Development of a Computer Vision System for Stone Segmentation During CVAC 2.0 In-Scope Aspiration Ureteroscopy
تقدم هذه الورقة تطوير والتحقق من صحة StoneClear، وهو نظام رؤية حاسوبية مدعوم بالذكاء الاصطناعي يحقق دقة عالية في اكتشاف وتجزئة بقايا الحصوات على مستوى البكسل أثناء عملية استخراج الحصى عبر الحالب بمساعدة تقنية CVAC 2.0، مما يؤسس قاعدة قوية للتقييم الفوري أثناء الجراحة لمدى خلو الحالب من الحصوات.
المؤلفون الأصليون:Kavita Gupta, Bahram Jafrasteh, Michael Tzeng, Alexandra Farhangui, Patrick Samson, Joseph Del Pizzo, Michael Amirian, Qingyu Zhao
تُعد حصوات الكلى مشكلة عنيدة ومؤلمة لملايين الأشخاص. فعندما تتكون حصوة داخل الكلية، غالبًا ما يستخدم الأطباء كاميرا رفيعة ومرنة تُمرر عبر الجسم لتفتيت الحصوة إلى غبار وغسلها بعيدًا. والهدف هو ترك الكلية خالية تمامًا، لكن من الصعب بشكل مفاجئ تأكيد ذلك أثناء الجراحة. فالمشهد داخل الجسم غالبًا ما يكون عكرًا بسبب الدم، وسوائل الغسيل، والغبار المتطاير للحصوة المفتتة، مما يخلق "عاصفة ثلجية" تحجب الشظايا الصغيرة. وحتى مع وجود أدوات شفط متطورة مصممة لتنظيف هذا الحطام، يعتمد الجراحون على أعينهم الخاصة لتقرير ما إذا كانت المهمة قد اكتملت. ويمكن أن يكون هذا التقدير الذاتي معيبًا، مما يؤدي إلى ترك قطع صغيرة من الحصى خلفها، والتي يمكن أن تنمو لتصبح انسدادات مؤلمة لاحقًا.
ولحل هذه المشكلة، طور فريق من الباحثين في مركز "نيويورك بريسبيتريان ويل كورنيل ميديسين" نظامًا حاسوبيًا جديدًا يسمى "ستون كلير" (StoneClear). يعمل هذا النظام كزوج ثانٍ من العيون للجراح، حيث يستخدم الذكاء الاصطناعي لمراقبة بث الفيديو المباشر من الكاميرا ورصد أي شظايا حصى متبقية تلقائيًا. وقد درب الباحثون هذا النظام باستخدام فيديوهات لعشرة مرضى خضعوا لنوع معين من الجراحة باستخدام جهاز "CVAC 2.0"، وهو أداة تجمع بين التفتيت بالليزر، والرؤية المباشرة، والشفط القوي لإزالة حطام الحصى. وطلب الفريق من أطباء المسالك البولية الخبراء تحديد آلاف الإطارات من الفيديو بعناية، ورسم خطوط دقيقة حول كل شظية حصوة تمكنوا من رؤيتها، وتحديد الإطارات التي لم تكن تحتوي على حصوات، حتى في حال وجود عناصر مربكة مثل الجلطات الدموية أو الفقاعات.
تعلم النظام الحاسوبي القيام بمهمتين بالتتابع؛ أولاً، يعمل كـ "حارس بوابة"، حيث يقرر ببساطة ما إذا كانت هناك حصوة موجودة في الصورة الحالية أم لا. وإذا رصد حصوة، فإنه يعمل بعد ذلك كـ "راسم للحدود"، حيث يرسم حدودًا تفصيلية حول الحصوة على مستوى البكسل لإظهار مكانها بدقة. كانت هذه العملية المكونة من خطوتين حاسمة لأن بيئة الفيديو فوضوية؛ فالشفط يخلق تيارات سريعة الحركة تجعل الحصوات تظهر وتختفي بسرعة، كما أن أنبوب الشفط نفسه غالبًا ما يحجب جزءًا من الرؤية. واختبر الباحثون النظام باستخدام طريقة تم فيها تدريب النظام على معظم بيانات المرضى ثم التحقق من أدائه في الحالات المتبقية لضمان قدرته على التعامل مع المواقف الجديدة غير المرئية مسبقًا.
أظهرت النتائج أن النظام فعال للغاية في التمييز بين الرؤية الواضحة والرؤية التي تحتوي على شظايا حصى. ففي ما يقرب من 93 بالمائة من إطارات الفيديو، حدد "ستون كلير" بشكل صحيح ما إذا كانت الحصوة موجودة أم لا. وعندما كانت الحصوات مرئية، تطابقت الخطوط الرقمية التي رسمها النظام مع الرسومات اليدوية للجراحين الخبراء بدرجة عالية من التداخل، مما يشير إلى قدرته على تحديد الموقع والشكل الدقيق للحطام. ولعل الأهم من ذلك، أن النظام كان أفضل بكثير في تجنب الإنذارات الكاذبة مقارنة بنماذج الرؤية الحاسوبية القياسية. فبدون خطوة "حارس البوابة" الخاصة، كانت نماذج الذكاء الاصطناي الأخرى ستخطئ في تحديد الانعكاسات أو الدم أو الفقاعات كحصوات في أكثر من ثلاثة أرباع الإطارات الواضحة. وقد قلل "ستون كلير" من معدل الخطأ هذا بشكل كبير، مما جعل الإنذارات الكاذبة نادرة.
