Cascade Deep Learning (nnU-Net + ResNet-18) for Meniscus Segmentation and Three-Grade Injury Classification on Knee MRI: A Single-Centre Study with Reader Assistance Evaluation

تُعد ركبة الإنسان أعجوبة هندسية، فهي تعتمد على غضروفتين على شكل حرف C تُسميان "الغضاريف الهلالية" (menisci) لتدعيم المفصل والحفاظ على استقراره. وعندما تتعرض هذه الوسادات للتمزق أو التآكل، تكون النتيجة ألمًا وتورمًا وفقدانًا في القدرة على الحركة، وهو ما يتطلب غالبًا تدخلاً جراحيًا. ولتشخيص هذه الإصابات، يعتمد الأطباء على التصوير بالرنين المغغناطيسي (MRI)، الذي ينشئ صورًا مقطعية مفصلة لداخل الركبة. ومع ذلك، فإن قراءة هذه الصور مهمة بطيئة ومتطلبة؛ إذ يتعين على طبيب الأشعة فحص مئات الشرائح الرقيقة، بحثًا عن تغيرات دقيقة في نسيج الغضروف تشير إلى وجود تمزق. هذه العملية ليست مستهلكة للوقت فحسب، بل هي أيضًا عرضة للخطأ البشري؛ فقد ينظر طبيبان مختلفان إلى المسح نفسه ويختلفان حول ما إذا كان المريض يعاني من مشكلة بسيطة ناتجة عن التآكل أو تمزق شديد يتطلب إصلاحًا فوريًا. وهذا التباين يمكن أن يؤدي إلى تأخير العلاج أو إجراء عمليات غير ضرورية.

وفي محاولة لجعل هذه العملية أسرع وأكثر موثوقية، بدأ الباحثون في تعليم الحواسيب كيفية قراءة هذه المسوحات. يتضمن هذا المجال، المعروف باسم "التعلم العميق"، تدريب برامج حاسوبية على التعرف على الأنماط في الصور، تمامًا كما يتعلم عقل الإنسان التعرف على الوجوه. والهدف ليس استبدال الطبيب، بل إنشاء أداة تعمل كعين ثانية، تسلط الضوء على المناطق المثيرة للقلق وتقدم رأيًا ثانيًا. تستكشف دراسة جديدة من مستشفى في الصين مدى فعالية مثل هذا النظام خصيصًا لإصابات الغضروف الهلالي. فقد بنى الباحثون نظامًا حاسوبيًا يتكون من خطوتين: يقوم الأول بتحديد موقع الغضروف الهلالي في مسح الرنين المغناطيسي، ثم يحلله لتحديد ما إذا كان سليمًا، أو متآكلًا، أو ممزقًا. وقد اختبروا هذا النظام على مئات المرضى، ثم راقبوا كيف أثر ذلك على أداء الأطباء المبتدئين، بهدف معرفة ما إذا كان بإمكان الحاسوب مساعدة الأطباء الأقل خبرة في تقديم تشخيصات أفضل وأسرع.

طوّر الباحثون إطار عمل حاسوبي يعمل بتسلسل محدد، يشبه إلى حد كبير فريقًا حيث يقوم شخص بتحديد موقع جسم ما بينما يقوم شخص آخر بفحصه. أولاً، يستخدم النظام خوارزمية متطورة لمسح صور الرنين المغناطيسي ورسم مخطط دقيق حول الغضروف الهلالي، مما يفصله عن العظام والسوائل المحيطة به. هذه الخطوة حاسمة لأنها تخبر الحاسوب بمكان النظر بالضبط، متجاهلًا بقية الركبة. وبمجرد عزل الغضروف الهلالي، يقوم جزء ثانٍ من النظام بفحص الصورة المعزولة لتصنيف الإصابة. فهو يصنف الحالة إلى واحدة من ثلاث فئات: سليمة، أو متآكلة (تظهر علامات التآكل)، أو تمزق من الدرجة الثالثة (تمزق كامل يتطلب جراحة غالبًا). وقد تم تدريب النظام على بيانات من 608 مسحًا للركبة جُمعت على مدار أربع سنوات، جميعها أُخذت باستخدام نفس النوع من أجهزة الرنين المغناطيسي بقوة 1.5 تسلا. وشملت الصور مناظر أمامية وجانبية، مما سمح للحاسوب برؤية الغضروف الهلالي من زوايا متعددة.

