في عالم علم الأورام، يعتبر استخدام بيانات التصوير الهستولوجي (Histopathology) مع تقنيات الذكاء الاصطناعي تطورًا مثيرًا للغاية. حيث تعرض دراسة جديدة نشرت على arXiv كيف يمكن دمج صور الشريحة الكاملة الملوّنة بحمض الهيماتوكسيلين والإيوزين (H&E) مع بيانات RNA-Seq بطريقة فعالة من حيث التكلفة.

تتيح هذه التقنية الجديدة للباحثين القدرة على استعلام الصور الهستولوجية باستخدام توقيعات جينية، بهدف التنبؤ بنشاط المسارات الجزيئية دون الحاجة إلى التسلسل أو إعادة تدريب شامل.

باستخدام التعلم التبايني على عينة تشمل 1,720 مريضًا مصابًا بعدة أنواع من السرطان، أثبتت هذه الطريقة الجديدة أنها قادرة على تحقيق تحسين يصل إلى 25 ضعفًا في استرجاع المعلومات مقارنةً بالأساليب السابقة. كما أظهرت التحليلات النظامية أن البرامج المرتبطة بالمعايير الشكلية، مثل برامج دورة الخلية والبرامج المتعلقة بالمناعة، تلقت أعلى تنبؤات موثوقة، بينما كانت المسارات التي لا تحمل بصمات شكلية تظل أكثر تحديًا.

تظهر هذه الدراسة أيضًا فعالية الأسلوب الجديد من خلال تحقيق نتائج سريرية مهمة في تجربة POSEIDON السريري، حيث تعكس درجات سرطان الخلايا الحرشفية المستمدة من تصوير H&E هويات فرعية لنوع سرطان الرئة غير الصغير (NSCLC)، كما تتطابق تنبؤات الأجسام المضادة لـ IFN-gamma مع مجموعات تعبير PD-L1.

إضافة إلى ما سبق، تمكنت هذه الطريقة من التنبؤ بنماذج معروفة لبيئة الورم من خلال تحليل الهستولوجيا فقط، مما يعكس قوة هذا النهج في توسيع نطاق التحليل الجزيئي على صور H&E.

لذا، يعدّ هذا التطور بمثابة إطار عمل محلي جديد يُحتمل أن يُحدث ثورة في كيفية فهمنا وتقديم العلاجات للأورام.