تُعتبر دقة تقييم نسبة شدة الورم (TPS) في سرطان الرئة غير الصغير (NSCLC) عنصرًا حاسمًا في التخطيط للعلاج وتوقع النتائج الطبية. ومع ذلك، يواجه المتخصصون تحديات عدة تشمل العمل اليدوي المرهق المطلوب لت annotation كل شريحة، بالإضافة إلى العدد المحدود من الخبراء المعتمدين لهذا المهمة.

تُظهر الأبحاث الأخيرة تقدمًا ملحوظًا في هذا المجال من خلال تطبيق تقنية التعلّم المتعدد الفئات (Multiple Instance Learning - MIL). فقد أُثبت أن هذه التقنية تُعزز القدرة على توقع درجات TPS على مستوى الشريحة، رغم أن الطرق الحالية تواجه صعوبة في التعامل مع الصور التي تحمل فئة صفرية (zero class).

تم تصميم نهج مبتكر يتضمن نموذجين رئيسيين: الأول هو شبكة لاستخراج التضمين والتصنيف متعدد الفئات تلتقط الخصائص النسيجية للهيم (histopathological features) في كل شريحة، والثاني هو نموذج MIL يدمج هذه التضمينات للتنبؤ بمعلمات نظام بيتا المعزز الصفري (Zero-inflated Beta - ZIBeta) التي تمثل توزيع احتمالات TPS الإجمالي للشريحة بأكملها.

من خلال استخدام درجات TPS على مستوى الشريحة كعلامات، نجحت هذه المنظومة الشاملة في الاستفادة من بنية جديدة تعتمد على التوزيع لتحسين دقة التنبؤ ووضوح النتائج. لقد أثبتت نمذجة ZIBeta تفوقًا كبيرًا على أساليب الانحدار الخطي والانحدار الشجري، مع الحفاظ على دقة متوقعة عبر تركيز التوزيع.

مع هذه التطورات، يُتوقع أن تُحدث هذه التقنية تحولات فعّالة في مجال تشخيص سرطان الرئة، مما يسهم في تحسين فعالية العلاج وتوفير الوقت في الفحوصات. يُمكن أن يُعتبر هذا الابتكار خطوة ملموسة نحو مستقبل أفضل للأطباء والمرضى على حد سواء.