نموذج XGBoost قابل للتفسير يربط المؤشرات الحيوية النووية لسرطان الثدي بجينات ومسارات محددة

الملخص

لا يزال سرطان الثدي من الأسباب الرئيسية للوفيات الناجمة عن السرطان في جميع أنحاء العالم، حيث سُجّلت أكثر من 2.26 مليون حالة جديدة و684 ألف حالة وفاة في عام 2020. ورغم أن تقنيات التسلسل الجيني من الجيل التالي قد حسّنت من اكتشاف الطفرات، إلا أن تفسير البيانات المورفولوجية والجينومية عالية الأبعاد لا يزال يمثل تحديًا. تعمل معظم نماذج التعلم الآلي كـ"صناديق سوداء" تفتقر إلى التفسير البيولوجي. تُطوّر هذه الدراسة إطار عمل ذكاء اصطناعي قابل للتفسير باستخدام خوارزمية XGBoost على مجموعة بيانات سرطان الثدي في ويسكونسن (569 عينة، 30 سمة نووية) لتصنيف الأورام الخبيثة وربط المؤشرات الحيوية المورفولوجية بجينات محددة. حقق النموذج دقة بلغت 97.3%، وحساسية 0.98، ودقة 0.96، ومساحة تحت المنحنى (AUC) قدرها 0.99. وارتبطت أهم المؤشرات الحيوية - أسوأ النقاط المقعرة، وأسوأ محيط، وأسوأ مساحة - وراثيًا بعدم استقرار الغلاف النووي (LMNA، LMNB1)، واضطراب الأكتين (ACTN4، CTNNA1)، واختلال الصيغة الصبغية (MYC، E2F1)، والتغيرات فوق الجينية (EZH2). وكانت بنية الكروماتين مستقلة عن حجم النواة (r ≤ 0.37)، مما يشير إلى وجود ضوابط جينية منفصلة. وعلى عكس الدراسات السابقة التي تُبلغ عن الدقة دون أساس بيولوجي، يقدم هذا العمل فرضيات جينية قابلة للاختبار وأداة فحص أولية قابلة للتطبيق سريريًا للمختبرات الجينية، مما يقلل من الإجراءات الجراحية غير الضرورية ويعزز الطب الدقيق.