في مختبر DermPath مزدحم، قد لا تكون المشكلة الأولى هي قناعة طبيب الباثولوجي بقيمة WSI أو AI model. القناعة موجودة عند كثيرين. العائق يظهر عند سؤال أبسط وأكثر إزعاجاً: كيف ندخل السلايد سكانر إلى مختبر قائم، مرتبط بـ LIS قديم، وفريق تقني معتاد على الورق والصواني والباركود، من غير أن نبطئ التشخيص اليومي؟
هذه كانت الفكرة العملية في حلقة PathPulse مع Dr. David Terrano، dermatopathologist وMedical Director في Bethesda DermPath. أهمية الحلقة أنها لا تأتي من شركة تعرض منتجاً، ولا من مركز أكاديمي أنهى التحول الرقمي مسبقاً. الحديث جاء من طبيب باثولوجي يؤمن بالباثولوجي الرقمي، لكنه يعمل في مختبر لم يتحول بالكامل بعد. هذه الزاوية قريبة من واقع مختبرات كثيرة.
القناعة وحدها لا تكفي داخل مختبر قائم
Dr. Terrano يتكلم من خبرة تشغيلية واضحة. عمل في مختبر DermPath عالي الحجم في Arizona، ثم انتقل إلى Bethesda DermPath في منطقة DC. في الحالتين، لم يكن يدخل إلى مختبر جديد مصمم حول WSI منذ اليوم الأول. كان يدخل إلى نظام قائم له طريقة عمل، أشخاص، عادات، ومخاوف مبررة.
هذا التفصيل مهم لطبيب الباثولوجي. التحول الرقمي في المختبرات القائمة يختلف عن بناء مختبر جديد. المختبر الجديد يستطيع اختيار scanner وLIS وimage management system وطريقة grossing والتخزين من البداية. أما المختبر القديم فيحتاج أن يربط التقنية الجديدة بمسار عيّنات يعمل يومياً، وفيه مرضى ينتظرون تقاريرهم.
لذلك لا يكفي أن نقول إن WSI أفضل أو إن AI سيحسن الجودة. السؤال داخل المختبر يكون أكثر مباشرة: هل سيقرأ الباركود؟ هل ستظهر السلايدات بالاتجاه الصحيح؟ هل سيعمل النظام بسرعة قريبة من سرعة المجهر؟ هل يستطيع فريق IT حماية البيانات من غير إيقاف المشروع؟ وهل يشعر طبيب الباثولوجي أن الشاشة تساعده، أم تضيف نقرات جديدة قبل أن يصل إلى التشخيص؟
الوعد الحقيقي: تقليل الاحتكاك حول التشخيص
نقطة Terrano الأقوى كانت في وصفه للأعمال الصغيرة التي تستهلك ذهن طبيب الباثولوجي قبل كتابة التشخيص: تحريك الصواني، ترتيب السلايدات، مطابقة الورق، البحث عن الطلب، الانتقال بين شاشات، أو إرسال رسالة للطبيب المعالج بعد تشخيص melanoma. كل حركة وحدها بسيطة. بعد مئة حالة في اليوم، تصبح عبئاً حقيقياً.
هنا يصبح الباثولوجي الرقمي أقل ارتباطاً بصورة السلايد نفسها، وأكثر ارتباطاً بتقليل الاحتكاك حول القرار التشخيصي. إذا كان النظام يعرض WSI بسرعة، يربطها بالطلب، يفتح السلايدات بترتيب منطقي، ويجعل التواصل مع الطبيب المعالج جزءاً من نفس بيئة العمل، فإن طبيب الباثولوجي يستعيد تركيزه للحالة نفسها.
Terrano ذكر مثالاً عملياً في DermPath: كلمة cyst في الطلب السريري. أحياناً يرى الطبيب هذه الكلمة مرات كثيرة خلال اليوم، وقد تخلق anchoring bias. الفكرة التي طرحها تضع AI model كطبقة QC تسأل: هل راجعت كامل السلايد؟ هل توجد منطقة لا تنسجم مع التشخيص السريع؟ هذا النوع من AI قريب من احتياج الباثولوجست، لأنه يحمي الانتباه في مناطق التعب والتكرار.
ROI ليس رقماً مالياً فقط
العائق الذي تكرر في الحلقة هو ROI. تكلفة scanner أو اثنين مع البنية التقنية قد تصل إلى مئات الآلاف من الدولارات. بالنسبة لإدارة مختبر خاص، هذا قرار صعب عندما لا تظهر الزيادة في الإيراد مباشرة.
لكن قياس ROI بطريقة ضيقة قد يظلم المشروع. العائد قد يظهر في أماكن لا تدخل بسهولة في ملف Excel: تقليل ضياع الوقت في البحث عن السلايدات، تسهيل الاستشارات، تحسين تغطية الإجازات، تقليل الضغط على عدد محدود من الباثولوجست، ورفع قدرة المختبر على جذب أطباء جدد تعودوا على العمل الرقمي في التدريب أو الزمالة.
هناك عائد آخر مرتبط بالعملاء. طبيب الجلدية أو الجراح الذي يستطيع رؤية صورة ديناميكية، أو مشاركة case مع المريض أو مع فريق آخر، سيقارن هذه التجربة بما تقدمه مختبرات أخرى. المختبر الذي يبقى على الورق والزجاج فقط قد لا يخسر اليوم، لكنه يضع نفسه تحت ضغط خلال خمس إلى عشر سنوات.
