# مقدمة
تُعَد توقعات بقاء مرضى السرطان من الأمور الحاسمة في تحسين العلاجات وتوجيه المرضى. لكن التحديات تبقى قائمة بسبب البيانات المعقدة والعالية الأبعاد.

# PathMoG: الابتكار الجديد
نقدم لكم **PathMoG**، نظام مبتكر يعتمد على الشبكات العصبية الرسومية (Graph Neural Networks) مركزًا على المسارات البيولوجية. يقوم هذا النظام بإعادة تنظيم البيانات جينوميًا ليستخلص منها 354 وحدة مسار مستندة إلى KEGG، مما يسهل عملية تحليل البيانات المعقدة.

# الخصائص الفريدة
تتضمن الخصائص المميزة لنظام **PathMoG**:
- **وحدة تنظيم الأومكس الهرمية** (Hierarchical Omics Modulation) التي تأخذ في الاعتبار العوامل الوراثية والبيئية.
- **الانتباه ذو المستويين** (Dual-Level Attention) الذي يمكن من فهم الإشارات الأساسية داخل المسار الواحد وأيضًا الروابط السريرية بين المسارات المختلفة.

# النتائج المثيرة
أظهر **PathMoG** أداءً متميزًا من خلال اختباره على أكثر من 5650 مريضًا من 10 أنواع من السرطان عبر بيانات TCGA، مع تحسينات ملحوظة مقارنة بالأساليب التقليدية.

# الخلاصة
مع توفر معلومات تفسيرية على مستوى الجين والمسار والمريض، يوفر **PathMoG** إطار عمل قوي لدعم فرز المخاطر السرطانية، مما يقدم مساعدة قيمة للأطباء في اتخاذ القرارات العلاجية.

هل تعتقد أن هذا الابتكار يمكن أن يُغيّر مستقبل علاج السرطان؟