Benchmarking open-source automated thigh muscle MRI segmentation algorithms

في عالم التصوير الطبي عالي الدقة والهادئ، ظل تحدٍّ معين يبطئ منذ فترة طويلة دراسة أمراض العضلات: وهو الجهد اليدوي الهائل المطلوب لرسم الخرائط التشريحية للجسم. فعندما يستخدم الأطباء والباحثون التصوير بالرنين المغناطيسي (MRI) للنظر داخل فخذ المريض، فإنهم يرون مشهداً معقداً من ثلاثة عشر عضلة متميزة، كل منها محاط بالدهون والعظام. ولفهم كيفية تطور مرض مثل الحثل العضلي، يتعين عليهم قياس حجم كل عضلة وحساب كمية الدهون التي حلت محل الأنسجة السليمة. ولعقود من الزمن، تم القيام بذلك يدوياً، وهي عملية مضنية يقوم فيها خبير بشري بتتبع حدود كل عضلة على مئات من شرائح الصور الفردية. هذا العمل اليدوي بطيء، ويختلف من شخص لآخر، ويخلق عنق زجاجة يمنع الدراسات واسعة النطاق للحالات النادرة. وكان الوعد في المستقبل هو أن تتمكن الحواسيب من تعلم القيام بهذا التتبع تلقائياً، مما يحرر الباحثين للتركيز على البيولوجيا بدلاً من الرسم.

ومع ذلك، أصبح مشهد الأدوات التلقائية سوقاً مزدحماً ببرامج برمجية مختلفة، كل منها بُني بطرق مختلفة وتدرب على بيانات مختلفة. بعض الأدوات مصممة للتعرف على أجزاء معينة من الجسم، بينما البعض الآخر عبارة عن أنظمة عامة الغرض تدربت على كميات هائلة من بيانات الإنترنت للتعرف على أي شيء تقريباً. كانت المشكلة هي أنه لم يسبق لأحد أن وضع هذه الأدوات جنباً إلى جنب ليرى أياً منها يعمل بشكل أفضل لعضلات الفخذ. وبدون مقارنة عادلة، كان الباحث الذي يختار أداة يخمن في الأساس. وقد سعى دراسة جديدة لإزالة هذا الضباب عبر اختبار ثماني أدوات مفتوحة المصدر هي الأكثر شيوعاً ضد بعضها البعض، باستخدام مجموعة مشتركة من الصور لأشخاص أصحاء ومرضى يعانون من أمراض عصبية عضلية. لم يكن الهدف مجرد العثور على البرنامج الأسرع، بل العثور على الأداة التي يمكن الوثوق بها لرؤية الحقيقة داخل جسم المريض.

جمع الباحثون مجموعة متنوعة من صور الرنين المغناطيسي، بما في ذلك بيانات من متطوعين أصحاء ومرضى يعانون من حالات مثل الحثل العضلي الحزامي والتصلب الجانبي الضموري. كما أنشأوا مجموعة من الصور المعدلة لاختبار مدى قدرة الأدوات على التعامل مع التغييرات في كيفية التقاط الصور أو الاختلافات الطفيفة في التشريح. ثم قاموا بتغذية هذه الصور في الأدوات البرمجية الثمانية المختلفة. بعض هذه الأدوات كانت أنظمة متخصصة بُنيت خصيصاً للعضلات، بينما كانت أخرى "نماذج تأسيسية"، وهي نوع أحدث من الذكاء الاصطناعي المدرب على مجموعات بيانات عامة وضخمة لأداء مجموعة واسعة من المهام. وقام الفريق بقياس مدى قرب الخطوط التي رسمها الكمبيوتر من الخطوط البشرية الخبيرة، مع النظر في كل من الدقة الإجمالية والاتساق في النتائج من شريحة إلى أخرى.

رسمت النتائج صورة واضحة لما ينجح وما لا ينجح. فقد تفوقت الأدوات المتخصصة، ولا سيما أداة تسمى (MuscleMap)، باستمرار على الأنظمة الأحدث والأكثر عمومية. هذه النماذج المتخصصة في المجال، والتي تدربت على مجموعات كبيرة من الصور الطبية، تمكنت من تحديد العضلات بمستوى من الدقة لا تستطيع النماذج العامة مضاهاته. وفي الواقع، وجدت الدراسة أن محاولة تعزيز أداء الأدوات الأخرى عن طريق إضافة نظام عام الغرض فوقها غالباً ما يؤدي إلى نتائج أسوأ. فبدلاً من تحسين الصورة، كثيراً ما ارتكبت هذه الأنظمة العامة أخطاءً لا يرتكبها البشر أبداً، مثل تضمين عظمة الفخذ داخل مخطط العضلة أو إنشاء خطوط متقطعة ومجزأة لا تشبه أي عضلة حقيقية.

ولعل الأهم من ذلك هو أن الدراسة كشفت أنه بينما كانت الأدوات الأفضل جيدة جداً، إلا أنها لم تكن مثالية، خاصة عند النظر في الأنسجة المصابة بالمرض. فعندما واجهت البرمجيات عضلات تغيرت بفعل المرض، انخفضت الدقة. وهذا اكتشاف بالغ الأهمية لأن هذا يشير إلى أن الأدوات الحالية قد تواجه صعوبة مع المرضى الذين هم في أمس الحاجة إليها. وأشار الباحثون إلى أنه حتى البرمجيات الأفضل أداءً لا تزال تتطلب من الإنسان مراجعة النتائج وتصحيح الأخطاء، لا سيما عند الحدود حيث تلتقي العضلة بالدهون. لم تكن هذه الأدوات جاهزة بعد للعمل بمفردها تماماً في بيئة سريرية حيث يمكن أن يؤثر الخطأ على خطة العلاج.

كما سلطت الدراسة الضوء على الجانب العملي لاستخدام هذه الأدوات. فالبرمجيات المتخصصة كانت أسهل بكثير بالنسبة للطبيب أو الباحث في الاستخدام، حيث تتطلب غالباً نقرة واحدة فقط لبدء العملية. وفي المقابل، غالباً ما تتطلب الأدوات عامة الغرض من المستخدم الإشارة يدوياً إلى كل عضلة أو رسم مربعات حولها قبل أن يبدأ الكمبيوتر، وهي عملية تستغرق وقتاً أطول من القيام بالعمل يدوياً. وهذا الاختلاف في سهولة الاستخدام هو عامل رئيسي في مدى تبني أداة ما في المستشفى. وخلص الباحثون إلى أنه بينما حقق هذا المجال تقدماً كبيراً، فإن حلم وجود نظام آلي بالكامل يمكنه التعامل مع أي مريض دون إشراف لا يزال بعيد المنال. وفي الوقت الحالي، المسار الأكثر موثوقية هو استخدام الأدوات المتخصصة كمساعد قوي، مع إبقاء خبير بشري في الحلقة للتحقق من العمل، لضمان أن الخريطة النهائية للعضلة دقيقة بما يكفي لتوجيه القرارات الطبية الحقيقية.