ATLAS: Development and Evaluation of an AI -Enabled Framework for Anatomically Traceable Measurement Assurance in Fetal-Head Ultrasound Biometry

في الغرفة الهادئة خافتة الإضاءة في عيادة الموجات فوق الصوتية، يوجه أخصائي التصوير جهاز الاستشعار فوق بطن امرأة حامل، باحثاً عن زاوية محددة لرأس الجنين النامي. هذه اللحظة حاسمة؛ فلفهم كيفية نمو الطفل، يحتاج الأطباء إلى قياسات دقيقة للجمجمة، وتحديداً العرض عبر الدماغ والمسافة من الأمام إلى الخلف. تساعد هذه الأرقام في تحديد عمر الجنين وما إذا كان ينمو بوتيرة صحية. ومع ذلك، فإن الحصول على هذه الأرقام بشكل صحيح يعتمد كلياً على جودة الصورة. فإذا مال جهاز الاستشزال ولو قليلاً، أو إذا كان وضع الجنين غير مريح، فقد تبدو الصورة الناتجة وكأنها رأس، لكن القياسات المأخوذة منها ستكون خاطئة. لعقود من الزمن، كان هذا تحدياً بشرياً: إذ يتعين على الطبيب النظر إلى صورة باهتة باللونين الأبيض والأسود، وتحديد ما إذا كانت هي الزاوية الصحيحة، ثم وضع الفرجار الرقمي لقياس الجمجمة. ومع بدء الذكاء الاصطناعي في تولي هذه المهمة، واعداً بقياس رأس الجنين تلقائياً، ظهرت مشكلة جديدة: يمكن للكمبيوتر أن يخرج رقماً بثقة حتى لو كانت الصورة التي ينظر إليها ضبابية، أو مائلة، أو تفتقر إلى المعالم الرئيسية. والخطر يكمن في أن الطبيب قد يثق في رقم يبدو مثالياً ولكنه حُسب من صورة معيبة، مما يؤدي إلى قرارات طبية خاطئة.

قام فريق من الباحثين في جامعة غريفيث ومستشفى جامعة غولد كوست بتطوير نظام جديد يسمى ATLAS لحل مشكلة الثقة هذه. فبدلاً من مجرد إعطاء رقم واحد، صُمم ATLAS ليعمل كمساعد حذر يتحقق من عمله قبل التحدث. يقسم النظام عملية القياس إلى ثلاث خطوات متميزة تحاكي طريقة تفكير الطبيب البشري: أولاً، يجد رأس الجنين؛ ثانياً، يتأكد من أن الهياكل الداخلية للدماغ مرئية وصحيحة؛ وثالثاً، يحسب القياسات. والأهم من ذلك، أن النظام يحتفظ بسجل مفصل لكل خطوة اتخذها. فهو يتذكر بالضبط أين وجد الرأس، وما هي الأدلة التي رآها لإثبات صحة الصورة، وكيف حول البكسلات الموجودة على الشاشة إلى مليمترات. يضمن هذا النهج أنه في حال إجراء أي قياس، سيكون هناك مسار واضح وقابل للتدقيق من الأدلة يوضح سبب موثوقية هذا القياس. وقد اختبر الباحثون هذا النظام على آلاف صور الموجات فوق الصوتية من مستشفيات مختلفة ووجدوا أنه بينما استطاع الكمبيوتر إيجاد الرأس بشكل شبه مثالي، فإن الطريقة التي يقيس بها الرأس كانت مهمة للغاية. واكتشفوا أن طريقة أبسط للقياس، تعتمد على شكل الصندوق الذي رسمه الكمبيوتر حول الرأس، كانت غالباً أكثر دقة من طريقة أكثر تعقيداً تحاول تتبع الخط الخارقي الدقيق للجمجمة. علاوة على ذلك، أظهروا أنه عندما تم تكييف النظام للعمل مع بيانات من مستشفى جديد، فقد أصبح أفضل في إيجاد الرأس ولكنه أصبح أسوأ في قياسه، مما يثبت أن إيجاد جسم ما ليس هو نفسه قياسه بشكل صحيح.

