Development and Validation of a Deep Learning Ensemble Model to Predict Drug-resistant Tuberculosis From Initial Chest X-ray Image
تقدم هذه الدراسة نموذجاً تجميعياً للتعلم العميق تم تدريبه على 7,151 صورة أشعة سينية للصدر، يتنبأ بفعالية بمرض السل المقاوم للأدوية بمساحة تحت المنحنى (AUC) تبلغ حوالي 0.82، مما يظهر متانة تجاه العوامل الديموغرافية وارتباطاً بين الاحتمالية المتوقعة ومدى مقاومة الأدوية.
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
لا يزال السل من أكثر الأمراض المعدية استمراراً وفتكاً على كوكب الأرض، حيث يحصد حياة أكثر من مليون شخص سنوياً. وبينما طورت الطب الحديثة طرقاً لعلاج المرض، إلا أن هناك تهديداً متزاماً يلوح في الأفق: السلالات المقاومة للأدوية. هذه بكتيريا تعلمت كيف تنجو من الأدوية القياسية المستخدمة لقتلها. إن تحديد هذه السلالات المقاومة بسرعة هو سباق مع الزمن؛ فإذا كان المريض مصاباً بنسخة مقاومة للدواء ولكن عولج بالأدوية القياسية، فإن المرض يستمر في الانتشار، وتتدهور حالة المريض، مما يؤدي غالباً إلى الوفاة. إن المعيار الذهبي الحالي للتشخيص يتضمن أخذ عينة واختبارها في المختبر لمعرفة أي الأدوية ستكون فعالة، ولكن هذه العملية قد تستغرق أسابيع. وفي عالم الأمراض المعدية، يمكن أن تكون الأسابيع هي الفارق بين الاحتواء وبين تفشي وباء واسع النطاق.
لطالما اشتبه الباحثون في أن الأنماط المرئية في صورة الأشعة السينية للصدر قد تحمل أدلة حول ما إذا كان المريض يعاني من سلالة مقاومة للأدوية. وصورة الأشعة السينية للصدر هي صورة بسيطة ومتوفرة على نطاق واسع تُظهر الرئتين. وبينما ينظر الطبيب البشري إلى هذه الصور ليرى ما إذا كانت الرئتان مصابتين بالعدوى، إلا أنه لا يستطيع التمييز بسهء بين عدوى قياسية وأخرى مقاومة للعلاج بمجرد النظر. ومع ذلك، فإن العين البشرية ليست الأداة الوحيدة القادرة على رؤية الأنماط؛ فقد سخرت دراسة جديدة قوة الذكاء الاصطناعي للنظر في هذه الصور بطريقة تتجاوز القدرات البشرية، بهدف رصد العلامات الدقيقة للمقاومة الدوائية فور وصول المريض إلى العيادة.
وضع فريق من الباحثين هدفاً لبناء نظام حاسوبي يمكنه أن يعمل كإشارة إنذار مبكر. لم يقوموا بابتكار آلة جديدة أو نوع جديد من الماسحات الضوئية، بل استخدموا مجموعة ضخمة من صور الأشعة السينية للصدر الموجودة بالفعل والسجلات الطبية المؤكدة للمرضى الذين خضعوا لها. جاءت هذه البيانات من مشروع عالمي يسمى "TB Portals"، والذي يجمع المعلومات من مرضى السل حول العالم. اختار الباحثون أكثر من 7,000 صورة لمرضى من أوروبا الشرقية وآسيا الوسطى، لضمان امتلاكهم سجلاً واضحاً لما إذا كان كل مريض يعاني من سلالة حساسة للدواء أو سلالة مقاومة له. وقسموا هذه البيانات إلى مجموعات: مجموعة واحدة لتعليم الكمبيوتر، ومجموعة أخرى للتحقق من تقدمه، ومجموعة نهائية لاختبار مهاراته النهائية، تماماً مثل طالب يخوض امتحاناً تجريبياً قبل الاختبار الحقيقي.
لبناء نظامهم، لم يعتمد الباحثون على برنامج حاسوبي واحد، بل ابتكروا "مجموعة" (ensemble)، وهي عبارة عن فريق من نماذج ذكاء اصطناعي مختلفة تعمل معاً. قاموا بتدريب ثلاثة نماذج متميزة من التعلم العميق — وهي برامج حاسوبية معقدة مصممة للتعرف على الأنماط في الصور — على صور الأشعة السينية للصدر. تعلمت هذه النماذج تحديد آلاف التفاصيل الدقيقة في صور الرئة التي قد تغفل عنها العين البشرية. وبالتوازي مع ذلك، استخدم الفريق طريقة مختلفة تسمى "الراديوميكس" (radiomics)، والتي تفكك الصورة إلى مئات الميزات الرياضية القابلة للقياس، مثل الملمس والشكل. كما أدرجوا معلومات أساسية عن المرضى، مثل العمر، والجنس، وما إذا كان لديهم حالات صحية أخرى مثل السكري أو فيروس نقص المناعة البشرية (HIV).
