Hyperelastic Cardiovascular NN–FE: A Framework for Integrating Nonlinear Finite Element Solvers with Neural Networks for the Hyperelastic Modeling of Cardiac Valve Tissue

يعتبر قلب الإنسان مضخة لا تكل، لكن صماماته هي الحراس الهادئون الذين يضمنون تدفق الدم في اتجاه واحد فقط. هذه الوريقات الرقيقة من الأنسجة، المعروفة باسم "الوريقات"، يجب أن تتحمل ضغطاً مستمراً، حيث تتمدد وتعود لوضعها الأصلي مع كل نبضة. ولفهم كيفية عملها، أو لتصميم بدائل اصطناعية لا تفشل، يحتاج العلماء إلى التنبؤ بدقة بكيفية تشوه هذا النسيج تحت تأثير الإجهاد. تقليدياً، كان يتم القيام بذلك باستخدام محاكاة حاسوبية معقدة تعامل النسيج كأنه لغز رياضي. هذه المحاكاة دقيقة للغاية ولكنها بطيئة للغاية أيضاً، إذ غالباً ما تستغرق ساعات أو حتى أياماً لتشغيل سيناريو واحد. وهذا الحد من السرعة يجعلها غير عملية للاستخدامات في الوقت الفعلي، مثل توجيه الجراح أثناء العملية أو اختبار آلاف التصاميم للأجهزة في فترة ما بعد الظهر الواحدة. ومن ناحية أخرى، فإن الطرق الجديدة التي تعتمد كلياً على البيانات والذكاء الاصطناعي يمكن أن تكون سريعة، لكنها غالباً ما تفتقر إلى فهم عميق للقوانين الفيزيائية التي تحكم النسيج، مما يؤدي أحياناً إلى إنتاج نتائج تبدو منطقية ولكنها مستحيلة فيزيائياً.

لقد نجح فريق من الباحثين الآن في جسر هذه الفجوة من خلال إنشاء نظام هجين جديد يجمع بين سرعة الذكاء الاصطناعي والدقة الفيزيائية الصارمة لبرمجيات الهندسة التقليدية. يركز عملهم على الصمام ثلاثي الشرفات، وتحديداً الوريقة الخلفية، وهي عبارة عن ورقة رقيقة ومرنة من الأنسجة توجد في الجانب الأيمن من القلب. أراد الباحثون معرفة ما إذا كان بإمكانهم تدريب برنامج حاسوبي للتنبؤ بكيفية تمدد هذا النسيج وانحنائه تحت قوى مختلفة، دون الحاجة إلى تشغيل عمليات المحاكاة الثقيلة والبطيئة في كل مرة. لم يكتفوا بتعليم الكمبيوتر التخمين بناءً على صور سابقة؛ بل بنوا نظاماً يتم فيه فحص تخمينات الكمبيوتر وتصحيحها باستمرار بواسطة محرك فيزيائي. يسمح هذا النهج للنظام بتعلم السلوك الميكانيكي الحقيقي للنسيج مع الحفاظ على السرعة اللازمة للتطبيقات في العالم الحقيقي.

لبناء هذا النظام، بدأ الفريق ببيانات بيولوجية حقيقية. فقد أخذوا عينة من نسيج قلب خنزير، وهو نموذج شائع لميكانيكا قلب الإنسان، وقطعوا قطعة مربعة صغيرة من مركز الصمام. ثم وضعوا هذه العينة في آلة تسحبها من أربعة جوانب، مما يؤدي إلى تمددها بمجموعات مختلفة من القوى. اختبروا سبعة أنماط متميزة من السحب، تتراوح من السحب بالتساوي في جميع الاتجاهات إلى السحب بقوة أكبر بكثير في اتجاه واحد مقارنة بالاتجاهات الأخرى. ومن خلال قياس كيفية تحرك النسيج وتشوهه تحت هذه الأحمال المحددة، رسموا خريطة مفصلة لسلوكه الميكانيكي. وقد أكدوا أن النسيج يتصرف كمادة "فائقة المرونة" (hyperelastic)، مما يعني أنه يعود إلى شكله الأصلي بعد تمدده، ولكنه يصبح أكثر صلابة كلما تم شده أكثر، وهي سمة ضرورية لعمل صمامات القلب بشكل صحيح.

