Prediction of non-surgical spinal decompression efficacy in lumbar disc herniation patients is based on pre-treatment paravertebral muscle MRI radiomics and clinical factors in a two-center study with external validation.

يُعد ألم الظهر تجربة إنسانية عالمية، ورفيقاً مستمراً لملايين البالغين في سن العمل، حيث يمكن أن يحول الحركات البسيطة إلى صراعات يومية. فعندما تنزلق الأقراص (الديسك) التي تعمل كـ "وسائد" بين عظام العمود الفقري السفلي من مكانها، يمكنها الضغط على الأعصاب، مما يرسل آلاماً حادة في الساقين ويحد من قدرة الشخص على أداء وظائفه. وبينما يُعد التدخل الجراحي خياراً في الحالات الشديدة، يُعرض على معظم الناس أولاً علاجات تحفظية مصممة لتخفيف الضغط دون الحاجة للقطع داخل الجسم. وتستخدم إحدى هذه الطرق آلة متخصصة لشد العمود الفقري بلطف، مما يخلق مساحة للأعصاب ويشجع الجسم على شفاء نفسه. ومع ذلك، فإن هذا العلاج لا ينجح مع الجميع؛ فبعض المرضى يشعرون براحة فورية، بينما لا يلحظ آخرون أي تغيير على الإطلاق. ولعقود من الزمن، اضطر الأطباء إلى التخمين بشأن المرضى الذين قد يستفيدون، معتمدين على الخبرة والأعراض العامة بدلاً من وجود وسيلة موضوعية واضحة للتنبؤ بالنتيجة.

وقد طور فريق من الباحثين الآن أداة جديدة للمساعدة في الإجابة على هذا السؤال. فمن خلال الجمع بين الصور الطبية القياسية والتحليل الحاسوبي المتقدم، أنشأوا نظاماً يمكنه فحص عمود المريض الفقري قبل بدء العلاج وتقدير مدى احتمالية تحسنه. ركزت الدراسة على العضلات التي تمتد على طول العمود الفقري، والتي غالداً ما يتم تجاهلها في الفحوصات القياسية. وباستخدام تقنية تسمى "الراديوميكس" (radiomics)، علّم الباحثون الكمبيوتر كيفية اكتشاف أنماط دقيقة وغير مرئية في نسيج وتكوين هذه العضلات، وهي أنماط لا تستطيع العين البشرية رؤيتها. ووجدوا أنه من خلال النظر في أنماط هذه العضلات جنباً إلى جنب مع الحقائق البسيطة حول عمر المريض وتاريخه الصحي، استطاعوا التنبؤ بدقة بمن سيستجيب جيداً لعلاج التمدد ومن لن يستجيب.

جمع الباحثون بيانات من 766 مريضاً في مستشفيين مختلفين ممن خضعوا لعلاج تخفيف الضغط غير الجراحي للعمود الفقري. وقبل بدء العلاج، خضع كل مريض لفحص بالرنين المغناطيسي لأسفل ظهره. وركز الفريق اهتمامه على ثلاث مجموعات محددة من العضلات: العضلة القطنية الكبيرة (psoas major)، التي تمتد في عمق البطن؛ والعضلة الشوكية (erector spinae)، التي تدعم العمود الفقري؛ والعضلة متعددة الفلوج (multifidus)، وهي عضلة صغيرة ولكنها حاسمة تعمل على تثبيت كل فقرة على حدة. وباستخدام برامج متخصصة، قاموا برسم خرائط لهذه العضلات على صور الرنين المغناطيسي واستخرجوا مئات السمات الكمية. وقد قيست هذه السمات أشياء مثل كثافة الأنسجة، ووجود الدهون، والنسيج المجهري للألياف العضلية.

ولفهم هذا الكم الهائل من البيانات، استخدم الفريق "تعلم الآلة"، وهو نوع من البرامج الحاسوبية التي تتعلم التعرف على الأنماط من خلال دراسة الأمثلة. وقسموا المرضى إلى مجموعات، حيث استخدموا مجموعة كبيرة واحدة لتدريب الكمبيوتر ومجموعة منفصلة لاختبار تنبؤاته. تعلم الكمبيوتر التمييز بين المرضى الذين تحسنوا بشكل ملحوظ بعد العلاج وأولئك الذين لم يتحسنوا. وأظهرت النتائج أن النموذج الحاسوبي كان دقيقاً للغاية؛ فعندما دمج النموذج بيانات العضلات مع المعلومات السريرية الأساسية — مثل عمر المريض، وما إذا كان يعاني من السكري أو ارتفاع ضغط الدم، ومهنته — كان أداؤه أفضل من أي مصدر منفرد للمعلومات بمفرده.

