ملخص تقني: التعلم متعدد الوسائط الموجه بالمعرفة السريرية والسينماتيكية للكشف عن الجنف بناءً على المشية

بيان المشكلة

يُعد الجنف مجهول السبب في مرحلة المراهقة (AIS) تشوهاً في العمود الفقري شائع الانتشار يتطلب الكشف المبكر للحد من تطوره. تعاني طرق الفحص الحالية، مثل اختبار آدم للثني للأمام، من الذاتية، وعدم الاتساق، والاعتماد على الخبرة السريرية المتخصصة، مما يجعل من الصعب توسيع نطاقها. وبينما توفر الرؤية الحاسوبية بدائل، تواجه النهج القائمة على الفيديو ثلاث قيود حرجة:

1. تسرب البيانات: تحتوي العديد من مجموعات البيانات المرجعية على مقاطع متكررة لنفس الأفراد في كل من مجموعات التدريب والاختبار، مما يؤدي إلى تضخم مقاييس الأداء حيث تحفظ النماذج السمات الخاصة بكل شخص بدلاً من تعلم الأنماط المرضية القابلة للتعميم.
2. نقص القابلية للتفسير: تعمل نماذج التعلم العميق لتحليل المشية كـ "صناديق سوداء"، حيث تفشل في تقديم الشفافية السريرية اللازمة لاعتماد الممارسين.
3. الدمج المفرط في التبسيط: تفشل طرق تعدد الوسائط الحالية التي تستخدم آليات دمج بسيطة في التقاط العلاقات الدقيقة بين الأنماط الحركية (السينماتيكية) والمعلومات السريرية المسبقة.

بالإضافة إلى ذلك، تعتمد مجموعات البيانات الموجودة غالباً على تسميات الفحص البدني المعرضة للخطأ، بدلاً من المعيار الذهبي الشعاعي (زاوية كوب).

المنهجية

1. مجموعة بيانات ScoliGait

لمعالجة مشكلات جودة البيانات وتسرب البيانات، قدم المؤلفون ScoliGait، وهي مجموعة بيانات مرجعية جديدة تم إنشاؤها ببروتوكولات صارمة:

• التكوين: 1,572 مقطعاً تدريبياً مستخرجاً من 550 مراهقاً فريداً، مع مجموعة اختبار محجوزة تتكون من 300 مقطع لـ 300 فرد مختلف لم يسبق رؤيتهم أثناء التدريب.
• الحقيقة الأرضية (Ground Truth): تعتمد التسميات على قياسات زاوية كوب الشعاعية، وهي المعيار الذهبي السريري، مع حد 10 درجات للتشخيص الإيجابي.
• التوصيفات متعددة الوسائط: يتضمن كل مقطع:
  • الفيديو: بدقة 1080p، وبتردد 30 هرتز، يلتقط دورات المشي الكاملة.
  • خريطة المعرفة السينماتيكية: تمثيل مهيكل لـ 238 ميزة عبر فضاء الحركة، وفضاء الهيكل الذاتي، والارتباط المتبادل للإشارات.
  • النص السريري: أوصاف نصية مُولدة تلقائياً لأنماط المشية بناءً على التحليل الإحصائي للمجموعات والمعلومات السريرية المسبقة (مثل "تأرجح الذراع غير المتماثل في أنواع الانحناء الصدري").

2. خريطة المعرفة السينماتيكية

يقترح المؤلفون خريطة معرفة سينماتيكية موجهة بالمعرفة السريرية المسبقة لتشفير ديناميكيات المشية الشاملة.

• استخراج الميزات: يتم حساب 238 ميزة، بما في ذلك المسافات الزوجية بين المفاصل (الإقليدية)، والزوايا بين القطع (المثلثية)، والتنسيق الزمني (الارتباط المتبادل للإشارة).
• القابلية للتفسير: تعمل هذه الخريطة كـ "قاموس قابل للقراءة البشرية". أثناء الاستدلال، يتم ربط درجات الانتباه (Attention Scores) الخاصة بالنموذج مرة أخرى بهذا الهيكل، مما يسمح للأطباء بتحديد ميزات سينماتيكية معينة (مثل عدم التماثل أو ديناميكيات المفاصل) التي تقود القرار، بدلاً من الاعتماد على بكسلات الانتباه الخام.

