Improving Neuropathological Reconstruction Fidelity via AI Slice Imputation

تخيل أن لديك مكتبة قديمة وثمينة من أدمغة البشر. لعقود من الزمن، قام العلماء بالحفاظ على هذه الأدمغة عن طريق تقطيعها إلى "شرائح" فيزيائية سميكة (مثل شرائح الخبز السميكة) والتقاط صور لكل منها. هذه الصور هي السجل الوحيد للبنية الداخلية للدماغ.

مؤخراً، اكتشف الباحثون كيفية تكديم هذه الصور ثنائية الأبعاد (2D) فوق بعضها البعض لإنشاء نموذج رقمي ثلاثي الأبعاد (3D) للدماغ. ومع ذلك، كانت هناك مشكلة رئيسية: نظرًا لأن الشرائح الفيزيائية كانت سميكة (تصل أحياناً إلى 8 أو 12 ملم)، بدت النماذج الرقمية ثلاثية الأبعاد مجزأة وضبابية. كان الأمر يشبه محاولة بناء تمثال ناعم ومفصل من قطع "ليغو" ضخمة وخشنة؛ حيث يمكنك رؤية الأشكال الكبيرة، لكن التفاصيل الدقيقة — مثل الطيات الصغيرة على سطح الدماغ أو الحدود الدقيقة بين الأنسجة المختلفة — فُقدت في الفجوات بين تلك "القطع".

الحل: الذكاء الاصطناعي كـ "مالئ رقمي"

تقدم هذه الورقة البحثية أداة ذكاء اصطناعي ذكية تعمل مثل نحات رقمي أو مالئ فجوات ذكي.

وإليك كيف يعمل الأمر، باستخدام تشبيه بسيط:

1. المشكلة: تخيل أن لديك صورتين لشريحة دماغ، التقطتا على مسافة 10 ملم بينهما. إذا حاولت تخمين شكل الدماغ في المنتصف، فقد يقوم كمبيوتر بسيط بمجرد رسم خط مستقيم وضبابي. يؤدي هذا إلى تأثير "درجات السلم" حيث يبدو الدماغ متعرجاً.
2. خدعة الذكاء الاصطناعي: لم يدرب الباحثون الذكاء الاصطناعي (وهو نوع من الشبكات العصبية يسمى U-Net) على تخمين الصورة كاملة من الصفر، بل ليتوقع التفاصيل المفقودة التي قد يغفل عنها التخمين البسيط.
   • فكر في الأمر كالتالي: إذا كان لديك صورتان لسلسلة جبال متباعدتين، فقد يقوم التخمين البسيط برسم خط مستقيم مسطح. أما الذكاء الاصطناعي، فينظر إلى الصورتين ويقول: "بناءً على شكل هذه الجبال، أعلم أنه يجب أن يكون هناك وادٍ صغير وتل بينهما". ثم يقوم بـ "رسم" هذا التفصيل المفقود.
3. التدريب: لم يتعلم الذكاء الاصطناعي من خلال النظر إلى شرائح دماغ حقيقية سميكة (لأن الحصول عليها صعب ومكلف)، بل قام الباحثون بإنشاء الملايين من شرائح الأدمغة الاصطناعية المزيفة على الكمبيوتر. لقد أخذوا مسوحات دماغية رقمية مثالية وعالية الدقة، وقطعوها افتراضياً، وعلموا الذكاء الاصطناعي كيفية ملء الفجوات. ولأنهم استخدموا أنواعاً مختلفة جداً من "الأدمغة المزيفة"، تعلم الذكاء الاصطناعي أن يكون بارعاً في ملء الفجوات، بغض النظر عن مدى سمك الشرائح الأصلية.

ماذا حدث عندما استخدموه؟

عندما طبق الباحثون هذا الذكاء الاصطناعي على النماذج ثلاثية الأبعاد الحقيقية والمجزأة المصنوعة من الصور القديمة، كانت النتائج أشبه بالسحر:

• من التجزئة إلى النعومة: أصبحت الأسطح المتعرجة والمجزأة (المكونة من مكعبات/voxels) ناعمة وواقعية، وبدت أكثر شبهاً بدماغ بشري حقيقي.
• خرائط أفضل: عندما حاولوا تصنيف أجزاء مختلفة من الدماغ تلقائياً (مثل "المادة البيضاء" أو "القشرة")، كانت النماذج الأكثر نعومة التي أنتجها الذكاء الاصطناعي أكثر دقة بكيداً. كان الأمر يشبه الترقية من خريطة منخفضة الدقة إلى صورة قمر صناعي عالية الدقة.
• محاذاة أفضل: تتناسب النماذج بشكل أفضل مع أطلس الدماغ القياسي (مثل خريطة GPS للدماغ)، مما يسهل مقارنة أدمغة الأشخاص المختلفين.

الخلاصة

تزعم الورقة البحثية أنه من خلال إضافة هذه الخطوة الإضافية الواحدة — وهي استخدام الذكاء الاصطناعي لـ "استكمال" (impute) الشرائح المفقودة — يمكنهم تحويل عمليات إعادة البناء ثلاثية الأبعاد الضعيفة ومنخفضة الجودة من صور بنك الأدمغة القديمة إلى نماذج ثلاثية الأبعاد عالية الجودة ومفصلة. هذا يسد الفجوة بين علم الأمراض العصبية التقليدي (تقطيع الدماغ الفيزيائي) والتصوير العصبي الرقمي الحديث (المسح الرقمي للدماغ)، مما يسمح للعلماء بدراسة شكل الدماغ وبنيته بدقة أعلى بكثير مما كان ممكناً في السابق، باستخدام بيانات كانت تُعتبر سابقاً "خشنة" جداً بحيث لا يمكن الاستفادة منها.

ويشير المؤلفون إلى أنه على الرغم من براعة الذكاء الاصطناعي، إلا أنه لا يزال يواجه بعض الصعوبات الطفيفة عند الحواف الخارجية للدماغ (حيث تتوفر معلومات أقل)، وأحياناً يتسبب في بعض الاختلالات اللونية الطفيفة، ولكن بشكل عام، يعد هذا تحسناً هائلاً مقارنة بالطرق السابقة.