LM-CartSeg: Automated Segmentation of Lateral and Medial Cartilage and Subchondral Bone for Radiomics Analysis
يُعد LM-CartSeg مساراً مؤتمتاً بالكامل يدمج نموذجي nnU-Net ثلاثي الأبعاد مع صقل هندسي لتقسيم غضروف الركبة الوحشي والإنسي والعظم تحت الغضروفي بمتانة، مما يتيح تحليلاً راديومياً عالي الأداء لتصنيف الفصال العظمي يتفوق على النماذج التي تعتمد فقط على السمات المورفومترية.
المؤلفون الأصليون:Tongxu Zhang, Zongpan Li, Aaron Kam Lun Leung, Siu Ngor Fu
يعد ألم الركبة رفيقاً شائعاً للتقدم في السن، وغالباً ما ينجم عن حالة تسمى الفصال العظمي، حيث تتآكل تدريجياً الطبقة الناعمة الواقية داخل المفصل. ولفهم هذا التآكل والتمزق، يعتمد الأطباء على التصوير بالرنين المغناطيسي، أو MRI، الذي ينشئ صوراً ثلاثية الأبعاد مفصلة للأنسجة الرخوة والعظام داخل الركبة. وفي السنوات الأخيرة، طور العلماء طريقة تسمى "الراديوميكس" (radiomics)، والتي تتعامل مع هذه الصور الطبية ليس فقط كصور للعين البشرية، بل كمستودعات هائلة من البيانات. ومن خلال استخدام الحواسيب لقياس الأنماط الدقيقة في السطوع والملمس التي لا تراها العين المجردة، تهدف الراديوميكس إلى إيجاد علامات مبكرة للمرض قبل وقت طويل من ظهور تلف في المفصل عبر الفحص القياسي. ومع ذلك، فمن أجل الحصول على هذه القياسات، يحتاج الكمبيوتر أولاً إلى معرفة مكان الغضروف والعظم بدقة، وهي مهمة كانت تتطلب تقليدياً من الأطباء تتبع هذه الأشكال يدوياً على الشاشة، وهي عملية بطيئة وغير متسقة تحد من مدى انتشار استخدام هذه التكنولوجيا.
لقد بنى فريق من الباحثين الآن نظاماً آلياً بالكامل يسمى LM-CartSeg، والذي يلغي الحاجة إلى التتبع البشري، مما يسمح للحواسيب برسم خريطة لمفصل الركبة بدقة وسرعة عاليتين. يبدأ النظام باستخدام الذكاء الاصط الاصطناعي المتقدم لتحديد الغضروف والعظم الموجود تحته في فحص رنين مغناطيسي قياسي. وبمجرد أن يحدد الكمبيوتر هذه الأنسجة، فإنه يطبق مجموعة من القواعد الهندسية المنطقية لتنقية الصورة وتقسيم الركبة إلى نصفين داخلي وخارجي، المعروفين باسم القسم الإنسي والوحشي. ويعد هذا التقسيم أمراً حاسماً لأن الجانب الداخلي من الركبة غالباً ما يكون أول المتضرر من الفصال العظمي، وفصل الجانب الداخلي عن الخارجي يسمح بإجراء تحليل أكثر دقة. وقد اختبر الباحثون هذا النظام على مئات فحوصات الركبة من مجموعات مختلفة من الناس، بما في ذلك بيانات بحثية عامة وسجلات سريرية خاصة، لمعرفة ما إذا كان بإمكانه العمل بموثوقية دون أي تدخل بشري.
أظهرت النتائج أن النظام الآلي كان دقيقاً بشكل ملحوظ. فعندما قارن الباحثون خرائط الكمبيوتر بالخرائط اليدوية المعيارية التي أعدها الخبراء، وجدوا أن النظام الآلي ارتكب أخطاءً قليلة جداً. وفي الواقع، فإن خطوة بسيطة لتنقية المخرجات الأولية للكمبيوتر — تتمثل في إزالة النقاط الصغيرة المتناثرة من الخطأ وتنعيم الحواف — حسنت دقة قياسات السطح بشكل كبير، مما قلل متوسط الخطأ من بضعة مليمترات إلى جزء من المليمتر. وهذا المستوى من الدقة ضروري لأن حتى الأخطاء الصغيرة في رسم حدود النسيج يمكن أن تفسد قياسات الملمس المعقدة التي تعتمد عليها الراديوميكس. كما أثبت النظام أنه مستقر للغاية عند تطبيقه على أنواع مختلفة من الفحوصات ومجموعات المرضى المختلفة، حيث نجح في تقسيم الركبة إلى أقسام داخلية وخارجية دون ارتباك، وهي مهمة فشلت فيها أحياناً طرق أخرى تعتمد كلياً على الكمبيوتر حيث قامت بتبديل الجوانب بالخطأ.