3. بنية النموذج: تجميع الانتباه الكامن (Latent Attention Pooling)

يدمج الإطار المقترح ثلاث وسائط (الفيديو، خريطة المعرفة، النص) باستخدام آلية دمج متخصصة:

• المشفرات:
  • النص: نماذج Sentence-Transformers (all-MiniLM-L6-v2).
  • الفيديو وخريطة المعرفة: نماذج Vision Transformer (ViT) مع طرق تمثيل بقعي (Patch Embedding) متميزة.
• تجميع الانتباه الكامن: استلهاماً من تضمينات النماذج اللغوية المتقدمة (مثل NV-Embed)، استبدل المؤلفون عملية التجميع المتوسط القياسية بطبقة تجميع انتباه كامن. تستخدم هذه الطبقة قاموساً كامناً قابلاً للتعلم لاستعلام التسلسل المدخل عبر "الانتباه المتقاطع" (Cross-attention).
• الدمج: تولد هذه الآلية تضمينات (Embeddings) تعبيرية وشاملة للغاية، تلتقط تمثيلات أكثر دقة من التجميع القياسي، مما يسهل عملية الدمج متعدد الوسائط المتفوق.
• المحاذاة: يتم محاذاة التضمينات الموضعية (Positional Embeddings) صراحةً بين خريطة المعرفة ووسائط الفيديو لضمان الارتباط الزمني.

النتائج الرئيسية

الأداء في الفحص الثنائي

عند التقييم على مجموعة اختبار مستقلة عن الأشخاص، حقق النهج متعدد الوسائط المقترح مستوى جديداً من الأداء (State-of-the-art):

• أفضل تكوين (خريطة المعرفة + الفيديو + النص): حقق دقة بنسبة 70.0% ودرجة F1 بنسبة 61.9%.
• مقارنة الوسائط: تفوقت خريطة المعرفة وحدها على نموذج الفيديو الخام (70.0% مقابل 58.0% دقة، حيث كانت دقة الفيديو 56.3%)، مما يثبت أن التمثيلات السينماتيكية المهيكلة أكثر قدرة على التمييز لهذه المهمة من الميزات البصرية الخام.
• تأثير الدمج: أدى دمج خريطة المعرفة مع الفيديو إلى تحسين الأداء بشكل كبير مقارنة بالوسائط الفردية. كما أدى إضافة النص السريري إلى تعزيز درجة F1 للفئة الإيجابية.
• المقارنة مع النماذج المرجعية: أظهرت النماذج الموجودة مثل ScoNet-MT دقة إجمالية مماثلة ولكن بحساسية (Recall) أقل بكثير للفئة الإيجابية (على سبيل المثال، 5.4% حساسية في أحد التكوينات)، مما يشير إلى الفشل في تحديد حالات الجنف بشكل صحيح.

القابلية للتفسير

يوفر النظام رؤى دقيقة وقابلة للتفسير سريرياً:

• على عكس خرائط الانتباه التقليدية على الهياكل العظمية، تسمح خريطة المعرفة باستخراج ميزات سينماتيكية محددة بدقة زمنية عالية.
• يمكن للنموذج تسليط الضرفة على فترات زمنية محددة ومتغيرات سريرية (مثل تزامن الأطراف) التي تساهم في التشخيص، مما يربط الاستدلال الخوارزمي بالقرار السريري.

الأهمية والادعاءات

يزعم البحث أنه يوفر أساساً قوياً، وقابلاً للتفسير، ومبنياً على أسس سريرية للتقييم غير الجراحي والقابل للتوسع لحالات الجنف مجهول السبب في مرحلة المراهقة (AIS). وتتمثل مساهماته الرئيسية في:

1. التقييم الموثوق: من خلال القضاء على تسرب البيانات عبر مجموعة اختبار مستقلة تماماً عن الأشخاص واستخدام تسميات "زاوية كوب" الشعاعية، تقدم ScoliGait معياراً واقعياً لتقييم القدرة على التعميم.
2. القابلية للتفسير: تنتقل خريطة المعرفة الموجهة بالمعرفة السريرية المسبقة لما وراء الميزات "الصندوق الأسود"، حيث تقدم إطاراً مهيكلاً يترجم قرارات النموذج إلى تحليل حركة يمكن للطبيب فهمه والعمل بموجبه.
3. الدمج المتقدم: تُظهر آلية تجميع الانتباه الكامن أن تقنيات التضمين المتقدمة، المستخدمة عادة في النماذج اللغوية، يمكن أن تعزز بشكل كبير دمج البيانات الطبية غير المتجانسة (الفيديو، السينماتيكا المهيكلة، والنص) لتحليل الحركة المعقدة.

يخلص المؤلفون إلى أن هذا العمل يعالج القيود الأساسية للفحص القائم على الفيديو حالياً — وهي موثوقية البيانات، وغموض النماذج، وتعقيد التكامل — مما يمهد الطريق لنشر سريري أكثر فعالية. ومن المقرر إصدار الكود البرمجي عند النشر.