في قسم الباثولوجي الذي يشارك في تجربة دوائية، المشكلة اليومية تبدأ من سؤال أبسط من AI model: كيف نربط WSI، وIHC، وربما mIF أو spatial biology، بنتيجة قابلة للمراجعة داخل ملف المريض أو ملف التجربة؟
إعلان CellCarta في 15 تموز 2026 عن كونسورتيوم عالمي للـ AI في الباثولوجي الرقمي يدخل من هذه النقطة. الشركة، وهي CRO مختبرية تعمل مع شركات الأدوية، جمعت في البداية Lunit وMindpeak وImagene AI وDipath AI وNucleai وTivenix وIndica Labs. الهدف المعلن هو إعطاء شركات الأدوية مسارا واحدا عبر CRO لاختيار أدوات digital pathology وimage analysis وprecision diagnostics حسب البرنامج العلاجي، بدل التعامل مع كل vendor كجزيرة منفصلة.
بالنسبة لطبيب الباثولوجي، المعنى العملي للخبر أقرب إلى البنية التشغيلية حول الخوارزمية: من يمسك العينة؟ من يحدد طريقة التلوين؟ أين تحفظ WSI؟ كيف تربط النتيجة مع genomics أو proteomics؟ ومن يراجع المخرجات قبل أن تدخل في قرار trial enrollment أو companion diagnostic strategy؟
من الفكرة إلى مسار قابل للتدقيق
كثير من مشاريع AI في الباثولوجي تبدأ بعرض جميل: heatmap على WSI، score رقمي، أو نموذج يتوقع حالة molecular marker من H&E. بعد العرض تبدأ الأسئلة الصعبة داخل المختبر. هل الشرائح ممثلة؟ هل طريقة scan ثابتة؟ هل تم ضبط pre-analytics بين المواقع؟ هل المخرج مناسب للسؤال السريري أم أنه رقم بحثي لا يعرف الطبيب أين يضعه؟
CellCarta تحاول وضع هذه الأسئلة داخل مسار واحد. لديها histopathology، وgenomics، وimmunology، وproteomics، وsample logistics، وتحليل بيانات، وخبرة تنظيمية. إدخال شركات AI متعددة فوق هذه الطبقات يعطي sponsor طريقة لاختبار أكثر من حل ضمن شروط مختبرية وتشغيلية واحدة نسبيا. هذه النقطة مهمة أكثر من أسماء الشركات نفسها.
في التجارب الدوائية، يحتاج طبيب الباثولوجي إلى مخرج AI يمكن مقارنته مع morphology، ونمط IHC، ونوعية النسيج، وكمية الورم، وربما بيانات mRNA أو methylation أو liquid biopsy حسب نوع الدراسة. عندما تأتي كل طبقة من مصدر مختلف، يصبح تفسير التعارض أصعب. وجود CRO مسؤول عن جمع هذه الطبقات قد يقلل الفوضى، إذا كان مسار العمل واضحا ومراجعا.
لماذا يهم هذا في biomarker work؟
في oncology trials، اختيار المرضى يعتمد الآن على أكثر من marker في كثير من البرامج. بعض البرامج تسأل عن immune phenotype، وبعضها عن TME، وبعضها عن ADC target، وبعضها عن صورة تجمع H&E مع IHC وmIF وبيانات جزيئية. هنا تظهر قيمة الباثولوجي الرقمي عندما يخدم سؤالا محددا: هل توجد منطقة كافية للتحليل؟ هل التلوين صالح؟ هل الخلايا الموجبة ضمن compartment الصحيح؟ هل النتيجة قابلة للإعادة بين مواقع مختلفة؟
الشركات المشاركة تعكس هذا الاتساع. Lunit تعمل على immune phenotyping وتحليل TME ومؤشرات من H&E وIHC. Mindpeak تركز على تحليل IHC وH&E وmIF. Imagene AI تقدم نماذج متعددة المصادر للـ biomarker discovery وpatient stratification. Nucleai لديها خبرة في tissue intelligence ضمن تطوير الأدوية، ومنها برامج ADC. Tivenix يضيف زاوية methylation وliquid biopsy، وIndica Labs تدخل من جانب منصات وخدمات الباثولوجي الرقمي، أما Dipath AI فتغطي حضورا في السوق الصيني.
تنوع الأدوات يضع على طبيب الباثولوجي مسؤولية جديدة: تحديد السؤال قبل اختيار الأداة. نموذج يصلح لتقدير immune contexture في trial مبكر قد لا يصلح كاختبار مرافق قريب من الاستخدام السريري. وplatform يناسب research workflow قد يحتاج إلى ضوابط إضافية إذا اقترب من تقرير يؤثر في اختيار العلاج.
