MESNet: A Lightweight Transformer-CNN Collaborative Network with Morphology Awareness for Glioma Segmentation

يُعد الدماغ البشري مشهداً معقداً، وعندما يتجذر فيه الورم الدبقي (glioma)، وهو نوع من أورام الدماغ العدوانية، يصبح المسار نحو العلاج بمثابة عملية ملاحة عالية المخاطر. يعتمد الأطباء على التصوير بالرنين المغناطيسي (MRI) لرؤية ما بداخل الجمجمة، حيث يلتقط شكل الورم وحجمه وكيفية تفاعله مع الأنسجة السليمة. تنتج هذه الفحوصات سلسلة من المقاطع العرضية التفصيلية، لكن تحويل تلك الصور إلى خريطة دقيقة للجراحة أو الإشعاع يعد مهمة صعبة. فغالباً ما تكون للورم حواف ضبابية تندمج مع أنسجة الدماغ المحيطة، ويمكن أن يكون شكله غير منتظم للغاية، مع وجود "أصابع" من الأنسجة تمتد في اتجاهات لا يمكن التنبؤ بها. ولكي يتمكن الكمبيوتر من مساعدة الطبيب، يجب ألا يكتفي فقط بالتعرف على الورم، بل يجب أن يتتبع حدوده بدقة جراحية. فإذا أغفل الكمبيوتر جزءاً صغيراً من الورم، فقد يترك الجراح خلفه خلايا خطيرة؛ وإذا بالغ في تقدير الحجم، فقد تُستأصل أنسجة دماغية سليمة دون داعٍ.

لسنوات طويلة، قام الباحثون بتعليم الحواسيب كيفية إجراء هذا التقسيم (segmentation) عبر عرض آلاف الأمثلة عليها. اعتمدت الأساليب المبكرة على قواعد بسيطة، بينما تستخدم الأساليب الأحدث "التعلم العميق"، حيث يتعلم برنامج الكمبيوتر رصد الأنماط من تلقاء نفسه. ومع ذلك، لا تزال هناك مشكلة مستمرة: فالعديد من هذه البرامج بارعة في تحديد المنطقة العامة للورم، لكنها تعاني في تحديد حوافه أو فهم شكله المحدد. قد ترى الورم ككتلة ضبابية بدلاً من كونه جسماً متميزاً ذا حدود واضحة. وهنا تقدم دراسة جديدة من باحثين في جامعة الجيش الطبية في الصين منظوراً جديداً؛ فقد طوروا نظاماً جديداً يسمى MESNet، صُمم ليكون قوياً وفعالاً في آن واحد، وتم تدريبه خصيصاً للانتباه إلى حواف وشكل الورم، تماماً كما يفعل الخبير البشري عند النظر إلى الفحص.

كان التحدي الجوهري الذي واجهه الباحثون هو الموازنة بين حاجتين متنافستين. فمن ناحية، يحتاج الكمبيوتر إلى رؤية "الصورة الكبيرة" لفهم سياق الورم داخل الدماغ. ومن ناحية أخرى، يحتاج إلى رؤية التفاصيل الدقيقة لرسم خط حاد حول حافة الورم. غالباً ما تتفوق أدوات الرؤية الحاسوبية التقليدية في جانب واحد وتخفق في الآخر؛ فبعضها يركز بشدة على التفاصيل المحلية ويفقد الشكل العام، والبعض الآخر واسع النطاق ويفقد الخطوط الدقيقة. وجد الباحثون أن العديد من الأنظمة الحالية، حتى المتقدمة منها، تميل إلى إغفال القواعد المحددة لكيفية ظهور الأورام في الواقع، مثل حقيقة أن لها حدوداً متميزة وأشكالاً محددة. ولإصلاح ذلك، بنوا شبكة جديدة تجمع بين نوعين مختلفين من الذكاء الاصطناعي؛ حيث يعمل جزء كعدسة واسعة الزاوية، تلتقط السياق العام للصورة، بينما يعمل الجزء الآخر كعدسة مكبرة، تركز على ملمس وتفاصيل الأنسجة الدقيقة.

