في عالم الطب الحديث، يُعد تصنيف مراحل سرطان الرئة خطوة حاسمة في تحديد استراتيجية العلاج وتوقع النتائج. تعتمد عملية التصنيف على معايير تشريحية دقيقة ضمن إرشادات محددة، لكن معظم الأساليب الحالية في التعلم العميق تعالج هذه العملية باعتبارها مسألة تصنيف للصور دون تفسير.

لكن الآن، مع ظهور تقنية "أناتوميكال نيتس"، تتغير اللعبة. حيث يُعيد هذا النظام صياغة تصنيف الأورام كمسألة استنتاج قائم على القياسات والقواعد بدلاً من نمط التعلم التقليدي. يستخدم أناتوميكال نيتس ثلاثة شبكات مشفرة-مشفرة مخصصة (encoder-decoder) لتحديد مكان الرئة، الورم، والمنطقة الوسيطة بدقة عالية.

بالإضافة إلى ذلك، تُقدر حدود الحجاب الحاجز من خلال خوارزمية تعتمد على أشكال الرئة، بينما تُحسب الأبعاد الكبرى للورم وقربه من الهياكل التشريحية المجاورة باستخدام طريقة تقدير المسافة القائم على الحدود. تُمرر هذه الميزات عبر وحدة قرار حاسمة تتبع إرشادات الجمعية الدولية لدراسة سرطان الرئة.

عند تقييمها على مجموعة بيانات Lung-PET-CT-Dx، حقق أناتوميكال نيتس دقة تصنيف إجمالية بلغت 91.36%. تتضمن النتائج الدقيقة لدرجات F1 لكل مرحلة: 0.93 (T1)، 0.89 (T2)، 0.96 (T3)، و0.90 (T4). هذا يعد نقطة تقييم حاسمة غالباً ما يتم تجاهلها في الأدبيات السابقة.

تُظهر هذه الدراسة أن نقطة الضعف في الأعمال السابقة تكمن في تصميم المميزات بدلاً من سعة المصنف، مما يبرز أهمية الابتكار في هذا المجال. مع تقديم هذا النظام، يتم إنشاء نظام تصنيف شفاف وموثوق، يربط بين أداء التعلم العميق وقابلية تفسير النتائج السريرية.