تُعتبر السرطانات واحدة من أبرز التحديات الصحية التي تواجه البشرية، ويعد سرطان الكبد أحد الأنواع الأكثر فتكًا بين جميع السرطانات. يُشكل سرطان الخلايا الكبدية (Hepatocellular Carcinoma - HCC) أكثر من 90% من حالات سرطان الكبد، مما يضع ضغوطًا كبيرة لتحقيق تصنيفات دقيقة وسريعة له.
لحل هذه المعضلة، طرحت دراسة جديدة مشروعًا مبتكرًا يتضمن تطوير مجموعة بيانات مستندة إلى التعلم شبه المراقب (Semi-Supervised Learning) لتوقع مراحل متعددة من HCC.
تتضمن هذه المجموعة 770 عينة من مرضى مُصنفة إلى خمس فئات، حيث تمزج بين نسيج الكبد الطبيعي ومراحل مختلفة من المرض. وضمّت كل عينة 11,150 مستوى مختلف من تعبير الجينات، مما يجعلها مصدرًا غنيًا للبيانات اللازمة لتدريب نماذج الذكاء الاصطناعي (AI) المتخصصة.
تم استخدام نموذج XGBoost لتحقيق نتائج مذهلة، حيث تمكّن من الوصول إلى دقة تصنيف نهائية بلغت 96.5% خلال عملية التعلم شبه المراقب. هذا الإنجاز يقدم أملًا جديدًا في تطوير حلول أوتوماتيكية لتصنيف سرطان الكبد، مما يسهل على الأطباء اتخاذ قرارات سريعة وأكثر دقة في علاجهم للمرضى.
في ظل حاجة ملحة لمجموعات بيانات عامة متاحة، تُعد هذه الدراسة خطوة تسهم في زيادة الفهم وقدرة الذكاء الاصطناعي على مواجهة تحديات الصحة العامة. هل سيساهم هذا التقدم في تقليل وفيات سرطان الكبد؟ شاركونا آرائكم في التعليقات!