BoneNet: A Multimodal Deep Learning Framework with Dual-Modality Explainability for Automated Peri-Implant Bone Loss Detection and Severity Grading

تخيل أنك محقق تحاول حل لغز، ولكن بدلاً من البحث عن بصمات الأصابع، أنت تبحث عن شقوق صغيرة في أساس سن. في عالم طب الأسنان، عندما يتم وضع برغي معدني (غرسة) داخل عظم الفك لتثبيت سن اصطناعي، يمكن للعظم المحيط به أن يبدأ أحياناً في الانكماش والابتعاد. يُسمى هذا "فقدان العظم حول الغرسة". إذا غفل طبيب الأسنان عن هذا الانكماش، فقد يسقط السن الاصطناعي، مما يؤدي إلى إصلاحات مؤلمة ومكلفة. عادةً، يضطر أطباء الأسنان إلى التحديق في صور الأشعة السينية واستخدام المساطر لقياس هذه الفجوات الصغيرة يدوياً. إنها عملية بطيئة، وقد يقيس أطباء أسنان مختلفون نفس الفجوة بطرق مختلفة.

هنا يدخل عالم الذكاء الاصطناعي (AI)، وتحديداً نوع يسمى "التعلم العميق" (Deep Learning). فكر في الأمر كتعليم كمبيوتر كيفية رؤية الأنماط التي قد تخفى على العين البشرية، مثل طالب خارق درس ملايين الصور الشعاعية. الهدف هو بناء برنامج كمبيوتر لا يمكنه فقط رصد فقدان العظم، بل يمكنه أيضاً إخبارك بمدى سوء الحالة ومدى عمق الفجوة بالضبط. لكن الجزء الصعب هنا هو أن أجهزة الكمبيوتر بارعة في تحديد أين يوجد الشيء، لكنها تواجه أحياناً صعوبة في فهم مدى خطورة الأمر، خاصة عندما تكون الأدلة دقيقة للغاية. تتحدث هذه الورقة البحثية عن بناء محقق أكثر ذكاءً لا يكتفي بالنظر إلى الصورة فحسب، بل يقوم أيضاً بالحسابات الرياضية للوصول إلى الإجابة الصحيحة.

---

الورقة البحثية: BoneNet، طبيب الأسنان المحقق الخارق

أراد الباحثون وراء هذه الدراسة، موراليدهار بيلا وفريقه من جامعة آر في (RV University)، بناء الأداة المثالية للذكاء الاصطناعي لرصد فقدان العظم حول غرسات الأسنان. لم يرغبوا فقط في أداة تقول: "مهلاً، هناك مشكلة هنا!"، بل أرادوا أداة يمكنها تصنيف المشكلة من "لا داعي للقلق" إلى "حالة طوارئ حرجة"، وحتى قياس عمق فقدان العظم بالميليمترات.

تدريب المحقق: تجربة تسعة أزياء مختلفة
قبل بناء أداتهم الخاصة، قرر الفريق اختبار تسعة "أزياء" (بنى معمارية) موجودة بالفعل للذكاء الاصطناعي لمعرفة أيها الأفضل في اكتشاف فقدان العظم. لقد عاملوا هذه الأزياء كأنها أزواج مختلفة من الأحذية، حيث جربوها جميعاً على مجموعة متوازنة مكونة من 519 صورة أشعة سينية. معظم "الأحذية" كانت تناسب بشكل جيد، لكن واحداً منها برز بوضوح: نموذج يسمى YOLOv8m. كان الأسرع والأكثر دقة في إيجاد فقدان العظم، لكن الفريق شعر أنه يمكن تحسينه. لقد أدركوا أن فقدان العظم ليس حجماً واحداً؛ فله أنسجة دقيقة وناعمة ومساحات أكبر وأوسع. كان نموذج YOLOv8m القياسي يشبه ارتداء حذاء بمقاس واحد للجميع؛ لقد نجح، لكنه لم يكن مصمماً بدقة لتناسب شكل المشكلة المحددة.

