Synthesizing Physiological Stress Facial Expressions for Medical Simulation Mannequins Using AI-Driven Facial Action Units

في عالم التدريب الطبي عالي المخاطر، يكمن الفرق بين طالب يتعلم إجراءً طبياً وطالب يحفظ الخطوات فحسب في مدى واقعية التجربة. لعقود من الزمن، اعتمدت المحاكاة على الدمى التي يمكنها التنفس أو النزيف أو التفاعل مع اللمس، لكن هذه النماذج كانت تفتقر غالباً إلى عنصر بشري حاسم: الوجه. فعندما يعاني المريض من الألم، أو الاختناق، أو صعوبة في التنفس، توفر تعبيرات وجهه أدلة فورية وحيوية لمقدم الرعاية. إن تقطيب الحاجبين، أو شد الفك، أو فم يتنفس بصعوبة، كلها قصص ترويها ملامح لا تستطيع الوجوه البلاستيكية المسطحة والثابتة نقلها. وبينما أصبحت أجهزة المحاكاة الحديثة متطورة، حيث دمجت الواقع الافتراضي والتغذية الراجعة اللمسية، إلا أنها فشلت إلى حد كبير في تجسيد التحولات الديناميكية واللاإرادية في تعبيرات وجه المريض أثناء الأزمات. وتترك هذه الفجوة المتدربين دون التجربة الحسية الكاملة اللازمة لتطوير الوعي الموقفي الحقيقي.

ولسد هذه الفجوة، توجه الباحثون إلى نظام صُمم في الأصل لفك شفرة العواطف البشرية: وهو "نظام ترميز الحركة الوجهية" (Facial Action Coding System). يقوم هذا الإطار بتفكيك كل حركة وجه مرئية إلى أفعال عضلية صغيرة ومحددة، مما يسمح بوصف أي تعبير كونه مزيجاً من هذه اللبنات الأساسية. ومن خلال التعامل مع الوجه كمجموعة من المجموعات العضلية المستقلة بدلاً من كونه قناعاً واحداً ثابتاً، يصبح من الممكن إعادة إنشاء حالات معقدة مثل الألم أو الضيق بدقة رياضية. والهدف ليس مجرد جعل الدمية تبدو واقعية، بل جعلها تتفاعل في الوقت الفعلي، عبر ترجمة المستشعرات الفيزيائية أو تسجيلات الفيديو إلى عرض حي ونابض لضيق المريض، يمكن للطالب قراءته والاستجابة له.

قام فريق من الباحثين من إندونيسيا بتطوير طريقة جديدة لإضفاء هذا الواقع الديناميكي على دمى المحاكاة الطبية، من خلال إنشاء نظام يدمج تعبيرات الوجه الناتجة عن الإجهاد الفسيولوجي باستخدام الذكاء الاصطناعي. ويركز عملهم على ثلاث حالات حرجة: الألم، والاختناق، والسعال. هذه ليست صوراً ثابتة، بل هي رسوم متحركة انسيابية تتغير مع تغير حالة المريض. وقد بنى الباحثون نظاماً ذا مسارين لتحقيق ذلك؛ فبالنسبة للألم، اعتمدوا على نموذج رياضي قائم على أبحاث راسخة. فعندما يستشعر مستشعر القوة المزروع في حلق الدمية ضغطاً — محاكياً الشعور بإدخال أنبوب طبي — يقوم النظام بحساب شدة هذا الضغط، ثم يترجم هذا الرقم إلى مجموعة محددة من حركات عضلات الوجه. ومع زيادة الضغط، تنخفض حواجب الدمية، وترتفع الوجنتان، وتشتد الشفتان في تعبير متألم متدرج وواقعي يطابق مستوى الانزعاج.

