تخيّل حالة سرطان ثدي تصل إلى طبيب الباثولوجي في يوم مزدحم: H&E للتشخيص والـgrade، ثم ER وPR وKi-67 وHER2، وبعد ذلك نقاش سريري حول الخطورة واحتمال الحاجة إلى اختبار gene expression مكلف أو انتظار أطول. هذا هو المكان الذي تصبح فيه أخبار Aiforia وStratipath مهمة عملياً، لأن الخبر يضع الأدوات التشخيصية والتنبؤية داخل مسار رقمي واحد، مع تقليل الحاجة إلى AI model منفصل على الهامش.
أعلنت Aiforia في 25 آب 2026 شراكة مع Stratipath لدمج Stratipath Breast داخل Aiforia Clinical Platform. الهدف المعلن هو إتاحة أدوات AI للتشخيص والتنبؤ في سرطان الثدي أمام المختبرات ومراكز السرطان عبر منصة واحدة. مصدر الخبر هو البيان الرسمي من Aiforia، مع نشره أيضاً عبر Pathology News.
المسألة تبدأ من طاولة التشخيص
في سرطان الثدي، الجزء الصعب غالباً هو تجميع عدة قراءات في قرار واحد: morphology، Nottingham grade، IHC biomarkers، ثم تقدير خطر المرض ومناقشة العلاج مع الفريق السريري. كل خطوة لها زمن، عينة، QC، واحتمال اختلاف بين الأطباء أو بين المختبرات.
عندما يدخل AI إلى هذا المسار، السؤال العملي لطبيب الباثولوجي هو: أين تظهر النتيجة؟ هل تأتي كرقم منفصل في شاشة بعيدة؟ هل ترتبط بالـcase نفسه داخل WSI viewer؟ هل يستطيع الطبيب مراجعة مناطق القياس؟ وهل تصل النتيجة إلى التقرير بطريقة واضحة يمكن الدفاع عنها في اجتماع MDT؟
الشراكة الجديدة تجيب على جزء من هذا السؤال من زاوية المنصة. Aiforia تريد أن تجعل Stratipath Breast متاحاً داخل Aiforia Clinical Platform، بجانب أدوات Breast Cancer Suite الخاصة بها. هذا يعني أن المختبر الذي يعمل على منصة Aiforia قد يرى تشخيص breast AI وتقييم prognostic risk في مكان واحد، بدل تشغيل أدوات متفرقة لكل مهمة.
ما الذي تضيفه Stratipath Breast؟
Stratipath Breast هو AI-based prognostic risk profiling tool لسرطان الثدي. بحسب بيان الشركة، الأداة تحلل نسيج السرطان وتساعد في تحديد المرضى ذوي خطر أعلى أو أقل لتطور المرض. الشركة تذكر أن الحل منسجم تنظيمياً للاستخدام السريري في الاتحاد الأوروبي والمملكة المتحدة، وأنه مستخدم سريرياً ومثبت في دراسات واسعة.
النقطة المهمة في المختبر هي توقيت المعلومة داخل مسار الحالة. إذا أمكن توليد risk profile من شريحة نسيجية رقمية خلال دقائق، فقد يحصل الفريق السريري على معلومة إضافية عند التشخيص الأولي، بدل انتظار اختبار خارجي أو تأجيل القرار العلاجي. تبقى الاختبارات الجزيئية مطلوبة في حالات محددة. وجود risk profile مبكر يغيّر ترتيب الأسئلة داخل workflow.
بالنسبة لطبيب الباثولوجي، أي أداة prognostic تدخل تقرير سرطان الثدي تحتاج إلى ثلاثة أشياء واضحة: تعريف الحالات المؤهلة للتحليل، طريقة عرض النتيجة داخل التقرير، وحدود الاستخدام السريري. يجب أن يعرف الطبيب هل النتيجة تصلح لكل invasive breast cancer، أم لفئة محددة، وهل تعتمد على نوع العينة، جودة H&E، كمية الورم، أو خطوات التحضير قبل المسح.
موقع Aiforia Breast Cancer Suite في الخبر
Aiforia تقول إن Breast Cancer Suite لديها يدعم histological grading وفق Nottingham Grading System، ويدعم تقييم ER وPR وKi-67 وHER2. كما تذكر أن هذا الـsuite حاصل على CE-IVD للاستخدام التشخيصي في أوروبا ودول EEA.
هذه التفاصيل مهمة لأن طبيب الباثولوجي يحتاج إلى معرفة ما إذا كانت الأداة جزءاً من مسار تشخيصي منظم أم تجربة بحثية. CE-IVD يعطي إطاراً تنظيمياً أوروبياً، بينما يحتاج الاستخدام المحلي إلى تحقق داخلي قبل الاعتماد اليومي. المختبر يحتاج إلى تحقق داخلي، تدريب، سياسة لإعادة القياس، وتعريف واضح لما يحدث عند ضعف جودة الشريحة أو اختلاف النتيجة مع الانطباع البصري للطبيب.
