في عيادة عنق الرحم، قرار أخذ biopsy لا ينتهي عند colposcopy. العينة تصل إلى المختبر، ثم يبدأ عمل طبيب الباثولوجي: هل التغير CIN1 أم CIN2+؟ هل العينة تمثل المنطقة الأشد؟ وهل عدد العينات كان كافيا من غير زيادة تؤذي المريضة وتزيد عبء العمل؟
دراسة منشورة في npj Digital Medicine اختبرت AI model يساعد في colposcopy للكشف عن cervical precancer وcancer. أهمية الدراسة لطبيب الباثولوجي تأتي من نقطة قريبة جدا من العمل اليومي: جودة اختيار موضع biopsy قبل أن تصل الشريحة إلى المجهر.
المشكلة العملية قبل الأرقام
في كثير من برامج فحص عنق الرحم، colposcopy هو حلقة وصل بين screening وبين التشخيص النسيجي. إذا اختير موضع biopsy بشكل ضعيف، قد يحصل طبيب الباثولوجي على نسيج لا يمثل أعلى درجة مرضية. النتيجة قد تكون تقريرا صحيحا على عينة محدودة، مع بقاء الخطر السريري في مكان آخر من عنق الرحم.
هذا النوع من الخطأ لا يظهر دائما كخطأ داخل المختبر. قد يظهر كاختلاف بين cytology وhistology، أو كحالة تعود لاحقا بنتيجة أعلى، أو كاجتماع MDT يحاول تفسير mismatch بين الفحص السريري والتقرير النسيجي. لذلك فإن أي أداة AI في colposcopy يجب أن تُقرأ من زاوية العينة التي ستصل إلى الباثولوجست، لا من زاوية الصورة وحدها.
ماذا فعلت الدراسة؟
الباحثون اختبروا AI guided colposcopy على dataset خارجي مفتوح من WHO يضم 187 مريضة و855 صورة colposcopy. شارك 45 colposcopists من مستويات خبرة مختلفة ومن 12 منطقة في الصين. الهدف كان اختبار الأداء خارج بيانات التدريب الداخلية، لأن الاختبار الداخلي يعطي عادة صورة مريحة أكثر من الواقع.
النقطة المهمة هنا أن الدراسة لم تكتف بسؤال واحد عن قدرة AI model على تمييز CIN2+. الاختبار شمل وضعين: أداء النظام وحده، ثم أداء الأطباء قبل المساعدة وبعدها. هذا التصميم أقرب إلى سؤال المستشفى الحقيقي: هل الأداة تساعد القارئ في تحديد منطقة biopsy، أم أنها تضيف رقما جيدا في ورقة بحثية فقط؟
النتائج التي تهم المختبر
حساسية AI model وحده في تشخيص CIN2+ كانت 84.2%. عند إضافة AI إلى قراءة colposcopists ارتفعت الحساسية من 84.8% إلى 90.6%. لدى أصحاب الخبرة الأقل، زادت الحساسية 6.5% وارتفع AUC من 0.72 إلى 0.76.
الرقم الآخر مهم لعمل العيادة والمختبر معا: دعم AI لاختيار موضع biopsy ارتبط بانخفاض متوسط عدد biopsies لكل حالة من 2.48 إلى 2.02. هذا لا يعني أن الهدف هو تقليل العينات بأي ثمن. الهدف العملي هو تقليل العينات العشوائية عندما يستطيع القارئ توجيه الخزعة إلى المنطقة الأعلى احتمالا لوجود CIN2+.
بالنسبة لطبيب الباثولوجي، هذا يفتح سؤالا واضحا في audit المحلي: بعد إدخال أداة مماثلة، هل يتحسن معدل concordance بين colposcopy impression وhistology؟ هل يقل عدد العينات غير التشخيصية أو السطحية؟ هل تتغير نسبة CIN2+ المكتشفة لكل biopsy مأخوذة؟ هذه مؤشرات أقرب للعمل اليومي من الاكتفاء بحساسية منشورة في دراسة خارجية.