يقوم جوهر نظام ATLAS على فكرة أن القياس يكون جيداً بقدر جودة الظروف التي أُجري فيها. في المرحلة الأولى، المسماة "البحث" (Find)، يقوم الكمبيوتر بمسح صورة الموجات فوق الصوتية بالكامل لتحديد موقع رأس الجنين، ويرسم صندوقاً حول المنطقة التي يعتقد أنها تحتوي على الجمجمة. وإذا لم يستطع الكمبيوتر إيجاد رأس بثقة كافية، فإنه يتوقف ببساطة ويبلغ عن عدم توفر قياس، بدلاً من التخمين. في المرحلة الثانية، "التأكيد" (Confirm)، يقوم النظام بتكبير ذلك الصندوق للبحث عن معالم داخلية محددة، مثل المساحة المملوءة بالسوائل في منتصف الدماغ والبطينات الجانبية. هذه الهياكل ضرورية للتأكد من أن مستوى الموجات فوق الصوتية هو المستوى الصحيح للقياس. وإذا كانت هذه المعالم مفقودة، فإن النظام يعرف أن الصورة قد تكون من زاوية خاطئة، حتى لو تم العثور على الرأس نفسه. وأخيراً، في مرحلة "القياس" (Measure)، يحسب النظام عرض ومحيط الرأس. وقد اختبر الباحثون طريقتين مختلفتين للقيام بذلك: استخدمت إحدى الطريقتين خوارزمية معقدة لتتبع المنحنى الدقيق للجمجمة، بينما استخدمت الأخرى الأبعاد البسيطة للصندوق الموجود في المرحلة الأولى.

وعندما اختبر الباحثون هذه الطرق على مجموعة كبيرة من الصور من مستشفى عام، وجدوا نتيجة مفاجئة. فالطريقة الأبسط، التي استخدمت أبعاد الصندوق، أنتجت قياسات أكثر دقة من طريقة التتبع المعقدة. وتحديداً، كانت طريقة الصندوق صحيحة ضمن هامش ضيق جداً لأكثر من 91 بالمائة من الصور، بينما كانت طريقة التتبع المعقدة صحيحة لنحو 84 بالمائة فقط. وكانت الطريقة المعقدة تميل إلى التقليل من عرض الرأس بمقدار مليمتر واحد تقريباً في المتوسط، وهو فرق صغير يمكن أن يغير مخطط نمو الطفل بشكل كبير. لقد تحدى هذا الاكتشاف الافتراض الشائع في الذكاء الاصطناعي بأن النماذج الأكثر تعقيداً هي دائماً الأفضل. كما اختبر الباحثون النظام على صور من مستشفيين آخرين في إسبانيا والمملكة المتحدة لمعرفة ما إذا كان سيعمل مع بيانات لم يسبق له رؤيتها. كان النظام ممتازاً في إيجاد الرأس في هذه الصور الجديدة، حيث حدد موقعه في كل إطار تقريباً. ومع ذلك، تباينت دقة القياسات اعتماداً على المستشفى. ففي البيانات الإسبانية، ظلت طريقة الصندوق البسيطة هي الأكثر دقة. أما في بيانات المملكة المتحدة، فقد كان أداء طريقة التتبع المعقدة أفضل. وهذا أظهر أن أفضل طريقة للقياس تعتمد على الخصائص المحددة للصور المستخدمة، مثل كيفية إعداد جهاز الموجات فوق الصوتية وكيفية تسمية الصور من قبل الخبراء.

ركز جزء كبير من الدراسة على ما يحدث عندما يتم تدريب نظام على بيانات من مستشفى واحد ثم استخدامه في مستشفى آخر. حاول الباحثون "ضبط" (Fine-tune) النظام باستخدام بيانات من المستشفيات الجديدة، آملين في جعله يعمل بشكل أفضل هناك. ووجدوا أنه بينما جعلت هذه العملية النظام أفضل في إيجاد الرأس - مما حسن التداخل بين صندوق الكمبيوتر والرأس الفعلي بنسبة مئوية قلي تفوق الأصل - إلا أنها جعلت القياسات أقل دقة، بل أصبحت القياسات أكثر خطأً وليس أقل. وهذا يشير إلى أن مجرد جعل الكمبيوتر أفضل في رصد جسم ما لا يضمن قياس ذلك الجسم بشكل صحيح. ولحل هذه المشكلة، جرب الباحثون تقنية تسمى "التجميع" (Aggregation)، حيث قاموا بدمج المعرفة من النسخ المختلفة للنظام الخاصة بكل مستشفى دون خلط صور المرضى الفعلية. نجح هذا النهج في استعادة الدقة جزئياً، خاصة بالنسبة لبيانات المملكة المتحدة، مما أظهر أنه من الممكن مشاركة التعلم بين المؤسسات دون مشاركة بيانات المرضى الخاصة. والنظام بأكل متميز بخفته، حيث يتطلب 16.5 ميجابايت فقط من الذاكرة ويستغرق أقل من 60 مللي ثانية لمعالجة صورة واحدة، مما يعني أنه يمكنه نظرياً العمل على أجهزة الموجات فوق الصوتية القياسية دون الحاجة إلى أجهزة كمبيوتر قوية ومكلفة.

