Diagnose Harmonisation (DHARM): An open-source tool for the harmonisation and analysis of batch effects in MRI-derived measures.
تقدم هذه الورقة البحثية DHARM، وهي مجموعة أدوات مفتوحة المصدر بلغة بايثون توفر إطار عمل معيارياً متعدد المعايير لتشخيص وتطبيق وتقييم طرق توحيد صور الرنين المغناطيسي (MRI) بهدف تقليل الآثار التقنية الناتجة عن اختلاف الدفعات بفعالية مع الحفاظ على الإشارات ذات المعنى البيولوجي.
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
أحدث التصوير بالرنين المغناطيسي، أو ما يُعرف بـ MRI، ثورة في كيفية رؤيتنا لداخل جسم الإنسان، حيث قدم نافذة غير جراحية على بنية الدماغ ووظيفته. لعقود من الزمن، اعتمد الباحثون على أجهزة منفردة في مواقع منفردة لجمع البيانات، مما يضمن أخذ كل مسحة تحت ظروف متطابقة. ومع ذلك، وبينما سعى المجتمع العلمي للإجابة عن أسئلة أكبر حول الشيخوخة، والمرض، والتطور، أصبح من الضروري دمج البيانات من مستشفيات وأجهزة مسح مختلفة تماماً. وتكمن المشكلة في أن كل جهاز رنين مغناطيسي يختلف قليلاً عن الآخر، وكل مستشفى يتبع إجراءاته الخاصة في التقاط الصور. هذه الاختلافات التقنية تعمل كضجيج خلفي مستمر، مما يخلق تباينات منهجية في البيانات لا علاقة لها بالبيولوجيا الخاصة بالشخص الذي تم مسحه. فإذا حاول باحث مقارنة قياسات الدماغ لمريض في لندن مع آخر في أكسفورد، فقد تعكس الاختلافات الأجهزة المستخدمة بدلاً من المرضى، مما قد يؤدي إلى استنتاجات خاطئة.
ولحل هذه المعضلة، طور العلماء طرقاً إحصائية لتنعيم هذه التناقضات التقنية، وهي عملية تُعرف باسم "التناغم" (harmonisation). والهدف هو إزالة الضجيج الناتج عن المعدات مع الحفاظ على الإشارة البيولوجية الحقيقية سليمة. ومع ذلك، لفترة طويلة، لم تكن هناك طريقة معيارية للتحقق مما إذا كانت هذه الطرق تعمل بالفعل. فقد استخدمت مجموعات بحثية مختلفة اختبارات متنوعة للحكم على النجاح، مما جعل من الصعب معرفة أي طريقة هي الأفضل لحالة معينة، أو ما إذا كان قد تم مسح تفاصيل بيولوجية مهمة عن طريق الخطأ أثناء تنظيف الضجيج. هذا الافتقار إلى لغة مشتركة للتقييم ترك الباحثين في حالة تخمين بشأن جودة مجموعات البيانات المدمجة لديهم.
واستجابة لهذا اليقين، قدم فريق من الباحثين من أكسفورد ونوتنغهام أداة برمجية جديدة مفتوحة المصدر تسمى DHARM، والتي ترمز إلى "تشخيص التناغم" (Diagnose Harmonisation). وبدلاً من تقديم حل سحري واحد، توفر هذه الأداة مجموعة أدوات شاملة لتشخيص نوع الضجيج التقني الموجود في مجموعة البيانات بالضبط، ثم اختبار ما إذا كان قد تم بنجاح إزالة هذا الضجيج باستخدام طرق صارمة. لقد بنى الباحثون DHARM ليعمل كحكم عالمي، مما يسمح للعلماء بتطبيق تقنيات تناغم مختلفة ثم رؤية مدى أداء كل طريقة فوراً، من خلال سلسلة من التقارير المرئية الواضحة والفحوصات الإحصائية. وقد صُممت الأداة لتكون مرنة، وقادرة على التعامل مع البيانات من لقطة زمنية واحدة وكذلك البيانات التي جُمعت من نفس الأشخاص على مدار سنوات متعددة، مما يضمن احترام العلاقات المعقدة بين القياسات المتكررة.