التطوير: BoneNet
لذلك، بنى الفريق محققهم الخاص، والذي أطلقوا عليه اسم BoneNet. لقد أخذوا أفضل أجزاء YOLOv8m واستبدلوا محركه الداخلي. فبدلاً من الكتل القياسية، قاموا بتثبيت شيء يسمى كتل الانتباه المتبقية المتوسعة (DRAB).

• التشبيه: تخيل أنك تنظر إلى خريطة. الكاميرا العادية تركز على نقطة واحدة. أما الـ DRAB فهو يشبه امتلاك زوجين من النظارات في وقت واحد: واحدة بعدسة واسعة الرؤية لرؤية الصورة الكبيرة للعظم، وأخرى بعدسة تقريب (زووم) لرؤية الأنسجة الدقيقة والضبابية لشقوق العظم. ومن خلال الجمع بين هاتين الرؤيتين، يستطيع BoneNet رؤية فقدان العظم بوضوح أكبر بكثير.
• النتيجة: جعل هذا التطوير BoneNet دقيقاً للغاية. فقد حقق درجة 0.9660 (وهي مقياس لمدى جودة العث_ور على حدود فقدان العظم ورسمها)، وهو ما يمثل تحسناً قدره 3.83 نقطة عن أفضل نموذج قياسي. بالإضافة إلى ذلك، كان في الواقع أخف وزناً وأسرع، ويستخدم موارد حاسوبية أقل.

السلاح السري: إضافة "عقل رياضي"
هنا يصبح الأمر مثيراً للاهتمام حقاً. أدرك الفريق أنه حتى مع وجود كاشف فائق الدقة، كان الذكاء الاصطناعي لا يزال يعاني لتخمين شدة فقدان العظم. كان بإمكانه تحديد المكان، لكنه لم يكن متأكداً ما إذا كانت الحالة من الدرجة 1 (خفيفة) أم الدرجة 4 (شديدة).

• المشكلة: النظر إلى الصورة وحدها لم يكن كافياً. الأمر يشبه محاولة تخمين وزن حقيبة سفر بمجرد النظر إلى صورتها؛ لا يمكنك معرفة ما إذا كانت مليئة بالريش أم بالطوب.
• الحل: منحوا الذكاء الاصطناعي "عقلاً رياضياً". لقد أخذوا القياسات الهندسية التي يحسبها الخبير البشري من الأشعة السينية (مثل المساحة، والمحيط، وشكل فقدان العظم) وأدخلوا هذه القيم في الذكاء الاصطناعي كأرقام.
• الدمج: استخدموا شبكة "انتباه متقاطع" (cross-attention) للسماح للصورة والأرقام بالتواصل مع بعضهما البعض.
• النتيجة: كان هذا تغييراً جذرياً في قواعد اللعبة. قفزت قدرة الذكاء الاصطناعي على تخمين درجة الشدة من 50.79% (أي التخمين العشوائي تقريباً) إلى 85.96% عند استخدام الصورة والأرقام معاً. وهذا يثبت أنه بالنسبة لهذه المهمة المحددة، لا يمكنك الاعتماد على الصورة فحسب؛ بل تحتاج إلى الأرقام الهندسية أيضاً.

قياس العمق: اختبار المسطرة
أراد الفريق أيضاً أن يقيس الذكاء الاصطناعي بدقة مدى عمق فقدان العظم بالميليمترات. لذا قاموا بتدريب ذكاء اصطناعي منفصل يركز على الرياضيات (يسمى XGBoost) للقيام بذلك.

• النتيجة: في المتوسط، كان الخطأ الذي يرتكبه الذكاء الاصطناعي هو 0.638 مم فقط. وفي عالم طب الأسنان، يعتبر الخطأ في حدود ±1 مم مقبولاً، لذا فهذا نجاح!
• العقبة: كانت الورقة البحثية صادقة جداً بشأن وجود خلل. فبينما كان المتوسط جيداً، أصبح أداء الذكاء الاصطناعي أسوأ بكثير كلما زاد فقدان العظم. بالنسبة للحالات الطفيفة، كان مثالياً. ولكن بالنسبة للحالات الأكثر شدة (الدرجة 4)، زاد الخطأ، وكانت 42.9% فقط من تلك التوقعات تقع ضمن النطاق الآمن (1 مم). ويوضح المؤلفون أن هذا بسبب عدم امتلاكهم لعدد كافٍ من الأمثلة على الحالات الشديدة في بيانات التدريب لتعليم الذكاء الاصطناست كيفية التعامل مع أسوأ السيناريوهات.