وبعيداً عن مجرد رسم خريطة للركبة، استخدم الباحثون هذه الأداة الجديدة للتحقيق فيما يخبرنا به ملمس الركبة فعلياً عن الفصال العظمي. لقد استخرجوا آلاف النقاط البيانية الدقيقة من الغضروف ومن العظم الموجود تحته، بحثاً عن أنماط تميز بين الركب السليمة وتلك المصابة بالفصال العظمي. واكتشفوا أن ملمس العظم والغضروف مرتبطان ارتباطاً وثيقاً، حيث يشكلان وحدة وظيفية تتغير معاً مع تقدم المرض. ولعل الأهم من ذلك، هو أنهم وجدوا أن الكمبيوتر يمكنه تحديد الفصال العظمي بشكل أفضل من خلال النظر في هذه الأنماط الملمسية الدقيقة مقارنة بمجرد قياس حجم أو سمك الغضروف. وبينما أشارت بعض الدراسات السابقة إلى أن كمية الأنسجة المفقودة هي العامل الأكثر أهمية، أظهر هذا العمل أن "الحبيبات" الداخلية أو الملمس للنسيج يحمل معلومات فريدة لا يستطيع الحجم وحده التقاطها.
كما سلطت الدراسة الضوء على فرق رئيسي بين الغضروف في الجزء الرئيسي من الركبة والغضروف في صابونة الركبة. فقد أظهرت البيانات أن الغضروف والعظم في مفصل الركبة الرئيسي مرتبطان ببعضهما سلوكياً، بينما يتصرف ملمس منطقة الصابونة بشكل مختلف تماماً، مما يشير إلى وجوب دراسة هاتين المنطقتين بشكل منفصل بدلاً من اعتبارهما مجموعة واحدة. ومن خلال إثبات أن مسار العمل الآلي بالكامل يمكنه توليد بيانات موثوقة وعالية الجودة من فحوصات الرنين المغناطيسي الروتينية، وضع الباحثون أساساً عملياً للدراسات المستقبلية. وهذا يعني أنه في المستقبل، قد يتمكن الأطباء من استخدام هذه الأدوات المؤتمتة لفحص أعداد كبيرة من المرضى بسرعة، وتحديد العلامات المبكرة لأمراض الركبة وتتبع تطورها دون عائق التحليل اليدوي، مما قد يؤدي إلى تدخلات مبكرة ورعاية أفضل للملايين من الناس.
ملخص تقني: LM-CartSeg
بيان المشكلة
تتطلب أبحاث فصال الركبة (KOA) التي تستخدم علم الأشعة الحيوية (radiomics) القائم على التصوير بالرنين المغناطيسي (MRI) مناطق اهتمام (ROIs) قوية وذات دلالة تشريحية، تلتقط الغضاريف المفصلية والعظام تحت الغضروفية بشكل مشترك. تواجه المنهجيات الحالية ثلاث عقبات رئيسية:
الاعتماد على التجزئة اليدوية: تعتمد معظم الدراسات الحالية على تحديد مناطق الاهتمام يدويًا من قبل الخبراء، وهو أمر يستغرق وقتًا طويلاً ويحد من القدرة على التوسع.
نقص التحليل المشترك: تحلل العديد من الدراسات الغضاريف أو العظام تحت الغضروفية بشكل منفصل، مما يؤدي إلى الفشل في التقاط الطبيعة المترابطة لهذه الأنسجة في حالات فصال الركبة.
عدم كفاية مراقبة الجودة (QC): نادرًا ما تقدم خطوط المعالجة الآلية الحالية تقارير عن مراقبة جودة صارمة أو تعالج استقرار التقسيمات التشريحية (مثل الجانب الوحشي مقابل الإنسي) عبر مجموعات البيانات وبروتوكولات التصوير المختلفة.
علاوة على ذلك، بينما حقق التعلم العميق تقدمًا في التجزئة، فإن النهج المعتمد حصريًا على البيانات غالبًا ما يعاني من تغير النطاق (على سبيل المثال، اختلاف أجهزة التصوير بالرنين المغناطيسي أو البروتوكولات)، مما يؤدي إلى عدم استقرار في التسمية التشريحية (مثل تبديل الجانبين الوحشي والإنسي) ونقص في القابلية للتفسير.
