BoneAgeTW2: Automated Skeletal Maturation Assessment via the Tanner-Whitehouse 2 Method, Deep Learning, and Clinical Report Generation with Distribution Curves

تخيل أن جسدك هو موقع بناء، وأن عظامك هي العوارض الفولاذية التي يتم نصبها. وبينما يخبرك تاريخ ميلادك بعدد السنوات التي قضيتها في موقع العمل، فإن لعظامك ساعتها البيولوجية الخاصة، فهي تنمو وتتصلب بوتيرتها الخاصة. أحياناً تعمل هذه الساعة البيولوجية بسرعة، وأحياناً ببطء، ويحتاج الأطباء لمعرفة الفرق لمساعدة الأطفال الذين يعانون من مشاك في النمو أو لفهم مقدار الوقت المتبقي للمراهق ليزداد طولاً. ولعقود من الزمن، كان "المعيار الذهبي" للتحقق من ساعة العظام هذه هو طريقة تسمى "تانر-وايت هاوس 2" (TW2). الأمر يشبه وجود مهندس رئيسي يتفحص 20 عارضة فولاذية محددة في اليد والمعصم، يفحص كل واحدة منها ليرى ما إذا كانت لا تزال لينة وتنمو أم أنها تصلبت تماماً. هذا الفحص دقيق للغاية ولكنه بطيء للغاية، حيث يستغرق الخبير البشري من 10 إلى 20 دقيقة لكل مريض، وحتى مع ذلك، قد يختلف خبيران في التقدير بفارق يصل إلى عام كامل.

الآن، قدم إليك أداة رقمية جديدة صُممت لتسريع هذه العملية دون فقدان التفاصيل. يقدم هذا البحث نظام BoneAgeTW2، وهو نظام ذكاء اصطناعي يعمل كمساعد طبيب أشعة فائق السرعة ولا يكلّ. بدلاً من مجرد تخمين رقم واحد لعمر العظام لدى الطفل، يحاكي هذا النظام عملية الخبير البشري بدقة؛ فهو ينظر إلى صورة أشعة لليد، ويجد 20 عظمة محددة، ويحدد مرحلة النضج لكل منها، تماماً كما يفعل البشر. ثم يقوم بمعالجة الأرقام ليعطي تقديراً نهائياً لعمر العظام، مكتملاً بنطاق ثقة وتقرير مرئي يوضح بالضبط كيف تقارن كل عظمة بالمتوسط لهذا العمر. الهدف ليس السرعة فحسب، بل الشفافية، عبر منح الأطباء تفصيلاً واضحاً وخطوة بخطوة لسبب وصول النظام إلى استنتاجه، بدلاً من مجرد إعطاء إجابة غامضة من "الصندوق الأسود".

المشكلة: الطريقة البشرية البطيئة

لفترة طويلة، كان التحقق من عمر عظام الطفل يشبه قراءة خريطة معقدة مكتوبة بخط اليد. طريقة "تانر-وايت هاوس 2" (TW2) هي الخريطة التي يستخدمها الجميع في أمريكا اللاتينية وأوروبا. لقراءتها، يتعين على طبيب الأشعة النظر إلى صورة أشعة لليد وتحديد 20 عظمة محددة، بدءاً من العظام الطويلة في الأصابع وصولاً إلى العظام الصغيرة التي تشبه قطع الأحجية في المعصم. ولكل عظمة، يتعين عليه تحديد أي "مرحلة" من مراحل النضج تمر بها، والتي تتراوح من مرحلة مبكرة لينة (A) إلى مرحلة البلوغ والصلابة الكاملة (I).

