Federated Learning for MRI-based BrainAGE: a multicenter study on post-stroke functional outcome prediction
تُظهر هذه الدراسة متعددة المراكز أن التعلم الاتحادي يُمكّن من التقدير الدقيق لفرق العمر المتوقع للدماغ (BrainAGE) من بيانات التصوير بالرنين المغناطيسي عبر 16 مركزاً للسكتة الدماغية دون المساس بخصوصية المرضى، مما يكشف أن (BrainAGE) يرتبط ارتباطاً وثيقاً بعوامل الخطر الوعائية ويعمل كمؤشر قيم للنتائج الوظيفية بعد ثلاثة أشهر من السكتة الدماغية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
يتغير الدماغ البشري مع تقدمنا في العمر، تماماً مثل بقية الجسم، لكن هذه التغييرات لا تحدث بنفس السرعة لدى الجميع. فبعض الأشخاص يحافظون على دماغ يبدو ويعمل كدماغ شخص أصغر سناً بكثير، بينما يظهر على آخرين علامات الشيخوخة في وقت أبكر بكثير مما يوحي به تاريخ ميلادهم. وقد طور العلماء طريقة لقياس هذا الفرق، تُعرف باسم "عمر الدماغ". ومن خلال تغذية البرامج الحاسوبية بآلاف صور الأشعة للدماغ، يعلمون البرنامج التنبؤ بعمر الشخص بناءً فقط على بنية دماغه. وإذا خمن الحاسوب أن الشخص أكبر سناً مما هو عليه في الواقع، فإن ذلك يشير إلى أن دماغه قد تقدم في السن بشكل أسرع من المتوسط، مما قد ينذر بمخاطر صحية خفية. وقد أصبح هذا المفهوم أداة قوية لفهم صحة الدماغ، ولكن استخدامها بفعالية كان دائماً محجوباً بعقبة رئيسية: الخصوصية. فلا يمكن للمستشفيات ببساطة مشاركة صور المرضى مع بعضها البعض لبناء نموذج أفضل، لأن قوانين صارمة تحمي البيانات الطبية الفردية. وهذا يخلق معضلة حيث تتطلب النماذج الأفضل كميات هائلة من البيانات من أماكن متعددة، ومع ذلك لا يمكن نقل تلك البيانات.
لقد تصدى فريق من الباحثين في فرنسا والولايات المتحدة لهذه المشكلة عبر اختبار نهج جديد يسمى "التعلم الاتحادي" (federated learning). فبدلاً من جمع كل صور أشعة الدماغ في موقع مركزي واحد، أبقوا البيانات مغلقة داخل كل مستشفى من المستشفيات الستة عشر التي جُمعت منها. وأرسلوا برنامجاً حاسوبياً إلى كل مستشفى، وتركوه يتعلم من المرضى المحليين، ثم استعادوا فقط الدروس التي تعلمها البرنامج، وليس بيانات المرضى نفسها. سمح لهم ذلك ببناء نموذج واحد قوي يفهم تفاصيل شيخوخة الدماغ عبر مجموعة متنوعة من السكان دون انتهاك قواعد الخصوصية مطلقاً. وقد طبقوا هذه الطريقة على مجموعة محددة من المرضى: 1,674 فرداً عانوا من نوع حاد من السكتة الدماغية وتلقوا إجراءً ميكانيكياً لتنظيف الانسداد في الأوعية الدموية في أدمغتهم. أراد الباحثون معرفة ما إذا كان هذا النهج الحافظ للخصوصية يمكنه تقدير عمر الدماغ بدقة، والأهم من ذلك، ما إذا كان هذا التقدير يمكنه التنبؤ بمدى استعادة المرضى لوظائفهم اليومية بعد ثلاثة أشهر من الس stroke.
ركزت الدراسة على الصور الملتقطة قبل بدء أي علاج، وتحديداً نوع من المسح يسمى "FLAIR" الذي يسلط الضوء على السوائل والتلف في الدماغ. وقارن الباحثون بين ثلاث طرق مختلفة لبناء نماذج التنبؤ الخاصة بهم. كانت الطريقة الأولى هي الطريقة التقليدية، حيث يتم تجميع جميع الصور من جميع المراكز الستة عشر في مجموعة بيانات واحدة ضخمة. والثانية هي الطريقة الاتحادية الجديدة، حيث يتعلم النموذج محلياً في كل موقع ويشارك فقط تحديثاته. أما الثالثة فكانت اختباراً أساسياً باستخدام بيانات من مستشفى واحد فقط لمعرفة مقدار ما سيُفقد من خلال تجاهل بقية الشبكة. وأظهرت النتائج أنه بينما أنتجت الطريقة المركزية التقليدية تخمينات أكثر دقة للعمر، إلا أن النهج الاتحادي جاء خلفها بفارق ضئيل جداً وكان أفضل بكثير من الاعتماد على مستشفى واحد. أثبت هذا أن الطريقة الجديدة يمكنها استيعاب تعقيد مجموعة كبيرة ومتنوعة من المرضى دون الحاجة لنقل ملف صورة واحدة خارج مستشفىها الأصلي.
