Development and Validation of a Feature-Prompted Deep Learning System for Diagnosing Chronic Atrophic Gastritis Under White-Light Endoscopy
تقدم هذه الدراسة نظاماً للتعلم العميق يعتمد على الميزات المحفزة، والذي يحقق دقة تشخيصية بمستوى الخبراء لحالات التهاب المعدة الضموري المزمن تحت منظار الضوء الأبيض، متفوقاً بذلك على أطباء المناظير المتوسطين ومضاهياً في أدائه كبار المتخصصين.
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
يواجه ملايين الأشخاص حول العالم كل عام خطر الإصابة بسرطان المعدة، وهو مرض لا يزال أحد الأسباب الرئيسية للوفيات المرتبطة بالسرطان عالميًا. وقبل تطور هذا السرطان، غالبًا ما تمر بطانة المعدة بتحول بطيء وصامت يُعرف باسم التهاب المعدة الضموري المزمن. في هذه الحالة، تترقق الأنسجة السليمة التي تبطن المعدة تدريجيًا وتفقد وظيفتها، وهو تغير يرفع بشكل كبير من خطر ظهور السرطان لاحقًا. ويعد اكتشاف هذا التحذير المبكر أمرًا بالغ الأهمية، ومع ذلك لا يزال مهمة صعبة على الأطباء. الأداة الأساسية للنظر داخل المعدة هي كاميرا مرنة على أنبوب رفيع، تلتقط صورًا لداخل العضو. ومع ذلك، فإن تحديد العلامات الدقيقة لترقق الأنسجة في هذه الصور أمر صعب للغاية؛ إذ يمكن أن تكون التغيرات باهتة، وحتى المتخصصون ذوو الخبرة غالبًا ما يختلفون فيما يرونه أو يغفلون عن العلامات تمامًا. وبسبب عدم اليقين هذا، يلجأ الأطباء أحيانًا إلى أخذ عينات نسيجية عشوائية من أجزاء مختلفة من المعدة للتأكد، وهي عملية تستغرق وقتًا وتكلفة عالية وتسبب عدم راحة للمرضى.
قام فريق من الباحثين في مستشفى هانغتشو شياوشان للطب الصيني التقليدي بتطوير نظام جديد للذكاء الاصطناعي مصمم لمساعدة الأطباء على رصد هذه العلامات التحذيرية المبكرة بموثوقية أكبر. كان هدفهم هو إنشاء مساعد رقمي يمكنه النظر إلى نفس صور الفيديو المباشرة التي يراها الطبيب أثناء الفحص القياسي وتحديد أنماط ترقق الأنسجة المحددة بدقة عالية. وعلى عكس المحاولات السابقة التي حاولت تحليل صورة واحدة دفعة واحدة، بنى هذا الفريق نظامًا متعدد الخطوات يحاكي الطريقة الدقيقة التي يفحص بها الخبير البشري المريض. يتحقق النظام أولاً مما إذا كانت الصورة واضفتة بما يكفي لتكون مفيدة، مستبعدًا الإطارات الضبابية أو ضعيفة الإضاءة. ثم يحدد الجزء الذي تنظر إليه الكاميرا بالضبط من المعدة، مفرقًا بين المدخل، والجسم الرئيسي، والمخرج. وأخيرًا، يركز على المناطق المحددة حيث قد يختبئ ترقق الأنسحة، باستخدام تقنية تسلط الضوء على المناطق المشبوهة قبل إجراء التشخيص.
اختبر الباحثون هذا النظام باستخدام آلاف الصور المأخوذة من ما يقرب من ألف مريض خضعوا لتنظير المعدة بين يناير 2024 وسبتمبر 2025. ولضمان تعلم النظام للأشياء الصحيحة، قاموا بتدريبه على مجموعة واسعة من الصور التي تم تصنيفها بعناية من قبل أطباء ذوي خبرة. وكان الجزء الأكثر ابتكارًا في نهجهم هو كيفية تعلم النظام للعثور على المرض؛ فبدلاً من مطالبة الكمبيوتر بتخمين مكان المشكلة في صورة كاملة، علموا جزءًا منفصلاً من النظام أولاً رسم مخطط رقمي حول المناطق التي قد تبدو وكأنها تعاني من ترقق. ثم استخدمت أداة التشخيص الرئيسية هذه المخططات كدليل، مركزةً انتباهها فقط على النسيج ذي الصلة. هذا الأسلوب، الذي يسميه الباحثون "التعلم المدفوع بالميزات"، سمح للنظام بتجاهل الأجزاء السليمة من المعدة التي قد تشتت انتباهه، تمامًا كما قد يركز شخص ما على تفصيل محدد في غرفة مزدحمة مع تجاهل الخلفية.
