Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "الكشف القائم على الصور على مستوى المفاصل للالتهاب في التهاب المفاصل الروماتويدي من بيانات صغيرة وغير متوازنة."

1. بيان المشكلة

تتناول هذه الورقة الحاجة الماسة للتشخيص عن بُعد والسهل الوصول إليه لالتهاب المفاصل الناتج عن التهاب المفاصل الروماتويدي (RA). وبينما يعد الكشف المبكر أمراً حيوياً لمنع تلف المفاصل غير القابل للإصلاح، فإن الطرق القياسية الحالية (مثل التصوير بالرنين المغناطيسي، أو الموجات فوق الصوتية، أو الفحص البدني من قبل المتخصصين) تستهلك موارد كبيرة وغالباً ما يصعب الوصول إليها من قبل المرضى في المناطق النائية أو أولئك الذين لا يملكون وصولاً فورياً للمتخصصين.

يقترح المؤلفون استخدام صور RGB (يتم التقاطها عبر كاميرات أو هواتف قياسية) للكشف عن التهاب الغشاء الزلالي النشط على مستوى المفصل. ومع ذلك، تواجه هذه المهمة ثلاثة تحديات تقنية كبيرة:

1. ندرة البيانات: من الصعب جمع مجموعات بيانات واسعة النطاق للأيدي المصابة؛ حيث تُعد العينات الإيجابية نادرة للغاية.
2. عدم التوازن الشديد في الفئات: حتى ضمن مجموعات بيانات مرضى التهاب المفاصل الروماتويدي، يكون الالتهاب موضعياً. معظم المفاصل تكون سليمة، مما يخلق عدم توازن هائل بين العينات السلبية (السليمة) والإيجابية (الملتهبة) على مستوى المفصل.
3. موثوقية الملصقات (Labels): غالباً ما يختلف الفحص البصري من قبل أطباء الروماتيزم عن وجود الالتهاب الفعلي. تعتمد مجموعات البيانات الحالية غالباً على ملصقات بصرية ذاتية بدلاً من الحقيقة الأرضية (Ground Truth) الموضوعية (المستمدة من الموجات فوق الصوتية)، مما يؤدي إلى بيانات تدريب مشوشة.

2. المنهجية

يقترح المؤلفون إطار عمل للمشفر العالمي-المحلي (Global-Local Encoder Framework) مقترناً بـ استراتيجية تدريب ثنائية المراحل للتغلب على قيود البيانات.

أ. بنية الشبكة

يستخدم النموذج نهج المشفر المزدوج القائم على ResNet-18:

• المشفر العالمي (Global Encoder): يعالج صورة اليد الكاملة ($X$) لالتقاط التشوهات الهيكلية العامة والسياق العام.
• المشفر المحلي (Local Encoder): يعالج صور الرقع (Patches) المقتطعة من مفاصل الأصابع الفردية ($X_{local}$). يتم اكتشاف مواقع المفاصل باستخدام إطار تقدير المعالم (MediaPipe) لاستخراج مناطق محددة.
• التكامل: يتم دمج الميزات من كلا المشفرين وتغذيتها إلى رأس MLP (Perceptron متعدد الطبقات) لإخراج ملصقات الالتهاب الثنائية لكل مفصل.

ب. استراتيجية التدريب ثنائية المراحل

لمعالجة نقص العينات الإيجابية وعدم توازن الفئات:

1. التدريب المسبق ذاتي الإشراف (Self-Supervised Pre-training): يتم تدريب كلا المشفرين مسبقاً على مجموعة بيانات واسعة النطاق تضم 11,000 صورة ليد سليمة باستخدام طريقة DINO (وهي طريقة تعلم ذاتي الإشراف). يتيح ذلك للنموذج تعلم ميزات تشريحية قوية دون الحاجة إلى ملصقات مرضية.
2. الضبط الدقيق باستخدام فقدان التركيز (Focal Loss): يتم تجميد المشفرات المدربة مسبقاً، ويتم فقط ضبط رأس المصنف على مجموعة بيانات التهاب المفاصل الروماتويدي المحددة. وللتعامل مع عدم التوازن الشديد في الفئات، استبدل المؤلفون دالة "التقاطع الثنائي المستعرض" (BCE) القياسية بـ دالة فقدان التركيز (Focal Loss). تعمل هذه الدالة على إعادة وزن دالة الفقد للتركيز على العينات الإيجابية الصعبة التي يصعب تصنيفها، مما يمنع النموذج من مجرد التنبؤ بأن جميع المدخلات "سليمة".