أما بالنسبة لتعبيرات الاختناق والسعال الأكثر فوضوية وتغيراً، فقد كان لا بد من اتباع نهج مختلف. وبما أن هذه التفاعلات تختلف بشكل كبير من شخص لآخر ولا تتبع صيغة واحدة يمكن التنبؤ بها، فقد لجأ الباحثون إلى الفيديو. حيث قاموا بتسجيل متطوع يؤدي إشارات الضيق هذه، واستخدموا أداة رؤية حاسوبية مفتوحة المصدر لتحليل اللقطات. تتبع هذا البرنامج حركة وجه المتطوع، محدداً شدة كل حركة عضلية إطاراً تلو الآخر. ثم تم رسم هذه القياسات الرقمية مباشرة على نموذج ثلاثي الأبعاد لرأس بشري. وكانت النتيجة وجهاً مولداً بالحاسوب يمكنه محاكاة التوقيت والشدة الدقيقين للاختناق أو السعال المسجلين، مدفوعاً بنفس البيانات العضلية التي تحكم الوجوه البشرية الحقيقية.

ولاختبار ما إذا كانت هذه التعبيرات المُخلّقة تعمل بالفعل، أجرى الفريق دراسة مع ستة عشر طالباً في التمريض. شاهد الطلاب الدمية وهي تعرض حالات مختلفة تحت ظروف متنوعة: بعضها مع صوت، وبعضها بدون صوت، وبعضها يظهر وجهاً ثابتاً بينما يظهر الآخر رسماً متحركاً ديناميكياً. قدمت النتائج رؤية مفاجئة حول كيفية معالجة البشر للإشارات الطبية؛ فقد كان الطلاب أكثر نجاحاً في تحديد حالة المريض عندما شاهدوا الرسوم المتحركة الديناميكية للوجه بدون أي صوت مرافق. في هذا السيناريو الصامت الذي يعتمد على الرؤية فقط، حدد ما يقرب من سبعين بالمائة من الطلاب الحالة بشكل صحيح. ومع ذلك، عندما أُضيف الصوت إلى الرسوم المتحركة الديناميكية، انخفض معدل النجاح إلى مستوى لا يتعدى التخمين العشوائي.

وجد الباحثون أن الإشارات الصوتية كانت غالباً غير متزامنة مع الحركات المرئية. فعندما لا يتطابق صوت السعال أو الشهيق تماماً مع التعبير الوجهي، فإنه يربك المراقبين، مما يجعل من الصعب التعرف على الضيق. ويشير هذا إلى أنه في عمليات المحاكاة الطبية، تعد الدقة البصرية أمراً بالغ الأهمية؛ إذ يمكن للصوت ضعيف التزامن أن يقلل من تجربة التعلم بدلاً من تعزيزها. كما كشفت الدراسة أنه بينما استطاع النظام التمييز بوضوح بين الألم والاختناق، إلا أن الحالتين تشتركان في سمات وجهية متشابهة بما يكفي لجعل بعض الطلاب يخلطون بينهما، مما يسلط الضوء على تعقيد قراءة الضيق البشري حتى مع وجود تقنيات متقدمة.

تكمن أهمية هذا العمل في سهولة الوصول إليه ومرونته؛ فالنظام بأكمله مبني على برامج مفتوحة المصدر وأجهزة منخفضة التكلفة، مما يعني أنه لا يتطلب معدات باهظة الثمن للعمل. وهو يوفر وسيلة لكليات الطب لترقية أجهزة المحاكاة التدريبية لديها بوجوه ديناميكية مستجيبة تتفاعل مع أفعال الطالب المحددة. ومن خلال إثبات أن هذه التعبيرات المدفوعة بالذكاء الاصطناعي يمكن التعرف عليها، وأن الوضوح البصري يتفوق على الصوت عندما يكون التزامن ناقصاً، توفر الدراسة مساراً واضحاً نحو إنشاء بيئات تدريب طبي أكثر انغماساً وفعالية. إن هذه التكنولوجيا لا تحل محل الحاجة إلى الحكم البشري، بل توفر لوحة أكثر صدقاً يمكن ممارسة ذلك الحكم عليها.