3D Ischemic Stroke Lesion Segmentation in MRI with Attention U-Net and Voxel-Level Uncertainty Quantification

يعاني ملايين الأشخاص حول العالم كل عام من السكتة الدماغية، وهي انقطاع مفاجئ في تدفق الدم إلى الدماغ يمكن أن يؤدي إلى الوفاة أو الإعاقة طويلة الأمد. وعند حدوث السكتة الدماغية، يكون الوقت هو العامل الأكثر حرجاً. يعتمد الأطباء على التصوير بالرنين المغناطيسي (MRI) لرؤية مكان وقوع الضرر بدقة. وتنتج هذه الفحوصات صوراً ثلاثية الأبعاد مفصلة للدماغ، مما يسمح للأطباء بتحديد موقع الأنسجة المصابة، المعروفة باسم الآفة. ولعلاج المريض بفعالية، يجب على الأطباء قياس حجم وشكل هذه المنطقة المتضررة بدقة. ومع ذلك، فإن القيام بذلك يدوياً على شاشة الكمبيوتر أمر بطيء وممل وعرضة للخطأ البشري، خاصة عندما تكون المناطق المتضررة صغيرة أو متفرقة.

في السنوات الأخيرة، تعلمت أجهزة الكمبيوتر القيام بهذا العمل تلقائياً. فباستخدام نوع من الذكاء الاصطناعي يسمى "التعلم العميق"، تستطيع الآلات الآن مسح صور الدماغ وتسليط الضوء على المناطق المتضررة في ثوانٍ. ولكن هناك مشكلة كبيرة في كيفية عمل هذه الحواسيب حالياً؛ فهي تعمل كخبراء واثقين لا يعترفون أبداً بشكهم. فعندما يرسم الكمبيوتر حداً حول السكتة الدماغية، فإنه يعطي إجابة واحدة محددة دون إخبار الطبيب عما إذا كان متأكداً تماماً أم أنه مجرد تخمين. وفي السياق الطبي، يعد هذا النقص في الصدق أمراً خطيراً. يحتاج الطبيب ليس فقط لمعرفة مكان الضرر الذي يعتقد الكمبيوتر وجوده، بل وأيضاً أين يشعر الكمبيوتر بالتردد، حتى يتمكن من إعادة فحص تلك البقع المحددة قبل اتخاذ قرارات تتعلق بالحياة أو الموت.

لقد طور فريق من الباحثين في جامعة سيدي محمد بن عبد الله بالمغرب طريقة جديدة لإصلاح ذلك. فقد أنشأوا نظاماً لا يكتفي بإيجاد السكتة الدماغية فحسب، بل يخبر الطبيب أيضاً بمدى ثقته في عمله. يجمع نهجهم بين نموذج حاسوبي قوي مصمم لرؤية الدماغ بأكünüه دفعة واحدة، وبين حيلة ذكية تسمح للنموذج بـ "التفكير" في نفس الصورة عدة مرات بطرق مختلفة قليلاً. ومن خلال مقارنة هذه الأفكار المختلفة، يستطيع النظام رسم خريطة توضح بدقة أي أجزاء من الصورة واضحة وأيها مربكة. وهذا يسمح للكمبيوتر بأن يسلم الطبيب خريطة للسكتة الدماغية إلى جانب خريطة منفصلة تظهر الأماكن التي يشعر فيها الكمبيوتر بعدم اليقين، مما يحول الأداة المؤتمتة البسيطة إلى شريك موثوق لاتخاذ القرارات الطبية.

اختبر الباحثون نظامهم الجديد على مجموعة كبيرة من فحوصات الدماغ من تحدٍ دولي كبير يضم مئات المرضى من مستشفيات مختلفة. تضمنت هذه الفحوصات نوعين محددين من الصور اللذين يعدان المعيار الذهبي لرصد السمرات الدماغية الحادة: أحدهما يوضح أين ينقطع حركة الماء في الدماغ، والآخر يقيس مدى سهولة حركة الماء عبر الأنسجة. قام الفريق بتدريب حاسوبهم على النظر إلى الحجم ثلاثي الأبعاد للدماغ بأكمله بدلاً من مجرد تقطيعه إلى صور مسطحة ثنائية الأبعاد. وهذا أمر بالغ الأهمية لأن السكتات الدماغية غالباً ما تكون لها أشكال معقدة وغير منتظمة تمتد عبر طبقات متعددة من الدماغ، والنظر إلى الحجم بأكمله يساعد الكمبيوتر على فهم البنية الحقيقية للإصابة.

