Deep Learning Image Reconstruction Combined with SnapShot Freeze 2 Improves CCTA Image Quality in Patients with Atrial Fibrillation: A Retrospective Study

يعتبر قلب الإنسان مضخة لا تهدأ، ينبض تقريباً مرة واحدة كل ثانية للحفاظ على تدفق الدم عبر شبكة واسة من الشرايين. وبالنسبة للأطباء، فإن رؤية ما بداخل هذه الأوعية بوضوح أمر حيوي لتشخيص الانسدادات التي قد تؤدي إلى نوبة قلبية. ومن أقوى الأدوات لهذا الغرض نوع متخصص من التصوير المقطعي المحوسب (CT)، والذي يستخدم الأشعة السينية لإنشاء صور ثلاثية الأبعاد مفصلة للشرايين التاجية. ومع ذلك، فإن الحصول على صورة واضحة أمر صعب عندما يكون القلب في حالة حركة. فإذا كان القلب ينبض بسرعة كبيرة أو بشكل غير منتظم، فقد تبدو الصورة الناتجة ضبابية، مثل صورة فوتوغرافية ملتقطة لطفل يركض دون سرعة غالق (shutter speed) كافية. وتصبح هذه المشكلة شديدة الخصوصية لدى المرضى المصابين بالرجفان الأذيني، وهو حالة شائعة حيث ترتجف الحجرات العلوية للقلب بدلاً من النبض بإيقاع ثابت. هذا الإيقاع غير المنتظم يجعل حركة القلب غير متوقعة، مما يحول غالباً المسح التشخيصي إلى كتلة ضبابية لا يمكن استخدامها لاتخاذ قرارات طبية.

لسنوات طويلة، حاول العلماء حل هذه المشكلة من خلال تطوير برمجيات يمكنها "تجميد" حركة القلب بعد التقاط المسح. تبحث هذه البرامج في لحظات متعددة من نبضات القلب وتجمعها معاً لإنشاء صورة أكثر حدة. ومؤخراً، تم إدخال نوع جديد من تكنولوجيا الكمبيوتر يسمى "التعلم العميق" للمساعدة في تنظيف الضجيج الحبيبي الذي غالباً ما يعيب هذه الصور. وبينما بحثت الدراسات السابقة في هذه الأدوات بشكل منفصل، سعت دراسة جديدة من باحثين في هاينان بالصين إلى معرفة ما يحدث عند استخدامها معاً. أرادوا معرفة ما إذا كان الجمع بين أداة الجيل الثاني لتجميد الحركة وأداة تنظيف قوية تعتمد على التعلم العميق يمكن أن ينتج صوراً واضحة وقابلة للاستخدام للمرضى الذين يعانون من الرجفان الأذيني، حتى عندما تكون معدلات ضربات قلوبهم مرتفعة وغير منتظمة.

ركز الباحثون على ثلاثين مريضاً تم تشخيص إصابتهم بالرجفان الأذيني وخضعوا لمسح تصوير الشرايين التاجية بالأشعة المقطعية. ولضمان إجراء اختبار عادل، لم يعطوا المرضى أدوية لإبطاء ضربات قلوبهم، مما سمح للمسحات بأن تعكس التحدي الواقعي لضربات القلب غير المنتظمة. تراوحت معدلات ضربات القلب أثناء المسحات بين 60 و160 نبضة في الدقيقة، بمتوسط قدره 107 نبضات في الدقيقة، وتفاوت الوقت بين النبضات بشكل كبير من شخص لآخر. وبعد اكتمال المسحات، أخذ الفريق البيانات الخام من كل مريض وأعاد بناء الصور باستخدام ثلاث طرق مختلفة. استخدمت الطريقة الأولى تقنية قياسية لتقليل الضجيج مقترنة بالجيل الأول من تصحيح الحركة. واستخدمت الطريقة الثانية نفس تقنية تقليل الضوضاء ولكن مقترنة بالجيل الثاني الأحدث من تصحيح الحركة الذي يأخذ في الاعتبار حركة القلب بأكم، وليس الشرايين فقط. أما الطريقة الثالثة، فقد جمعت بين تصحيح الحركة الأحدث وتقنية التعلم العميق المتقدمة المصممة لإزالة الضجيج مع الحفاظ على التفاصيل الدقيقة حادة.

