Generalizing Soft Tissue Deformation and Force Prediction Across Material Stiffness and Geometry
تقدم هذه الورقة شبكة عصبية رسومية متساوية التباين مشروطة بالليونة، تم تدريبها على محاكاة مرنة فائقة تمت معايرتها بشكل منهجي لتحقيق تعميم دقيق وفوري لتشوه الأنسجة الرخوة والتنبؤ بالقوة عبر مستويات متفاوتة من صلابة المواد وهندسات غير مرئية.
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 يد جراح توجه أداة روبوتية عبر أنسجة حية رقيقة. ولجعل هذا التفاعل آمنًا وواقعيًا، يجب على الحاسوب الذي يتحكم في الروبوت أن يعرف بدقة كيف ستنضغط تلك الأنسجة، وتتمدد، وتدفع للخلف. هذا هو جوهر المحاكاة الجراحية: إنشاء توأم رقمي لجسم الإنسان يتفاعل بحقيقة فيزيائية مثالية. لعقود من الزمن، اعتمد العلماء على محركات فيزيائية معقدة لحساب هذه التفاعلات، عبر حل معادلات ضخمة لكل نقطة صغيرة داخل عضو افتراضي. وبينما تكون هذه الحسابات دقيقة للغاية، إلا أنها بطيئة بشكل مؤلم، إذ غالبًا ما تستغرق ثوانٍ أو دقائق لحساب حركة واحدة فقط. وفي غرفة عمليات حقيقية أو جلسة تدريبية حيث يحتاج الجراح إلى استجابة فورية، يكون هذا التأخير طويلًا جدًا. لقد كان الهدف دائمًا هو إيجاد طريقة تجعل هذه المحاكاة سريعة بما يكفي لتبدو واقعية، دون فقدان الدقة التي تحافظ على سلامة المرضى.
لقد اتخذ فريق من الباحثين في جامعة بازل خطوة كبيرة نحو هذا الهدف من خلال الجمع بين التجارب الفيزيائية الدقيقة ونوع جديد من الذكاء الاصطناعي. ويعالج عملهم مشكلة مستعصية: معظم النماذج الحاسوبية للأنسجة الرخوة تعمل جيدًا لنوع واحد محدد من المواد، مثل كبد صلب أو كلية لينة، لكنها تفشل عندما تتغير درجة الصلابة. فإذا انتقل الجراح من عضو صلب إلى آخر أكثر ليونة، فإن النماذج القديمة غالبًا ما تنهار، مما ينتج نتائج غير واقعية. أراد الباحثون بناء نظام واحد ذكي يمكنه فهم والتنبؤ بسلوك الأنسجة الرخوة عبر نطاق واسع من مستويات الصلابة والأشكال، وكل ذلك مع العمل بسرعة كافية للاستخدام في الوقت الفعلي.
ولحل هذه المشكلة، بدأ الفريق من العالم المادي. فقد صنعوا مجموعة من الأشياء الاختبارية باستخدام السيليكون، وهي مادة تُستخدم غالبًا لمحاكاة أنسجة الإنسان. وقد خلطوا السيليكون بكميات مختلفة من عامل التليين لإنشاء ثلاث نسخ متميزة منه: واحدة صلبة جدًا، وواحدة متوسطة، وواحدة لينة للغاية. وقاموا بصب هذه الخلطات في عوارض أسطوانية طويلة وعلقوها تحت تأثير وزنها الخاص ليروا كيف تنحني وتتدلى بشكل طبيعي. ومن خلال تصوير هذه العوارض باستخدام هاتف ذكي قياسي واستخدام برامج لتصحيح زوايا الكاميرا، التقطوا قياسات دقيقة لكيفية تشوه المادة. وقد كانت هذه الملاحظات من العالم الحقيقي بمثابة المعيار الذهبي، أي الحقيقة الأرضية التي سيتم اختبار جميع النماذج الحاسوبية مقابلها.
