تخيل حالة مألوفة في مختبر مزدحم. خزعة تصل متأخرة، WSI يحتاج إعادة مسح بسبب out-of-focus area، تقرير molecular يصل بعد اجتماع MDT، والطبيب المعالج يسأل عن أهلية المريض لدراسة علاجية. يوجد AI model في مكان ما داخل النظام. يوجد dashboard. توجد تنبيهات. مع ذلك، يبقى السؤال العملي لطبيب الباثولوجي: من يضمن أن المعلومة وصلت إلى القرار الصحيح في الوقت الصحيح؟
مقال Medscape عن جلسة ASCO 2026 بعنوان What ASCO 2026 Taught Us About Scaling AI in Cancer Care يقدم نقطة مهمة لكل فريق يعمل في oncology وdigital pathology. الكاتب Arturo Loaiza-Bonilla ناقش فكرة بسيطة: قيمة AI في رعاية السرطان تظهر عندما يتحول التنبيه أو التصنيف أو المطابقة العلاجية إلى خطوة مكتملة داخل workflow، مع شخص مسؤول عن المتابعة.
المشكلة تبدأ بعد ظهور النتيجة
في الباثولوجي الرقمي، من السهل الانشغال بجودة النموذج: AUC، sensitivity، specificity، أو سرعة inference. هذه الأرقام مهمة، لكنها تصف جزءا واحدا من رحلة العينة. طبيب الباثولوجي يعمل على طلب سريري، عينة، تثبيت، تقطيع، H&E، IHC، WSI، أحيانا molecular findings، ثم تقرير يجب أن يصل إلى قرار علاجي.
الخطأ التشغيلي يظهر عندما يتوقف النظام عند إنتاج output. مثال ذلك AI model يضع case في قائمة أولوية عالية، لكن worklist لا يوضح من راجع الحالة. أو model يقترح biomarker-related flag، لكن LIS لا يربطه بطلب الفحص المناسب. أو منصة clinical trial matching تقرأ molecular report وتنتج قائمة دراسات، ثم لا يوجد مسار واضح للتحقق الطبي، التواصل مع المريض، أو توثيق سبب عدم الإحالة.
هنا يصبح الدرس من ASCO قريبا من عمل المختبر. نجاح AI يظهر عندما يغلق الفريق الحلقة بين العينة، التشخيص، القرار، والمتابعة.
ما الذي يعنيه المسار المغلق داخل قسم الباثولوجي؟
المسار المغلق يعني أن كل نتيجة قابلة للفعل لها صاحب. إذا صنف النظام WSI كحالة تحتاج مراجعة أسرع، يجب أن يعرف القسم من يرى التنبيه، خلال أي مدة، وكيف يوثق القرار. إذا فشل المسح أو ظهرت منطقة غير قابلة للتقييم، يجب أن يظهر ذلك في مسار إعادة المسح لا في ملاحظة جانبية داخل viewer. وإذا وصل تقرير molecular بعد توقيع التقرير الأول، يجب أن يملك LIS أو نظام إدارة الصور طريقة واضحة لربط التحديث بالسياق التشخيصي.
هذه تفاصيل يومية، لكنها تحدد نجاح AI أكثر من إعلان النموذج. في المختبرات الكبيرة، تتوزع المسؤولية بين طبيب الباثولوجي، الفني، مسؤول الجودة، فريق المعلوماتية، ومنسق MDT. لذلك يحتاج أي AI deployment إلى خريطة تسليم: من يستلم ماذا، ومتى، وأين يظهر الأثر داخل التقرير أو قائمة العمل.
الدقة وحدها لا تحمي المريض
الجلسة التي ناقشها المقال ربطت AI برعاية السرطان في البيئات ذات الموارد المحدودة والمناطق قليلة الخدمة. الفكرة لا تخص الدول منخفضة الدخل فقط. حتى داخل مستشفى متقدم، قد تكون نقطة الضعف في نقل العينة، أو نقص subspecialty coverage، أو تأخر طلب IHC، أو صعوبة الوصول إلى بيانات molecular خارج النظام.
بالنسبة لطبيب الباثولوجي، هذا يعني أن تقييم AI يجب أن يسأل عن failure modes داخل العمل الحقيقي. ماذا يحدث عند WSI غير صالح؟ ماذا يحدث إذا اختلف scanner أو stain أو protocol بين موقعين؟ من يراجع false negative؟ هل يستطيع النظام إظهار الحالات التي لم تصل إلى مرحلة القرار؟ هل توجد fallback process عند تعطل viewer أو انقطاع الربط مع LIS؟
هذه الأسئلة عملية. وهي أفضل من سؤال عام عن كون النموذج متقدما أو حديثا. طبيب الباثولوجي يحتاج إجابات مرتبطة بالحالة وبمسار العمل.
