HipSAFE: automating hip fracture detection on ultrasound imaging using deep learning
تُظهر هذه الدراسة قبل السريرية أن HipSAFE، وهو أداة للتعلم العميق تستخدم نموذج EfficientNet-Lite0 لتحليل صور الموجات فوق الصوتية التي يلتقطها مشغلون غير متخصصين، يحقق دقة تشخيصية تضاهي أو تتجاوز دقة أطباء الأشعة في اكتشاف كسور الورك، مما يقدم حلاً واعداً لتحسين عملية الفرز في المناطق الريفية والمناطق ذات الموارد المحدودة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك مسعف في بلدة ريفية. سقط شخص مسن وهو يصرخ من الألم، ومن المرجح أنه يعاني من كسر في الورك. في الأيام الخوالي، كان عليك تحميله في سيارة الإسعاف، والقيء لمدة 40 دقيقة إلى أقرب مستشفى، والانتظار في غرفة الطوارรี، ثم إجراء أشعة سينية، وبعد ذلك فقط تكتشف ما إذا كان لديه كسر بالفعل. حوالي 1 من كل 4 أشخاص يأتون بشكوى من ألم في الورك يعانون فعليًا من كسر، مما يعني أن الكثير من الناس يقومون برحلات غير ضرورية ومرهقة ومكلفة إلى المستشفى.
إليك HipSAFE، وهو "مساعد ذكي" جديد لأجهزة الموجات فوق الصوتية (الألتراساوند) يمكنه تغيير هذه القصة.
إليك شرح بسيط لكيفية عمله، باستخدام بعض التشبيهات من الحياة اليومية:
1. المشكلة: عنق الزجاجة المتمثل في "الخبير"
أجهزة الموجات فوق الصوتية تشبه كاميرات محمولة خالية من الإشعاع يمكنها الرؤية داخل الجسم. وهي مثالية لسيارات الإسعاف لأنها صغيرة ورخيصة. ولكن هناك مشكلة: قراءة الصور صعبة.
فكر في صورة الموجات فوق الصوتية مثل صورة بالأبيض والأسود وضبابية تم التقاطها في الضباب. لرصد شق صغير في العظم، تحتاج إلى سنوات من التدريب. معظم المسعفين والممرضين ليسوا مدربين ليكونوا "خبراء في الصور الضبابية". وبدون وجود خبير، ستكون الآلة مجرد مصباح يدوي فاخر لا يخبرك بما تراه.
2. الحل: "القارئ الخارق" بالذكاء الاصطناعي
قام الباحثون ببناء HipSAFE، وهو عقل ذكاء اصطناعي ملحق بجهاز الموجات فوق الصوتية.
- التدريب: لم يعلموا الذكاء الاصطناński على المرضى البشر أولاً. بدلاً من ذلك، استخدموا جثث الخنازير (التي تمتلك أوركاك تشبه أوركا البشر تمامًا). أخذوا مئات مقاطع الفيديو بالموجات فوق الصوتية لأرجل الخنازير، سواء كانت مكسورة أو سليمة.
- "الطالب" مقابل "المعلم": اختبروا الذكاء الاصطناعي مقابل مجموعتين:
- مجموعة "غير المتخصصين": أشخاص عاديون ليس لديهم أي تدريب طبي (مثل المسعف العادي).
- "الخبراء": أطباء أشعة مدربون تدريبًا عاليًا.
- النتيجة: لقد اكتسح الذكو الاصطناعي الجميع. واجه الأشخاص غير المدربين وحتى الخبراء صعوبة في التمييز بين العظم المكسور والعظم الطبيعي في هذه الصور الضبابية. أما الذكاء الاصطناعي، فقد عمل مثل محقق فائق الروعة لا يتعب أبدًا ولا يفوت أي دليل.
3. كيف يعمل: تشبيه "مراجعة الأفلام"
لا ينظر الذكاء الاصطناعي فقط إلى صورة واحدة ثابتة؛ بل يشاهد مقطع فيديو قصيرًا (يسمى مقطع "سينيه" أو cine clip) للموجات فوق الصوتية وهي تتحرك فوق الورك.
