A Study on the Application of Multimodal MRI Deep Learning in the Early Detection of Osteonecrosis of the Femoral Head

يعتبر جسم الإنسان آلة معقدة، لكن بعض حالات فشله الأكثر خطورة تحدث بصمت، في أعماق المفاصل حيث تلتقي العظام. إحدى هذه الحالات هي نخر عظم رأس الفخذ، وهو مرض يحدث فيه انقطاع في الإمداد الدموي للكرة الموجودة في أعلى عظمة الفخذ، مما يؤدي إلى موت أنسجة العظام. غالبًا ما تكون هذه العملية غير مؤلمة في مراحلها الأولى، ومع ذلك، إذا تُركت دون علاج، يمكن للعظم الضعيف أن ينهار، مما يؤدي إلى ألم شديد، وفقدان للحركة، والحاجة في النهاية إلى استبدال كامل لمفصل الورك. ولأن النافذة الزمنية لإنقاذ المفصل ضيقة، فإن اكتشاف المرض مبكرًا أمر حيوي. لعقود من الزمن، اعتمد الأطباء على التصوير بالرنين المغناطيسي، وهي تقنية مسح قوية يمكنها الرؤية داخل الجسم دون جراحة، لرصد هذه العلامات التحذيرية المبكرة. ومع ذلك، فإن قراءة هذه الصور مهمة شاقة تتطلب عينًا مدربة تدريبًا عاليًا للتمييز بين التغيرات الطفيفة في نسيج العظام وبين الاختلافات الطبيعية، وهي عملية قد تختلف من طبيب لآخر وقد تغفل أحيانًا عن أدق إشارات الخطر.

في جهد حديث لجلب المزيد من الاتساق والسرعة إلى هذا التشخيص الذي يغير الحياة، طور باحثون من عدة مؤسسات طبية وتكنولوجية في الصين طريقة جديدة لاستخدام الذكاء الاصطناعي. لقد لجأوا إلى نوع محدد من برامج الكمبيوتر المعروف باسم نموذج التعلم العميق، والذي يعمل مثل عين رقمية مدربة على التعرف على الأنماط. وتحديدًا، اختبروا عائلة من هذه البرامج تسمى YOLO، والتي ترمز إلى "You Only Look Once" (أنت تنظر مرة واحدة فقط). تشتهر هذه البرامج بقدرتها على مسح صورة وتحديد الأشياء بشكل فوري تقريبًا، وهي مهارة تُرى عادةً في السيارات ذاتية القيادة أو كاميرات المراقبة، ولكن تم تطبيقها هنا على المسحات الطبية. أراد الفريق معرفة ما إذا كان بإمكانهم تعليم هذه البرامج العثور على العلامات المبكرة لموت العظام في مسحات الورك بدقة أكبر مما يمكن للإنسان، وأن يفعلوا ذلك بسرعة كافية لتكون مفيدة في مستشفى مزدحم.

جمع الباحثون مجموعة كبيرة من مسحات الورك من مستشفيين مختلفين، شملت مئات المرضى الذين تم تشخيصهم بالحالة أو كانوا أصحاء. وركزوا على نوعين محددين من الصور يلتقطهما الأطباء بشكل روتيني: أحدهما يظهر البنية التفصيلية للعظم، والآخر يسلط الضوء على السوائل والالتهابات. في فحص طبي نموذجي، ينظر الطبيب إلى هاتين الصورتين بشكل منفصل للحصول على الصورة الكاملة. تساءل الفريق عما إذا كان تعليم الكمبيوتر النظر إلى كلتا الصورتين في وقت واحد، كما لو كانا عرضًا واحدًا مدمجًا، سيساعده على رصد المرض بشكل أفضل. ولإيجاد الإجابة، أجروا سلسلة من الاختبارات الصارمة. أولاً، قاموا بتدريب ست نسخ مختلفة من برنامج YOLO على مسحات من مركز واحد، شمل 251 مشاركًا، لمعرفة أي نسخة كانت الأفضل في تحديد المشكلة. ولم يقيسوا فقط عدد المرات التي كان فيها الكمبيوتر محقًا، بل قاسوا أيضًا سرعة اتخاذه للقرار، لأن السرعة في مستشفى حقيقي لا تقل أهمية عن الدقة.

