تظل تحديات التنبؤ ببقاء مرضى السرطان من خلال بيانات متعددة الصفوف (Multi-Omics) قائمة، حيث تُعتبر الإشارات التنبؤية عالية الأبعاد ومتنوعة. لكن، مع الابتكار الجديد الذي نقدمه اليوم، بات المستقبل أكثر إشراقًا.

نظام PathMoG، وهو نظام شبكات عصبية متقدمة يركز على المسارات الجينية (Pathway-Centric Modular Graph Neural Network)، يأتي ليحدث ثورة حقيقية في طريقة تحليل البيانات واستشراف مستقبل مرضى السرطان. كيف يتم ذلك؟

يعمل PathMoG على إعادة تنظيم المدخلات الجينومية ضمن 354 وحدة مسار مستندة إلى KEGG، مما يسهل عملية التأقلم مع التعقيدات الجينية. بالإضافة إلى ذلك، يقدم النموذج وحدة تعديل هرمية (Hierarchical Omics Modulation Module) تعمل على ربط تمثيلات تعبير الجينات بالتغييرات الناتجة عن الطفرات (Mutations) والتغيرات في عدد النسخ (Copy Number Variation) وسياق المسارات والعوامل السريرية.

يُستخدم في هذا النموذج أيضًا انتباه ثنائي المستوى (Dual-Level Attention) لالتقاط الإشارات المحورية ضمن المسار الواحد وأهميتها السريرية عبر المسارات المختلفة.

تجاوزت تقييمات PathMoG على 5,650 مريضًا من 10 أنواع مختلفة من السرطان وفقًا لبيانات TCGA، حيث أظهر النموذج تحسنًا ثابتًا وملحوظًا مقارنة بأساليب التنبؤ التقليدية.

علاوة على ذلك، يوفر هذا الإطار تفسيرًا على مستوى الجين والمسار والمريض، مما يعزز من مستوى فهم المخاطر السريرية ويتيح تصنيفًا مبنيًا على أسس بيولوجية متينة.

إن هذه التقنية المبتكرة تمثل خطوة هامة نحو تحسين العلاجات المخصصة والتوقعات الصحية للمرضى، مما يفتح آفاق جديدة في أبحاث السرطان.