- إطار تلو الآخر: تخيل أن الذكاء الاصطناعي يشاهد فيلمًا. إنه ينظر إلى كل إطار (صورة) ويسأل: "هل هذا العظم مكسور؟"
- المتوسط المتحرك: في بعض الأحيان تصبح الصورة ضبابية أو مهتزة. ولإصلاح ذلك، يستخدم الذكاء الاصطناعي نظام تصويت. يأخذ الإطارات القليلة الأخيرة، ويجمع آراءها، ويتخذ قرارًا نهائيًا. الأمر يشبه سؤال لجنة من 100 خبير للتصويت على فيلم؛ حتى لو ارتبك شخص واحد، فإن المجموعة عادة ما تصيب الحقيقة.
- "البطل خفيف الوزن": اختبر الباحثون أنواعًا مختلفة من عقول الذكاء الاصطناعي. بعضها كان ضخمًا وثقيلًا (مثل السوبر كمبيوتر)، وبعضها كان صغيرًا وفعالًا (مثل تطبيق على الهاتف الذكي). ومن المثير للدهشة، كان النموذج الصغير والفعال (المسمى EfficientNet-Lite0) هو الفائز. لقد كان سريعًا، ودقيقًا، وصغيرًا بما يكفي ليعمل على جهاز محمول دون الحاجة إلى مزرعة خوادم ضخمة.
4. بطاقة النتائج
- الذكاء الاصطناعي: أصاب بنسبة 94% من المرات. كان جيدًا للغاية في قول "نعم، هذا مكسور" عندما يكون كذلك، و"لا، هذا سليم" عندما يكون كذلك.
- البشر: أصاب الأشخاص غير المدربين بنسبة 67% تقريبًا. كانوا يميلون إلى الذعر وقول "إنه مكسور!" بشكل متكرر (إنذارات كاذبة). أما الخبراء فكانوا أفضل لكنهم ظلوا يعانون مع نوع الصور الضبابية التي يلتقطها المسعفون.
5. العقبة (خلل "صفيحة النمو")
كان هناك عقبة واحدة. الخنازير المستخدمة في الدراسة كانت صغيرة السن، مما يعني أنها كانت لا تزال تمتلك صفائح نمو (مناطق لينة في العظم حيث يزداد طولها). في الموجات فوق الصوتية، تبدو صفيحة النمو مثل كسر في العظم. قد يخطئ الذكاء الاصطناعي أحيانًا، معتقدًا أن صفيحة النمو هي كسر.
- التشبيه: الأمر يشبه اعتقاد الذكاء الاصطناعي أن القشرة هي جرح. إنه نمط بصري متشابه، لكن أحدهما في مرحلة الشفاء والآخر مكسور.
- الإصلاح: أشار الباحثون إلى ذلك وخططوا لتعليم الذكاء الاصطناعي الفرق في دراسات مستقبلية باستخدام خنازير أكبر سنًا أو بشر حقيقيين.
لماذا هذا مهم؟
إذا نجحت هذه التكنولوجيا مع البشر الحقيقيين، فقد تكون نقطة تحول للمجتمعات الريفية وغرف الطوارئ:
- إيقاف الرحلات غير الضرورية: إذا قال الذكاء الاصطناعي "لا يوجد كسر"، فقد لا يحتاج المريض للذهاب إلى المستشفى الكبير على الإطلاق. يمكنه البقاء في المنزل أو الذهاب إلى عيادة محلية.
- تسريع حالات الطوارئ الحقيقية: إذا قال الذكاء الاصطناعي "نعم، كسر"، يمكن للمسعف الاتصال مسبقًا بمركز الإصابات. يذهب المريض مباشرة إلى الجراح، متجاوزًا غرفة الانتظار. هذا يوفر الوقت، والوقت ينقذ الأرواح.
- دمقرطة الخبرة: لم تعد بحاجة إلى دكتوراه في الأشعة لاستخدام الجهاز بعد الآن. الذكاء الاصطناعي يقوم بالعمل الشاق، حيث يعمل كـ مساعد طيار لأي ممرض أو مسعف.
باختصار: HipSAFE يشبه منح كل سيارة إسعاف "عينًا سحرية" يمكنها فورًا معرفة ما إذا كان الورك مكسورًا، حتى لو كان الشخص الذي يحمل الكاميرا لم يرَ صورة أشعة سينية من قبل. إنه يحول صورة ضبابية ومربكة إلى "نعم" أو "لا" واضحة، مما قد يوفر الوقت والمال والجهد للمرضى في كل مكان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.