في قسم باثولوجي يعتمد على WSI، تبدأ المشكلة اليومية من مكان النموذج داخل العمل. السؤال الأصعب: أين يوضع هذا النموذج داخل العمل السريري؟ هل يرى الطبيب النتيجة داخل نظام مراجعة الشرائح؟ هل ترتبط النتيجة بالعينة الصحيحة وبالسياق السريري؟ ومن يتحمل قرار استخدام المخرجات في اختيار المرضى أو في تصميم دراسة دوائية؟
إعلان Imagene AI مع Tel Aviv Sourasky University Medical Center، المعروف باسم Ichilov، يهم طبيب الباثولوجي من هذه الزاوية بالضبط. يركز الإعلان على اتفاق لبناء بيئة سريرية لتطوير وتقييم واستخدام تقنيات AI متعددة الوسائط في oncology، مع ربطها بالباثولوجي الرقمي، والبيانات السريرية، وأبحاث precision oncology، وبرامج شركات الأدوية.
هذا النوع من الأخبار قد يبدو إداريا في القراءة السريعة. لكنه يمس نقطة عملية داخل المختبر: كيف ننتقل من نموذج يعمل على ملفات مختارة إلى نظام يمكن اختباره على حالات حقيقية، ضمن بيانات سريرية منظمة، وبإشراف أطباء يعرفون حدود العينة والتشخيص والسياق العلاجي؟
ما الذي أعلنه الطرفان؟
بحسب إعلان Imagene في 16 تموز 2026، ستعمل الشركة مع Ichilov على بناء clinical AI infrastructure لدعم تطوير وتقييم تطبيقات AI في digital pathology وprecision oncology وbiopharma research. الشراكة تمر عبر I-NEXT، مركز البحث والتطوير والابتكار في المستشفى.
الفكرة المعلنة هي إنشاء بيئة عمل واقعية تجمع الأطباء والباحثين وشركاء الصناعة حول بيانات باثولوجية وسريرية قابلة للاستخدام في اكتشاف biomarkers، وتحديد patient subgroups ذات معنى سريري، ودعم التجارب المعتمدة على biomarkers. Imagene تربط ذلك بمنصتها Oncology Intelligence وبنماذج متعددة الوسائط، بينما يقدم Ichilov الخبرة السريرية وقنوات البحث الانتقالي داخل مستشفى أكاديمي كبير.
الأهم لطبيب الباثولوجي أن الإعلان يضع pathology data في مركز المشروع بوصفها مكونا أساسيا منذ مرحلة التصميم. عندما تدخل الشرائح الرقمية في بيئة التقييم منذ البداية، تدخل معها أسئلة جودة WSI، وطريقة اختيار الحالات، وربط morphology بالنتائج الجزيئية، وتوثيق القرار.
لماذا يهم ذلك داخل المختبر؟
أي AI model في الباثولوجي يحتاج أكثر من تدريب جيد. يحتاج مسارا سريريا واضحا. إذا كان النموذج يقترح subgroup أو biomarker signature من H&E أو من مزيج بيانات، فطبيب الباثولوجي يحتاج أن يعرف أين تظهر المعلومة، ومتى تظهر، وكيف تراجع، وكيف تحفظ في الملف، وكيف تفصل عن التقرير التشخيصي عندما تكون للاستخدام البحثي أو لاختيار مرضى لدراسة.
في تطبيقات precision oncology، الخطر العملي يأتي غالبا من سوء التموضع داخل workflow. قد تكون النتيجة مفيدة بحثيا، لكنها تصل متأخرة بعد اتخاذ القرار. وقد تكون النتيجة ظاهرة للطبيب، لكنها منفصلة عن LIS أو عن نظام الصور، فيضيع أثرها أو يصعب تدقيقها. وقد تعتمد على cohort تدريبي جيد، ثم تفشل عند تغيير طريقة المسح أو اختلاف تحضير العينة أو تغير توزيع الحالات في مستشفى آخر.