Human in the loop يحتاج وصفا دقيقا
عبارة human in the loop تظهر كثيرا في نقاشات AI الطبية. داخل المختبر، العبارة لا تكفي إذا بقيت عامة. يجب أن تتحول إلى خطوات: طبيب الباثولوجي يراجع ماذا؟ هل يراجع كل الحالات أم الحالات التي تجاوزت عتبة معينة؟ هل يظهر سبب التنبيه؟ هل يستطيع الطبيب رفض اقتراح النموذج وتوثيق السبب؟ هل يذهب الرفض إلى quality review لاحقا؟
عند استخدام AI في triage أو quantification أو biomarker support، يجب أن يكون دور الطبيب واضحا في الواجهة وفي السياسة الداخلية. القرار النهائي لا يتحسن بمجرد وجود طبيب قرب النظام. يتحسن عندما يحصل الطبيب على معلومات قابلة للمراجعة، مع حدود استخدام مكتوبة، ومسار اعتراض، وسجل audit يمكن الرجوع إليه عند الاختلاف.
ما الذي يجب قياسه قبل التوسع؟
المقال يقترح التفكير في التنفيذ قبل التوسع. في الباثولوجي، يمكن ترجمة ذلك إلى مؤشرات قريبة من المختبر. كم حالة دخلت المسار؟ كم حالة احتاجت إعادة مسح؟ كم مرة غيّر التنبيه ترتيب المراجعة؟ ما median turnaround time قبل وبعد التطبيق؟ كم حالة خرجت من المسار من دون owner واضح؟ وهل تختلف الأخطاء بين مواقع أو scanners أو أنواع عينات؟
هذه القياسات لا تحتاج لوحة ضخمة. تبدأ بسجل بسيط للحالات التي يفترض أن يساعدها AI. المهم أن يرى الفريق الحالات العالقة مبكرا. فإذا كان النموذج يرفع أولوية عشر حالات يوميا ولا يستطيع الفريق مراجعتها في الوقت المحدد، فالمشكلة لم تعد في النموذج وحده. المشكلة في capacity، توزيع العمل، أو تصميم التنبيه.
أثر ذلك على اجتماع MDT والتقرير النهائي
القيمة السريرية تظهر عندما يصل output إلى نقطة القرار. في oncology، القرار قد يكون طلب IHC إضافي، إرسال NGS، تعديل stage discussion، اختيار trial، أو تنبيه الفريق إلى mismatch بين morphology وmolecular findings. لذلك يجب أن يرتبط AI pathway بتقرير الباثولوجي وباجتماع MDT، لا أن يبقى داخل viewer منفصل.
إذا كان AI يساعد في قراءة نمط معين على WSI، فيجب أن يعرف طبيب الباثولوجي كيف يدخل ذلك في التقرير: هل هو أداة مساعدة داخلية؟ هل يوجد approval للاستخدام السريري؟ هل يحتاج ذكره؟ هل يغير wording في diagnosis أو comment؟ هذه القرارات لا تترك لفريق التقنية بعد التشغيل. تكتب قبل التشغيل، ثم تراجع بعد أول دورة استخدام.
خطة صغيرة خلال 90 يوما
الدرس العملي من المقال لا يتطلب مشروع تحول كامل. يمكن لأي قسم اختيار نقطة تسليم واحدة وإغلاقها. مثال مناسب: الحالات التي تحتاج IHC reflex بعد تشخيص أولي، أو WSI التي تفشل quality check، أو تقارير molecular التي تصل بعد التوقيع، أو الحالات المحتملة للدراسات السريرية.
خلال أول أسبوعين، يرسم الفريق المسار الحالي ويحدد أين تضيع الحالات. خلال الشهر الأول، يحدد owner لكل تنبيه أو نتيجة. خلال الشهر الثاني، يختبر الفريق الاتصال بين LIS وviewer وسجل الجودة. قبل نهاية الشهر الثالث، يراجع المؤشرات: وقت الحل، عدد الحالات العالقة، أسباب التعطل، وأثر ذلك على عمل طبيب الباثولوجي.
بهذه الطريقة يصبح AI جزءا من سياسة تشغيلية قابلة للمحاسبة، وليس أداة معلقة على هامش العمل.
الرسالة لطبيب الباثولوجي
أهم ما في درس ASCO 2026 أن مقياس النجاح يتغير. لا يكفي أن يسأل القسم: هل النموذج يعمل؟ السؤال الأقوى: هل ساعد المسار المريض على الوصول من الخطر إلى القرار من دون ضياع؟
هذا السؤال يضع طبيب الباثولوجي في مكانه الصحيح داخل التحول الرقمي. الطبيب يحدد intended use، يراقب الجودة، يربط النتيجة بالسياق النسيجي والسريري، ويقرر متى تصبح المعلومة قابلة للدخول في التقرير أو MDT.
AI في رعاية السرطان سيبقى محدودا إذا توقف عند التصنيف. داخل الباثولوجي، قيمته تبدأ عندما يصير جزءا من مسار موثق: عينة جيدة، صورة قابلة للمراجعة، نتيجة مفهومة، مسؤول واضح، وتحديث يصل إلى القرار العلاجي. هذا هو الفرق بين أداة تعجب الفريق في العرض، ونظام يساعد طبيب الباثولوجي في يوم العمل الحقيقي.