Multimodal Machine Learning Integrating Systemic and Imaging Data for ROP Surgical Triage
طورت هذه الدراسة وقيمت نموذجاً للتعلم الآلي متعدد الوسائط يدمج المؤشرات السريرية الجهازية وبيانات تصوير قاع العين لدعم الفرز الجراحي والتنبؤ بالإنذار في حالات اعتلال الشبكية لدى الخدج بشكل موضوعي، مما أظهر حساسية عالية في تحديد المرضى الذين يتطلبون الجراحة رغم القيود في النوعية وصغر أحجام العينات الخاصة بإعادة العمليات الجراحية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 العين البشرية كمدينة صغيرة ومعقدة لا تزال قيد الإنشاء عندما يولد طفل قبل أوانه. في حالة الطفل المكتمل النمو، تنتهي فرق البناء (الأوعية الدموية) من بناء الطرق والجسور عبر الشبكية (شاشة المدينة) قبيل وصول الطفل. ولكن بالنسبة للأطفال الخدج، غالبًا ما يُترك موقع البناء نصف مكتمل. وأحيانًا، يصاب الجسم بالذعر ويحاول الإسراع في العمل، فيبني طرقًا جديدة فوضوية ومتشابكة يمكن أن تسد الرؤية أو حتى تتسبب في انهيار المدينة. تُسمى هذه الحالة اعتلال الشبكية لدى الخدج، أو ROP، وهي سبب رئيسي للعمى لدى الأطفال في جميع أنحاء العالم.
عادة ما يعمل الأطباء كمنظمي حركة المرور، حيث ينظرون إلى صور عين الطفل ليقرروا ما إذا كانوا بحاجة إلى إيقاف فوضى البناء باستخدام الجراحة أو العلاج بالليزر. لكن النظر إلى صورة يشبه محاولة تخمين حالة الطقس من خلال النظر إلى سحابة واحدة؛ فمن الصعب معرفة ما إذا كانت هناك عاصفة قادمة من مجرد صورة واحدة. كما يدرك الأطباء أن جسم الطفل بأكمله مهم — فمشكلات القلب أو مستويات السكر في الدم يمكن أن تؤثر على كيفية تعافي العين. السؤال الكبير الذي طرحه العلماء هو: هل يمكننا بناء مساعد كمبيوتر ذكي للغاية لا يكتفي فقط بالنظر إلى صور العين، بل يفحص أيضًا صحة قلب الطفل وتقارير الدم للتنبؤ بمن يحتاج إلى جراحة أو من قد يحتاج إلى جراحة ثانية لاحقًا؟ هذه هي قصة دراسة جديدة حاولت تعليم الكمبيوتر ليكون ذلك المساعد المفيد.
قصة روبوت طبيب العيون
في هذه الدراسة، قرر باحثون من جامعة شيامن التكنولوجية ومستشفى شيامن لصحة الأم والطفل بناء نموذج تعلم آلي "متعدد الوسائط". فكر في مصطلح "متعدد الوسائط" كمحقق لا يعتمد على دليل واحد فقط؛ فبدلاً من الاكتفاء بالنظر إلى صور مسرح الجريمة (صور قاع العين)، يقوم هذا المحقق أيضًا باستجواب الشهود (التحقق من صحة قلب الطفل) ومراجعة السجلات الطبية (المؤشرات الأيضية مثل السكر في الدم والهيموجلوبين).
جمع الفريق بيانات عن 213 طفلًا خديجًا. ولكل طفل، جمعوا مجموعة من صور العين الملتقطة بمرور الوقت، إلى جانب ست حقائق صحية رئيسية: ما إذا كان الطفل يعاني من عيوب في القلب، أو مشكلة محددة في وعاء دموي قلبي تسمى القناة الشريانية المفتوحة (PDA)، أو ارتفاع ضغط الرئة، أو انخفاض الهيموجلوبين في الدم، أو ما إذا كانت الأم تعاني من السكري أثناء الحمل.
