في عيادة أورام مزدحمة، قد تبدو شريحة IHC واحدة كأنها خطوة صغيرة داخل مسار طويل. طبيب الباثولوجي يراجع morphology، يطابق الطلب السريري، يقرأ biomarker، ثم يكتب نتيجة تؤثر في علاج المريض. عند وجود عشرات الشرائح يوميا، يصبح السؤال العملي مباشرا: أين يمكن أن يدخل AI model مع الحفاظ على مسار القراءة ومن دون إضافة شاشة جديدة على الطبيب؟
الخبر الذي نشرته Pathology News عن حديث Bryce Brown من Leica Biosystems حول الشراكة الحديثة مع DiaDeep يضع هذا السؤال في مكانه الصحيح. الحديث يدور حول إدخال أدوات DiaDeep لقياس biomarkers ضمن تبني AI في الباثولوجي الرقمي. المصدر يقدم مقابلة عن شراكة أكثر من كونه دراسة أداء مستقلة، لذلك يناسب قراءة تشغيلية: biomarker quantification يبدأ بالـ slide والـ scanner والـ viewer، ثم يصل إلى تقرير طبيب الباثولوجي.
المشكلة اليومية تبدأ قبل الخوارزمية
قياس biomarker في IHC يستهلك وقتا وذهنا، خصوصا عندما تكون الحدود بين الخلايا الموجبة والسالبة غير حادة، أو عندما تتداخل شدة الصبغة مع necrosis، crush artifact، fixation variability، أو اختلاف طريقة التحضير بين المختبرات. الطبيب يستطيع التعامل مع هذه التفاصيل، إلا أن التكرار العالي يجعل القياس اليدوي عرضة لاختلافات بين الأطباء وبين الجلسات.
هنا يظهر دور AI في مكان محدد. النظام الجيد يبدأ بسؤال عملي: هل يستطيع أن يقدم قياسا قابلا للمراجعة، مرتبطا بالصورة الأصلية، وداخلا ضمن نفس مسار قراءة الحالة؟ إذا كانت الإجابة نعم، تصبح الأداة جزءا من routine sign-out أو tumor board preparation، حسب سياسة القسم ونوع الفحص.
ما الذي تعنيه DiaDeep داخل مسار Leica؟
بحسب ملخص Pathology News، تركيز التعاون بين Leica Biosystems وDiaDeep هو أدوات biomarker quantification. موقع DiaDeep يصف DiaKwant كأداة لقياس biomarkers، ويعرض DiaSurv كمسار بحثي للتنبؤ بالإنذار من histology. الموقع يذكر أيضا أن DiaDeep تأسست بواسطة أكثر من 40 pathologists وoncologists، وأن DiaKwant استُخدمت على أكثر من 10,000 slide ضمن استخدامات مخبرية يومية بصيغة RUO، مع عرض أعمال بحثية ومؤتمرات متعددة.
هذه التفاصيل تساعد طبيب الباثولوجي على وضع الخبر في حجمه العملي. نحن أمام تعاون بين طرف يملك بنية digital pathology وسكنرات وبيئة عرض، وطرف يركز على تحليل الصورة وقياس biomarkers. القوة المحتملة تأتي من وضع القياس قرب نقطة القراءة، حيث يرى الطبيب الخلايا والـ overlay والنتيجة ضمن سياق الحالة، ثم يقرر قبول القياس أو تعديله أو تجاهله.
أين تقع مسؤولية طبيب الباثولوجي؟
أي biomarker quantification داخل WSI يحتاج حدودا واضحة قبل الاستخدام. يجب أن يعرف القسم نوع العينة، نوع الصبغة، clone المستخدم، نظام التحضير، جودة السكن، وطريقة عرض النتيجة. ويجب أن تكون النتيجة قابلة للمراجعة على مستوى الخلايا أو المناطق، مع ارتباط واضح بالصورة الأصلية.
