A Smart Insole-Based Explainable AI Framework for Non-Invasive Sciatica Diagnosis Using Optimally Selected Plantar Force Sensors
تقدم هذه الدراسة إطار عمل للذكاء الاصطناعي القابل للتفسير وقابل للارتداء، يستخدم نعلًا ذكيًا مزودًا بحساسات ضغط مختارة بشكل أمثل لتحقيق تشخيص دقيق وغير جراحي لعرق النسا من خلال تحديد أنماط قوة باطن القدم المحددة مع تقليل المتطلات من الأجهزة بنسبة 62.5%.
المؤلفون الأصليون:Ramya Lakshmi, N Ragunathan, N R Raajan
تخيل زوجاً من الأحذية يمكنه أن يخبر الطبيب ما إذا كنت تعاني من عصب مضغوط في أسفل ظهرك، ببساطة عبر مراقبة طريقة مشيك. هذا هو وعد التكنولوجيا القابلة للارتداء في الطب، وهو مجال ينتقل من الآلات المكلفة والثابتة في المستشفيات نحو أجهزة ذكية يمكنك ارتداؤها في حياتك اليومية. لعقود من الزمن، اعتمد الأطباء على فحوصات معقدة أو اختبارات للأعصاب لتشخيص عرق النسا، وهي حالة مؤلمة حيث يتعرض عصب رئيسي يمتد من أسفل الظهر إلى أسفل الساق للتهيج. غالباً ما تكون هذه الطرق التقليدية مكلفة ولا يمكنها رصد كيفية تحرك الشخص أثناء الوقوف أو المشي فعلياً. وفي الوقت نفسه، كان العلماء يطورون نعلًا داخليًا ذكيًا مبطناً بمستشعرات ضغط ترسم خريطة لقوة كل خطوة. وكان التحدي يكمن في تحديد مكان وضع هذه المستشعرات بدقة وكيفية تفسير البيانات دون الحاجة إلى حاسوب فائق أو قدم مغطاة بالكامل بالإلكترونيات.
لقد قام فريق من الباحثين الآن ببناء نظام يحل هذه المشكلات من خلال الجمع بين نعل ذكي ونوع من الذكاء الاصطناعي الذي يمكنه شرح منطقه الخاص. لقد أنشأوا إطار عمل لتشخيص عرق النسا بطريقة غير جراحية، أي بدون جراحة أو إبر، عن طريق تحليل كيفية توزيع الوزن عبر باطن القدم. يتضمن جوهر عملهم فكرة بسيطة ولكنها قوية: فبدلاً من تغطية الحذاء بأكمله بالمستشعرات، وجدوا أن عدداً صغيراً جداً من مستشعرات محددة كافٍ لرصد المرض. ومن خلال اختبار تركيبات مختلفة من المستشعرات على أقدام سبعة وثلاثين شخصاً، اكتشفوا أن ستة مستشعرات فقط — ثلاثة في كل قدم — يمكنها التقاط الطريقة الفريدة التي يمشي بها مريض عرق النسا. وقد وُضعت هذه المستشعرات عند الكعب، ومنتصف القدم، وأصابع القدم، وهي مواقع تتوافق مع كيفية تأثير عصب النسا على حركة القدم.
جمع الباحثون بيانات من عشرين مريضاً يعانون من عرق النسا وسبعة عشر متطوعاً أصحاء. ارتدى كل شخص النعل الذكي، الذي احتوى على ستة عشر مستشعراً في المجمل، ثمانية في كل قدم. وبينما كانوا يمشون، سجل النعل تغيرات الضغط، بينما جمع الباحثون أيضاً بيانات من مستشعرات العضلات وأجهزة تتبع الحركة لاستخدامها كنقطة مرجعية. ثم قام الفريق بتغذية هذه المعلومات في برنامج حاسوبي مصمم لتعلم الأنماط. واختبروا آلاف الطرق المختلفة لترتيب المستشعرات، بحثاً عن التركيبة التي توفر الصورة الأكثر وضوحاً للحالة. ومن خلال عملية صارمة من الاختبار وإعادة الاختبار، قلصوا المجال إلى المستشعرات الستة الأكثر فعالية. هذا الاختزال يعني أن أداة التشخيص المستقبلية يمكن أن تكون أصغر حجماً، وأرخص ثمناً، وأسهل في الارتداء من الأنظمة الحالية، التي تتطلب غالباً شبكة كثيفة من المستشعرات لتعمل.