عندما وضع الفريق أفضل نماذجهم قيد الاختبار، كانت النتائج مذهلة. فقد حدد النظام وجود ترقق الأنسجة بشكل صحيح في 92.4% من الحالات التي كان فيها موجودًا بالفعل، كما استبعده بشكل صحيح في 89.2% من الحالات التي كان غائبًا فيها. لم يكن هذا المستوى من الدقة نجاحًا إحصائيًا فحسب، بل كان نجاحًا عمليًا أيضًا. فعندما قارن الباحثون أداء الكمبيوتر مقابل مجموعة من الأطباء البشر، كان النظام يضاهي أداء كبار المتخصصين الذين لديهم أكثر من خمس سنوات من الخبرة المستقلة. وكانت دقة النظام البالغة 90.9% لا تختلف إحصائيًا عن نسبة 90.3% التي حققها هؤلاء الخبراء. ومع ذلك، تفوق النظام بشكل ملحوظ على الأطباء ذوي الخبرة المتوسطة، الذين مارسوا المهنة بشكل مستقل لمدة تتراوح بين ثلاث إلى خمس سنوات؛ حيث حقق هؤلاء الأطباء الأقل خبرة دقة بلغت 85.6%، وهي فجوة تشير إلى أن الذكاء الاصطناعي يمكن أن يعمل كمساوٍ قوي، يساعد الممارسين الأقل خبرة على الوصول إلى المستوى التشخيصي لأكثر الخبراء تمرسًا.
كما كشونت الدراسة أن التصميم متعدد الخطوات للنظام كان أساسيًا لنجاحه. فعندما حاول الباحثون نسخة أبسط تنظر إلى الصورة بأكملها دون تصفية الجودة أو الموقع أولًا، انخفضت الدقة إلى 87.0%. أثبت هذا الفرق أن قدرة النظام على تنقية البيانات والتركيز على المناطق التشريحية الصحيحة أحدثت فرقًا حقيقيًا وملموسًا في حكمه النهائي. كما أدى استراتيجية "المدفوع بالميزات"، حيث يتم توجيه النظام بواسطة المخططات الرقمية للمناطق المشبوهة، إلى تحسين النتائج بشكل أكبر، مما أظهر أن توجيه انتباه الكمبيوتر إلى الأجزاء الأكثر صلة بالصورة ساعد في تجنب الأخطاء. وبينما أظهر النظام وعدًا كبيرًا، فقد كان الباحثون حذرين في ملاحظة أن هذه كانت دراسة أحادية المركز، مما يعني أنها اختُبرت على مرضى من مستشفى واحد باستخدام معدات محددة. وقد أقروا بأن النظام لا يزال بحاجة إلى الاختبار في مجموعة متنوعة من الإعدادات ومع أنواع مختلفة من الكاميرات قبل أن يمكن استخدامه بشكل روتيني في العيادات في كل مكان.
على الرغم من هذه القيود، يمثل هذا العمل خطوة مهمة للأمام في الجهود المبذولة لتوحيد معايير اكتشاف حالات المعدة السابقة للسرطان. فمن خلال الجمع بين التحليل الدقيق والخطوة بخطوة، وطريقة توجه الكمبيوتر للتركيز على التفاصيل الأكثر أهمية، أنشأ الباحثون أداة تضاهي أداء كبار الخبراء البشريين. هذا النظام لا يحل محل الطبيب، بل يقدم عينًا ثانية لا تتعب أبدًا ولا تغفل عن أي دليل دقيق بسبب التعب أو التشتت. وبينما تتحرك التكنولوجيا نحو تجارب أكبر متعددة المراكز، فإنها تحمل القدرة على جعل الكشف المبكر عن سرطان المعدة أكثر اتساقًا وسهولة في الوصول إليه، مما يضمن رؤية علامات التهاب المعدة الضموري المزمن بوضوح، بغض النظر عمن يمسك بالكاميرا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.