طبيب الباثولوجي يحتاج ثلاث معلومات قبل أن يثق بأي قياس. الأولى هي مكان التطبيق: screening، pre-count، second read، أو final quantitative support. الثانية هي طريقة التعامل مع الحالات الصعبة مثل weak staining، tissue folds، necrosis، mucin، وbackground staining. الثالثة هي مكان النتيجة في التقرير: هل تدخل مباشرة إلى LIS، أم تبقى ملاحظة مساعدة داخل viewer إلى حين اعتماد الطبيب؟
وجود الشراكة مع Leica يجعل هذه الأسئلة أكثر عملية، لأن تبني AI في المختبر يعمل داخل سلسلة كاملة: السكنر، ثم image management system، ثم viewer، ثم LIS، ثم الأرشفة والتدقيق. أي خلل في هذه السلسلة يحول القياس من مساعدة إلى عبء.
لماذا يهم هذا الخبر للمختبر؟
كثير من مختبرات المنطقة بدأت تفكر في digital pathology من زاوية السكنر فقط. بعد أول شهر تشغيل، تظهر أسئلة أخرى: من يراجع جودة WSI؟ كيف تُرسل الحالات إلى الطبيب الصحيح؟ أين تُخزن القياسات؟ كيف نعيد فتح الحالة عند tumor board؟ ومن يتحمل مسؤولية النتيجة إذا اختلف AI model مع قراءة الطبيب؟
شراكة من هذا النوع تدفع النقاش نحو العمل اليومي بدل الاكتفاء بصورة السكنر. إذا دخل biomarker quantification داخل بيئة مألوفة للطبيب، تقل الحاجة إلى نقل الصور بين برامج متعددة. وتصبح مراجعة القياس جزءا من القراءة، مع بقاء القرار الطبي عند طبيب الباثولوجي. هذا هو الشرط العملي الأهم.
هناك جانب آخر مهم: AI adoption في IHC يحتاج لغة جودة مفهومة داخل القسم. الرقم الإيجابي أو النسبة المئوية يحتاجان سياقا بصريا واضحا. يجب أن يرى الطبيب ما الذي عُدَّ، وما الذي استُبعد، وكيف تعامل النظام مع artifact، وهل توجد مناطق تحتاج تصحيحا يدويا. القياس غير القابل للمراجعة بصريا يصعب إدخاله في تقرير علاجي حساس.
كيف يقرأ الطبيب الخبر بحذر؟
المصدر الحالي مقابلة إعلامية عن شراكة، لذلك يجب عدم التعامل معه كدليل clinical validation مستقل. الأفضل أن يقرأه الطبيب كإشارة إلى اتجاه السوق: شركات البنية الرقمية تبحث عن أدوات قياس قريبة من workflow، وشركات AI تبحث عن مكان عملي داخل viewer وLIS بدلا من البقاء كمنصات منفصلة.
قبل أي تبنٍّ محلي، يحتاج المختبر إلى validation على عيناته، وسكنره، وبروتوكولاته، وحالاته الصعبة. يحتاج أيضا إلى سياسة واضحة للـ audit trail: من شغّل القياس، من راجعه، ما الذي عُدّل، وأين حُفظت النسخة النهائية. هذه التفاصيل تحدد نجاح الأداة في العمل اليومي أكثر من اسم الشركة أو جمال الواجهة.
بالنسبة لطبيب الباثولوجي، الخلاصة العملية بسيطة: biomarker quantification يصبح مفيدا عندما يقلل العمل المتكرر ويزيد قابلية المراجعة داخل نفس الحالة. أما القياس الذي يضيف خطوات كثيرة، أو يفصل النتيجة عن الصورة، أو يترك الطبيب مع رقم غير قابل للتفسير، فسيبقى خارج routine sign-out مهما كانت دقة النموذج في العرض التسويقي.
المصدر: Pathology News. معلومات إضافية عن DiaDeep متاحة على موقع الشركة.