UNet for the automatic segmentation of normal and pathological adrenal glands in canine CTs
تُظهر هذه الدراسة أن مسار عمل يعتمد على التعلم العميق باستخدام نموذج nnU-Net ثلاثي الأبعاد منخفض الدقة يمكنه أتمتة تقسيم الغدد الكظرية الطبيعية والمرضية لدى الكلاب في صور الأشعة المقطعية بفعالية وكفاءة، محققاً دقة تضاهي التوصيفات اليدوية من قبل الخبراء، مما يتيح تقييماً حجمياً قابلاً للتكرار للتقييم السريري.
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 عالماً يستطيع فيه الأطباء رؤية ما بداخل الجسم دون إجراء جرح واحد. هذا هو مجال التصوير الطبي، وتحديداً تقنية تسمى التصوير المقطعي المحوسب، أو (CT). فكر في ماسح الـ (CT) كأنه كاميرا خارقة ثلاثية الأبعاد تلتقط آلاف الصور بالأشعة السينية من كل زاوية وتجمعها معاً لبناء نموذج رقمي، شريحة تلو الأخرى، لمحتويات جسم المريض. لفترة طويلة، كانت قراءة هذه الشرائح تشبه محاولة العثور على حبة رمل محددة على الشاطئ عبر النظر إلى كل حبة رمل على حدة. كان على الأطباء تتبع الخطوط الخارجية للأعضاء الصغيرة يدوياً في كل شريحة، وهي عملية بطيئة ومملة وعرضة للخطأ البشري.
مؤخراً، دخل نوع جديد من "الأدمغة" إلى اللعبة: الذكاء الاصطناعي (AI). وتحديداً، يعمل نوع من الذكاء الاصطناعي يسمى "التعلم العميق" مثل طالب درس ملايين الصور وتعلم التعرف على الأنماط فوراً. في الطب البشري، بدأ هؤلاء الطلاب من الذكاء الاصطناعي بالفعل في التميز في رصد الأورام أو قياس الأعضاء. ولكن ماذا عن أصدقائنا ذوي الفراء؟ فالكلاب تمرض أيضاً، وغدداً كظرية (الغدد الكظرية) -وهي أعضاء صغيرة تفرز الهرمونات وتقع بالقرب من الكليتين- لا تقل أهمية لصحتها عن أهميتها لنا. ومع ذلك، ولأن أجسام الكلاب تأتي بأشكال وأحجام متنوعة للغاية، ولأن البيانات البيطرية يصعب جمعها، كان تعليم الذكاء الاصطناعي فهم التشريح الكلباني تحدياً أصعب بكثير. وهذا هو اللغز الذي سعى فريق من الباحثين لحله.
سأل الباحثون سؤالاً بسيطاً: هل يمكننا تعليم الكمبيوتر العثور تلقائياً على الغدد الكظرية وقياسها لدى الكلاب، سواء كانت سليمة أو تحتوي على كتل (عقيدات)؟ لم يعتمدوا على التخمين؛ بل بنوا أداة رقمية تعتمد على بنية شهيرة للذكاء الاصطناعي تسمى UNet. تخيل (UNet) كرسام خرائط ماهر يرسم الخرائط. في هذه الحالة، الخريطة هي جسم الكلب، ومهمة رسام الخرائط هي تتبع الشكل الدقيق للغدد الكظرية.
لتدريب رسام الخرائط الرقمي هذا، جمع الفريق مجموعة ضخمة مكونة من 332 مسحاً مقطعياً للكلاب من أكثر من 25 عيادة بيطرية مختلفة. كان هذا أمراً حاسماً لأن ذلك يعني أن الذكاء الاصطناعي تعلم من مجموعة متنوعة من الكلاب، وأجهزة المسح، والحالات، مما جعله "رحالة عالمياً" وليس مجرد سائح يعرف حياً واحداً فقط. قاموا بتقسيم الكلاب إلى مجموعتين: مجموعة لتعليم الذكاء الاصطعي (التدريب) ومجموعة سرية لاختباره (الاختبار). كان على الذكاء الاصطناعي أن يتعلم التمييز بين الأنسجة الكظرية الطبيعية والعقيدات المرضية، والتي تشبه نتوءات صغيرة غير مرغوب فيها على الغدة.