لذلك تبدو شراكات المستشفى مع شركات AI مهمة عندما تبني مسار اختبار داخل بيئة سريرية، وتبتعد عن عرض نموذج منفصل في مؤتمر. وجود أطباء باثولوجي وباحثين سريريين ضمن دورة التقييم يساعد في طرح أسئلة تغيب غالبا عن ملفات التدريب: ما الحالات التي يجب استبعادها؟ ما أثر necrosis أو crush artifact أو ضعف التلوين؟ كيف يتعامل النظام مع عينة صغيرة أو biopsy غير ممثلة؟ وما الحد الأدنى من الشرح الذي يحتاجه الطبيب قبل أن يثق بالمخرج؟
القيمة السريرية تتجاوز AI وحده
الإعلان يتحدث عن multimodal AI. في لغة العمل اليومي، هذا يعني أن النموذج قد يقرأ WSI مع باقي الملف. قد يدخل معه سياق سريري، أو بيانات جزيئية، أو نتائج IHC، أو معلومات عن العلاج والاستجابة. هذا المسار منطقي في oncology، لأن تفسير السلوك أو اختيار الدراسة المناسبة يحتاج أحيانا إلى ما يتجاوز phenotype النسيجي.
لكن تعدد المصادر يزيد مسؤولية الحوكمة. طبيب الباثولوجي يحتاج أن يرى حدود كل مصدر. إذا جاء prediction من morphology فقط، فهذا مختلف عن prediction مدعوم ببيانات mRNA أو mutation status. وإذا استخدم النظام بيانات سابقة من المريض نفسه، فيجب أن يكون ذلك ظاهرا وقابلا للتتبع. دمج البيانات قد يحسن اختيار المرضى، لكنه يرفع الحاجة إلى audit trail واضح وربط صارم بين العينة، والصورة، والنتيجة، والقرار النهائي.
بالنسبة إلى biopharma، القيمة العملية تظهر في تصميم التجارب واختيار المرضى. بدلا من البحث عن biomarker في نهاية الطريق، يمكن ربط morphology وclinical outcomes وmolecular findings مبكرا لاكتشاف subgroup يستجيب لعلاج معين أو يحتاج مسارا مختلفا. هنا يصبح قسم الباثولوجي شريكا في بناء الفرضية ومصدرا منظما للشرائح والسياق التشخيصي.
ماذا يجب أن يسأل طبيب الباثولوجي؟
السؤال الأول هو نوع الاستخدام. هل الهدف diagnostic decision support داخل التقرير؟ أم فرز حالات لدراسة؟ أم اكتشاف biomarker جديد داخل برنامج بحثي؟ كل استخدام يحتاج مستوى مختلفا من التحقق، والموافقة، والشرح، وتوثيق المسؤولية.
السؤال الثاني هو البيانات. هل تمثل الحالات التنوع الحقيقي في المختبر؟ هل توجد عينات صغيرة، ومواد جراحية، واختلافات في scanner، وتباين في H&E؟ وهل ترتبط WSI بنتائج جزيئية وسريرية موثقة، أم أن الربط يعتمد على بيانات ناقصة؟ جودة الربط بين البيانات قد تكون أهم من حجم البيانات وحده.
السؤال الثالث هو الواجهة. النموذج الذي يحتاج نافذة منفصلة وكلمات مرور إضافية وخطوات يدوية كثيرة سيتحول إلى عبء. أما النموذج الذي يظهر في سياق الحالة، مع نتيجة قابلة للمراجعة ومصدر واضح، فيملك فرصة أفضل للدخول إلى الروتين. عندها يصبح تقييمه العملي ممكنا قبل إدخاله إلى الروتين.
السؤال الرابع هو حدود القرار. حتى في بيئة بحثية، يجب أن يعرف الفريق متى تكون المخرجات للاستكشاف، ومتى تدخل في اختيار مريض لتجربة، ومتى تحتاج confirmation باختبار معتمد. في oncology، هذا التفريق يحمي الطبيب والمريض والدراسة في الوقت نفسه.
قراءة عملية للخبر
خبر Imagene وIchilov يعكس اتجاها واضحا: AI في الباثولوجي يبتعد عن فكرة النموذج المعزول، ويتجه إلى بنية سريرية تجمع WSI، والبيانات الجزيئية، والسجل السريري، وفريقا قادرا على اختبار المخرجات في حالات واقعية. هذا المسار مناسب إذا بقي الطبيب داخل الحلقة من التصميم إلى التقييم إلى الاستخدام.
بالنسبة لطبيب الباثولوجي، الرسالة العملية بسيطة. عند تقييم أي شراكة أو منصة مشابهة، ابدأ بمكانها داخل workflow قبل اسم الخوارزمية: من يطلب التحليل؟ من يراجع النتيجة؟ أين تحفظ؟ كيف تدقق؟ وما الفعل السريري أو البحثي الذي ستغيره؟ إذا كانت هذه الأسئلة واضحة، يصبح الحديث عن AI أكثر قربا من العمل الحقيقي في المختبر.