3. المساهمات الرئيسية

1. بناء مجموعة بيانات عالية الموثوقية: أنشأ المؤلفون مجموعة بيانات جديدة لصور اليد (RGB) حيث تُشتق ملصقات الالتهاب من نتائج الموجات فوق الصوتية (الرمادي > 1 ودوبلر القدرة > 0) بدلاً من الفحص البصري الذاتي. هذا يسد الفجوة بين المظهر الخارجي والاعتلال الباثولوجي الداخلي.
2. إطار عمل مبتكر: إطار عمل للتعلم العميق قابل للتوسع يدمج الميزات العالمية والمحلية، مصمم خصيصاً لمجموعات البيانات الطبية الصغيرة وغير المتوازنة.
3. تحسين مدرك لعدم التوازن: التطبيق الناجح للتدريب المسبق ذاتي الإشراف على البيانات السليمة جنباً إلى جنب مع دالة فقدان التركيز لتحقيق حساسية عالية رغم ندرة العينات الإيجابية.
4. القياس المرجعي (Benchmarking): تقييم شامل يوضح أن التشخيص البصري لالتهاب المفاصل الروماتويدي صعب للغاية حتى بالنسبة للخبراء البشريين عند الاعتماد فقط على الصور.

4. النتائج التجريبية

أُجريت الدراسة على مجموعة بيانات مكونة من 222 صورة يد لـ 68 مريضاً، مع تسميات مستندة إلى الموجات فوق الصوتية.

• الأداء مقابل النماذج المرجعية: تفوقت الطريقة المقترحة بشكل كبير على النماذج المرجعية (ResNet-18، وResNet-50، وInception-ResNetv2 الخاص بـ Phatak et al.، ونماذج Vision Transformers).
  • درجة F1-Score: تحسنت بمقدار 0.20 نقطة عن النموذج المرجعي.
  • Gmean: تحسنت بمقدار 0.25 نقطة عن النموذج المرجعي.
  • الاستدعاء (Recall): حقق 0.478، وهو أعلى بكثير من النماذج المرجعية (التي تراوحت بين 0.129 و0.170).
• دراسات الاستئصال (Ablation Studies):
  • إزالة التدريب المسبق باستخدام DINO أدى إلى انخفاض درجة F1-score من 0.420 إلى 0.352.
  • إزالة Focal Loss تسببت في انخفاض كارثي في الاستدعاء (0.115) ودرجة F1-score (0.158)، مما يؤكد ضرورتها للتعامل مع عدم التوازن.
  • إزالة البنية العالمية/المحلية قللت من Gmean من 0.605 إلى 0.517.
• المقارنة مع الخبراء البشريين:
  • قام ثلاثة من أطباء الروماتيزم بتقييم صور المفاصل نفسها. بلغ متوسط درجة F1-score لديهم 0.305 فقط، وكانت الدقة (Precision) 0.214.
  • بينما كان لدى الخبراء استدعاء عالٍ (~0.58)، إلا أن دقتهم المنخفضة تشير إلى أن الفحص البصري وحده يعد مؤشراً ضعيفاً للالتهاب المؤكد بالموجات فوق الصوتية. النموذج المقترح (F1=0.420) تفوق على متوسط الخبراء البشر.
• سلوك النموذج: فشلت النماذج الكبيرة مثل ViT في التقارب (كانت تتنبأ بجميع الحالات كحالات سلبية) بسبب الإفراط في التخصيص (Overfitting) على مجموعة البيانات الصغيرة، مما يسلط الضوء على ضرية النهج الخفيف المدرب مسبقاً المقترح.

5. الأهمية والخاتمة

تثبت هذه الورقة أن المراقبة عن بُ بعد عبر RGB لالتهاب المفاصل الروماتويدي هي أمر ممكن، ولكنها تتطلب معالجة خاصة لندرة البيانات وعدم توازنها.

• الأثر السريري: يوفر النظام المقترح أداة للمرضى لتقييم التهاب المفاصل ذاتياً في المنزل، مما قد يقلل من العبء على المتخصصين ويمكّن من التدخل المبكر.
• الرؤية المنهجية: تثبت الورقة أن التدريب المسبق ذاتي الإشراف على البيانات السليمة، جنباً إلى جنب مع دالات الفقد المدركة لعدم التوازن، يتفوق على التعلم الخاضع للإشراف القياسي لمجموعات البيانات الطبية الصغيرة.
• القيود والعمل المستقبلي: يفترض الأسلوب الحالي أن الالتهاب مرئي في صور RGB. ويقر المؤلفون أنه في المراحل المبكرة جداً، قد تكون التغيرات غير مرئية للعين المجردة، وهو ما يظل تحدياً للأبحاث المستقبلية.

باخت-صار، يقدم هذا العمل حلاً قوياً وموضوعياً وقابلاً للتوسع للكشف عن التهاب المفاصل الروماتويدي باستخدام تقنيات متاحة، متفوقاً على كل من نماذج التعلم العميق القياسية والتقييم البصري البشري في سياق التشخيص القائم على الصور فقط.