لم يكتفِ الفريق ببناء نموذج واحد للذكاء الاصطناعي؛ بل بنوا أربعة نماذج مختلفة لمعرفة أي منها يعمل بشكل أفضل. جربوا نموذجاً ثنائي الأبعاد (2D) (الذي ينظر إلى شريحة واحدة في كل مرة، مثل تصفح ألبوم صور)، ونموذجاً ثلاثي الأبعاد منخفض الدقة (يرى الشكل ثلاثي الأبعاد بالكامل ولكن بطريقة مبسطة وضبابية قليلاً)، ونموذجاً ثلاثي الأبعاد كامل الدقة (يرى كل تفصيل صغير في ثلاثة أبعاد)، ونموذجاً ثلاثي الأبعاد متتالياً (Cascade) (عملية من خطوتين حيث يتم تحويل مسودة خشنة إلى لوحة فنية متقنة). كما أضافوا خطوة "مصنف" خاصة. فكر في هذا كحارس أمن يتحقق من عمل الذكاء الاصطناعي: إذا اعتقد الذكاء الاصطناعي أنه وجد عقيدة، يقوم الحارس بالتحقق للتأكد مما إذا كانت عقيدة حقيقية أم مجرد ظل أو خدعة من الضوء.
كانت النتائج واعدة للغاية. أدت نماذج الذكاء الاصطناعي، وخاصة النموذج ثلاثي الأبعاد منخفض الدقة، مهمتها بشكل ممتاز. وعندما قارن الباحثون رسومات الذكاء الاصطناعي برسومات خبراء الأشعة البشر، كانت دقة أداء الذكاء الاصطناعي قريبة بشكل مدهش من الاتفاق بين بشر اثنين. في الواقع، بالنسبة لـ "الغدة الكظرية الكاملة" (العضو بأكمّله بما في ذلك أي نتوءات)، كان الذكاء الاصطناعي جيداً بقدر الخبراء تقريباً. ووجدت الدراسة أن الذكاء الاصطناعي يمكنه قياس حجم هذه الغدد بدقة عالية، وهي مهمة تستغرق عادةً وقتاً طويلاً من البشر للقيام بها يدوياً.
ومع ذلك، فإن الورقة البحثية حريصة على الإشارة إلى أن الذكاء الاصطناعي ليس مثالياً، وهو بالتأكيد ليس عصا سحرية تحل كل شيء فوراً. أشار الباحثون صراحة إلى أن النموذج ثنائي الأبعاد (الذي ينظر إلى شرائح مفردة) كان أداؤه أسوأ بكثير من النماذج ثلاثية الأبعاد، مما يثبت أن الذكاء الاصطناعي يحتاج إلى رؤية الشكل ثلاثي الأبعاد للعضو ليقوم بعمل جيد. كما وجدوا أنه بينما كان الذكاء الاصطناعي بارعاً في العثور على الغدة بأكملها، فإنه واجه صعوبة أحياناً في تحديد الحدود الدقيقة الصغيرة للعقيدات، خاصة في الجانب الأيمن من جسم الكلب حيث تكون الغدة مستقرة بجانب الكبد. هذه منطقة صعبة لأي شخص، بشرياً كان أم آلة، لأن الحواف فيها ضبابية.
تشير الدراسة إلى أن النموذج ثلاثي الأبعاد منخفض الدقة هو "النقطة المثالية". فقد قدم أفضل توازن: كان دقيقاً بما يكفي ليكون مفيداً، وسريعاً بما يكفي ليكون عملياً، ولم يتطلب حاسوباً فائق القدرة لتشغيله. أما النموذج ثلاثي الأبعاد المتتالي (Cascade)، فرغم دقته العالية في بعض الحالات المحددة، إلا أنه كان بطيئاً ومكلفاً حوسبياً ليكون الخيار الأفضل بشكل عام. كما سلط الباحثون الضوء على أن أداء الذكاء الاصطناعي كان قابلاً للمقارنة مع ما تم رصده في الدراسات البشرية، مما يشير إلى أن هذه التقنية جاهزة للانتقال من المختبر إلى العيادة.
في النهاية، تشير هذه الورقة إلى أن التجزئة الآلية للغدد الكظرية لدى الكلاب أمر ممكن. هي لا تدعي استبدال الطبيب البيطري، بل تقدم مساعداً قوياً له. ومن خلال أتمتة المهمة المملة لتتبع وقياس الأعضاء، يمكن لهذه الأداة المعتمدة على الذكاء الاصطناعي أن تساعد الأطباء البيطريين في الحصول على قياسات ثابتة وموضوعية لأمراض الغدد الكظرية بشكل أسرع من ذي قبل. قد يؤدي هذا إلى مراقبة أفضل لصحة الكلاب بمرور الوقت وخطط علاج أكثر دقة. وتخلص الدراسة إلى أنه رغم استمرار الحاجة إلى العمل للتعامل مع الحالات الأكثر تعقيداً، إلا أن الأساس قد وُضع لمستقبل يساعد فيه الكمبيوتر الأطباء البيطريين في تقديم أفضل رعاية ممكنة لكلابنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.