بعد ذلك، توجه الباحثون إلى الحاسوب لمعرفة القواعد الرياضية التي تصف هذا الانحناء بشكل أفضل. فقد اختبروا عدة نظريات حول كيفية سلوك المواد الرخوة، وأجروا عمليات محاكاة حاولت تكرار الطريقة الدقيقة التي انحنت بها عوارض السيليكون تحت تأثير الجاذبية. ووجدوا أنه بينما نجحت بعض النظريات جيدًا مع المواد الأكثر صلابة، إلا أنها واجهت صعوبة مع المواد الأكثر ليونة. وقد برزت نظريتان محددتان، تُعرفان بنموذجي "أوجدن" (Ogden) و"موني-ريفلين" (Mooney-Rivlin)، باعتبارهما الأكثر موثوقية عبر جميع مستويات الصلابة الثلاثة. ومع ذلك، حتى هذه النماذج الجيدة احتاجت إلى ضبط إعداداتها الداخلية بعناية لتتطابق مع السيليكون الحقيقي تمامًا. كانت خطوة المعايرة هذه حاسمة؛ فبدونها، ستكون البيانات الحاسوبية المستخدمة لتعليم الذكاء الاصطناعي معيبة، مما يؤدي إلى نظام يتعلم دروسًا خاطئة.
ومع معايرة النماذج الفيزيائية والوثوق بها، أنشأ الفريق مكتبة ضخمة من بيانات التدريب. وبدلاً من مجرد تعليق العوارض، قاموا بمحاكاة سيناريو يشبه الجراحة: مسبار افتراضي ينقر داخل كتلة من الأنسة الرخوة التي تحتوي على أشكال صلبة مخفية بالداخل، مثل العظام أو الأورام. أجروا آلاف عمليات محاكاة للنقر هذه، مع تغيير شكل الأجسام المخفية، وموقع النقر، وصلابة الأنسجة. خلق هذا مجموعة بيانات غنية تظهر بالضبط كيف تحرك سطح الأنسجة وكمية القوة التي شعر بها المسبار في كل لحظة.
القطعة الأخيرة من اللغز كانت الذكاء الاصطناعي نفسه. استخدم الباحثون نوعًا متخصصًا من الشبكات العصبية، وهو برنامج حاسوبي مصمم للتعلم من البيانات غير المهيكلة مثل الأشكال غير المنتظمة للأنسجة الرخوة. لقد عدلوا هذه الشبكة لتولي اهتمامًا بـ "ليونة" المادة كمعلومة أساسية. ومن خلال تغذية الشبكة ببيانات المحاكاة المعايرة، علموها التنبؤ بكيفية تشوه قطعة من النسيج ومدى قوة دفعها للخلف، ببساطة عن طريق النظر إلى شكلها ومعرفة صلابتها. وكانت النتيجة نظامًا يمكنه أخذ شكل جديد لم يره من قبل ومستوى صلابة محدد، والتنبؤ بالنتيجة فورًا.
كانت النتائج مذهلة. استطاع النظام الجديد التنبؤ بحركة الأنسجة بمتوسط خطأ يقل عن مليمتر واحد، وهو مستوى من الدقة يكاد يكون غير مرئي للعين البشرية. كما تنبأ بالقوى المشاركة بدقة عالية، رغم أن دقة توقعات القوة هذه اعتمدت بشكل كبير على مدى جودة معايرة النموذج الفيزيائي الأساسي. فعندما كان النموذج الفيزيائي متسقًا، كانت توقعات القوة موثوقة؛ وعندما كان النموذج الفيزيائي يعاني مع المواد شديدة الصلابة، أصبحت توقعات القوة أكثر تباينًا. والأهم من ذلك، أن النظام أجرى هذه الحسابات في غضًا 0.010 ثانية فقط، وهي سرعة كافية لمواكبة حركة يد الإنسان في الوقت الفعلي.
يُظهر هذا العمل أنه من الممكن بناء أداة واحدة عامة الغرض لمحاكاة الأنسجة الرخوة تعمل عبر مواد وأشكال مختلفة. ومن خلال ترسيخ الذكاء الاصطناعي في تجارب فيزيائية تمت معايرتها بعناقة، ضمن الباحثون أن الحاسوب تعلم من الواقع، وليس فقط من الرياضيات المجردة. ورغم أن النظام ليس بديلًا للمجال الطبي بعد، إلا أنه يقدم طريقة جديدة قوية لتدريب المتخصصين في المجال الطبي والتخطيط للعمليات المعقدة. إنه يشير إلى مستقبل يمكن فيه لمحاكيات الجراحة أن تتكيف فورًا مع الأنسجة المتغيرة والفريدة لجسم الإنسان، مما يوفر استجابة واقعية تبدو طبيعية تمامًا مثل لمس الشيء الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.