Intelligent System for Celiac Disease Detection Based on Deep Learning

بالنسبة لملايين الأشخاص حول العالم، فإن الفعل البسيط المتمثل في تناول الخبز أو المعكرونة يثير رد فعل صامتاً وضاراً داخل أجسادهم. هذه الحالة، المعروفة باسم مرض السيلياك (الداء الزلاقي)، هي اضطراب في المناعة الذاتية حيث يهاجم الجهاز المناعي بالخطأ بطانة الأمعاء الدقيقة كلما تم استهلاك الغلوتين، وهو بروتين موجود في القمح والشعير والجاودار. ومع مرور الوقت، يؤدي هذا الهجوم إلى تسطيح النتوءات الصغيرة الشبيهة بالأصابع داخل الأمعاء، وهي المسؤولة عن امتصاص العناصر الغذائية، مما يؤدي إلى سوء التغذية ومجموعة من المشكلات الصحية الأخرى. العلاج الفعال الوحيد هو اتباع نظام غذائي صارم وخالٍ من الغلوتين مدى الحياة، لكن هذا الحل لا ينجح إلا إذا تم تشخيص المرض أولاً. وتكمن الصعوبة في حقيقة أن مرض السيلياك غالباً ما يظل دون تشخيص لسنوات، مما يترك المرضى يعانون من التعب وفقدان الوزن وغيرهما من المضاعفات بينما تظل حالتهم لغزاً. عادة ما يتضمن التشخيص التقليدي إجراء خزعة، وهي عملية يأخذ فيها الطبيب عينة صغيرة من الأنسجة من الأمعاء لفحصها تحت المجهر، وهي عملية تعتمد بشكل كبير على مهارة وخبرة عالم الأمراض الذي يقرأ الشريحة.

في مجال التشخيص الطبي سريع التطور، يتجه الباحثون بشكل متزايد نحو الذكاء الاصطناوئي لمساعدة الأطباء في رصد هذه العلامات الدقيقة للمرض. هذا النهج، المعروف باسم التعلم العميق، يتضمن تعليم الأنظمة الحاسوبية التعرف على الأنماط من خلال عرض آلاف الأمثلة عليها، تماماً كما يتعلم الطفل تحديد الحيوانات من خلال رؤية الكثير من الصور لها. ومن خلال تحليل كميات هائلة من الصور الطبية، يمكن لهذه البرامج الحاسوبية أن تتعلم التمييز بين الأنسجة السليمة والأنسجة المتضررة بسبب المرض بمستوى من السرعة والاتساق قد يجد البشر صعوبة في مضاهاته. والهدف ليس استبدال الطبيب، بل توفير أداة قوية يمكنها المساعدة في اكتشاف المرض في وقت مبكر، وتقليل وقت وتكلفة التشخيص، وتحسين جودة حياة المصابين به في نهاية المطاف.

في دراسة حديثة، استكشف باحثون من جامعة الطائف في المملكة العربية السعودية كيف يمكن تطبيق هذه التكنولوجيا خصيصاً على مرض السيلياك. لقد سعوا لبناء نظام ذكي قادر على تحليل صور الأمعاء الدقيقة لتحديد ما إذا كان المريض سليماً أم يعاني من المرض. وللقيام بذلك، جمعوا مجموعة ضخمة من الصور الطبية، بلغ إجماليها ما يقرب من 38,000 صورة مخزنة في قاعدة بيانات رقمية. جاءت هذه الصور من إجراءات التنظير الداخلي، حيث يتم تمرير كاميرا عبر الجسم لرؤية داخل الجهاز الهضمي. كانت مجموعة البيانات متنوعة، حيث احتوت على صور لأمعاء سليمة بالإضافة إلى صور تظهر مراحل وأنواع مختلفة من تلف الأمعاء المرتبط بمرض السيلياك. نظم الباحثون هذه الصور في أربعة عشر فئة متميزة، تتراوح من الأنسجة السليمة والنظية تماماً إلى علامات محددة للمرض مثل الالتهاب والتآكل وتغيرات هيكلية أخرى.

