💻 computer science

Deep Learning Based Automated Assessment of Ulcerative Colitis Endoscopic Severity Using Local Global Transformer and Graph Convolutional Networks

تقترح هذه الدراسة نموذج L-GTACNet، وهو إطار عمل هجين للتعلم العميق يجمع بين محولات (Transformers) محلية-عالمية وشبكات تلافيفية رسومية مع تقنيات تحسين الصور لتحقيق دقة بنسبة 94.8% في التقييم الآلي والموضوعي لشدة التهاب القولون التقرحي بناءً على مقياس مايوو للتشخيص بالمنظار.

المؤلفون الأصليون: Latha Dharmalingam, Lakshmi Dhandapani, R. Kumar, S. Vijayakumar

نُشر 2026-10-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Latha Dharmalingam, Lakshmi Dhandapani, R. Kumar, S. Vijayakumar

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

داخل جسم الإنسان، يُعد القولون أنبوبًا طويلًا ومرنًا يمتص الماء والمواد المغذية من الطعام. وعندما يصبح هذا البطانة ملتهبة بشكل مزمن، يتطور حالة تُعرف باسم التهاب القولون التقرحي. هذا المرض لا يبقى ساكنًا؛ بل يشتد ويهدأ، مما يجعل الأنسجة تصبح حمراء ومتورمة وهشة. ولفهم مدى سوء الالتهاب، يستخدم الأطباء كاميرا مثبتة على أنبوب مرن، تسمى منظار القولون، للنظر مباشرة إلى داخل القولون. ويقومون بتعيين درجة لما يرونه، تتراوح من سطح أملس وصحي إلى سطح ينزف ومغطى بقروح مفتوحة. هذه الدرجة، المعروفة باسم "مقياس مايو للناظور"، توجه قرارات العلاج. ومع ذلك، فإن النظر في هذه الصور أمر صعب؛ إذ يمكن أن تكون الإضاءة داخل الجسم غير متساوية، كما يبدو النسيج مختلفًا من شخص لآخر، والفرق بين التهيج الطفيف والضرر المتوسط قد يكون دقيقًا. وحتى الأطباء ذوو الخبرة قد يختلفون في تحديد شدة الحالة بدقة، مما قد يؤدي إلى عدم اتساق في الرعاية.

لقد طور فريق من الباحثين نظامًا حاسوبيًا جديدًا مصممًا للمساعدة في حل مشكلة الاختلاف البشري والغموض البصري هذه. فقد أنشأوا أداة يمكنها النظر في صور تنظير القولون وتعيين درجة الشدة الصحيحة تلقائيًا بدقة عالية. يعمل النظام، المسمى L-GTACNet، من خلال الجمع بين طريقتين مختلفتين للرؤية. أولاً، يستخدم طريقة تعمل مثل "نظارات ذكية"، حيث تصحح الإضاءة غير المتساوية وتعزز التباين بحيث تصبح الحمرة الخفيفة أو التمزقات الصغيرة في الأنسجة واضحة. بعد ذلك، يحلل الصورة بطريقتين في آن واحد؛ فهو ينظر بدقة إلى التفاصيل الصغيرة، مثل بقعة واحدة من الاحمرار أو تآكل صغير، بينما يتراجع في الوقت نفسه لرؤية الصورة الكبيرة لكيفية انتشار الالتهاب عبر المشهد بأكمله. كما يربط بين هذه النقاط المختلفة، مدركًا أن تجمع المشكلات الصغيرة في منطقة واحدة قد يرتبط بنمط أكبر قريب منها. ومن خلال نسج هذه التفاصيل المحلية والأنماط العالمية معًا، يتعلم الكمبيوتر التعرف على البصمات البصرية المحددة لكل مرحلة من مراحل المرض.

اختبر الباحثون هذا النظام باستخدام مجموعة كبيرة تضم أكثر من أحد عشر ألف صورة لتنظير القولون من أكثر من خمسمائة مريض. وقد تم تصنيف هذه الصور بعناية من قبل أطباء خبراء حددوا شدة الالتهاب في كل إطار. تم تدريب الكمبيوتر على معظم هذه الصور ثم اختُبر على مجموعة منفصلة لم يسبق له رؤيتها، مما يضمن أن أداءه كان حقيقيًا وليس مجرد نتيجة للحفظ. كانت النتائج مذهلة؛ فقد حدد النظام شدة المرض بشكل صحيح في ما يقرب من 95 بالمائة من الحالات. وكان متميزًا بشكل خاص في التمييز بين القولون السليم والقولون المصاب بالتهاب طفيف، وكذلك في تحديد الحالات الأكثر خطورة حيث تكون الأنسجة متقرحة ونازفة. وعندما ارتكب الكمبيوتر أخطاءً، كانت عادةً أخطاءً بسيطة، مثل الخلط بين حالة خفيفة وحالة متوسطة، بدلاً من ارتكاب خطأ كبير مثل وصف قولون سليم بأنه شديد؛ وهذا يشير إلى أن النظام يستوعب الطبيعة التدريجية لتطور المرض.

ما يجعل هذا النهج واعدًا بشكل خاص ليس دقته فحسب، بل قدرته على "إظهار عمله". فالنظام لا يكتفي بإخراج رقم فقط؛ بل يسلط الضوء على المناطق المحددة في الصورة التي أدت إلى قراره. فعندما يحدد الكمبيوتر حالة شديدة، فإنه يركز انتباهه على القروح النازفة والأنسجة التالفة والخشنة، متجاهلًا الأجزاء السليمة من القولون. وعندما يرى حالة خفيفة، فإنه يركز على الاحمرار الطفيف وفقدان نمط الأوعية الدموية الطبيعي. تتيح هذه الشفافية للأطباء رؤية ما ينظر إليه الكمبيوتر بالضبط، مما يساعد في بناء الثقة في هذه الأداة. وقد وجد الباحثون أن النظام ركز اهتمامه على نفس السمات التي يبحث عنها الخبراء البشريون، مثل وجود النزيف، وملمس الأنسجة، ومدى الضرر.

بينما قدم النظام أداءً استثنائيًا في هذه الدراسة، يحرص الباحثون على ملاحظة أنه ليس جاهزًا بعد لاستبدال الأطباء البشر. فقد أُجري الاختبار على مجموعة محددة من الصور، والممارسة الطبية في العالم الحقيقي تتضمن متغيرات عديدة، مثل أنواع مختلفة من الكاميرات وحالات المرضى المتفاوتة. تشير الدراسة إلى أن هذه التكنولوجيا يمكن أن تصبح مساعدًا قويًا، يقدم رأيًا ثانيًا يتسم بالاتساق والموضوعية. ويمكنها أن تساعد في ضمان حصول كل مريض على المستوى المناسب من الرعاية بناءً على تقييم موثوق لحالته. في الوقت الحالي، يظل النظام أداة متطورة تعلمت كيف ترى "اللغة الخفية" للالتهاب في القولون، محولةً البيانات البصرية المعقدة إلى درجة واضحة وقابلة للتنفيذ، يمكنها يومًا ما أن تساعد الأطباء في اتخاذ قرارات أفضل لمرضاهم.

ملخص تقني: شبكة L-GTACNet للتقييم الآلي لشدة التهاب القولون التقرحي

أبحاث مشابهة