External Validation of Deep Learning OCTA Quality Control for Foveal Avascular Zone Analysis
تُظهر هذه الدراسة أن مسار التعلم العميق لنموذج DenseNet-161 الذي تم ضبطه بدقة يمكنه تصنيف جودة صور التصوير المقطعي للتماسك البصري (OCTA) بفعالية لتحليل المنطقة الخالية من الأوعية الدموية في مركز الإبصار، مع أداء واعد على مجموعة بيانات خارجية، مما يوفر أداة فحص مسبق مؤتمتة تتطلب مزيدًا من التحقق قبل النشر السريري الواسع.
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
تعد العين البشرية أعجوبة من أعاجيب الهندسة البيولوجية، لكن هياكلها الداخلية صغيرة ودقيقة للغاية لدرجة أن أدنى تشوش يمكن أن يخفي تفاصيل حاسمة. ولدراسة الشبكية، وهي الأنسجة الحساسة للضوء في الجزء الخلفي من العين، يستخدم الأطباء غالباً تقنية تسمى التصوير المقطعي للتماسك البصري الوعائي. تنشئ هذه الطريقة خرائط تفصيلية غير جراحية للأوعية الدموية الدقيقة التي تغذي العين، وتكشف عن كيفية تدفق الدم دون الحاجة إلى حقن أي صبغة في مجرى الدم. وتعد هذه الخرائط ضرورية لفهم حالات مثل اعتلال الشبكية السكري، حيث تتضرر الأوعية الدموية، أو التنكس البقعي، حيث يتدهور الجزء المركزي من الشبكية. ومع ذلك، فإن هذه الصور هشة؛ فقد تتحرك عين المريض قليلاً، أو قد يختل التركيز، أو قد تضعف الإشارة، مما يؤدي إلى ظهور عيوب (artifacts) تبدو كأنها أوعية دموية ولكنها في الواقع مجرد أخطاء. وإذا حاول جهاز كمبيوتر قياس منطقة معينة، مثل المنطقة الخالية من الأوعية في النقرة (foveal avascular zone) — وهي دائرة صغيرة خالية طبيعياً من الأوعية في مركز الشبكية تماماً — في صورة مشوشة أو مهتزة، فإن القياسات الناتلة ستكون خاطئة. ولعقود من الزمن، كان فحص جودة هذه الصور مهمة بطيئة ويدوية يقوم بها خبراء بشريون، الذين يتعين عليهم تحديد ما إذا كانت الصورة واضحة بما يكفي للثقة بها واحدة تلو الأخرى.
قام فريق من الباحثين من مستشفيات وجامعات في سويسرا وهولندا بتطوير طريقة جديدة لأتمتة فحص الجودة هذا باستخدام الذكاء الاصطناعي. لقد أنشأوا نظاماً رقمياً مصمماً ليعمل كحارس بوابة، يقوم بفرز آلاف الصور الشبكية فورياً ليفصل بين الصور الواضحة والقابلة للاستخدام، والصور المشوشة وغير القابلة للاستخدام. تم بناء النظام من خلال تعليم برنامج كمبيوتر، يُعرف باسم نموذج التعلم العميق، كيفية التمييز بين الصور الجيدة والسيئة. بدأ الباحثون بتغذية الكمبيوتر بآلاف الصور من مستشفى جول جونسون للعيون في لوزان، حيث قام خبراء بشريون بالفعل بتصنيف كل صورة على أنها إما عالية الجودة أو منخفضة الجودة. تعلم الكمبيوتر كيفية رصد العلامات الدقيقة لتشوش الحركة، أو ضعف التركيز، أو فقدان الإشارة التي يبحث عنها البشر. وبمجرد تدريب الكمبيوتر، اختبره الباحثون على مجموعة جديدة تماماً من الصور من مركز إراسموس الطبي في روتردام، وهو مستشفى مختلف بمعدات ومرضى مختلفين. والأهم من ذلك، أنهم لم يعلموا الكمبيوتر أي شيء جديد عن صور روتردام؛ بل تركوا النظام ببساطة يطبق ما تعلمه في لوزان في هذه البيئة الجديدة ليرى ما إذا كان لا يزال قادراً على تمييز الفرق.
أظهرت نتائج هذا الاختبار أن النظام يعمل، ولكن مع وجود قيود مهمة. فعندما نظر الكمبيوتر في 22 صورة من مستشفى روتردام، حدد جودة الصور بشكل صحيح بنسبة 64 بالمائة تقريباً. وقد كان بارعاً بشكل خاص في رصد الصور السيئة، حيث رفض بشكل صحيح 87.5 بالمائة من الصور منخفضة الجودة. وهذه سمة قيمة لأنها تعني أن النظام من غير المرجح أن يسمح بمرور صورة مشوشة ومضللة تفسد القياسات النهائية. ومع ذلك، كان النظام أقل نجاحاً في تأكيد الصور التي كانت جيدة بالتأكيد، مما يعني أنه كان يتخلص أحياناً من صور كان يمكن استخدامها. ووجد الباحثون أنه بينما نجح النظام في التمييز بين الصور الجيدة والسيئة دون الحاجة إلى إعادة تدريبه للمستشفى الجديد، إلا أن أداءه لم يكن مثالياً. وتشير الدراسة صراحة إلى أن هذا المستوى من الدقة ليس عالياً بما يكفي بعد للادعاء بأن النظام يمكنه العمل عالمياً عبر جميع أنواع الكاميرات أو المستشفيات المختلفة دون مزيد من الاختبار.
يوضح الباحثون بحذر أن هذه الأداة ليست حلاً سحرياً يحل كل مشكلة في تصوير العين. فالنظام يتخذ قراراً بسيطاً، إما "نعم" أو "لا"، لكل صورة: فهو إما يحتفظ بالصورة كاملة أو يرفضها. ولا يمكنه النظر إلى صورة واحدة وقول: "النصف العلوي مشوش، لكن النصف السفلي واضح"، كما لا يمكنه شرح ما حدث بالضبط بالصورة المرفوضة. علاوة على ذلك، لم تثبت الدراسة أن استخدام هذا النظام يحسن القياسات الطبية النهائية أو يوفر الوقت للأطباء؛ بل أثبتت فقط أن النظام يمكنه فرز الصور. ويقترح الفريق أنه لكي تكون هذه الأداة مفيدة حقاً في السياق السريري، يجب اختبارها على مجموعات أكبر بكثير من الناس ومقارنتها مباشرة بالخبراء البشريين لمعرفة ما إذا كانت تساعد الأطباء حقاً في اتخاذ قرارات أفضل. وفي الوقت الحالي، يعد ضبط الجودة المؤتمت هذا خطوة أولى واعدة، حيث يوفر طريقة للتعامل مع الحجم الهائل من الصور التي ينتجها أبحاث العيون الحديثة، ولكنه يظل أداة تتطلب إشرافاً بشرياً ومزيداً من التطوير قبل أن يمكن الوثوق بها لتعمل بمفردها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.