IT ليس عدواً للمشروع
في كثير من النقاشات داخل المختبر، يظهر IT كسبب للتأخير. Terrano كان منصفاً هنا. مخاوف الأمن السيبراني وحماية البيانات جزء أساسي من القرار. إذا تعطل إرسال التقرير أو تسربت بيانات مرضى، يتضرر المختبر كله.
مع ذلك، لا يحتاج المشروع أن يبقى في مرحلة الاجتماعات. يمكن أن يبدأ المختبر بخطوة محدودة: scanner داخل المختبر، حالات مختارة، تحقق متواز مع الزجاج، وفريق صغير يقيس السرعة، جودة الصورة، أخطاء الباركود، وطريقة عرض السلايدات. هذه البداية لا تحل كل شيء، لكنها تحول النقاش من خوف عام إلى قائمة مشاكل قابلة للقياس.
بالنسبة لطبيب الباثولوجي، هذه المرحلة مفيدة أيضاً. لا يمكن تقييم viewer أو workflow من عرض تجاري قصير. يجب أن يجربه الطبيب على حالات يومية، benign وmalignant، easy وgray zone، مع نفس ضغط الوقت الذي يعيشه في العمل.
المسار يبدأ قبل السلايد
الحديث عن المسار المثالي في الحلقة بدأ من specimen bottle، لا من الشاشة. Terrano تخيل نظاماً يبدأ بالباركود أو RFID من العيادة، ثم accessioning، ثم grossing مع كاميرا وصوت، ثم scanning، ثم عرض الحالة لطبيب الباثولوجي داخل بيئة واحدة. هذا التفكير مهم لأن WSI وحدها لا تصلح خلل ما قبل التحليل.
إذا كان الخطأ في مطابقة العينة، أو في إدخال البيانات، أو في نقل المعلومات من الطلب إلى LIS، فلن يحله viewer جميل. لذلك يحتاج مشروع الباثولوجي الرقمي أن يشمل grossing bench، requisition capture، barcode quality، وربط الصورة بالتقرير. طبيب الباثولوجي يرى النهاية، لكن جودة النهاية تعتمد على ما حدث في الخطوات السابقة.
الجزء العملي هنا أن المختبر لا يحتاج تنفيذ كل شيء مرة واحدة. يمكن البدء من نقطة تسبب ألماً واضحاً. إذا كانت المشكلة في ضياع الوقت مع الاستشارات، يبدأ المشروع بمشاركة WSI. إذا كانت المشكلة في التغطية أثناء الإجازات، يبدأ بتجربة قراءة عن بعد ضمن ضوابط واضحة. إذا كانت المشكلة في أخطاء إدخال البيانات، يبدأ من requisition capture وربطها بـ LIS.
AI الأقرب للمختبر اليوم
لم يقدم Terrano AI كبديل لطبيب الباثولوجي. الأمثلة التي ذكرها كانت أقرب إلى أدوات مساعدة: grammar checking داخل LIS، البحث الطبي في الحالات الرمادية، استخراج بيانات التأمين من الطلب، QC على السلايد، أو تذكير الطبيب بمنطقة قد تحتاج مراجعة إضافية.
هذه نقطة مهمة لأن كثيراً من الحديث حول AI في الباثولوجي يركز على التشخيص الكامل أو الأداء على benchmark. داخل المختبر، أول قيمة قد تكون أصغر وأكثر فائدة: تقليل الأخطاء الإدارية، تسريع التواصل، أو حماية الطبيب من missed focus في حالة متكررة. هذا لا يقلل من قيمة AI. بالعكس، يجعله جزءاً من workflow حقيقي بدلاً من عرض منفصل.
أي AI model يدخل إلى DermPath يجب أن يثبت فائدته في بيئة العمل نفسها. هل يعمل على staining المحلي؟ هل يتعامل مع artifact؟ هل تظهر مخرجاته بطريقة يستطيع الباثولوجست مراجعتها؟ هل يسجل النظام من رأى التنبيه وماذا فعل بعده؟ هذه الأسئلة أهم من جملة تسويقية عن الدقة.
ما الذي يأخذه طبيب الباثولوجي من هذه الحلقة؟
الدرس العملي أن مقاومة التحول الرقمي ليست دائماً رفضاً للتقنية. أحياناً هي دفاع عن سرعة تشخيصية بناها الطبيب خلال سنوات. إذا أراد المختبر إدخال WSI أو AI، فعليه احترام هذه السرعة قبل أن يطلب من الطبيب تغيير عاداته.
ابدأوا بقياس الاحتكاك: عدد النقرات، زمن فتح السلايد، طريقة ترتيب الحالات، جودة الباركود، زمن الوصول إلى طلب المريض، وخطوات التواصل بعد التشخيصات الحرجة. بعد ذلك اختاروا نقطة بداية صغيرة، ثم وسعوها عندما تثبت أنها لا تضر التشخيص اليومي.
الباثولوجي الرقمي ينجح عندما يشعر طبيب الباثولوجي أن التقنية أزالت عملاً جانبياً وأبقت القرار الطبي في مكانه. هذا معيار بسيط، لكنه أصعب من شراء جهاز. وهو المعيار الذي يجب أن يحكم أي مشروع WSI أو AI داخل مختبر DermPath.
المصدر: PathPulse مع Dr. David Terrano