كيف نقرأ AI في colposcopy من داخل pathology workflow؟
تطبيق AI قبل وصول العينة إلى المختبر يختلف عن AI على WSI. هنا الأداة لا تقرأ الشريحة، لكنها تؤثر في العينة التي ستُقطع وتُصبغ وتُقرأ. لهذا يحتاج القسم إلى ربط بيانات colposcopy، موضع biopsy، نتيجة histology، ونتيجة المتابعة داخل audit واحد.
إذا كانت التقارير النسيجية لا تسجل بوضوح موقع كل biopsy، سيصعب قياس أثر الأداة. وإذا كان LIS لا يسمح بربط كل container بموضعه السريري، سيبقى التقييم ناقصا. طبيب الباثولوجي يستطيع دفع الفريق نحو طلبات بسيطة: ترميز واضح لمواضع العينات، فصل containers، وربط نتيجة CIN grade بكل موضع.
كذلك يجب الانتباه إلى طريقة استخدام الأداة مع الأطباء الأقل خبرة. الدراسة أظهرت فائدة أكبر في هذه المجموعة، وهذا منطقي. لكن الفائدة في بيئة بحثية لا تكفي لاتخاذ قرار شراء أو تشغيل. المستشفى يحتاج اختبارا محليا على نوعية الكاميرات، تدريب المستخدمين، جودة الصور، ونمط الحالات في برنامج الفحص عنده.
ما حدود الخبر قبل الحماس؟
الدراسة تستخدم dataset خارجي من WHO، وهذا أقوى من الاكتفاء ببيانات داخلية. مع ذلك، حجم العينة 187 مريضة. كما أن المشاركين كانوا من الصين، واختلاف التدريب والبروتوكولات قد يؤثر في النتائج عند نقل النظام إلى بيئات أخرى.
النتيجة أيضا تخص colposcopy وتوجيه biopsy، ولا تعني أن AI حل مشكلة التشخيص النسيجي. تشخيص CIN grade يبقى على الشريحة، مع مراجعة morphology وجودة العينة وربطها بالمعطيات السريرية. إذا جاءت العينة من موضع جيد، يتحسن أساس القرار. وإذا كانت العينة ضعيفة، سيبقى التقرير محدودا مهما كان شكل النموذج قبل الخزعة.
ما الذي يمكن لطبيب الباثولوجي أن يطلبه؟
عند مناقشة أي AI tool للـ colposcopy داخل المستشفى، يحتاج طبيب الباثولوجي إلى ثلاثة أشياء عملية. أولا، تعريف واضح للـ endpoint: هل يقيس الفريق CIN2+ على histology؟ ثانيا، طريقة audit تربط موضع الخزعة بنتيجة الشريحة. ثالثا، سياسة متابعة للحالات ذات mismatch بين صورة colposcopy والنتيجة النسيجية.
بهذا الشكل يصبح AI جزءا من دورة جودة تمتد من العيادة إلى المختبر، بدلا من كونه شاشة إضافية أمام المستخدم. الدراسة لا تعطي جوابا جاهزا لكل مستشفى، لكنها تعطي طريقة تفكير نافعة: اختبروا الأداة خارج بياناتها، قيسوا أثرها على القارئ، وراقبوا عدد biopsies وجودة العينة والنتيجة النهائية.
الخلاصة العملية لطبيب الباثولوجي: قيمة AI في colposcopy ستظهر عندما تتحسن العينة التي تصل إلى المختبر، وعندما يستطيع القسم قياس ذلك بأرقام محلية. الحساسية وحدها لا تكفي. جودة موضع biopsy، وضوح container labeling، وربط النتيجة النسيجية بالموضع السريري هي التفاصيل التي تحدد قيمة الأداة في العمل الحقيقي.