في سرطان الثدي، IHC quantification حساس جداً لطريقة التحضير، نوع الـscanner، thresholds، واختيار مناطق الورم. لذلك يجب أن يكون AI مساعداً قابلاً للمراجعة: يبين مناطق القياس، يسمح للطبيب بتعديل ROI عند الحاجة، ويحافظ على audit trail. النتيجة التي تدخل التقرير يجب أن تبقى تحت مسؤولية طبيب الباثولوجي.
الأثر المتوقع على المختبر
أول أثر محتمل هو تقليل التنقل بين أنظمة متعددة. عندما تكون grading، biomarker scoring، وrisk profiling أقرب إلى case واحد داخل digital pathology workflow، ينخفض العبء الإداري على الطبيب والفني ومنسق الحالة. هذا النوع من التغيير قد يبدو صغيراً، لكنه يحدد سرعة تبني الأداة داخل القسم.
الأثر الثاني يتعلق بزمن التقرير. Stratipath تشير إلى نتائج خلال دقائق بدل أسابيع في سياق risk profiling. يجب قراءة هذه العبارة بحذر لأنها تخص حالة استخدام محددة، وتعتمد على جاهزية WSI والمنصة والسياسة المحلية. لكنها تفتح سؤالاً عملياً: هل يستطيع المختبر تقديم معلومة خطورة مبكرة للفريق السريري من دون إرسال عينة إلى مسار خارجي في كل مرة؟
الأثر الثالث هو توحيد طريقة العمل بين الأطباء. أدوات AI في grading وIHC تدعم الحكم الطبي بقياسات قابلة للتكرار عندما تكون الجودة مناسبة. وهذا مفيد خصوصاً في Ki-67 وHER2-low والمناطق الحدودية، حيث يحتاج الطبيب إلى قياس قابل للمراجعة يبتعد عن منطق الصندوق المغلق.
ما الذي يجب أن يسأل عنه طبيب الباثولوجي قبل التبني؟
قبل إدخال هذا النوع من الحلول، يحتاج القسم إلى أسئلة محددة: ما نوع الـslides المقبولة؟ ما شروط fixation وstaining وscan quality؟ هل يعمل النظام مع الـscanner الموجود في المختبر؟ كيف يرتبط مع LIS أو image management system؟ من يراجع النتيجة؟ وكيف تحفظ النسخة التي دخلت التقرير؟
هناك أيضاً سؤال الحوكمة. أي prognostic AI يقترب من قرار علاجي يحتاج إلى سياسة واضحة للتواصل مع oncologists. التقرير يجب أن يشرح معنى النتيجة بلغة طبية محددة، وأن يربطها بسياق الحالة والاختبارات الأخرى. وجود النتيجة في المنصة خطوة أولى. القيمة تأتي من طريقة إدخالها في القرار السريري.
ومن جهة التشغيل، يحتاج المختبر إلى متابعة مؤشرات بسيطة بعد الإطلاق: عدد الحالات التي عولجت رقمياً، زمن إرجاع النتيجة، نسبة الحالات المرفوضة بسبب جودة WSI، عدد مرات تعديل ROI، ونقاط اختلاف الطبيب مع AI. هذه المؤشرات تكشف نجاح التبني أكثر من أي عرض تسويقي.
قراءة مهنية للخبر
هذه الشراكة تعكس اتجاهاً واضحاً في breast pathology AI: الانتقال من أداة تقيس biomarker واحداً إلى مسار يجمع التشخيص، القياس، وتقدير الخطورة. المختبر يحتاج إلى نظام يقلل النوافذ المنفصلة، ويجعل النتيجة قابلة للرؤية والمراجعة والدخول في التقرير من دون إرباك اليوم التشخيصي.
بالنسبة لمنطقة الشرق الأوسط والعراق، الخبر يهم لأن تطبيق AI في الباثولوجي الرقمي قد يبدأ من مسارات محددة قبل التوسع إلى كل التشخيصات. قد يبدأ من مسارات محددة مثل سرطان الثدي، حيث توجد شرائح كثيرة، مؤشرات معروفة، وحاجة مستمرة إلى تقليل الزمن وتوحيد القياس. نجاح هذه الأدوات محلياً يعتمد على التكامل، جودة WSI، ووضوح المسؤولية الطبية أكثر من اسم الشركة.
مصدر الخبر: البيان الرسمي من Aiforia. تغطية الاكتشاف الإعلامي: Pathology News.