نقطة الحذر: الحياد بين vendors يحتاج ضوابط
إعلان CellCarta يستخدم فكرة AI-agnostic أو platform-agnostic. هذه صيغة مفيدة إذا كانت تمنع حبس المختبر في حل واحد. ضمان الجودة يحتاج protocol واضحا لاختيار النموذج، وتوثيق dataset، ومعايير قبول، وخطة فشل، وطريقة مراجعة بشرية.
طبيب الباثولوجي سيحتاج إلى أسئلة مباشرة قبل دخول أي أداة في trial workflow. ما نوع العينات المستخدمة في validation؟ هل تشمل مواقع متعددة؟ هل توجد حالات borderline؟ كيف يتعامل النظام مع necrosis أو crush artifact أو tissue folds أو ضعف التلوين؟ هل المخرج cell-level، region-level، slide-level، أم patient-level؟ وهل يمكن الرجوع إلى overlay أو measurement يشرح سبب النتيجة؟
في المختبر الواقعي، قيمة الـ score ترتبط بقدرة الفريق على معرفة متى يستخدم النتيجة ومتى يتجاهلها. إذا أعطى AI model نتيجة عالية في منطقة ذات staining غير منتظم، يجب أن يرى الباثولوجست السبب بسرعة. وإذا تعارضت نتيجة image analysis مع morphology، يجب أن تكون هناك آلية مراجعة موثقة داخل النظام، بعيدا عن البريد الإلكتروني والملاحظات اليدوية.
أثر محتمل على دور طبيب الباثولوجي
هذا النوع من الشراكات يدفع دور طبيب الباثولوجي داخل drug development إلى موقع أقرب من تصميم الاختبار نفسه. الطبيب يشارك مبكرا في اختيار ROI، وتعريف compartments، وتفسير discordant cases، وربط المخرج الرقمي بالسؤال العلاجي، بدلا من مراجعة الشرائح في نهاية السلسلة فقط.
داخل تجربة ADC مثلا، قد يصبح السؤال: هل target expression كاف، وفي أي خلايا، وبأي نمط، وهل توجد heterogeneity تؤثر في تفسير الاستجابة؟ في تجربة immunotherapy قد يكون التركيز على immune hubs أو TME patterns. في CNS أو Alzheimer’s programs قد تدخل طبقات أخرى، مثل methylation أو مؤشرات تتجاوز H&E وحدها. كل هذه الأسئلة تحتاج باثولوجست يفهم ما يراه على الشريحة وما يحاول النموذج قياسه.
هنا يجب أن يبقى الخط الفاصل واضحا. الكونسورتيوم يمكن أن يساعد في ترتيب الأدوات والبيانات. تحويل output تجريبي إلى دليل تشخيصي كامل يحتاج مسارا آخر من التحقق والاعتماد. أي استخدام قريب من القرار السريري يحتاج تحقق محلي، وQMS، وتحديد مسؤوليات، ومراجعة regulatory pathway. إعلان CellCarta يتحدث عن drug development وcompanion diagnostic strategy، وهذه منطقة تتطلب لغة دقيقة.
ما الذي يراقبه المختبر قبل الاعتماد؟
إذا دخل مختبر باثولوجي في مشروع مشابه، فالبداية العملية تكون من خريطة المسار. من استلام العينة إلى scan، ثم annotation، ثم AI analysis، ثم review، ثم إرسال النتيجة. كل خطوة تحتاج owner واضحا. وكل تغيير في scanner أو stain protocol أو software version يجب أن يترك أثرا يمكن تتبعه.
الجانب الآخر هو تكامل الأنظمة. WSI viewer، وLIS، وimage management system، ومنصة تحليل الصور يجب أن تعمل بطريقة تقلل العمل الخفي على الطبيب. إذا اضطر الباثولوجست إلى فتح ثلاث شاشات ونسخ رقم من نافذة إلى أخرى، فسيتحول AI إلى عبء. أما إذا ظهرت النتيجة بجانب الشريحة، مع overlay قابل للمراجعة وتاريخ معالجة واضح، فسيصبح استخدامها أسهل داخل tumor board أو trial review.
الخبر من CellCarta يذكر أسماء كثيرة. السؤال الأهم لطبيب الباثولوجي أبسط: هل يساعد هذا النموذج التشغيلي على إنتاج biomarker result يمكن الدفاع عنه أمام clinician وsponsor وregulator؟ الإجابة ستعتمد على تفاصيل التنفيذ. الإعلان يضع الإطار، أما الاختبار الحقيقي فسيكون في جودة العينات، ووضوح الواجهات، ودقة التوثيق، ومشاركة الباثولوجست في القرار النهائي.
المصدر الرسمي: CellCarta.