Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning
تقدم هذه الورقة إطار عمل جديد للتعلم العميق يحقق دقة عالية في كل من اكتشاف انسدادات الأمعاء وتحديد مناطق الانتقال الخاصة بها بدقة في الأشعة المقطعية للبطن، مع دمج طريقة تصنيف قابلة للتفسير بطبيعتها لتحديد نقطة الانتقال المشتبه بها داخل الشريحة.
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
تخيل أنك محقق يحاول حل لغز داخل مكتبة عملاقة ثلاثية الأبعاد. هذه المكتبة ليست مكونة من كتب، بل من آلاف الشرائح الرقيقة والشفافة لجسم مريض، مكدسة فوق بعضها البعض مثل مجموعة من أوراق اللعب. هكذا ينظر الأطباء إلى داخل جسم الإنسان باستخدام آلة خاصة تسمى ماسح الأشعة المقطعية (CT scanner). "اللغز" في هذه القصة هو انسداد في الأمعاء، والمعروف باسم انسداد الأمعاء. إنه يشبه ازدحاماً مرورياً في طريق سريع مزدحم داخل الجسم؛ فإذا لم تتمكن السيارات (الطعام والفضلات) من الحركة، فقد يصبح الأمر خطيراً للغاية بسرعة كبيرة.
لحل هذا اللغز، يتعين على الأطباء عادةً النظر عبر كل "ورقة" (أو شريحة) في المكتبة، واحدة تلو الأخرى، للعثور بدقة على مكان بدء هذا الازدحام المروري. يُسمى هذا البحث عن "منطقة الانتقال" (transition zone)—وهي البقعة المحددة التي يتحول فيها الطريق من واسع ومفتوح إلى ضيق ومسدود. وهذا يتطلب الكثير من الجهد بالنسبة لمحقق بشري، وأحياناً، عندما يكون المحقق متعباً أو كانت المكتبة ضخمة، قد يفوته الموقع أو يستغرق وقتاً طويلاً في العثود إليه. وهنا يأتي دور علوم الحاسوب. لقد علم العلماء الحواسيب أن تكون "محققين خارقين" باستخدام تقنية تسمى التعلم العميق (deep learning). فكر في التعلم العميق كدماغ حاسوبي يتعلم من خلال النظر في ملايين الأمثلة، تماماً مثل طالب يدرس لاختبار ما، حتى يصبح بارعاً حقاً في رصد الأنماط. والسؤال الكبير كان دائماً: هل يمكن للحاسوب ألا يكتفي فقط بإخبارنا بوجود ازدحام مروري، بل أن يشير بإصبعه بدقة إلى أين يقع، شريحة تلو الأخرى، دون أن يصاب بالارتباك؟
تقدم هذه الورقة البحثية نظاماً ذكياً جديداً من الحاسوب صُمم للقيام بهذا الدور تحديداً. لقد بنى الباحثون نظاماً لا يكتفي بالنظر إلى المكتبة بأكملها ليقول "نعم، هناك مشكلة" أو "لا، كل شيء على ما يرام"، بل يعمل كمساعد ذي خطوتين. أولاً، يقوم بمسح المريض ليرى ما إذا كان هناك انسداد معوي على الإطلاق. وإذا كانت الإجابة "نعم"، فإنه ينتقل فوراً إلى وضعية خبير البحث والتقصي؛ حيث يبحث في جميع شرائح الأشعة المقطعية ويقوم بترتيبها، واضعاً الشرائح الأكثر إثارة للريبة في أعلى القائمة. إنه يشبه وجود أمين مكتبة، بدلاً من جعلك تمر عبر كل الممرات، يسلمك قائمة بأكثر عشرة كتب يُحتمل أن يكون الدليل مخبأً فيها.
اختبر الفريق هذا المحقق الجديد على مجموعة من 1,427 مسحاً طبياً حقيقياً لمرضى من أحد المستشفيات. وكانت النتائج واعدة للغاية؛ فقد استطاع الحاسوب تحديد ما إذا كان المريض يعاني من انسداد معوي بنسبة نجاح بلغت حوالي 93%. لكن السحر الحقيقي حدث أثناء عملية البحث؛ فعندما وجد الحاسوب انسداداً، نجح في الإشارة إلى شريحة "الازدحام المروري" الصحيحة ضمن أفضل 10 تخمينات بنسبة 95% من المرضى. والأفضل من ذلك، أنه بالنسبة لمعظم المرضى، كانت الشريحة الصحيحة ضمن أفضل 3 تخمينات بالفعل. وهذا يعني أن الطبيب لن يضطر للنظر في مئات الصور، بل يمكنه التركيز فقط على حفنة من المرشحين الأكثر احتمالاً.
كما أضاف الباحثون ميزة "قول الحقيقة" إلى نظامهم. فعادةً، عندما يقول الحاسوب "لقد وجدت الانسداد هنا"، يكون من الصعب معرفة لماذا يعتقد ذلك. هل ينظر إلى المكان الصحيح، أم أنه مجرد تخمين بناءً على ظل غريب؟ يستخدم هذا النظام الجديد طريقة تجبر الحاسوب على "إظهار عمله" (show its work). فهو يتعلم تسليط الضوء على الجزء الصغير والمحدد من الصورة الذي أقنعه بالتشخيص، متجاهلاً كل شيء آخر. وفي اختباراتهم، تمكن هذا الحاسوب "الصادق" من تحديد المكان الدقيق للانسداد داخل الشريحة باستخدام حوالي 5% إلى 10% فقط من مساحة الصورة، وفعل ذلك بشكل صحيح في 88% من الحالات.
ومع ذلك، فإن المؤلفين حذرون في قولهم إن هذه ليست سوى بداية القصة. فقد تم تدريب واختبار الحاسوب على بيانات من مستشفى واحد فقط، وباستخدام أنواع محددة من أجهزة الفحص. وهم يقترحون أنه قبل أن يمكن استخدام هذه الأداة في كل مكان، يجب اختبارها على مرضى من مستشفيات مختلفة للتأكد من أنها تعمل للجميع، وليس فقط للأشخاص في هذه الدراسة المحددة. كما أشاروا إلى أن الحاسوب تعلم من ملاحظات الأطباء البشر، لذا إذا اختلف الأطباء حول مكان الانسداد، فقد يرتبك الحاسوب أيضاً. وبينما تشير النتائج إلى أن هذه طريقة جديدة قوية لمساعدة الأطباء، إلا أنها ليست منتجاً نهائياً جاهزاً لاستبدال الخبراء البشر بعد. بدلاً من ذلك، هي خطوة كبيرة للأمام، تُظهر أنه يمكننا بناء آلات لا تكتفي برصد المشكلة فحسب، بل تساعدنا أيضاً في العثور على مكانها بالضبط، مما قد يوفر الوقت ويساعد المرضى في الحصول على الرعاية التي يحتاجونها بشكل أسرع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.