عندما اختبر الباحثون النظام بمفرده، كانت النتائج مختلطة ولكنها واعدة. كان الحاسوب جيدًا جدًا في تحديد موقع الغضروف الهلالي عندما يكون سليمًا، حيث نجح في رسم مخطط له في معظم الحالات. ومع ذلك، عندما كان الغضروف مصابًا، واجه الحاسوب صعوبة في رسم المخطط بدقة، ويرجع ذلك على الأرجب إلى أن التمزقات تغير شكل ونسيج الأنسجة، مما يجعل من الصعب تمييزها عن الخلفية. وبالرغم من هذه الصعوبة في رسم المخطط، كانت قدرة النظام على تشخيص الإصابة جيدة. فعند دمج المناظر من الزاويتين الأمامية والجانبية، حدد الحاسوب بشكل صحيح ما إذا كان الغضروف الهلالي ممزقًا أم لا بنسبة 74 في المائة تقريبًا. وكان أفضل في رصد التمزقات عند النظر من المنظر الأمامي للركبة مقارنة بالمنظر الجانبي. وبينما لم يستطع النظام التمييز بدقة بين التآكل البسيط والتمزق الكامل بمفرده، فقد أظهر قدرة واضحة على رصد الإصابات الخطيرة.

ومع ذلك، فإن الجزء الأكثر أهمية في الدراسة لم يكن فقط كيفية أداء الحاسوب بمفرده، بل كيف ساعد الأطباء البشر. فقد استعان الباحثون باثنين من الأطباء المقيمين المبتدئين في جراحة العظام، ممن لديهم خبرة أقل من ثلاث سنوات في قراءة صور الجهاز العضلي الهيكلي، لتشخيص مجموعة من 100 حالة للركبة. في البداية، نظر الأطباء في المسوحات دون أي مساعدة. لاحقًا، وبعد استراحة لمدة أسبوعين لضمان عدم تذكرهم للحالات، نظروا في المسوحات نفسها، ولكن هذه المرة بمساعدة الحاسوب. قدم لهم الحاسوب درجة احتمالية تشير إلى مدى احتمال وجود تمزق، إلى جانب خريطة بصرية تسلط الض الضوء على المناطق المريبة التي وجدها الحاسوب في الغضروف الهلالي.

كانت نتائج هذه الشراكة بين الإنسان والآلة مذهلة. فعندما عمل الأطباء المبتدئون بمفردهم، حققوا مساحة تحت المنحنى (AUC) بلغت 0.64. وعندما استخدموا توجيهات الحاسوب، تحسن أداؤهم ليصل إلى 0.78. والأهم من ذلك، ساعدهم الحاسوب في رصد المزيد من التمزقات الشديدة؛ فبدون مساعدة، فات الأطباء المبتدئين 40 في المائة من تمزقات الدرجة الثالثة، ولكن مع مساعدة الحاسوب، تمكنوا من رصد 80 في المائة منها. كما جعلت هذه الأداة الأطباء أسرع؛ إذ انخفض متوسط الوقت المستغرق لتشخيص حالة واحدة من ما يقرب من 45 ثانية إلى أقل من 28 ثانية، أي انخفاض بنسبة 38 في المائة. ويشير هذا التسريع إلى أن الحاسوب ساعد الأطباء على تركيز انتباههم، مما قلل من الوقت المستغرق في البحث عن الإصابة. بالإضافة إلى ذلك، تحسن الاتفاق بين الطبيبين عند استخدامهما للحاسوب معًا، مما يشير إلى أن الأداة وفرت معيارًا ثابتًا ساعد في تقليل الاختلافات الفردية في أحكامهما.

تخلص الدراسة إلى أنه على الرغم من أن هذا النظام الحاسوبي ليس مثاليًا بما يكفي لاستبدال المتخصص، إلا أنه يعمل كمساعد قوي. فهو يعمل كشبكة أمان، خاصة للأطباء الأقل خبرة، مما يساعدهم على رصد الإصابات الخطيرة التي قد يغفلون عنها، ويقوم بذلك بسرعة أكبر. وأشار الباحثون إلى أن أداء النظام كان محدودًا بسبب صعوبة تحديد الحدود الدقيقة للأنسجة الممزقة، وبالسبب ذاته المتمثل في التشابه البصري الدقيق بين التآكل والتمزقات المبكرة. كما أوضحوا أن دراستهم أجريت في مستشفى واحد، مما يعني ضرورة اختبار النظام على مرضى من مواقع مختلفة وباستخدام أنواع مختلفة من أجهزة الرنين المغناطيسي قبل اعتماده على نطاق واسع. ومع ذلك، فإن النتائج تثبت أن أداة حاسوبية مصممة جيدًا يمكنها دعم اتخاذ القرار البشري بفعالية، وتحويل عملية بطيئة ومتغيرة إلى عملية أسرع وأكثر موثوقية.