ولجعل النظام مدركاً لمدى ثقته، استخدم الباحثون تقنية تسمى "مونت كارلو دروب آوت" (Monte Carlo Dropout). وببساطة، يتضمن ذلك إبقاء مفتاح صغير قيد التشغيل داخل "عقل" الكمبيوتر أثناء التحليل النهائي. في الحالة العادية، يتم إغلاق هذا المفتاح بمجرد انتهاء تدريب الكمبيوتر، ولكن هنا، تركوه يعمل. يقوم هذا المفتاح بإيقاف تشغيل أجزاء صغيرة من عملية تفكير الكمبيوتر عشوائياً في كل مرة ينظر فيها إلى صورة. ولأن الكمبيوتر يرى نفس الصورة من خلال "عدسات" مختلفة قليست، فإنه ينتج إجابة مختلفة قليلاً في كل مرة. طلب الباحثون من الكمبيوتر النظر في كل فحص للدماغ عشرين مرة. ومن خلال حساب متوسط هذه الإجابات العشرين، أنشأ الكمبيوتر صورة نهائية أكثر دقة للسكتة الدماغية. والأهم من ذلك، من خلال مراقبة مدى اختلاف تلك الإجابات العشرين عن بعضها البعض، استطاع الكمبيوتر حساب درجة عدم اليقين لكل نقطة في الصورة.

أظهرت النتائج أن هذه الطريقة تعمل على مستويين. أولاً، أصبح الكمبيوتر أفضل في العثور على السكتة الدماغية؛ فمن خلال استخدام نوع معين من "آلية الانتباه" التي علمت النموذج التركيز على الأجزاء الأكثر أهمية في الصورة وتجاهل أنسجة الدماغ السليمة، حسّن النظام قدرته على اكتشاف المناطق المتضررة. لقد وجد المزيد من أنسجة السكتة الدماغية الفعلية مقارنة بالطرق السابقة، وهو أمر حيوي لأن تفويت حتى قطعة صغيرة من أنسجة الدماغ المتضررة يمكن أن يؤدي إلى سوء التخطيط للعلاج. حقق النظام درجة 0.6816 في قياس مدى مطابقة خطوطه الخارجية للضرر الحقيقي، وهو أفضل نتيجة بين الطرق أحادية النموذج التي تم اختبارها على هذه المجموعة من البيانات.

ثانياً، والأهم من ذلك، نجح النظام في إنشاء خرائط عدم اليقين. وجد الباحثون أنه عندما كان الكمبيوتر واثقاً، كانت نظراته العشرين متوافقة، مما أدى إلى درجة منخفضة من عدم اليقين. وعندما كان الكمبيوتر غير متأكد، اختلفت النظرات العشرين بشكل كبير، مما أدى إلى درجة عالية من عدم اليقين. ظهرت هذه الدرجات العالية بالضبط حيث ارتكب الكمبيوتر أخطاءً: عند الحواف الضبابية للسكتة الدماغية أو في الآفات الصغيرة والصعبة الرؤية. لقد صنف النظام طبيعياً أصغر السكتات الدماغية وأكثرها تعقيداً كحالات أكثر عدم يقيناً. وهذا يعني أنه في مستشفى حقيقي، يمكن للطبيب النظر إلى خريطة الكمبيوتر ورؤية منطقة متوهجة من عدم اليقين حول بقعة صعبة، مدركاً أن هذا هو المكان الذي يحتاج فيه إلى الفحص بدقة.

كما قارنت الدراسة نموذج الكمبيوتر الواحد الخاص بهم بأنظمة أخرى تستخدم نماذج عديدة تعمل معاً، والمعروفة باسم "المجموعات" (Ensembles). وبينما حققت تلك المجموع الكبيرة من النماذج أحياناً دقة أعلى قلياً، إلا أنها لم تقدم أي معلومات حول الثقة. كانت لا تزال بمثابة "صناديق سوداء" تعطي إجابة واحدة دون تفسير. إن النظام الجديد من الفريق المغربي فريد من نوعه لأنه الأول الذي يوفر خريطة تفصيلية للثقة نقطة بنقطة لتجزئة السكتة الدماغية ثلاثية الأبعاد في هذا الاختبار المعياري. إنه يثبت أن نموذجاً واحداً مصمماً جيداً يمكن أن يكون دقيقاً وصادقاً بشأن حدوده في آن واحد.

يمثل هذا العمل تحولاً من معاملة الذكاء الاصطناعي كصندوق سحري يخرج نتيجة فحسب، إلى معاملته كأداة تتواصل من خلال شرح منطقها. لقد أثبت الباحثون أنه من خلال السماح للكمبيوتر بالتعبير عن عدم اليقين لديه، لم يضطروا للتضحية بالدقة. في الواقع، حسنت هذه الطريقة اكتشاف السكتات الدماغية الصغيرة دون الحاجة إلى وقت تدريب إضافي أو تغييرات معقدة في البنية الأساسية. النظام جاهز للاستخدام في سير عمل حيث يقوم الكمبيوتر بالعمل الشاق المتمثل في مسح الصورة، بينما يركز الطبيب خبرته فقط على المناطق التي يشعر فيها الكمبيوتر بعدم اليقين. تضمن هذه الشراكة الجمع بين سرعة الأتمتة وسلامة الإشراف البشري، وهي خطوة ضرورية لجلب هذه التقنيات إلى المستشفيات الواقعية للمساعدة في تعافي مرضى السكتة الدماغية.