عندما قاموا بتدريب نموذج الذكاء الاصطناዊ الخاص بهم باستخدام هذه المستشعرات الستة المثالية فقط، كانت النتائج مذهلة. فقد حدد النظام بشكل صحيح ما إذا كان الشخص يعاني من عرق النسا أو كان معافى بنسبة تسعين بالمائة تقريباً. والأهم من ذلك، أن النموذج لم يكتفِ بإعطاء إجابة "نعم" أو "لا"؛ بل استخدم تقنية تسمى "الذكاء الاصطناعي القابل للتفسير" لإظهار الأجزاء الأكثر أهمية من القدم لاتخاذ هذا القرار. فقد أنتج النظام خرائط حرارية سلطت الضوء على الكعب ومنتصف القدم كمناطق حرجة تختلف فيها أنماط الضغط بين الأصحاء والمصابين بالحالة. وتعد هذه الشفافية أمراً بالغ الأهمية للأطباء، لأنها تسمح لهم برؤية الدليل وراء التشخيص بدلاً من التعامل مع الحاسوب كصندوق أسود غامض.
ولضمان سلامة نتائجهم، قارن الباحثون نتائج مستشعرات الضغط الخاصة بهم مع بيانات مستشعرات العضلات وأجهزة تتبع الحركة التي جمعوها في نفس الوقت. واتفقت الطريقتان المختلفتان مع بعضهما البعض بنسبة اثنين وثمانين بالمائة، مما أكد أن مستشعرات الضغط البسيطة تلتقط بالفعل نفس الواقع الفيزيائي الأساسي الذي تلتقطه معدات تتبع العضلات الأكثر تعقيداً. كما فندت الدراسة الفكرة القائلة بأن مجموعة كاملة من المستشعرات ضرورية، حيث أظهرت أن الإعداد شديد الاختزال يمكنه الحفاظ على جميع المعلومات الحيوية اللازمة للتشخيص. ورغم أن هذا النظام ليس بعد بديلاً للفحص الطبي الكامل، ويشير الباحثون إلى أنه يحتاج إلى الاختبار ضد حالات طبية أخرى في الساق لضمان عدم الخلط بين عرق النسا ومشكلات مماثلة، إلا أن هذا العمل يوضح مساراً واضحاً للمستقبل. فهو يشير إلى أن نعلًا منخفض التكلفة ومحمولاً يمكنه قريباً أن يوفر أداة فحص فورية ودقيقة لعرق النسا، مما ينقل قدرات تشخيصية متقدمة من المختبرات إلى أيدي الأطباء والمرضى على حد سواء.
ملخص تقني: إطار عمل للذكاء الاصطناعي القابل للتفسير يعتمد على نعل ذكي لتشخيص عرق النسا غير الجراحي
بيان المشكلة
عرق النسا هو اضطراب عصبي يتميز بآلام إشعاعية، وتنميل، وخدر على طول العصب الوركي، مما يؤدي إلى تغيرات كبيرة في ميكانيكا حركة الأطراف السفلية، بما في ذلك عدم تماثل المشية وتوزيع غير طبيعي لضغط باطن القدم. تعتمد طرق التشخيص الحالية بشكل كبير على التصوير العصبي (مثل الرنين المغناطيسي MRI)، والذي يعد مكلفاً ويفشل في رصد تشوهات المشي الديناميكية أثناء تحميل الوزن، أو على تخطيط كهربائية العضل (EMG) ووحدات القياس بالقصور الذاتي (IMU)، والتي غالباً ما تتطلب تجهيزات أجهزة معقدة وقد تسبب عدم راحة للمريض. وبينما توفر نعال ضغط باطن القدم القابلة للارتداء بديلاً محمولاً، إلا أن الحلول الحالية تستخدم عادةً مصفوفات استشعار عالية الكثافة تولد بيانات زائدة، وتزيد من تكاليف الأجهزة، وتجعل المعالجة الحسابية معقدة. هناك نقص في أدوات التشخيص الآلية منخفضة التكلفة والقابلة للارتداء التي يمكنها تحديد عرق النسا تحديداً من خلال تكوينات مستشعرات مختارة بدقة دون الاعتماد على مصفوفات كثيفة.