المنهجية
يقترح المؤلفون LM-CartSeg، وهو خط معالجة مؤتمت بالكامل مصمم لتجزئة هياكل الركبة، وتقسيمها إلى جانب وحشي (L) وجانب إنسي (M)، واستخراج السمات الإشعاعية الحيوية. يتكون سير العمل من أربع مراحل رئيسية:
1. التجزئة بالتعلم العميق (nnU-Net)
تم تدريب نموذجين مستقلين من نوع nnU-Net ثلاثي الأبعاد على مجموعات بيانات عامة:
OAIZIB-CM: 404 حجمًا للركبة بالتصوير بالرنين المغناطيسي. تقوم هذه النماذج بتجزئة غضاريف الفخذ، والظنبوب (الساق)، والرضفة، بالإضافة إلى العظام المقابلة (الفخذ والظنبوب). أثناء الاستدلال، يتم دمج تنبؤات كلا النموذجين عبر المتوسط لكل فولت (voxelwise averaging) في فضاء الاحتمالات للاستفادة من نقاط القوة المتكاملة لكل منهما.
2. المعالجة الهندسية اللاحقة
لضمان السلامة التشريحية وإزالة عيوب التجزئة، يطبق خط المعالجة تحسينات هندسية قائمة على القواعد:
تنظيف المكونات المتصلة: إزالة المكونات الصغيرة والزائفة بناءً على عتبات الحجم الفيزيائي.
بناء حزم العظام تحت الغضروفية: إنشاء حزم عظمية ذات سمك ثابت (10 مم) داخل عظم الفخذ وعظم الظنبوب باستخدام تحويل المسافة الإقليدية (EDT) من الواجهة بين الغضروف والعظم.
تقسيم الجانب الوحشي/الإنسي (L/M): بدلاً من تدريب شبكة منفصلة للتنبؤ بتسميات الوحشي/الإنسي (والتي ثبت عدم استقرارها تحت تأثير تغير النطاق)، استخدم المؤلفون قاعدة هندسية مدفوعة بالبيانات:
يتم اشتقاق سحابة نقاط مرجعية من الهضبة الظنبوبية (الغضروف أو قناع العظم).
يحدد تحليل المكونات الرئيسية (PCA) المحور العلوي-السفلي.
يقوم تجميع k-means (k=2) بتقسيم المستوى ثنائي الأبعاد المتبقي إلى مجموعات وحشية وإنسية.
يتم ربط تعيين المجموعة بالتوجيه التشريحي (الوحشي/الإنسي) بناءً على اتجاه الماسح الضوئي (يسار-يمين). تُطبق هذه القاعدة باستمرار على جميع الهياكل (غضاريف الفخذ والظنبوب وحزم العظام تحت الغضروفية).
3. تعريف منطقة الاهتمام (ROI)
يحدد خط المعالجة 10 مناطق اهتمام أساسية لكل ركبة:
غضروف الفخذ، والظنبوب، والرضفة (مقسمة إلى وحشي/إنسي).
حزم العظام تحت الغضروفية للفخذ والظنبوب (بسمك 10 مم، مقسمة إلى وحشي/إنسي).
4. تحليل السمات الإشعاعية الحيوية (Radiomics)
استخراج السمات: باستخدام PyRadiomics، يستخرج النظام 4,650 سمة غير شكلية لكل مجموعة بيانات (إحصاءات الدرجة الأولى، مصفوفات النسيج مثل GLCM/GLRLM، والسمات المفلترة عبر LoG وwavelets).
مراقبة الجودة (QC): تقوم فحوصات مراقبة الجودة الآلية بالتحقق من الحجم، ومتوسط السمك، ونسب السمك (الوحشي/الإنسي) لتمييز القيم الشاذة التشريحية.
التصنيف: يتم تدريب النماذج (LASSO, kNN, SVM, XGBoost) لتصنيف فصال الركبة (KL ≥ 2) مقابل غير المصاب بالفصال، مع مقارنة السمات الإشعاعية الحيوية الكاملة مقابل السمات "المرتبطة بالحجم" (تلك المرتبطة بقوة بالحجم أو السمك).
النتائج الرئيسية
أداء التجزئة
داخل النطاق (OAIZIB-CM): أدت المعالجة الهندسية اللاحقة إلى تحسين مقاييس السطح بشكل كبير. انخفض متوسط المسافة السطحية المتماثلة (ASSD) من 2.63 مم إلى 0.36 مم، وانخفض HD95 من 25.2 مم إلى 3.35 مم، بينما زادت معامل التشابه (Dice Similarity Coefficient - DSC) من 0.892 إلى 0.907.
