ماذا حدث
أثبت فريق بحث بقيادة جامعة مينيسوتا أن خط أنابيب التعرف الضوئي على الحروف (OCR) المختلط مفتوح المصدر يمكنه استخراج درجات التكرار الجينومي بدقة من تقارير سرطان الثدي Oncotype DX الممسوحة ضوئيًا. استخدمت الدراسة، التي نُشرت في مجلة Cancer Causes & Control، مجموعة من محركات Tesseract وEasyOCR لمعالجة 675 تقريرًا، محققة معدل اتفاق بنسبة 97% مع التجريد البشري اليدوي. لقد تفوق النظام الآلي بشكل كبير على سرعة إدخال التسجيل اليدوي التقليدي، والذي غالبًا ما يواجه تأخيرات تتراوح من 12 إلى 18 شهرًا.
قام فريق البحث، بما في ذلك Qianyun Luo وSchelomo Marmor، بتطوير خط أنابيب "H-OCR" (H-OCR) لمعالجة زمن الوصول في سجلات السرطان. يتم تخزين نتائج اختبار الجينوم، مثل درجة تكرار Oncotype DX، بشكل متكرر في السجلات الصحية الإلكترونية (EHRs) كصور ممسوحة ضوئيًا غير منظمة بدلاً من البيانات القابلة للقراءة آليًا، مما يتطلب النسخ اليدوي.
يستخدم خط أنابيب H-OCR EasyOCR للكشف عن النص القائم على التعلم العميق وTesseract كمحرك احتياطي للتعرف على الأحرف. تم تصميم هذا النهج المختلط للاستفادة من قدرة EasyOCR على توطين التعليقات التوضيحية المحاطة بدائرة في التقارير مع الاستفادة من سرعة Tesseract وقدرات التعرف على الأحرف.
في مجموعة التحقق المكونة من 675 تقريرًا، حقق مسار H-OCR توافقًا بنسبة 97% مع المعايير المرجعية اليدوية، متجاوزًا معدل الدقة البالغ 91% لتجريد التسجيل التقليدي. أكملت العملية الآلية المهمة في حوالي 4.9 ساعة، مقارنة بالتأخيرات الممتدة لعدة أشهر المعتادة في سير العمل اليدوي الحالي.
وجدت الدراسة أن درجات الثقة في خط الأنابيب حددت بشكل فعال الأخطاء المحتملة، مما يشير إلى أن التطبيقات المستقبلية يمكن أن تستخدم هذه الدرجات لتحديد عمليات الاستخراج غير المؤكدة للمراجعة البشرية، وبالتالي تقليل خطر سوء التصنيف المهم سريريًا.
تفاصيل المصدر: bioengineer.org ↗
لماذا يهم
إن الاعتماد الحالي على النسخ اليدوي للبيانات الجينومية يخلق عنق الزجاجة الكبير في أبحاث السرطان وعلم الأورام الدقيق. من خلال أتمتة استخراج البيانات المنظمة من ملفات PDF غير المنظمة، يسمح هذا النهج مفتوح المصدر للأنظمة الصحية بملء سجلات السرطان في الوقت الفعلي تقريبًا. يعد هذا التحول أمرًا بالغ الأهمية لتحسين جودة الأدلة الواقعية، وتمكين أبحاث الفعالية المقارنة بشكل أسرع، وتوفير البيانات المنظمة اللازمة لتدريب نماذج الذكاء الاصطناعي المستقبلية في علم الأورام. ونظرًا لأن الأدوات مفتوحة المصدر ويمكن أن تعمل ضمن بيئات متوافقة مع قانون HIPAA، فإن هذه الطريقة توفر حلاً منخفض التكلفة وقابل للتكرار للمؤسسات ذات الموارد المحدودة لتحديث البنية التحتية للبيانات الخاصة بها دون الحاجة إلى برمجيات احتكارية.
تعد المؤشرات الحيوية الجينومية ضرورية لدقة علاج الأورام وقياس الجودة، إلا أن فائدتها محدودة حاليًا بسبب الوقت الذي يستغرقه إتاحتها في قواعد البيانات البحثية. ويسمح تقليل زمن الوصول هذا بتوليد الأدلة في الوقت المناسب.
ويضمن استخدام أدوات مفتوحة المصدر مثل Tesseract وEasyOCR إمكانية الوصول إلى الحل لمراكز السرطان الأصغر حجمًا أو ذات الموارد المحدودة والتي قد تفتقر إلى الميزانية اللازمة لبرامج استخراج البيانات الطبية باهظة الثمن والمملوكة ملكية خاصة.
أظهرت الدراسة أن فوائد هذا الالتقاط الآلي قابلة للتطبيق على نطاق واسع عبر مجموعات متنوعة من المرضى، حيث وجد الباحثون أن التركيبة السكانية للمرضى والعوامل السريرية لم تتنبأ بشكل كبير بأخطاء الاستخراج.
ومن خلال تحويل الكائنات الثنائية غير المنظمة إلى بيانات منظمة، يوفر خط الأنابيب هذا البيانات الطولية عالية الجودة اللازمة لتدريب وتحسين نماذج الذكاء الاصطناعي والتعلم الآلي المستقبلية في مجال علم الأورام.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
Which component of an AI application is the machine-learning model itself?
ماذا تشاهد بعد ذلك
سوف تحتاج الأبحاث المستقبلية إلى معالجة قابلية التوسع في خط الأنابيب هذا بما يتجاوز تنسيق Oncotype DX الموحد. لاحظ المؤلفون أن تقارير التسلسل الجسدي للجيل التالي، والتي تظهر قدرًا أكبر من عدم التجانس بين البائعين، تمثل تحديًا أكثر تعقيدًا للاستخراج الآلي. بالإضافة إلى ذلك، في حين أن الدراسة أثبتت صحة خط الأنابيب مقابل مجموعة بيانات بأثر رجعي، إلا أن الاختبار المحتمل ضمن سير عمل السجل السريري المباشر مطلوب للتأكد من موثوقيته في العالم الحقيقي، وإعدادات كبيرة الحجم.
حدد الباحثون بوضوح الحاجة إلى اختبار التدفق على أنواع المستندات الأكثر تباينًا، مثل تقارير التسلسل الجسدي للجيل التالي، والتي تختلف بشكل كبير حسب البائع والشكل.
أجريت الدراسة في نظام صحي واحد؛ يجب أن يقوم العمل المستقبلي بتقييم أداء خط الأنابيب عبر مؤسسات متعددة لضمان بقائه قويًا في مواجهة الاختلافات في جودة المسح الضوئي ودقة الفاكس وتكوينات السجلات الصحية الإلكترونية المختلفة.
يعد التكامل المحتمل في سير عمل التسجيل المباشر هو الخطوة المنطقية التالية لتحديد ما إذا كان النظام يحافظ على دقته وكفاءته عند معالجة البيانات السريرية الواردة في الوقت الفعلي.