بعد ذلك، دمج الباحثون الرؤى المستمدة من جميع هذه المصادر المختلفة. أخذوا التنبؤات من نماذج قراءة الصور الثلاثة، وتحليل الراديوميكس، والبيانات الصحية الأساسية للمريض، ثم أدخلوا هذه البيانات في مصنف نهائي لتعلم الآلة. عملت هذه الخطوة النهائية كـ "قاضٍ"، حيث قامت بوزن جميع الأدلة لإنتاج درجة احتمالية واحدة. مثلت هذه الدرجة مدى احتمالية إصابة المريض بنوع من السل المقاوم للأدوية. صُمم النظام ليكون بمثابة "حارس بوابة"، خط دفاع أول يمكنه تحديد المرضى المعرضين لمخاطر عالية لإجراء اختبارات وعلاجات متخصصة فورية، بدلاً من الانتظار حتى تعود نتائج المختبر البطيئة.
عندما اختبر الفريق نموذجهم النهائي على بيانات لم يسبق له رؤيتها، كانت النتائج واعدة. استطاع النظام التمييز بشكل صحيح بين حالات المقاومة للأدوية والحالات الحساسة للأدوية بدرجة عالية من الدقة. وفي مجموعة الاختبار، حقق النموذج درجة تشير إلى قدرته على الفصل بين المجموعتين بشكل موثوق، حيث كان أداؤه أفضل بكثير من استخدام المعلومات السريرية وحدها. لم يكن النموذج يخمن عشوائياً، بل أظهر نمطاً واضحاً؛ فالمرضى الذين تأكد لاحقاً أنهم يعانون من الشكل الأكثر خطورة من المقاومة الدوائية، المعروف باسم السل المقاوم للأدوية بشكل مكثف، حصلوا على درجات خطورة أعلى من النموذج مقارنة بمن يعانون من مقاومة أقل شدة. وهذا يشير إلى أن النظام كان حساساً بما يكفي لاكتشاف شدة المقاومة، وليس مجرد وجودها.
نظر الباحثون أيضاً في كيفية اتخاذ النموذج لقراراته لضمان أنه ينظر إلى الأشياء الصحيحة. وباستخدام تقنية تسلط الضوء على الأجزاء من الصورة التي أثرت على اختيار الكمبيوتر، وجدوا أن النموذج ركز انتباهه على حقول الرئة، وهو المكان الذي ينظر إليه الطبيب تماماً. لقد حدد البقع الداكنة والتغيرات الهيكلية داخل الرئتين والتي تعد مميزة للمرض. ومع ذلك، كشفت الدراسة أيضاً عن قصور؛ حيث انخفض أداء النموذج عندما كان المرضى يعانون من حالات صحية أخرى، مثل فقر الدم أو فيروس نقص المناعة البشرية. ويشير هذا إلى أنه بينما يعد النظام قوياً، فإن الأمراض الأخرى في الرئتين يمكن أن تربك النمط الذي يحاول إيجاده، مما يجعل التشخيص أكثر صعوبة لدى المرضى الذين يعانون من مشكلات صحية متعددة.
تخلص الدراسة إلى أن صور الأشعة السينية للصدر، عند تحليلها بهذا النوع المحدد من الذكاء الاصطناعي، يمكن أن توفر تقديراً سريعاً وذا مغزى لمخاطر المقاومة الدوائية. ويؤكد المؤلفون بحذر أن هذا النظام ليس بديلاً للاختبارات المختبرية التي تؤكد أي الأدوية ستكون فعالة، بل يعمل كأداة فحص قوية. في العيادات المزدحمة، خاصة في المناطق التي تفتقر إلى معدات المختبر المتقدمة، يمكن لهذه الأداة مساعدة الأطباء في تحديد المرضى الذين يحتاجون إلى رعاية متخصة عاجلة على الفور. ومن خلال تحديد الحالات الأكثر خطورة مبكراً، يوفر النظام وسيلة لبدية العلاج الصحيح في وقت أقرب، مما قد ينقذ الأرواح ويوقف انتشار هذه البكتيريا الصعبة العلاج قبل أن تسبب مزيداً من الضرر. إن هذا العمل يثبت أنه مع توفر البيانات الصحيحة والنهج التعاوني بين أنواع مختلفة من النماذج الحاسوبية، يمكننا استخراج رؤى جديدة ومنقذة للحياة من صور تم التقاطها منذ عقود.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.