قام الباحثون بتدريب أربعة أنواع مختلفة من "الأدمغة الروبوتية" لمعرفة شيئين:
- قرار الجراحة: هل يحتاج هذا الطفل إلى جراحة أو علاج بالليزر؟
- التنبؤ بالنتائج: إذا احتاج الطفل إلى جراحة، فهل سيحتاج إلى جراحة ثانية لاحقًا لأن المشكلة عادت مرة أخرى؟
قارن الباحثون بين أربع طرق مختلفة لدمج صور العين مع البيانات الصحية. وقد تبين أن الطريقة المسماة EarlyFusion_Attention هي النجم المتألق في هذا العرض. تخيل هذا النموذج كمعلم شديد الانتباه ينظر إلى كل صورة عين، ولكنه يستمع أيضًا بعناقة لتقرير قلب الطفل قبل اتخاذ القرار. فهو يستخدم آلية "انتباه" خاصة لتحديد أي الصور وأي الحقائق الصحية هي الأكثر أهمية للقرار النهائي.
ماذا وجد الروبوت؟
عندما اختبروا أفضل روبوت (EarlyFusion_Attention) على مجموعة مكونة من 43 طفلًا لم يسبق له رؤيتهم من قبل، كانت النتائج مزيجًا من الأخبار الرائعة وبعض علامات "الحذر".
الأخبار الرائعة: كان الروبوت بارعًا للغاية في رصد الأطفال الذين يحتاجون إلى مساعدة. فقد حدد بدقة جميع الأطفال الستة في مجموعة الاختبار الذين احتاجوا بالفعل إلى جراحة. وبمصطلحات المحققين، لم يفوّت مجرمًا واحدًا. لقد بلغت "حساسيته" 1.000، مما يعني أنه لم يقل أبدًا "لا توجد حاجة للجراحة" عندما كان الطفل يحتاجها بالفعل. وهذا أمر ضخم لأن تفويت طفل يحتاج إلى جراحة قد يؤدي إلى العمى الدائم.
علامة "الحذر": لم يكن الروبوت مثاليًا في تحديد من لا يحتاج إلى جراحة. فمن بين 37 طفلًا لم يحتاجوا إلى عملية جراحية، حدد الروبوت 16 منهم بشكل خاطئ على أنهم يحتاجون إليها. وهذا يعني أن "خصوصيته" كانت 0.568 فقط. لقد كان حذرًا أكثر من اللازم، حيث أطلق إنذارات كاذبة. إذا استخدمت هذا الروبوت في مستشفى حقيقي، فسيطلب منك الأطباء مراجعة العديد من الأطفال السليمين، لمجرد التأكد.
لغز الجراحة الثانية: بالنسبة للأطفال الذين احتاجوا بالفعل إلى جراحة، حاول الروبوت التنبؤ بما إذا كانوا سيحتاجون إلى جراحة ثانية. وقد أصاب في 5 من أصل 6 أطفال (بنسبة دقة 83.3%). ومع ذلك، فإن الباحثين حذرون جدًا بشأن هذا الرقم؛ فقد كان هناك طفل واحد فقط في مجموعة الاختبار احتاج بالفعل إلى جراحة ثانية. ونظرًا لأن حجم العينة كان صغيرًا للغاية، فإن درجة الروبوت المثالية هنا تشبه التخمين المحظوظ أكثر من كونها حقيقة مثبتة. ويقترح المؤلفون ألا نثق في هذا الجزء من تنبؤ الروبوت بعد.
الحكم النهائي
تخلص الدراسة إلى أن دمج صور العين مع بيانات القلب والدم هو فكرة واعدة. فقد أظهر نموذج EarlyFusion_Attention أن النظر إلى الصورة الكاملة — أي العين والجسم معًا — يساعد الكمبيوتر على رصد الأطفال المعرضين للخطر بشكل أفضل من النظر إلى العين وحدها.
ومع ذلك، يوضح الباحثون أن هذا ليس عصا سحرية تحل محل الأطباء. فالروبوت بارع في الصراخ قائلاً: "مهلاً، افحص هذا الطفل!"، لكنه ليس بارعًا في قول: "هذا الطفل آمن بالتأكيد". ولأنه يطلق الكثير من الإنذارات الكاذبة ولأن البيانات المتعلقة بالجراحات الثانية كانت صغيرة جدًا لضمان اليقين، يقول الفريق إن هذه الأداة تحتاج إلى مزيد من الاختبار مع مجموعات أكبر من الأطفال قبل أن يمكن استخدامها في المستشفيات الحقيقية. في الوقت الحالي، هو مساعد مفيد للغاية يساعد الأطباء في مراقبة الصغار عن كثب، لكن القرار النهائي لا يزال بيد الخبير البشري.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.