وبمجرد تسجيل درجات جميع العشرين عظمة، يتعين عليهم جمع النقاط باستخدام جداات خاصة للحصول على "عمر العظام" النهائي. ولجعل النتيجة ذات معنى، غالباً ما يرسمون منحنيات تشبه الجرس (توزيعات غاوسية) لمعرفة ما إذا كانت عظمة معينة متقدمة عن جدولها الزمني أو متأخرة عنه. ما المشكلة؟ هذه العملية برمتها تستغرق من 10 إلى 20 دقيقة لكل مريض، وتتطلب سنوات من التدريب، ولأنها عملية يدوية للغاية، قد يعطي طبيبان مختلفان إجابات مختلفة لنفس صورة الأشعة، بفارق قد يصل إلى 12 شهراً. وبينما توجد بعض الأدوات التجارية التي يمكنها تخمين عمر العظام، إلا أنها باهظة الثمن، ومصادرها مغلقة (لا يمكنك رؤية كيفية عملها)، وعادة ما تعطيك رقماً واحداً فقط دون توضيح العمل الذي أدى إليه.

الحل: BoneAgeTW2

قام مؤلفو هذا البحث ببناء BoneAgeTW2، وهو نظام مفتوح المصدر يعمل على أتمتة سير عمل TW2 بالكامل. فكر فيه كخط تجميع رقمي يأخذ صورة الأشعة من طرف، ويخرج تقريراً سريرياً كاملاً في أقل من 5 ثوانٍ.

إليك كيف يعمل الجهاز، خطوة بخطوة:

1. الإعداد: أولاً، يقوم النظام بتنظيف صورة الأشعة. يتحقق من الملف الرقمي ليرى ما إذا كانت الصورة مكبرة (مثل صورة ملتقطة قريبة جداً من النافذة) ويقوم بتصحيح الحجم تلقائياً. كما يقوم بقلب الصورة إذا كانت ليد يمنى، لضمان أن الكمبيوتر ينظر دائماً إلى عرض "اليد اليسرى"، تماماً مثل بيانات التدريب الخاصة به.
2. إيجاد العظام: باستخدام كاشف ذكي يسمى YOLOv8، يبحث النظام عن العشرين عظمة المحددة في اليد. يقوم برسم مربع حول كل منها، ليعمل مثل قلم التحديد الذي يضع علامات على المواضع التي يحتاج الطبيب لفحصها.
3. التصنيف: هذا هو الجزء الصعب. يحتاج النظام لمعرفة أي مرحلة (من A إلى I) تمر بها كل عظمة. وبما أن بيانات التدريب لم تكن تحتوي على تسميات لكل مرحلة عظمة بمفردها، فقد استخدم المؤلفون حيلة ذكية تسمى "التسمية الزائفة" (pseudo-labeling). حيث استخدموا عمر العظام المعروف للمريض لتخمين المرحلة الأكثر احتمالاً لكل عظمة، مما خلق مجموعة تدريب. ثم قاموا بتدريب نموذج تعلم عميق (EfficientNet-B3) بـ 20 "رأساً" مختلفة، حيث يكون كل رأس خبيراً في عظمة واحدة محددة فقط.
4. التسجيل: بمجرد أن يحدد النظام مرحلة لكل عظمة، فإنه يجمع النقاط تماماً وفقاً لقواعد TW2 الرسمية. يقوم بحساب الدرجة للعظام الطويلة (RUS) وعظام المعصم (Carpal).
5. التقرير: أخيراً، يقوم بإنشاء تقرير كامل. هذا ليس مجرد رقم؛ بل يتضمن صورة مشروحة توضح العشرين مربعاً، وجدولاً يحتوي على درجة كل عظمة على حد الترتيب، وهذا هو الجزء المذهل: منحنيات تفاعلية تشبه الجرس. تُظهر هذه المنحنيات للطبيب بالضبط أين تقع عظمة المريض مقارنة بمتوسط السكان. إذا كانت العظمة متأخرة، يمكن للطبيب رؤية المنحنى وهو يصل لذروته بعيداً جهة اليسار بالنسبة لعمر المريض الفعلي.