وقد أثبت الفريق قوة DHARM من خلال تطبيقها على بيانات واقعية من درسات كبيرة، بما في ذلك "UK Biobank" ومجموعة بيانات متخصصة حيث تم مسح متطوعين أصحاء على أجهزة مختلفة متعددة. لقد أخذوا بيانات خام غير متناغمة ومرروها عبر خمسة نهج مختلفة للتناغم، تتراوح من التصحيحات الإحصائية البسيطة إلى النماذج الأكثر تعقيداً التي تأخذ في الاعتبار شكل البيانات. وكشفت النتائج أنه بينما كانت جميع الطرق جيدة في تقليل الاختلافات الواضحة في متوسط القياسات، إلا أنها لم تؤدِ جميعها بشكل متساوٍ في جوانب أخرى. فبعض الطرق نجحت في مواءمة القيم المتوسطة، لكنها تركت وراءها اختلافات في مدى تباين البيانات من شخص لآخر، بينما عانت طرق أخرى في الحفاظ على العلاقات الطبيعية بين ميزات الدماغ المختلفة.
والأمر الجوهري هو أن الأداة أظهرت أن الطريقة التي تبدو ناجحة في مقياس ما قد تفشل في مقياس آخر. فعلى سبيل المثال، قد تجعل تقنية ما حجم الدماغ يبدو متماثلاً عبر الماسحات الضوئية المختلفة، لكنها قد تشوه دون قصد التباين الطبيعي في تلك الأحجام أو تحجب العلاقة بين حجم الدماغ والعمر. ومن خلال استخدام مجموعة من الاختبارات المختلفة، سمحت DHARM للباحثين برؤية هذه المقايضات بوضوح. ووجدوا أن الطرق التي تعدل كلاً من القيم المتوسطة ومدى انتشار البيانات تميل إلى الأداء بشكل أفضل بشكل عام، ولكن حتى أفضل الطرق تترك بعض الاختلافات المتبقية اعتماداً على الخصائص المحددة للماسحات الضوئية المعنية. كما سلطت الأداة الضوء على أنه في الدراسات التي يتم فيها مسح نفس الأشخاص عدة مرات، من الضروري مراعاة حقيقة أن المسحات المتكررة من شخص واحد ليست مستقلة؛ إذ إن تجاهل ذلك يمكن أن يؤدي إلى استنتاجات مضللة حول مدى اتساق القياسات.
وقد أكد العرض التجريبي أنه لا يوجد طريقة واحدة "مثلى" لكل موقف. بدلاً من ذلك، يعتمد الخيار الصحيح على البيانات المحددة والسؤال البيولوجي المطروح. فالطريقة التي تعمل جيداً في تصحيح الإزاحات البسيطة في القيم المتوسطة قد لا تكون مناسبة للبيانات التي تكون فيها الاختلافات أكثر تعقيداً أو حيث تكون الإشارة البيولوجية غير خطية. إن DHARM تمكن الباحثين من تجاوز نهج "الحل الواحد المناسب للجميع" من خلال توفير طريقة شفافة قائمة على الأدلة للمقارنة بين الطرق جنباً إلى جنب. فهي تسمح لهم بالتساؤل ليس فقط عما إذا كان الضجيج قد انخفض، بل عما إذا كانت القصة البيولوجية الحقيقية لا تزال واضحة وسليمة.
ومن خلال دمج هذه الفحوصات المتنوعة في سير عمل واحد سهل الاستخدام، قدم الباحثون للمجال وسيلة لجعل "التناغم" جزءاً أكثر موثوقية وقابلية للتكرار من العملية العلمية. لا تكتفي الأداة بإخبار العلماء بأن بياناتهم أصبحت أنظف، بل تظهر لهم بالضبط كيف تغيرت وما الذي تم الحفاظ عليه. وهذا المستوى من التفصيل ضروري لبناء الثقة في الدراسات واسعة النطاق التي تجمع البيانات من عشرات المواقع، مما يضمن أن الاستنتاجات المستخلصة حول صحة الإنسان مبنية على البيولوجيا وليس على نزوات جهاز معين. ويمثل تقديم DHARM تحولاً نحو معيار أكثر صرامة في التصوير العصبي، حيث يُقاس نجاح تنظيف البيانات بصورة كاملة لصحة البيانات، وليس برقم واحد قد يكون مضللاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.