يبرهن هذا العمل على أن الذكاء الاصطناعي يمكن أن يوفر فحصًا موثوقًا وفي الوقت الفعلي لمدى خلو الحصى أثناء الجراحات المعقدة المدعومة بالشفط. ولا يحل هذا النظام محل الحاجة إلى الفحوصات التي تلي الجراحة، والتي تظل المعيار الذهبي للتأكد من خلو المريض من الحصى، ولكنه يقدم أداة قوية للجراح أثناء إجراء العملية. ومن خلال تسليط الضوء على الشظايا التي قد يتم تفويتها في البيئة الفوضوية وسريعة الحركة، تساعد هذه التكنولوجيا الجراحين على التحقق من عملهم بشكل أكثر موضوعية. وتؤكد الدراسة أنه مع التصميم الصحيح، يمكن للحواسيب أن تتعلم الرؤية من خلال الضجيج البصري للجراحة، مما يوفر مسارًا أوضح لضمان ترك الكلية فارغة حقًا من الحصى.
ملخص تقني: نظام StoneClear لجهاز CVAC 2.0 لتفتيت حصوات الحالب
بيان المشكلة يتمثل التحدي الرئيسي في طب المسالك البولية المعاصر في تحقيق حالة خلو تام من الحصوات أثناء عملية تفتيت الحصوات عبر منظار الحالب المرن (fURS). وعلى الرغم من التقدم في تقنيات التفتيت بالليزر والأنظمة المدعومة بالشفط مثل نظام CVAC® 2.0 للشفط، لا تزال بقايا الحصوات (RSFs) تتواجد بشكل متكرر، مما يجعلها بؤرة محتملة لتكرار الإصابة. ويكمن القصور الحرج في ذاتية الفحص البصري أثناء العملية؛ حيث غالباً ما يُحجب مجال العمليات بسبب تأثير "عاصفة الثلج" الناتج عن غبار الحصوات، والدم، وسوائل الإرواء. علاوة على ذلك، فإن البيئة الفريدة لمنظار الحالب المدعوم بالشفط تُدخل حركة جزيئات عالية السرعة، وظهوراً مؤقتاً للحصوات، وانسداداً جزئياً بواسطة قسطرة الشفط. ويفتقر الجراحون حالياً إلى أداة موضوعية وفورية لتحديد كمية بقايا الحصوات أو تأكيد الإخلاء البصري، مما يؤدي إلى تباين بين "الإخلاء البصري" أثناء العملية وبين معدلات الخلو من الحصوات الشعاعية بعد العملية.
المنهجية قام المؤلفون بتطوير StoneClear، وهو نظام رؤية حاسوبية يعتمد على الذكاء الاصطناعي، صُمم للكشف عن بقايا حصوات الحالب وتحديد معالمها أثناء عملية إخلاء الكلية عبر منظار الحالب القابل للتوجيه (SURE) باستخدام جهاز CVAC® 2.0.
جمع البيانات: تم جمع فيديوهات العمليات الجراحية استباقياً من 10 مرضى خضعوا لعملية تفتيت الحصوات عبر منظار الحالب المرن (fRS) باستخدام جهاز CVAC® 2.0. ومن بين أكثر من 1.6 مليون إطار فيديو إجمالي، تم اختيار عينة ممثلة مكونة من 2,416 إطاراً عالي الفائدة للقيام بعملية توصيف دقيق على مستوى البكسل.
التوصيف (Annotation): قام أطباء مسالك بولية معتمدون بتحديد أقنعة ثنائية (binary masks) للحصوات يدوياً باستخدام منصة MELAGE. تضمنت مجموعة البيانات 1,439 إطاراً يحتوي على حصوات و977 إطاراً خالياً منها. ومن الأهمية بمكان أن المجموعة الخالية من الحصوات تضمنت عناصر خلفية صعبة مثل الظهارة البولية، والدم، والفقاعات، ولويحات راندال (تكلسات مخاطية ثابتة)، والتي تم توصيفها صراحةً كعناصر غير حصوية لتدريب النموذج على التمييز بينها وبين الشظايا العائمة.
بنية النموذج: يعمل نظام StoneClear في عملية تسلسلية من مرحلتين:
الحارس (الكشف على مستوى الإطار): يحدد ما إذا كانت هناك حصوة موجودة في الإطار أم لا.
المحدد (التقسيم على مستوى البكسل): إذا تم اكتشاف حصوة، يقوم النظام بتحديد حدودها الدقيقة على مستوى البكسل. يستخدم النظام بنية تعلم عميق تعتمد على المحولات (Transformer-based) وهي (PraNet-V2) لاستخراج الميزات البصرية. وبخلاف النماذج الالتفافية التقليدية التي تفحص الأجزاء المحلية، يقوم "المحول" بتحليل العلاقات عبر الصورة بأكملة، مما يساعد في التمييز بين الحصوات الحقيقية والانعكاسات والظلال.