ما يحققه النظام (وما لا يحققه)

يقدم البحث نظام BoneAgeTW2 كنظام نجح في أتمتة عملية TW2 بأكملها، من الصورة الخام إلى تقرير PDF قابل للتحميل. تم تصميم النظام ليعمل على أجهزة الكمبيوتر القياسية (CPU) في أقل من 5 ثوانٍ، أو حتى أسرع باستخدام بطاقة رسومات (GPU).

يتحلى المؤلفون بالحذر في إدارة التوقعات فيما يتعلق بالدقة. فهم يقرون بأنه نظراً لأن النظام مجبر على اتباع القواعد الصارمة والخطوات المتتالية لمنهجية TW2 (التي تستخدم مراحل محددة مثل A، B، C)، فقد لا يكون دقيقاً رياضياً مثل بعض أنظمة الذكاء الاصطناعي "الصندوق الأسود" التي تخمن رقماً مباشراً. في الواقع، يتوقعون أن يكون لنظامهم هامش خطأ (متوسط الخطأ المطلق) أعلى قليلاً من تلك النماذج البسيطة. ومع ذلك، يجادلون بأن هذه مقايضة جيدة؛ فالهدف ليس مجرد أن يكون النظام أفضل آلة لحساب الأرقام، بل أن يكون قابلاً للتفسير.

من خلال تفكيك الإجابة عظمة تلو الأخرى، يسمح النظام للطبيب برؤية أي العظام تسبب تأخراً أو تقدماً، مما يعطي صورة أوضح بكثير عن حالة المريض مما قد يفعله رقم واحد بمفرده.

ميزة "المنحنى الجرسي"

من أكثر الميزات تميزاً في BoneAgeTW2 هي كيفية تصوير البيانات. لكل واحدة من العشرين عظمة، يرسم النظام منحنى جرسياً. تخيل رسماً بيانياً حيث الخط الأفقي هو العمر، والمنحنى يوضح مدى شيوع مرحلة معينة للعظمة في أعمار مختلفة.

• إذا كانت عظمة المريض في المرحلة "E"، فإن النظام يبرز منحنى "E".
• ثم يرسم خطاً عمودياً يمثل عمر المريض الفعلي.
• إذا كان الخط بعيداً جهة اليمين من ذروة المنحنى، يعرف الطبيب أن هذه العظمة "متأخرة" (أي أنها تعمل بعمر أصغر من عمر المريض).
• وإذا كان الخط جهة اليسار، فإن العظمة "متقدمة".

هذه الأداة المرئية، التي عادة ما تُرسَم يدوياً أو يتم تجاهلها تماماً بسبب ضيق الوقت، يتم إنتاجها تلقائياً لكل عظمة، مما يوفر رؤية غنية ومفصلة لنضج الهيكل العظمي للطفل.

الخلا الخلاصة

إن BoneAgeTW2 هو نظام إثبات مفهوم يجلب التفكير البشري المفصل لمنهجية "تانر-وايت هاوس 2" إلى العصر الرقمي. هو لا يحل محل طبيب الأشعة، بل يعمل كمساعد قوي يقوم بالمهام الشاقة المتمثلة في إيجاد العظام، وتسجيل الدرجات، ورسم المخططات في ثوانٍ. يؤكد المؤلفون أن هذا هو أداة لدعم القرار يجب أن يراجعها طبيب مؤهل، خاصة وأن النظام يعتمد على بيانات تدريب قد لا تتطابق تماماً مع كل السكان (مثل الأطفال في كولومبيا، حيث أجريت الدراسة).

بينما لا يعتبر النظام بعد "جهازًا طبياً مكتملاً" جاهزاً لكل مستشفى، إلا أنه يثبت أنه من الممكن أتمتة بروتوكول طبي معقد ويدوي مع الحفاظ على منطق شفاف. إنه يحول مهمة تستغرق 20 دقيقة وتتطلب خبيراً إلى عملية تستغرق 5 ثوانٍ تنتج تقريراً مفصلاً للغاية لدرجة أن الطبيب يمكنه رؤية كيف وصل الذكاء الاصطناعي إلى استنتاجه، عظمة تلو الأخرى.