المنهجية
تقترح الدراسة إطار عمل يدمج نعلاً ذكياً مع نهج الذكاء الاصطناعي القابل للتفسير (XAI) لتشخيص عرق النسا بطريقة غير جراحية.
الحصول على البيانات
المشاركون: تم جمع مجموعة بيانات من 37 مشاركاً، تضم 20 مريضاً مصاباً بعرق النسا و17 شخصاً سليماً (مجموعة ضابطة).
الأجهزة: تم استخدام نعل ذكي مخصص مجهز بـ 16 مستشعراً من نوع المقاومات الضغطية (FSR) (8 لكل قدم). كما تم تسجيل بيانات EMG وIMU بالتزامن لأغراض التحقق المتبادل.
الأخلاقيات: حصلت الدراسة على الموافقة الأخلاقية من كلية كيه. إيه. بي. فيسناثام الحكومية للطب (رقم الموافقة IEC: KEC/10/01/2026).
هندسة الميزات
المعالجة المسبقة: تمت معالجة بيانات السلاسل الزمنية للقوة الخام للتعامل مع القيم المفقودة وتطبيع الإشارات.
استخراج الميزات: من بيانات القوة المكونة من 16 قناة، تم استخراج 601 ميزة ميكانيكية حيوية لكل مشارك. وشملت هذه الميزات:
عدم التماثل الثنائي: ميزات تلتقط الفرق، والفرق المطلق، والفرق النسبي بين أزواج المستشعرات اليمنى واليسرى لمراعبة انتقال وزن الجسم بسبب الألم أحادي الجانب.
الميزات العالمية: المتوسطات المكانية عبر كامل القدم.
استراتيجية اختيار المستشعرات
لتقليل تعقيد الأجهزة، استخدم المؤلفون نهجاً مزدوجاً لتحديد المجموعة الفرعية المثلى من المستشعرات:
البحث التوافقي عبر K-الطي (K-Fold): تم استخدام استراتيجية التحقق المتبادل عبر K-طي (اختبار K من 2 إلى 8) لتقييم مجموعات المستشعرات المختلفة. وحددت الدراسة أن K=5 قدمت الأداء الأكثر استقراراً.
ترتيب الميزات الإحصائي: طريقة تحقق مستقلة باستخدام اختبارات T، واختبار مان ويتني U، ومعامل كوهين d (حجم الأثر)، وأهمية التبديل في الغابة العشوائية (Random Forest permutation importance) لترتيب الميزات.
التقارب: حددت كلتا الطريقتين بشكل مستقل نفس التكوين الأمثل للمستشعرات: L2، L5، L8 للقدم اليسرى، و R2، R5، R8 للقدم اليمنى. أدى هذا إلى تقليل عدد المستشعرات من 16 إلى 6 (بنسبة خفض قدرها 62.5%).
التصنيف والقابلية للتفسير
بنية النموذج: تم تطوير شبكة عصبية تلافيفية أحادية الأبعاد (1D-CNN) لتصنيف المشاركين كـ "مصاب بعرق النسا" أو "سليم" باستخدام البيانات من المستشعرات الستة المختارة بدقة.
تكامل الذكاء الاصطناعي القابل للتفسير (XAI): تم تطبيق تقنيات الذكاء الاصطناعي القابل للتفسير لإنشاء خرائط حرارية لباطن القدم، مما يوضح المناطق المكانية التي تساهم بشكل أكبر في قرار التصنيف، لضمان أن النموذج ليس "صندوقاً أسود".