وكانت النتيجة الأكثر أهمية هي أن الكمبيوتر استطاع تحديد علامات محددة في العضلات تتنبأ بالنجاح. فقد كشف التحليل أن حالة العضلة متعددة الفلوج كانت دالة بشكل خاص؛ إذ كان المرضى الذين تظهر عضلاتهم "متعددة الفلوج" علامات على النسيج الصحي وقلة التسلل الدهني، أكثر عرضة للاستجابة الجيدة للعلاج. وعلى العكس من ذلك، كان المرضى الذين تبدو عضلاتهم متحللة أو مشبعة بكثافة بالدهون أقل عرضة للاستفادة. كما أكد الكمبيوتر ما طالما اشتبه فيه الأطباء: وهو أن العمر عامل رئيسي؛ فالمرضى الأصغر سناً، الذين تكون أقراصهم وعضلاتهم العمودية أكثر مرونة وترطيباً بشكل عام، استجابوا بشكل أفضل بك mucho من المرضى الأكبر سناً، الذين غالباً ما تكون أنسجتهم أكثر صلابة وتآكلاً.

لم تنتج الدراسة مجرد قائمة من الأرقام، بل خلقت نموذجاً عملياً يمكن استخدامه لتوجيه القرارات. واختبر الباحثون نموذجهم على مجموعة جديدة تماماً من المرضى من مستشفى مختلف لضمان نجاحه في العالم الحقيقي، وقد صمد النموذج بالفعل. فقد حدد النموذج بشكل صحيح غالبية المرضى الذين سيتحسنون، بينما أشار أيضاً إلى أولئك الذين من غير المرجح أن يلمسوا نتائج. وهذا أمر بالغ الأهمية لأنه يعني أن الأطباء يمكنهم تجنب إخضاع المرضى لعلاج من غير المرجح أن يساعدهم، مما يوفر الوقت والموارد. وبدلاً من ذلك، يمكن توجيه هؤلاء المرضى نحو خيارات أخرى، مثل الجراحة أو علاجات مختلفة، في وقت مبكر.

وما يجعل هذا النهج فريداً هو أنه ينظر إلى الصورة الكاملة. فالدراسات السابقة غالباً ما ركزت فقط على القرص نفسه أو اعتمدت فقط على التقييم الذاتي للطبيب. أما هذه الطريقة الجديدة فتتعامل مع العمود الفقري كنظام تكون فيه صحة العضلات المحيطة بنفس أهمية حالة القرص. ويعمل التحليل الحاسوبي مثل مجهر عالي القدرة، يكشف عن الاختلافات الدقيقة في نسيج العضلات التي تحدد ما إذا كان العمود الفقري سيستجيب بفعالية لقوة الشد اللطيفة لجهاز تخفيف الضغط. فإذا كانت العضلات ضعيفة جداً أو صلبة جداً، فلن تتمكن من نقل القوة اللازمة إلى القرص، وبالتالي يفشل العلاج.

وقد حرص الباحثون على ملاحظة أن عملهم يعتمد على النظر في بيانات سابقة، مما يعني أنه يحتاج إلى تأكيد من خلال دراسات مستقبلية حيث يتم تتبع المرضى بمرور الوقت. كما أقروا بأن عملية رسم خرائط العضلات على صور الرنين المغناطيسي تمت يدوياً، وهو أمر يستغفرق وقتاً طويلاً، وأن النسخ المستقبلية من هذه الأداة قد تستخدم أنظمة آلية لتسريع العملية. وبالرغم من هذه القيود، توفر الدراسة أساساً قوياً لطريقة جديدة في التفكير في علاج آلام الظهر؛ فهي تنقل المجال بعيداً عن نهج "المقاس الواحد الذي يناسب الجميع" نحو استراتيجية أكثر تخصيصاً، حيث يكون قرار استخدام علاج معين مدعوماً ببيانات من جسم المريض نفسه.

وفي النهاية، تقدم هذه الأبحاث لمحة عن مستقبل تُوجه فيه القرارات الطبية بأدلة موضوعية ودقيقة. فمن خلال فهم "اللغة الخفية" لنسيج العضلات، يمكن للأطباء مطابقة المرضى مع العلاجات التي ستعمل من أجلهم بشكل أفضل. وبالنسبة للملايين الذين يعانون من انزلاق الأقراص، فإن هذا يعني مساراً أكثر وضوحاً، مما يقلل من حالة عدم اليقين بشأن ما إذا كان العلاج التحفظي سيساعد أم أنه قد حان الوقت للنظر في خيارات أخرى. لا تعد الدراسة بعلاج للجميع، لكنها تعد بطريقة أذكى لاختيار المسار الصحيح لكل فرد.