إن جوهر إطار عملهم الجديد هو شراكة بين نوعين مختلفين من البرامج الحاسوبية. الأول هو "الشبكة العصبية"، وهي نوع من الذكاء الاصطناعي المصمم للتعرف على الأنماط. تعمل هذه الشبكة كمتنبئ سريع، حيث تأخذ موقع النسيج ومقدار القوة المطبقة، وتخمن فوراً مقدار حركة تلك النقطة المحددة. ومع ذلك، ولأن النسيج معقد والقوى غير خطية، فإن التخمين البسيط نادراً ما يكون مثالياً. وهنا يأتي دور الجزء الثاني من النظام: "المحلل ذو العناصر المحدودة" (finite element solver) التقليدي. هذا هو البرنامج الهندسي شديد القوة الذي يحسب قوانين الفيزياء لضمان أن النسيج في حالة توازن. في هذا الإطار الجديد، تقوم الشبكة العصبية بعمل تخمين سريع، ثم يتدخل البرنامج الهندسي فوراً لتصحيحه، مما يضمن استيفاء قوانين الفيزياء. بعد ذلك، تتعلم الشبكة العصبية من هذا التصحيح، وتعدل منطقها الداخلي لتقديم تخينات أفضل في المرة القادمة.

أثبت نهج "المحلل داخل الحلقة" (solver-in-the-loop) فعاليته العالية. اختبر الباحثون نظامهم عن طريق إخفاء أحد أنماط التمدد السبعة من بيانات التدريب وطلب التنبؤ بنتيجة هذا النمط المخفي. وفي معظم الحالات، نجح النظام في التنبؤ بحركة النسيج بدرجة عالية من الدقة؛ فبالنسبة للشكل العام وحركة النسيج، كانت التوقعات خاطئة بأقل من 15 بالمائة في المتوسط، كما طابق توقيت الحركة الفيزياء الحقيقية بشكل مثالي تقريباً. وكان النظام أكثر دقة عند التنبؤ بمقدار تمدد النسيج، حيث بلغت الأخطاء أقل من 1.4 بالمائة. وعندما تعلق الأمر بالتنبؤ بالإجهاد الداخلي، أو القوة التي تشعر بها ألياف النسيج، ظل الخطأ دون 7.8 بالمائة. تشير هذه النتائج إلى أن النظام قد تعلم حقاً القواعد الأساسية لكيفية سلوك النسيج، بدلاً من مجرد حفظ البيانات التي عُرضت عليه.

كشفت الدراسة أيضاً عن المواضع التي يعاني فيها النظام. كانت التوقعات أكثر دقة في منتصف عينة النسيج، حيث تكون الحركة سلسة ويمكن التنبؤ بها. أما الأخطاء فكانت تتجمع بالقرب من الحواف، حيث يتم إمساك النسيج بواسطة آلة الاختبار. وهذا تحدٍ معروف في الميكانيكا؛ إذ تخلق القيود الحادة عند الحواف تركيزات إجهاد معقدة يصعب على أي نموذج حلها بشكل مثالي. علاوة على ذلك، وجد النظام صعوبة طفيفة في التنبؤ بسلوك النسيج عندما كانت القوى غير متوازنة للغاية، مثل السحب بقوة أكبر بكثير في اتجاه واحد مقارنة بالاتجاه الآخر، خاصة إذا كان هذا النوع المحدد من عدم التوازن نادراً في بيانات التدريب. وبالرغم من هذه التحديات الموضعية، استطاع النظام باستمرار إعادة إنتاج منحنى "شكل حرف J" المميز لاستجابة النسيج، ملتقطاً كلاً من التمدد الأولي السهل والصلابة السريعة التي تحدث عند الأحمال العالية.

تكمن أهمية هذا العمل في قدرته على تغيير كيفية تعامل المهندسين الطبيين الحيويين مع المشكلات المعقدة. فمن خلال الجمع بين مرونة الشبكات العصبية وموثوقية المحللات القائمة على الفيزياء، أنشأ الباحثون أداة تتسم بالسرعة والموثوقية في آن واحد. وخلافاً للنماذج القائمة على البيانات فقط والتي قد تفشل عند مواجهة موقف جديد، فإن هذا النظام الهجين يستند إلى القوانين الفيزيائية للمادة. وهذا يجعله مرشحاً واعداً للتطبيقات في الوقت الفعلي، مثل مساعدة الجراحين في التخطيط للعمليات أو السماح للمهندسين باختبار تصاميم صمامات القلب الجديدة بسرعة. وبينما اقتصرت الدراسة الحالية على عينة نسيج واحدة وظروف تحميل ثابتة، فإن إطار العمل هذا يوضح مساراً واضحاً للمضي قدماً. فهو يظهر أنه من الممكن بناء أنظمة ذكية تحترم قوانين الفيزياء، مما يقدم طريقة جديدة وقوية لمحاكاة الميكانيكا المعقدة لجسم الإنسان دون التضحية بالسرعة أو الدقة.