تضمنت الدراسة أيضاً مراجعة من متخصص طبي نظر في الصور التي عالجها النظام. وأكد الطبيب أن النهج التدريجي للنظام سهل الفهم، وأنه حدد بشكل صحيح متى تكون الصورة مناسبة للقياس ومتى لا تكون كذلك. وأشار الطبيب إلى أنه حتى عندما لا تكون الصورة مثالية للقياس المعياري، فإن النظام لا يزال يحتفظ بمعلومات مفيدة حول وضعية الجنين وتشريح جسمه. وهذا أمر مهم لأن هذا يعني أن النظام لا يكتفي برمي الصور "السيئة" فحسب، بل يحتفظ بالأدلة ليتسنى للإنسان أن يقرر ما إذا كان لا يزال هناك قيمة في النظر إليها. وأكد الباحثون أن نظامهم ليس بديلاً عن حكم الطبيب، بل هو أداة لجعل عملية القياس شفافة. ومن خلال الاحتفاظ بسجل لكل خطوة، من البحث الأولي عن الرأس إلى الحساب النهائي، يتيح النظام للأطباء معرفة سبب توليد رقم معين بدقة. فإذا بدا القياس غير دقيق، يمكن للطبيب تتبعه ليرى ما إذا كان قد تم العثور على الرأس في المكان الصحيح، وما إذا كانت هياكل الدماغ الداخلية مرئية، وما إذا كان المقياس الصحيح قد استُخدم لتحويل الصورة إلى مليمترات.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد قياس رأس الجنين؛ فهي تعالج قضية جوهرية في الذكاء الاصطناعي الطبي: الحاجة إلى أنظمة ليست دقيقة فحسب، بل موثوقة وقابلة للتفسير أيضاً. في الماضي، كانت أنظمة الذكاء الاصطناعي تعمل غالباً كـ "صناديق سوداء"، تقدم إجابة دون شرح كيفية الوصول إليها، مما جعل من الصعب على الأطباء معرفة متى يثقون في الآلة ومتى يدققون في عملها. يوضح نظام ATLAS أنه من الممكن بناء نظام يعامل القياس كعملية لجمع الأدلة وليس مجرد عملية حسابية. أظهرت الدراسة أن سلامة البيانات لا تقل أهمية عن الخوارزمية نفسها؛ فقد بنى الباحثون طبقة من الضوابط لضمان أن البيانات المستخدمة لتدريب النظام كانت نظيفة وأنه لم يتم خلط بيانات أي مريض بالخطأ بين مجموعات التدريب والاختبار. حتى أنهم اختبروا النظام عن طريق إدخال أخطاء متعمدة في البيانات، مثل الصور المكررة أو الملصقات المفقودة، ونجح النظام في رصد كل خطأ منها. هذا المستوى من الصرامة يضمن أن النتائج موثوقة وأن النظام لا يتعلم من الأخطاء الموجودة في البيانات.

في نهاية المطاف، يقدم إطار عمل ATLAS طريقة جديدة للتفكير في الذكاء الاصطناعي الطبي. فهو ينقل التركيز من مجرد الحصول على رقم إلى فهم الظروف التي تجعل هذا الرقم صالحاً. وجد الباحثون أن النظام يمكنه التعامل مع تعقيدات صور الموجات فوق الصوتية في العالم الحقيقي، والعمل عبر مستشفيات مختلفة ومع أنواع مختلفة من المعدات. وبينما ليس النظام جاهزاً بعد للاستخدام في بيئة سريرية مباشرة، فإن الدراسة توفر أساساً قوياً للتطوير المستقبلي. فهي تظهر أنه من خلال تقسيم مهمة معقدة إلى خطوات أصغر وقابلة للتحقق، والاحتفاظ بسجل واضح للأدلة، يمكننا بناء أنظمة ذكاء اصطناعي يمكن للأطباء الوثوق بها. الخطوة التالية ستكون اختبار هذا النظام في الوقت الفعلي أثناء عمليات فحص الموجات فوق الصوتية الفعلية لمعرفة كيفية أدائه عندما يكون الطبيب ممسكاً بجهاز الاستشعار ويتخذ القرارات في الوقت الفعلي. وحتى ذلك الحين، يظل هذا العمل بمثابة إثبات لمفهوم أن الشفافية والقابلية للتتبع هما أمران أساسيان للاستخدام الآمن والفعال للذكاء الاصطناعي في الطب.