أشارت النتائج إلى فائز واضح. فقد أثبت أحد الإصدارات الأحدث من البرنامج، والمعروف باسم الإصدار 11، أنه الأكثر فعالية. فقد تمكن من تحديد المرض في جميع الحالات التي اختُبر عليها تقريبًا، حيث لم يفت الكثير من الحالات، بينما عالج كل مسحة في أقل من خمسة مللي ثانية. هذه السرعة هائلة لدرجة أن الكمبيوتر يمكنه نظريًا تحليل آلاف المسحات في الوقت الذي يستغرقه الإنسان لشرب كوب من القهوة. والأهم من ذلك، أكدت الدراسة أن استراتيجية دمج نوعي الصور كانت تعمل بشكل أفضل من النظر إلى أي منهما بمفرده. فعندما تم تغذية البرنامج بالصور الهيكلية والحساسة للسوائل معًا، أصبح أكثر دقة، وبشكل مفاجئ، أصبح أسرع أيضًا. حدث هذا لأن الكمبيوتر استطاع استخدام نقاط القوة في كلتا الصورتين في آن واحد، مستخدمًا الخطوط العظمية الواضحة من إحداهما لتوجيه بحثه وإشارات السوائل من الأخرى لتأكيد وجود الضرر.

استكشفت الدراسة أيضًا كيف يتصرف البرنامج تحت ظروف مختلفة. وجد الباحثون أنه يمكن ضبط الكمبيوتر ليكون حذرًا للغاية، مما يضمن عدم تفويت أي حالة تقريبًا، أو ضبطه ليكون صارمًا للغاية، مما يضمن عدم إطلاق إنذارات كاذبة نادرة. واكتشفوا أنه لأغراض فحص المرضى لضمان عدم تفويت أي شخص، فإن الإعداد الذي يعطي الأولوية لإيجاد كل حالة ممكنة كان النهج الأكثر موثوقية. تمكن الكمبيوتر من التمييز بين الورك السليم والورك الذي يعاني من ضرر في مراحله المبكرة بدرجة عالية من الثقة، حيث غالبًا ما كان يمنح درجة تأكد تتراوح بين 0.7 و0.9 للعينات الطبيعية وحوالي 0.9 للآفات غير الطبيعية. وبينما لا يعد البرنامج مثاليًا ولا يزال يتطلب من الطبيب اتخاذ القرار النهائي، إلا أنه يعمل كعين ثانية قوية لا تمل ولا تغفل عن تفصيل دقيق بسبب التعب.

يشير هذا العمل إلى مسار عملي للمضي قدمًا في كيفية مساعدة الذكاء الاصطناعي للأطباء في مجال جراحة العظام. فمن خلال استخدام نموذج يتميز بالسرعة والدقة، ومن خلال تغذيته بكامل نطاق المعلومات المتاحة في الفحص الطبي القياسي، يمكن للمستشفيات من المحتمل فحص المزيد من المرضى في وقت أقل، مما يساعد في اكتشاف المرض قبل انهيار العظم. وأشار الباحثون إلى أنه على الرغم من أن نتائجهم واعدة، إلا أنها تعتمد على مجموعة محددة من البيانات وتحتاج إلى اختبارها في عيادات واقعية مع مجموعة متنوعة من المرضى لتأكيد موثوقيتها. ومع ذلك، توفر الدراسة أساسًا متينًا لبناء أدوات ذكية يمكنها المساعدة في الحفاظ على المفاصل وتحسين جودة حياة الأشخاص الذين يواجهون هذه الحالة الصامتة والخطيرة. الهدف النهائي ليس استبدال الطبيب، بل تزويده بأداة أكثر حدة وسرعة لمساعدته في اتخاذ القرار الصحيح في الوقت المناسب.