World، كانت ViewsML ضمن منظومة أوسع تعمل حول Mayo Clinic Digital Pathology، حيث تجتمع الخبرة السريرية والبيانات والبنية التحتية مع مطوري AI خارجيين. المشاركة الاستثمارية منفصلة عن التعاون السريري، لكنها تعطي إشارة واضحة إلى أن Mayo تتابع virtual staining كفئة ناضجة بما يكفي للتجربة الجادة.
هنا يجب أن ننتبه إلى الفرق بين digital pathology كتحويل للشريحة إلى صورة، وبين digital pathology كطبقة معلومات جديدة فوق الـ H&E. كثير من المختبرات بدأت أو تفكر في scanning، لكن قيمة الـ WSI لا تظهر كاملة إذا بقيت الصورة مجرد بديل للشريحة الزجاجية. القيمة تبدأ عندما تتحول الصورة إلى مصدر قابل للتحليل: quantification، spatial mapping، triage، وربط morphology مع biomarkers.
من H&E إلى virtual IHC: أين الفائدة العملية؟
في العمل التقليدي، biomarker profiling يعتمد غالباً على IHC ثم molecular testing مثل NGS. هذا المسار مألوف، لكنه يستهلك وقتاً ونسيجاً. ViewsML تقول إن جزءاً من هذه العملية يمكن تحويله إلى software: model يتنبأ بمكان وجود البروتينات من H&E، فيعطي نتيجة افتراضية مباشرة من الصورة الرقمية.
إذا نجح هذا النوع من الأدوات سريرياً، فالاستخدام الأقرب ليس إلغاء IHC فجأة. الاستخدام الأكثر واقعية هو triage و stratification. النموذج قد يساعد الفريق على اختيار الحالات التي تحتاج confirmatory testing بسرعة، أو ترتيب الأولويات، أو تقليل عدد الشرائح الإضافية عندما يكون النسيج محدوداً. وهذا مهم جداً في small biopsies، خصوصاً في lung cancer و GI biopsies والـ metastatic samples التي تأتي أحياناً بكمية نسيج بالكاد تكفي للتشخيص والفحوصات الجزيئية.
الفارق عن أدوات AI التقليدية في الباثولوجي
جزء كبير من AI pathology اليوم يركز على detection أو classification: سرطان موجود أو غير موجود، grade، subtype، أو biomarker status عام. ViewsML تحاول تقديم طبقة أكثر granular: per-cell prediction مع spatial context. هذا يجعل الحديث أقرب إلى spatial biology منه إلى مجرد image classification.
الشركة تتحدث أيضاً عن virtual multiplexing. بدلاً من صبغ عدة biomarkers فعلياً على النسيج، يمكن للنظام أن يولد عدة طبقات افتراضية ويضعها فوق بعضها حسابياً. لو أصبح ذلك موثوقاً، فقد يعطي biopharma طريقة أسرع لدراسة tumor microenvironment من العينات الموجودة أصلاً، بدل طلب المزيد من الشرائح أو إعادة تشغيل staining panels مكلفة.
ما الذي يحتاجه طبيب الباثولوجي قبل الوثوق بهذا النوع من الأدوات؟
الحماس وحده لا يكفي. أي virtual staining model يحتاج validation صارمة أمام ground truth واضح. يجب أن نعرف نوع العينات التي تدرب عليها النموذج، أنواع السرطان المشمولة، جودة scanners المستخدمة، اختلافات fixation و staining، ومدى ثبات الأداء بين المختبرات. كما يجب أن تكون النتيجة مفهومة لطبيب الباثولوجي: هل هي probability map؟ هل يمكن مراجعة الخلايا التي اعتمد عليها النموذج؟ هل توجد thresholds واضحة؟ ومتى يجب طلب IHC تأكيدي؟
هناك أيضاً سؤال تنظيمي. استخدام الأداة في biopharma research أو clinical trial enrichment يختلف عن استخدامها كاختبار تشخيصي مباشر داخل routine sign-out. لذلك من الأفضل قراءة خبر ViewsML كخطوة نحو workflow مساعد، وليس كبديل فوري للـ IHC أو قرار الباثولوجست.
لماذا يهم هذا الخبر لمختبراتنا؟
بالنسبة للمختبرات التي تفكر في الباثولوجي الرقمي، الرسالة واضحة: scanning وحده ليس نهاية الرحلة. الـ WSI يصبح أكثر قيمة عندما يفتح الباب أمام أدوات تحافظ على النسيج، تقلل وقت الانتظار، وتساعد في اختيار الفحوصات التالية بشكل أذكى. هذا لا يعني أن كل مختبر يحتاج virtual staining غداً، لكنه يعني أن بنية العمل الرقمية يجب أن تُبنى بطريقة تسمح بمثل هذه الأدوات لاحقاً: صور بجودة ثابتة، metadata جيدة، وربط واضح بين الصورة والتشخيص والفحوصات الجزيئية.
خبر ViewsML و Mayo Clinic يضع virtual biomarker staining في قلب النقاش بين digital pathology و precision medicine. إذا استطاعت هذه النماذج إثبات دقتها وقيمتها العملية، فقد يصبح H&E أكثر من شريحة تشخيصية. قد يتحول إلى نقطة انطلاق لتوقعات biomarker spatial، مع الحفاظ على النسيج الحقيقي للفحوصات التي لا يمكن الاستغناء عنها.
المصدر: R&D World