تعتبر الإصابة بسرطان القولون (Colorectal Cancer) من أكثر أنواع السرطان فتكاً، حيث يحتل المرتبة الثانية من حيث نسبة الموت والمرتبة الثالثة كأكثر أنواع السرطان شيوعًا. تبدأ رحلة علاج هذا السرطان بشكل أساسي بالدقة في التشخيص، وهو ما يعزز من قدرتنا على تحسين معدلات البقاء على قيد الحياة.

وكما نرى في الدول المتقدمة، تتزايد حالات سرطان القولون أيضاً في الدول النامية، مما يستدعي تطوير أساليب تشخيصية فعالة. تعتمد طرق التشخيص التقليدية على تقييم علم الأمراض النسيجي بعد أخذ عينة. لكن مع تقدم التكنولوجيا، أصبح من الممكن استخدام خوارزميات التعلم العميق (Deep Learning) لتسريع عملية التشخيص، مما يسهم في تحسين اتخاذ القرارات السريرية.

في هذا السياق، نعرض خط أنابيب آلي للتجزئة (Segmentation Pipeline) يتعامل مع الصور النسيجية الكاملة، حيث يقوم بتسمية درجات الأورام من 1 إلى 3، بجانب الأنسجة المخاطية الطبيعية. يعتمد هذا النظام على نماذج متطورة مثل محولات التوقع الكثيف (Dense Prediction Transformers) مع عدة هياكل ترميز.

تتمثل الابتكارات في استخدام سياسات تعزيز تكيفية، توجهها نماذج اللغة الكبيرة (Large Language Models)، مما يعزز من فعالية التدريب. وتم دمج النماذج الأفضل من خلال التصويت الناعم (Soft Voting)، مع تنفيذ خطوات المعالجة اللاحقة مثل التمويه الغاوسي (Gaussian Blurring) والإغلاق الشكلي (Morphological Closing) وتحليل المكونات المتصلة (Connected Components Analysis).

وفي تقييم على مجموعة بيانات درجات سرطان القولون، أثبتت طريقتنا الجديدة تحسينًا كبيرًا في النقاط القياسية، حيث ارتفعت درجة F1 من 62.92 إلى 69.84. يتوفر الكود الخاص بالدراسة على GitHub للباحثين والمطورين الراغبين في استكشاف المزيد.