التحقق المتبادل: تم التحقق من نموذج مستشعر القوة مقابل نمط EMG/IMU المتزامن لتقييم الاتفاق التشخيصي.
النتائج الرئيسية
تحسين المستشعرات
حافظ التقليل من 16 إلى 6 مستشعرات على المعلومات ذات الصلة تشخيصياً.
القدم اليسرى (L2, L5, L8): حققت دقة 96%، ودقة إيجابية 96%، واستدعاء 93%، ودرجة F1 بلغت 94%، ومساحة تحت المنحنى (AUC) قدرها 0.93.
القدم اليمنى (R2, R5, R8): حققت دقة 87%، ودقة إيجابية 83%، واستدعاء 76%، ودرجة F1 بلغت 79%، ومساحة تحت المنحنى (AUC) قدرها 0.91.
تتوافق المستشعرات المثلى (مناطق الكعب، ووسط القدم، ومقدمة القدم) مع القيود التشريحية للعصب الوركي وتعصيب العصب الظنبوبي.
أداء التصنيف
حقق نموذج 1D-CNN المدرب على المستشعرات الستة المختارة بدقة:
الدقة (Accuracy): 85.2%
الحساسية (Sensitivity): 89.9%
النوعية (Specificity): 90.3%
مساحة تحت المنحنى (ROC-AUC): 0.911
أظهر التحليل المقارن أن نموذج 1D-CNN تفوق على النماذج الأخرى بما في ذلك XGBoost وRandom Forest وSVM وLSTM وARIMA، والتي عانت من فرط التخصيص (overfitting) أو سجلت درجات AUC أقل.
التحقق والذكاء الاصطناعي القابل للتفسير (XAI)
الاتفاق عبر الأنماط: أظهر نموذج مستشعر القوة اتفاقاً بنسبة 81.48% مع نموذج EMG/IMU، مما يؤكد أن مجموعة المستشعرات المختزلة تلتقط نفس التشخيص السريري الذي يلتقطه الإعداد العصبي العضلي الأكثر تعقيداً.
خرائط XAI الحرارية: أكدت الخرائط الحرارية التي تم إنشاؤها أن النموذج أعطى الأولوية للمناطق التشريحية المحددة (L2, L5, L8 في القدم اليسرى، و R2, R5, R8 في القدم اليمنى) التي حددتها خوارزميات الاختيار، مما يثبت قابلية التفسير البيولوجي لعملية اتخاذ القرار.
الأهمية والادعاءات
يدعي البحث أن هذا إطار العمل يقدم حلاً منخفض التكلفة، ومحمولاً، وقابلاً للتفسير لفحص عرق النسا. ومن خلال تحديد أن ستة مستشعرات محددة فقط ضرورية لالتقاط بصمة المشي المرضية لعرق النسا، تثبت الدراسة ما يلي:
كفاءة الأجهزة: إن التقليل الكبير في أجهزة الاستشعار (62.5% أقل من المستشعرات) لا يؤثر على دقة التشخيص.
المنفعة السريرية: يوفر النظام أداة دعم قرار آلية تتجنب التكاليف العالية والقيود الساكنة للرنين المغناطيسي، وكذلك عدم الراحة المرتبط بإعدادات EMG المعقدة.
الشفافية: يضمن دمج الذكاء الاصطناعي القابل للتفسير (XAI) أن عملية التشخيص شفافة، حيث يتوافق تركيز النموذج مع الاعتلالات التشريحية المعروفة.
يشير المؤلفون إلى وجود قيود، وتحديداً أن النموذج يميز بين المصابين بعرق النسا والأصحاء، ولكنه لم يتم التحقق منه بعد مقابل اضطرابات هيكلية عضلية موضعية أخرى (مثل فصال الركبة أو إصابات الكاحل) التي قد تسبب أيضاً عدم تماثل ثنائي الجانب. ويهدف العمل المستقبلي إلى دمج هذه الحالات لتطوير قدرات التشخيص التفريقي.