A Hybrid CNN-Transformer Framework for Robust Coronary Artery Stenosis Detection in X-ray Angiography

لا تزال أمراض القلب هي السبب الرئيسي للوفاة في جميع أنحاء العالم، وفي قلب هذه المشكلة يكمن غالباً ضيق في الشرايين التي تمد عضلة القلب بالدم. وتحدث هذه الحالة، المعروفة باسم تضيق الشريان التاجي، عندما تتراكم الرواسب الدهنية والكالسيوم داخل جدران الأوعية الدموية، مما يعيق تدفق الدم الغني بالأكسجين. وإذا ظل هذا الضيق دون اكتشاف أو علاج، فقد يؤدي إلى نوبة قلبية. يعتمد الأطباء حالياً على تصوير الأوعية بالرنين السيني (الأشعة السينية) لرؤية ما بداخل هذه الشرايين. وفي هذا الإجراء، يتم حقن صبغة تباين في مجرى الدم، مما يجعل الأوعية مرئية على شاشة الأشعة السينية. ومع ذلك، فإن قراءة هذه الصور أمر صعب؛ فغالباً ما تكون الصور محببة، ومليئة بالظلال الناتجة عن العظام مثل الأضلاع والفقرات، ومزدحمة بالأدوات الطبية. ويتطلب تفسيرها خبيراً بشرياً ينظر بدقة في كل إطار، وهي عملية بطيئة ومرهقة وعرضة للخطأ البشري.

ولمساعدة الأطباء، لجأ العلماء إلى الذكاء الاصطناعي، وتحديداً نوع من برامج الكمبيوتر يسمى "التعلم العميق". لسنوات، كانت البرامج الأكثر نجاحاً لهذه المهمة مبنية على تقنية تسمى "الشبكات العصبية الالتفافية" (CNNs). هذه البرامج ممتازة في رصد التفاصيل المحلية، مثل الحافة الحادة لجدار الوعاء الدموي أو نسيج معين. ومع ذلك، فهي تعاني في فهم الصورة الكبيرة؛ لأنها تركز بشدة على البكسلات الصغيرة المجاورة، فغالباً ما ترتبك بسبب الخلفية المشوشة، وتخطئ بين ضلع أو قسطرة وبين شريان مسدود. إنها تفتقر إلى القدرة على التراجع خطوة إلى الوراء ورؤية المسار الكامل للوعاء الدموي لفهم شكله الحقيقي. أما التقنية الأحدث، المعروفة باسم "المحول" (Transformer)، فتعالج هذه المشكلة من خلال السماح للكمبيوتر بالنظر إلى الصورة بأكملها دفعة واحدة، مع موازنة أهمية كل جزء بالنسبة لكل جزء آخر. وكان التحدي يكمن في دمج سرعة التقنية القديمة مع الفهم الشامل للتقنية الجديدة.

في هذه الدراسة، اقترح باحثون من عدة جامعات طبية في إيران حلاً جديداً يدمج هذين النهجين. فقد طوروا إطار عمل هجين يستخدم "محول الكشف في الوقت الفعلي" (RT-DETR) للعثور على الشرايين المسدودة في صور الأشعة السينية. وبدلاً من الاعتماد على نوع واحد من الرؤية الحاسوبية، يستخدم نظامهم شبكة قياسية لالتقاط التفاصيل الدقيقة للصورة ثم تمرير تلك المعلومات إلى وحدة "المحول". تعمل هذه الوحدة الثانية كخريطة عالمية، مما يساعد الكمبيوتر على التمييز بين الانسداد الحقيقي والظل المربك الناتج عن ضلع أو عمود فقري. وكان الهدف هو إنشاء أداة ليست دقيقة للغاية فحسب، بل سريعة أيضاً بما يكفي لاستخدامها في الوقت الفعلي أثناء الإجراء الطبي.

قام الفريق بتدريب نظامهم الجديد باستخدام مجموعة كبيرة تضم 8,325 صورة أشعة سينية مأخوذة من 100 مريض مختلف. جاءت هذه الصور من معهد أبحبو في روسيا وتضمنت ظروفاً واقعية متنوعة، مع مستويات مختلفة من الدقة والضجيج. ولتعليم الكمبيوتر كيفية التعامل مع هذه الصور الصعبة، استخدم الباحثون تقنية تعتمد على دمج أربع صور مختلفة معاً لتكوين صورة تدريبية واحدة كبيرة. وقد أجبر هذا النظام على تعلم كيفية رصد الانسدادات الصغيرة حتى عندما تكون محاطة بخلفيات معقدة وفوضوية. كما استخدموا طريقة أخرى تمزج أزواجاً من الصور معاً لإنشاء أمثلة افتراضية جديدة، مما يساعد الكمبيوتر على أن يصبح أكثر قوة في مواجهة الضجيج العشوائي الموجود في الفحوصات الطبية.

وعندما اختبر الباحثون إطار عملهم الجديد مقابل الأساليب الحالية، كانت النتائج واضحة. حقق النموذج الهجين دقة كشف بلغت 97.8 بالمائة، وهي نسبة أعلى من أفضل النماذ السابقة التي اعتمدت كلياً على التقنيات القديمة. وكان أحد أهم التحسينات هو في العثور على الانسدادات الصغيرة؛ حيث حدد النظام الجديد 59.2 بالمائة من هذه الآفات الصغيرة بشكل صحيح، وهي قفزة كبيرة مقارنة بنسبة 51.5 بالمائة التي حققها النموذج الرائد السابق. وهذا أمر بالغ الأهمية لأن الانسدادات الصغيرة غالباً ما تكون الأصعب في الرؤية ولكن يمكن أن تكون الأكثر خطورة إذا تم إغفالها. كما وجد الباحثون أن نظامهم كان سريعاً بشكل ملحوظ، حيث عالج الصور بمعدل 38 إطاراً في الثانية، وهذا أسرع بأكثر من ثلاث مرات من النموذج السابق الأعلى أداءً، والذي كان يدير 11 إطاراً فقط في الثانية.

تشير الدراسة إلى أن هذا النهج الجديد ينجح في سد الفجوة بين الدقة العالية والسرعة المطلوبة للاستخدام السريري. فمن خلال الجمع بين القدرة على رؤية التفاصيل الدقيقة وقوة فهم سياق الصورة بأكملها، يقلل النظام من عدد الإنذارات الكاذبة الناتجة عن ضجيج الخلفية. ويشير المؤلفون إلى أنه بينما تعد النتائج واعدة، فقد تم اختبار النظام على بيانات من مصدر واحد، وهناك حاجة لمزيد من العمل لضمان عمله بنفس الكفاءة على الصور من مستشفيات وأجهزة مختلفة. ومع ذلك، تشير النتائج إلى أن إطار العمل الهجين هذا يقدم أداة قوية وفعالة يمكنها يوماً ما مساعدة أطباء القلب في اتخاذ قرارات أسرع وأكثر موثوقية أثناء إجراءات القلب الحرجة.