ملاحظة نقدية حول بيانات تدريب المحقق
هناك تفصيل مهم واحد حول كيفية تدريب واختبار فريق العمل لمحققهم يجب أن تعرفه. تضمنت الدراسة 135 صورة أشعة سينية، ولكن بعض هذه الصور كانت تحتوي على غرسات متعددة. عندما قاموا بتقسيم البيانات لاختبار الذكاء الاصطناعي، قاموا بفصل الغرسات بدلاً من المرضى. وهذا يعني أن أجزاء من نفس صورة الأشعة يمكن أن ينتهي بها المطاف في كل من مجموعة التدريب ومجموعة الاختبار.

• لماذا يهم هذا: الأمر يشبه إعطاء المحقق اختباراً تجريبياً يتضمن أسئلة قد رآها بالفعل في دليل الدراسة الخاص به لأنها جاءت من نفس المصدر. هذا يخلق خطر "تسرب البيانات" (data leakage)، مما يعني أن درجات الاختبار قد تكون أعلى قليلاً مما سيحققه الذكاء الاصطناعي إذا واجه مرضى جدد تماماً في العالم الحقيقي. يشير المؤلفون إلى هذا بوضوح، موضحين أن دقة النتائج المسجلة هي على الأرجح "الحد الأعلى" (أفضل سيناريو) حتى يتمكنوا من اختبار النظام باستخدام بيانات مقسمة بدقة حسب المريض.

الـ "لماذا" والـ "كيف": جعل الأمر شفافاً
أخيراً، أراد الفريق التأكد من أن الذكاء الاصطناعي لا يخمن عشوائياً. استخدموا أداتين لإلقاء نظرة داخل عقل الذكاء الاصطناعي:

1. EigenCAM: تسلط الضوء على أجزاء الأشعة السينية التي ينظر إليها الذكاء الاصطناعي. وجدوا أنه في الحالات الطفيفة، كان الذكاء الاصطناعي ينظر إلى الجزء العلوي من العظم، ولكن في الحالات الشديدة، كان ينظر إلى الأسفل بعمق بجانب الغرسة. وهذا يطابق ما يفعله أطباء الأسنان البشر.
2. SHAP: كانت هذه الأداة تنظر إلى الأرقام. وأظهرت أن الذكاء الاصطناعي كان يولي اهتماماً لـ "المحيط" (طول الحافة) لفقدان العظم، وهو أمر منطقي تماماً: فالحافة الأطول والأكثر تعرجاً تعني عادةً مشكلة أعمق.

الخلاصة
تخلص الورقة البحثية إلى أن BoneNet هو أداة فعالة للغاية لرصد وتصنيف فقدان العظم، ولكنه يعمل بشكل أفضل عندما يجمع بين "عيون" الصورة و"رياضيات" القياسات الهندسية. ومع ذلك، يوضح المؤلفون بحذر أنه بينما يعد هذا النظام رائعاً للحالات الطفيفة والمتوسطة، إلا أنه لا يزال بحاجة إلى مزيد من التدريب على الحالات الشديدة قبل أن يمكن الوثوق به تماماً لقياس أعمق حالات فقدان العظم بمفرده. كما يشيرون إلى أنه نظراً للطريقة التي تم بها تقسيم البيانات، فإن النتائج الحالية قد تكون متفائلة قليلاً. ويقترحون أنه في الوقت الحالي، يعد أداة مساعدة رائعة لأطباء الأسما لمساعدتهم في فرز المرضى، ولكن يجب على الإنسان دائماً مراجعة الحالات الأكثر شدة.