إلا أن القيمة الحقيقية لهذا العمل لم تكمن فقط في دقة تخمينات العمر، بل فيما كشفته تلك التخمينات عن صحة المرضى. فقد وجد الباحثون أن "عمر الدماغ" الذي حسبته هذه النماذج كان مرتبطاً ارتباطاً وثيقاً بالنتائج الواقعية. فالمرضى الذين بدت أدمغتهم أكبر من أعمارهم الفعلية كانوا أكثر عرضة للإصابة بمرض السكري، وكانوا أكثر عرضة بكثير لضعف التعافي بعد ثلاثة أشهر من السكتة الدماغية. وعلى العكس من ذلك، فإن المرضى الذين بدت أدمغتهم أصغر مما هو متوقع كانوا يميلون إلى تحقيق نتائج وظيفية أفضل، مما يعني أنهم كانوا أكثر قدرة على استعادة استقلاليتهم. وقد ظل هذا الارتباط قائماً بغض النظر عما إذا كان النموذج قد بُني باستخدام البيانات المركزية أو الطريقة الاتحادية. وحتى عندما عدّل الباحثون عوامل أخرى معروفة مثل شدة السكتة الدماغية، والوقت المستغرق لتلقي العلاج، والحالات الطبية الأخرى، ظل تقدير عمر الدماغ مؤشراً قوياً للتعافي.
كما استكشفت الدراسة كيف ساهمت أنواع مختلفة من سمات الدماغ في هذه التنبؤات. نظرت بعض النماذج إلى الحجم الإجمالي لمناطق الدماغ المختلفة، بينما فحصت نماذج أخرى آلاف التفاصيل الدقيقة للأنسجة داخل المادة البيضاء في الدماغ. وكانت النماذج الأكثر تعقيداً التي حللت هذه التفاصيل الدقيقة تميل إلى أن تكون أكثر دقة وتظهر ارتباطاً أقوى بالتعافي من السكتة. ومن المثير للاهتمام أن الباحثين وجدوا أن الطريقة المحددة التي تم بها تدريب النموذج كانت أقل أهمية بالنسبة للبصيرة السريرية النهائية من حقيقة أنه تم تدريبه على مجموعة كبيرة ومتنوعة. وسواء تم بناء النموذج مركزياً أو اتحادياً، فإن الرسالة الجوهرية ظلت كما هي: الدماغ الذي يبدو أكبر مما ينبغي هو علامة تحذير لصعوبة التعافي. وهذا يشير إلى أن النهج الاتحادي ليس مجرد حل تقني للالتفاف على قوانين الخصوصية، بل هو مسار قابل للتطبيق لإنشاء أدوات طبية قوية يمكن استخدامها عبر المستشفيات المختلفة.
ومن خلال إثبات أن النموذج يمكنه التعلم من ستة عشر مركزاً دون أن يرى البيانات الخام لأكثر من مركز واحد في كل مرة، تقدم الدراسة حلاً عملياً لعقبة رئيسية في الأبحاث الطبية. فهي تظهر أن المستشفيات يمكنها التعاون لتحسين رعاية المرضى والتنبؤ بالنتائج دون المساس بسرية المريض. وتشير النتائج إلى أنه في المستقبل، قد يتمكن الأطباء من استخدام هذه النماذج الآمنة للخصوصية لتحديد مرضى السكتة الدماغية المعرضين لخطر عالٍ لضعف التعافي في وقت مبكر، مما يسمح بخطط إعادة تأهيل أكثر تخصيصاً وكثافة. ويؤكد هذا العمل أن حاجز خصوصية البيانات لا يجب أن يوقف تقدم العلوم الطبية؛ فمع الأدوات المناسبة، يمكن للمستشفيات مشاركة المعرفة مع الحفاظ على أمن بيانات المرضى، مما يؤدي في النهاية إلى رعاية أفضل لأولئك الذين يتعافون من بعض أكثر الإصابات تدميراً لجسم الإنسان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.