📄 الطب

Comparing label-free quality-control scores for automated angle-of-progression measurement in intrapartum ultra- sound: a retrospective benchmark study

تُظهر هذه الدراسة المرجعية الاستعادية أنه في حين أن عدم الاتفاق بين النماذج التجميعية في كواشف المعالم الآلية يحدد بفعالية أخطاء زاوية التقدم الجسيمة عند انخفاض أعباء المراجعة، إلا أنه لا يستطيع رصد الإخفاقات المشتركة بين جميع النماذج ولا يقدم أي ميزة معنوية بين مقاييس فضاء الزاوية ومقاييس فضاء الإحداثيات، مما يستلزم إجراء معايرة محلية للنشر السريري.

المؤلفون الأصليون: Liangji Zhou, Yuanqiu Chen, Tongtong Chen, Yijuan Huang, Qihao Pan, Si Li, Chenyu Gou, Meiqiong Fan, Yu Gao

نُشر 2026-10-16

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Liangji Zhou, Yuanqiu Chen, Tongtong Chen, Yijuan Huang, Qihao Pan, Si Li, Chenyu Gou, Meiqiong Fan, Yu Gao

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

في المراحل النهائية من الولادة، يعد معرفة المدى الدقيق لهبوط رأس الجنين مسألة بالغة الأهمية للأطباء. وتعد إحدى أكثر الطرق موثوقية لقياس هذا التقدم هي استخدام مسبار موجات فوق صوتية (سونار) خاص يوضع بين ساقي الأم لالتقاط صورة لرأس الجنين وعظم حوض الأم. وفي هذه الصورة، يرسم الطبيب خطاً على طول العظم وخطاً آخر يلامس جمجمة الطفل؛ والزاوية التي يلتقي فيها هذان الخطان تخبر الفريق الطبي بمدى المسافة التي يتعين على الطفل قطعها. هذا القياس، المعروف باسم "زاوية التقدم"، يساعد في تحديد ما إذا كان بإمكان الأم الاستمرار في الدفع بشكل طبيعي أو ما إذا كانت هناك حاجة لتدخل جراحي. وبينما يتم تدريب الأطباء على أخذ هذه القياسات يدوياً، إلا أن العملية بطيئة وتعتمد بشكل كبير على مهارة المشغل الفردي. وقد أدى ذلك إلى قيام الباحثين ببناء برامج حاسوبية يمكنها تلقائياً إيجاد النقاط الرئيسية في صورة الموجات فوق الصوتية وحساب الزاوية لها، آملين في تسريع الرعاية وتقليل الخطأ البشري.

ومع ذلك، فإن البرنامج الحاسوبي الذي عادة ما يكون دقيقاً لا يزال بإمكانه ارتكاب خطأ فادح دون أن يطلق أي إنذار. في دراسة حديثة، بحث الباحثون في كيفية بناء شبكة أمان لهذه الأنظمة المؤتمتة. أرادوا معرفة ما إذا كان بإمكان الكمبيوتر التمييز بين القياس الذي يشعر فيه بالثقة وقياس آخر من المحتمل أن يكون خاطئاً، دون الحاجة إلى تدخل بشري للتحقق من الإجابة أولاً. أخذ الفريق مجموعة عامة من صور الموجات فوق الصوتية وأجروا عليها ستة نماذج حاسوبية مختلفة مصممة لإيجاد المعالم اللازمة. وبدلاً من مجرد الثقة في متوسط ما قالته هذه النماذج الستة، نظروا في مدى اختلاف النماذج فيما بينها. فإذا أشارت النماذج الستة إلى نقاط مختلفة قليلاً، يقوم النظام بتمييز تلك الصورة كحالة مشبوهة وإرسالها إلى طبيب بشري لإلقاء نظرة ثانية. أما إذا اتفقت النماذج، فيتم قبول قياس الكمبيوتر كما هو.

اختبر الباحثون هذه الفكرة على مئات الصور الاختبارية لمعرفة مدى فعالية الطرق المختلفة لقياس الاختلاف. وقارنوا بين النظر في مدى اختلاف النماذج في الزاوية النهائية مقابل مدى اختلافها في النقاط المحددة التي رسمتها على الصورة. كما اختبروا طرقاً أخرى، مثل التحقق مما إذا كان نموذج واحد يعطي نفس الإجابة عند تعديل الصورة قليلاً، أو النظر في مدى "سطوع" خريطة الثقة الداخلية للكمبيوتر. وأظهرت النتائج أنه عندما طُلب من الكمبيوتر مراجعة العشرة بالمائة من الصور التي اختلفت فيها النماذج بشدة، فقد نجح في رصد معظم الأخطاء الكبرى. وتحديداً، من بين ست حالات أخطأ فيها الكمبيوتر بأكثر من عشرين درجة — وهو خطأ جسيم قد يؤدي إلى قرار سريري خاطئ — قام النظام بتمييز خمس حالات للمراجعة. وقد أدى ذلك إلى خفض معدل مثل هذه الأخطاء الجسيمة في القياسات المقبولة من حوالي واحد بالمائة إلى عشرة بالمائة فقط.

ومن المثير للاهتمام، وجدت الدراسة أنه لم يكن من المهم كثيراً ما إذا كان الكمبيوتر يقيس الاختلاف من حيث الزاوية النهائية أو من حيث النقاط المحددة على الصورة؛ فكلا الطريقتين تعملان بنفس القدر تقريباً. ومع ذلك، كان لدى النظام نقطة ضعف؛ فلم يستطع رصد الأخطاء التي اتفقت فيها النماذج الستة جميعها ولكنها كانت كلها مخطئة بنفس الطريقة. ففي حالة محددة، قللت جميع النماذج من تقدير الزاوية بفارق كبير، ولأنها اتفقت جميعها، لم يقم النظام بتمييزها كحالة مشبوهة. وقد حدث هذا غالباً عندما يكون رأس الطفل منخفضاً جداً في الحوض، وهو وضع مهم جداً للأطباء معرفته. كما اكتشف الباحثون أن القواعد المستخدمة لتحديد متى يتم تمييز صورة ما لم تكن تعمل بشكل مثالي عند نقلها من بيانات التدريب إلى بيانات جديدة. فقد انتهى الأمر بإعدادٍ يهدف إلى تمييز خمسة بالمائة من الصور بتمييز أحد عشر بالمائة، مما سيزيد من عبء العمل على الأطباء أكثر مما هو مخطط له.

تخلص الدراسة إلى أنه على الرغم من أن التحقق من الاختلاف بين نماذج حاسوبية متعددة يعد أداة قوية لرصد الأخطاء الأكثر خطورة، إلا أنه ليس حلاً كاملاً بمفرده. فهو يعمل جيداً في العثور على الحالات التي يكون فيها الكمبيوتر مرتبكاً، لكنه لا يستطيع العثور على الحالات التي يكون فيها الكمبيوتر واثقاً ولكنه مخطئ. ولكي يكون هذا النظام آمناً للاستخدام في العالم الحقيقي، فإنه يحتاج إلى الجمع مع فحوصات أخرى يمكنها رصد هذه الأخطاء المشتركة، كما يجب ضبط قواعد تمييز الصور بعناية لكل مستشفى. وتشير النتائج إلى أنه بينما تتحسن تقنيات الموجات فوق الصوتية المؤتمتة، فإن أفضل نهج حالياً هو استخدام هذه الحواسيب كخطوة أولية تحدد الحالات الصعبة، تاركة القرارات الحاسمة والنهائية للخبراء البشر الذين يمكنهم رصد العلامات الدقيقة للمشاكل التي تغفل عنها الآلات.

أبحاث مشابهة