آلية البوابة (Gating Mechanism): تم دمج آلية بوابة مبتكرة لقمع التنبؤات الإيجابية الكاذبة في الإطارات الصعبة بصرياً والخالية من الحصوات.
التقييم: تم تقييم أداء النموذج باستخدام التحقق المتبادل (5-fold cross-validation) على مستوى المريض (8 إجراءات للتدريب، وإجراءان للاختبار لكل مرحلة). شملت المقاييس: دقة تصنيف الإطارات، معدل الإيجابيات الكاذبة (FPR)، معدل السلبيات الكاذبة (FNR)، ومعامل تشابه دايس (DSC).
النتائج الرئيسية
دقة الكشف: حدد نظام StoneClear وجود أو عدم وجود الحصوات بدقة بلغت 92.8% من إطارات الفيديو.
دقة التقسيم: بالنسبة للإطارات التي تحتوي على حصوات مرئية، حقق النموذج متوسط معامل تشابه دايس (DSC) قدره 0.86، مما يشير إلى تداخل مكاني ممتاز بين تنبؤات الذكاء الاصطناعي وتوصيفات الجراح الخبير.
تقليل الإيجابيات الكاذبة: في الإطارات الخالية من الحصوات، سجل StoneClear معدل إيجابيات كاذبة بنسبة 13.6%. ويمثل هذا تحسناً كبيراً مقارنة بالنماذج القياسية؛ فبدون آلية البوابة، ارتفع معدل الإيجابيات الكاذبة إلى 78.2%، بينما حققت بنية U-Net معدلاً قدره 24.75%. لقد نجحت آلية البوابة المقترحة في تقليل تقسيمات الإيجابيات الكاذبة بأكثر من خمسة أضعاف مقارنة ببنيات التقسيم القياسية.
السياق السريري: بلغ متوسط حجم الحصوة قبل العملية 10,925.36 ملم³، بينما بلغ متوسط الحجم المتبقي بعد العملية 170.20 ملم³.
المساهمات الرئيسية
أول نظام رؤية حاسوبية لعمليات تفتيت الحصوات المدعومة بالشفط: يقدم هذا العمل أول إطار عمل للرؤية الحاسوبية تم تطويره خصيصاً لبيئة الشفط الديناميكية للغاية في نظام CVAC® 2.0، مما يعالج فجوة حيث كان عمل الذكاء الاصطناعي داخل العمليات سابقاً مقتصرًا على عمليات المنظار المرن غير المدعومة بالشفط.
آلية بوابة مبتكرة: إن إدخال آلية بوابة قائمة على التصنيف يقلل بفعالية من معدلات الإيجابيات الكاذبة العالية المرتبطة عادةً بالعيوب البصرية (الدم، الفقاعات، الانعكاسات) في فيديوهات المناظير.
إثبات مفهوم قوي: تثبت الدراسة أن النماذج القائمة على المحولات (Transformers) يمكن أن تحقق دقة عالية في التمييز بين الشظايا المتبقية القابلة للعلاج والميزات التشريحية الثابتة (مثل لويحات راندال) في البيئات الجراحية الفورية.
الأهمية والادعاءات يضع البحث نظام StoneClear ليس كبديل للتصوير الشعاعي بعد العملية، بل كإثبات مفهوم قوي للتقييم البصري الفوري المدعوم بالذكاء الاصطناعي أثناء العمليات. ويدعي المؤلفون أنه من خلال توفير تتبع بصري موضوعي وتحديد دقيق للحدود، يؤسس هذا الإطار لقاعدة حاسمة لتقدير حجم الحصوات المتبقية أثناء العملية. تهدف هذه التكنولوجيا إلى مساعدة الجراحين في التحقق من الإخلاء عبر المنظار قبل انتهاء الإجراء، مما قد يقلل من الاعتماد على التقدير البصري الذاتي الذي يشير البحث إلى أنه غالباً ما يبالغ في تقدير الإخلاء. ويستشهد المؤلفون بالتطبيقات الناجحة للرؤية الحاسوبية في طب الجهاز الهضمي (كشف السلائل/الزوائد اللحمية)، مشيرين إلى أن أنظمة التراكب بالذكاء الاصطناوي لا تتطلب دقة بنسبة 100% لتقديم مساعدة سريرية ذات معنى، طالما أنها تقلل بشكل كبير من قصور نظر الجراح.
المحددات يقر المؤلفون بصغر حجم العينة (10 مرضى) وطبيعة الدراسة المقتصرة على مركز واحد. بالإضافة إلى ذلك، اقتصر التقييم على إطارات مختارة استراتيجياً بدلاً من كامل طول كل حالة نظراً للجهد المكثف المطلوب للتوصيف الدقيق إطاراً بإطار. وقد تم تحديد التحقق من الصحة على تسجيلات الحالات الكاملة وغير المختارة كمسار ضروري للعمل المستقبلي.