تضمن جوهر عملهم إنشاء نموذج حاسوبي يعتمد على نوع من الشبكات العصبية الاصطناعية يسمى الشبكة العصبية الالتفافية. وببساطة، هذا نظام مصمم خصيصاً للنظر في الصور وفهم ما تحتويه. بنى الباحثون هذا النموذج باستخدام أداة برمجية سمحت لهم بتطبيق خطوات معالجة مختلفة. تم تدريب النظام على النظر في الصور، وتحديد التفاصيل الصغيرة مثل الملمس والشكل، وبناء فهم أكثر تعقيداً لما تبدو عليه الأمعاء المصابة مقارنة بالأمعاء السليمة. لقد قاموا بتغذية النموذج بآلاف من هذه الصور، مما سمح له بالممارسة والتعرف على الاختلافات مراراً وتكراراً. وبينما كان النموذج يتعلم، قام بتعديل إعداداته الداخلية ليصبح أفضل في اتخاذ القرار الصحيح، وهي عملية تضمنت المرور عبر البيانات عشرين مرة لصقل فهمه.

بمجرد اكتمال التدريب، اختبر الباحثون مدى كفاءة نظامهم الجديد. لقد طلبوا من النموذج النظر في صور لم يسبق له رؤيتها وتحديد الفئة التي تنتمي إليها كل صورة من الفئات الأربع عشرة. كانت النتائج مذهلة؛ فقد حدد النظام حالة الأمعاء بشكل صحيح في 96 بالمائة من الحالات. يشير هذا المستوى العالي من الدقة إلى أن النموذج الحاسوبي قد نجح في تعلم الأنماط البصرية التي تميز مرض السيلياك عن الأمعاء السليمة. كما نظر الباحثون في كيفية تعامل النظام مع أنواع معينة من الضرر، مثل المناطق التي أصبحت حمراء وملتهبة، أو حيث تآكل السطح. وفي كل حالة، تمكن النموذج من تحديد النوع المحدد للاختلال، مما أثبت أنه يمكنه القيام بأكثر من مجرد قول "مريض" أو "سليم"؛ بل يمكنه وصف ما هو الخطأ بالضبط.

ولجعل هذه التكنولوجيا مفيدة للتطبيق في العالم الحقيقي، لم يتوقف الفريق عند الكود البرمحي فحسب، بل بنوا واجهة سهلة الاستخدام يمكن للطبيب استخدامها لاختبار صورة ما. في هذا النظام، يمكن للمستخدم رفع صورة للأمعاء، وسيقوم البرنامج فوراً بتحليلها وعرض النتيجة. إذا أظهرت الصورة أمعاء طبيعية وسليمة، فسيؤكد الشاشة ذلك. وإذا أظهرت الصورة علامات المرض، فسيحدد النظام التشخيص، مثل تحديد نوع معين من الالتهاب أو تلف الأنسجة. أظهر هذا العرض العملي أن العمل الرياضي المعقد الذي يحدث وراء الكوال "الستار" يمكن ترجمته إلى أداة بسيطة يمكن للمتخصص الطبي استخدامها للحصول على تغذية راجعة فورية.

تخلص الدراسة إلى أن نهج التعلم العميق هذا يحمل وعداً كبيراً لمستقبل الكشف عن مرض السيلياك. ومن خلال تحقيق متوسط دقة بنسبة 96 بالمائة عبر مجموعة كبيرة ومتنوعة من الصور، يوفر النظام طريقة محتملة لتسريع عملية التشخيص وتقليل العبء على المرضى الذين يواجهون حالياً فترات انتظار طويلة ونتائج غير مؤكدة. ويؤكد الباحثون أن عملهم يمهد الطريق لمزيد من الرعاية الصحية الشخصية، حيث يمكن للتكنولوجيا أن تساعد في ضمان حصول المرضى على التشخيص الصحيح والتغييرات الغذائية اللازمة في وقت أقرب. ورغم أن النظام ليس بديلاً بعد للتقدير البشري، إلا أنه يعد أداة قوية يمكنها مساعدة الأطباء في اتخاذ قرارات أكثر دقة، مما يؤدي في النهاية إلى تحسين النتائج الصحية للأفراد الذين يعيشون مع هذه الحالة الصعبة.