التعميم الصفري (Zero-Shot) (SKI-10): حقق خط المعالجة متوسط DSC قدره 0.80 دون ضبط دقيق. حسنت المعالجة اللاحقة دقة السطح (ASSD: 1.07 ← 0.94 مم) دون التأثير على التداخل.
استقرار الجانب الوحشي/الإنسي (L/M): أظهر نموذج nnU-Net المباشر المدرب للتنبؤ بتسميات L/M دقة عالية داخل النطاق، ولكنه عانى من تبديل الجوانب وعدم الاستقرار في إعدادات التعميم الصفري (SKI-10 و Po-OA). في المق المقابل، ظلت القاعدة الهندسية للجانب الوحشي/الإنسي حتمية ومستقرة عبر جميع مجموعات البيانات.
مراقبة الجودة التشريحية
أعاد خط المعالجة إنتاج التباينات التشريحية المعروفة بشكل صحيح: كان غضروف الظنبوب الإنسي أصغر وأقل سمكًا باستمرار من الغضروف الوحشي (نسبة ~0.86–0.88) عبر جميع المجموعات.
أظهر غضروف الفخذ أحجامًا وسمكًا شبه متماثل، مما يؤكد أن خط المعالجة لا يفرض تحيزات اصطناعية.
نتائج السمات الإشعاعية الحيوية
استقلالية السمات: كانت فقط 6-12% من السمات الإشعاعية الحيوية لكل منطقة اهتمام مرتبطة بقوة بحجم المنطقة (الحجم أو السمك). وأظهرت حزم العظام تحت الغضروفية اعتمادًا أقل حتى على الحجم مقارنة بالغضاريف.
الاقتران بين الأقسام: كانت الملفات التعريفية الإشعاعية لحزم العظام تحت الغضروفية مقترنة بقوة داخل نفس العظم وبين وحدات الفخذ والظنبوب. بدا غضروف الرضفة معزولاً إشعاعيًا عن هياكل الفخذ والظنبوب.
أداء التصنيف:
في مجموعة OAIZIB-CM، حققت نماذج السمات الإشعاعية الحيوية مساحة تحت المنحنى (AUC) بلغت 0.91، وهي تتفوق بشكل كبير على النماذج المقتصرة على السمات المرتبطة بالحجم (AUC ~0.77).
في مجموعة السريرية Po-OA، حققت نماذج السمات الإشعاعية الحيوية AUC قدره 0.83 (RBF-SVM)، مقارنة بـ ~0.73 للسمات المرتبطة بالحجم.
يثبت هذا أن معلومات النسيج التي يلتقطها خط المعالجة توفر قوة تمييزية تتجاوز مجرد القياسات المورفولوجية البسيطة.
الأهمية والادعاءات
يزعم البحث أن LM-CartSeg يوفر أساسًا عمليًا وقابلًا للتكرار لدراسات السمات الإشعاعية الحيوية لفصال الركبة متعددة المراكز من خلال معالجة مشكلة التجزئة اليدوية وعدم استقرار التسمية التشريحية المعتمدة حصريًا على البيانات.
المتانة: يضمن الجمع بين التعلم العمﻲ للتجزئة الأولية والقواعد الهندسية البسيطة للتقسيم التشريحي (L/M) ومراقبة الجودة (QC) الاستقرار عبر مجموعات البيانات وبروتوكولات التصوير المختلفة، مما يتغلب على مشكلات "تغير النطاق" الشائعة في نهج التعلم العميق الصرف.
ما وراء القياسات المورفولوجية: توضح الدراسة أن السمات الإشعاعية الحيوية المؤتمتة يمكنها استخراج سمات نسيجية تمييزية ليست مجرد وسيط لسمك أو حجم الغضروف، مما يقدم رؤى جديدة حول الارتباط المرضي بين الغضروف والعظم في فصال الركبة.
القابلية للتوسع: من خلال أتمتة خط المعالجة بالكامل من صور الرنين المغناطوري الخام إلى السمات الإشعاعية الحيوية، تتيح هذه الطريقة إجراء دراسات واسعة النطاق كانت محدودة سابقًا بسبب كثافة العمل المطلوبة للتعريف اليدوي لمناطق الاهتمام.
يشير المؤلفون صراحةً إلى أنه على الرغم من متانة خط المعالقة، إلا أنه لم يُصمم كمصنف قابل للنشر عبر المراكز في هذه الدراسة؛ بل يعمل كأداة لتوليد مناطق اهتمام وسمات عالية الجودة وخاضعة لمراقبة الجودة، وذلك لمزيد من البحث في الكشف المبكر عن المرض وتطوره.