قام الفريق بعد ذلك بمقارنة النتائج من هذه المنهجيات الثلاث، مع مراعاة كل من لحظات الهدوء في نبض القلب (الانبساط) ولحظات الانقباض النشطة (الانقباض). وقاسوا وضوح الصور من خلال فحص مقدار "الاستاتيكية" أو الحبيبات الموجودة ومدى بروز التباين بين الأوعية الدموية والأنسجة المحيطة بها. كما استعانوا بطبيبين متخصصين في الأشعة، لم يكونا يعرفان أي طريقة أنتجت أي صورة، لتقييم الجودة الإجمالية للمسحات على مقياس من واحد إلى خمسة. وكانت النتائج مذهلة؛ إذ أظهرت الصور التي تم إنشاؤها باستخدام تقنية التعلم العميق وتصحيح الحركة من الجيل الثاني أقل قدر من الحبيبات وأوضح حدود للأوعية. وفي مرحلة الهدوء من نبض القلب، كان مستوى الضجيج في المجموعة الأفضل أقل بكست قيم من المجموعات الأخرى، حيث انخفض من متوسط حوالي 25 وحدة في المجموعة القياسية إلى ما يزيد قلي قليلاً عن 11 وحدة في مجموعة التعلم العميق. وقد تُرجم هذا الانخفاض في الضجيض مباشرة إلى صورة أكثر وضوحاً، حيث تضاعفت نسبة الإشارة إلى الضجيج في بعض المناطق بأكثر من الضعف مقارنة بالطرق الأقدم.

لم يكن التحسن مجرد مسألة أرقام؛ فقد لاحظ المراقبون البشريون ذلك أيضاً. منح أطباء الأشعة أعلى الدرجات للصور التي أُعيد بناؤها باستخدام التعلم العميق وتصحيح الحركة من الجيل الثاني، خاصة خلال المرحلة النشطة من نبض القلب حيث تكون آثار الحركة في أسوأ حالاتها عادةً. وفي مرحلة الانقباض، كان وسيط الدرجات لهذه المجموعة الأعلى هو أربعة كاملة، بينما كانت الطرق الأخرى تحوم حول الثلاثة. كما كان الاتفاق بين الطبيبين في أقوى حالاته لهذه الصور، مما يشير إلى أن التحسن كان حقيقياً ومتسقاً، وليس مجرد رأي لطبيب واحد. ووجدت الدراسة أنه بينما كان تصحيح الحركة القديم أفضل من عدم القيام بشيء، إلا أنه لم يستطع مضاهاة الوضوح الذي حققه الاقتران بأداة التعلم العميق. لم تكتفِ نهج التعلم العميق بتنعيم الصورة فحسب، بل حافظت أيضاً على الحواف الحادة للشرايين، مما جعل تتبعها وقياسها أسهل.

تشير هذه الأبحاث إلى أنه بالنسبة للمرضى الذين يعانون من ضربات قلب غير منتظمة، فإن الجمع بين تصحيح الحركة المتقدم وإعادة بناء الصور بالتعلم العميق يوفر ميزة كبيرة مقارنة بالممارسات القياسية الحالية. وتوضح الدراسة أن هذا النهج يمكن أن يقلل من حبيبات الصورة ويخفف من الضبابية الناتجة عن الحركة غير المنتظمة للقلب، مما قد يحول المسحات التي كانت ستكون غير قابلة للقراءة إلى صور ذات جودة تشخيصية. ورغم أن الدراسة اقتصرت على مجموعة صغيرة مكونة من ثلاثين مريضاً وأُجريت في مركز طبي واحد، إلا أن النتائج تشير إلى مسار واعد للمستقبل. فمن خلال استخدام هذه التقنيات المجتمعة، قد يتمكن الأطباء من الاعتماد بشكل أقل على الأدوية لإبطاء القلب قبل المسح، والاعتماد أكثر على البرمجيات المتطورة لتنقية الصورة، مما يوفر رؤية أوضح لصحة القلب لفئة من المرضى يصعب فحصهم.