ما يجعل هذا النظام الجديد فريداً هو أنه لا يعتمد فقط على تخمين الكمبيوتر للحدود، بل يعلّم النظام بنشاط كيفية البحث عنها. فقد أضاف الباحثون وحدة خاصة تعمل ككاشف للحواف، باستخدام أداة رياضية تشبه الطريقة التي تكتشف بها الكاميرا التباين لتسليط الضوء على الخطوط التي يلتقي فيها الورم بالدماغ السليم. هذا يجبر الكمبيوتر على إعطاء اهتمام إضافي للحدود، مما يضمن أن يكون الخط الذي يرسمه حاداً ودقيقاً. علاوة على ذلك، ولأن الأورام يمكن أن تكون متعرجة وغير منتظمة، يتضمن النظام وحدة أخرى تتعلم "شكل" الورم؛ فهي تفهم أن الورماً يجب أن يكون كتلة متصلة وصلبة، وتساعد الكمبيوتر على ملء الفجوات أو تنعيم الخطوط المتعرجة التي قد تبدو كأخطاء. وهذا أمر مهم بشكل خاص للأجزاء الصغيرة من الورم التي غالباً ما يتم إغفالها أو تجزئتها بواسطة الطرق الأخرى.

اختبر الفريق نظامهم الجديد، MESNet، باستخدام مجموعة بيانات معترف بها على نطاق واسع لفحصات الدماغ تُعرف باسم مجموعة بيانات BraTS2021. تحتوي هذه المجموعة على مئات فحوصات الرنين المغناطيسي لمرضى، وكلها تم تصنيفها بعناية من قبل خبراء لتكون بمثابة "الإجابة الصحيحة". أظهرت النتائج أن MESNet حقق أداءً استثنائياً؛ فقد حقق مستوى من الدقة في مطابقة حجم الورم يضاهي الأنظمة الأكثر تقدماً، ولكنه فعل ذلك بموارد حوسبة أقل بكثير. في الواقع، تطلب النظام الجديد ذاكرة وقدرة معالجة أقل بكثير من منافسيه، مما يجعله أكثر عملية للاستخدام في المستشفيات التي قد لا تمتلك حواسيب فائقة. والأهم من ذلك، أنه عند قياس مدى براعة الكمبيوتر في رسم الحدود، تفوق MESNet على العديد من الطرق الأخرى؛ حيث قلل المسافة بين الخط الذي رسمه الكمبيوتر والخط الذي رسمه الخبير بهامش كبير، مما يعني أن الخطوط التي رسمها كانت أققة بكلاً من الحقيقة.

قام الباحثون أيضاً بتفكيك نظامهم لمعرفة أي الأجزاء كان يقوم بالجهد الأكبر. ووجدوا أن إضافة ميزة اكتشاف الحواف وحدها جعلت الحدود أكثر حدة، بينما ساعدت إضافة ميزة الوعي بالشكل وحده النظام على التقاط الشكل الكامل والمتصل للورم، خاصة في الأجزاء الأصغر والأكثر صعوبة. وعند استخدام الميزتين معاً، أنتج النظام أفضل النتائج، حيث نجح في الموازنة بين الحاجة إلى تحديد دقيق للخط وبين الحاجة إلى شكل كامل. تشير الدراسة إلى أنه من خلال تعليم الكمبيوتر صراحةً احترام القواعد الفيزيائية لمورفولوجيا (شكل) الورم — أي كيف تبدو وأين توجد حوافها — يمكننا بناء أدوات ليست ذكية فحسب، بل أكثر موثوقية للاستخدام السريري.

بينما تبدو النتائج واعدة، يوضح الباحثون أنها لا تزال تحمل بعض القيود؛ فالنظام لا يزال عملاً قيد التطوير وهناك مجال للتحسين. على سبيل المثال، يعامل النموذج الحالي جميع أنواع فحوصات الرنين المغناطوري المختلفة ككتلة واحدة من المعلومات، بدلاً من تحليل كيفية تكاملها مع بعضها البعض بطريقة أكثر تطوراً. هناك أيضاً مناطق صغيرة لا يزال الكمبيوتر يعاني فيها من المطابقة المثالية للمنحنيات المعقدة والمتطرفة للورم. يخطط الباحثون لمعالجة هذه المشكلات في أعمال مستقبلية، ربما من خلال إضافة المزيد من القواعد حول كيفية ارتباط الأجزاء المختلفة من الورم ببعضها البعض. ورغم هذه القيود، تظهر الدراسة مساراً واضحاً للمضي قدماً: فمن خلال الجمع بين الفهم الشامل والتفاصيل المحلية، والاحترام الصريح لشكل المرض، يمكننا إنشاء أدوات تساعد الأطباء على رؤية الدماغ بوضوح أكبر من أي وقت مضى.