The Efficacy of Artificial Intelligence Models in Diagnosing Knee Fractures from X-ray Images using Hybrid Attention Architecture
تُظهر هذه الدراسة أن عشرة نماذج متنوعة من التعلم العميق، بما في ذلك الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (Vision Transformers) التي تستخدم آلية انتباه متعددة المشاهد، تحقق دقة تشخيصية عالية وسرعات معالجة فائقة لكسور الركبة في صور الأشعة السينية، مما يشير إلى إمكاناتها القوية كأدوات لدعم القرار السريري حتى في البيئات محدودة الموارد.
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 كل عام، يصاب ملايين الأشخاص حول العالم بكسور في العظام بالقرب من الركبة. وعندما يحدث هذا، فإن الخطوة الأولى التي يتخذها الأطباء هي النظر في صور الأشعة السينية. تُؤخذ هذه الصور عادةً من زاويتين مختلفتين: واحدة من الأمام وأخرى من الجانب. وتعد هذه الرؤية المزدوجة أمراً بالغ الأهمية لأن الشق في العظمة قد يكون مخفياً في صورة واحدة ولكنه يظهر بوضوح في الأخرى. ومع ذلك، فإن قراءة هذه الصور عمل شاق؛ ففي غرف الطوارئ المزدحمة، قد يغفل الأطباء الذين ليسوا متخصصين في العظام عن هذه الكسور، مما يؤدي إلى تأخر العلاج وطول فترة التعافي. وللمساعدة في حل هذه المشكلة، يعمل العلماء على تعليم الحواسيب كيفية النظر في الصور الطبية، آملين أن تتمكن من رصد الإصابات التي قد تغفل عنها العين البشرية. وتسمى الأدوات التي يستخدمونها بنماذج الذكاء الاصطناعي. تعمل بعض هذه النماذج مثل الكاميرات التقليدية، حيث تمسح الصورة قطعة قطعة للعثور على الحواف والأنسجة، بينما تعمل نماذج أخرى بشكل يشبه الدماغ البشري، حيث تنظر إلى الصورة بأكملها دفعة واحدة لفهم كيفية ارتباط الأجزاء المختلفة ببعضها البعض. والسؤال الكبير هو ما إذا كانت هذه الحواسيب قادرة على تعلم دمج المنظرين الأمامي والجانبي بفعالية كافية لتصبح مساعداً موثوقاً للأطباء.
قام فريق من الباحثين من تشيلي باختبار هذه الفكرة مع التركيز بشكل خاص على كسور الركبة. فقد جمعوا مجموعة كبيرة من صور الأشعة السينية من سجلات مستشفىهم، واختاروا 860 مجموعة من عمليات الفحص. أظهر نصف هذه المجموعات مرضى يعانون من كسور مؤكدة، بينما أظهر النصف الآخر ركباً سليمة. وللتأكد من أن الحاسوب يتعلم بشكل صحيح، قاموا بتقسيم هذه البيانات إلى مجموعات للتعليم، والتحقق، والاختبار النهائي. ثم بنى الباحثون نظاماً يمكنه النظر في صور الأشعة السينية الأمامية والجانبية في وقت واحد. وبدلاً من مجرد تكديس الصورتين فوق بعضهما البعض، صمموا آلية خاصة سمحت للحاسوب بمقارنة المنظرين ديناميكياً. كان بإمكان هذا النظام تحديد أي أجزاء من الصورة الأمامية كانت مهمة وأي أجزاء من الصورة الجانبية كانت أكثر فائدة، محاكياً بذلك الطريقة التي ينقل بها الطبيب انتباهه بين المناظر للعثور على شق مخفي. وقد اختبروا عشرة أنواع مختلفة من نماذج الذكاء الاصطناعي، تتراوح من النماذج الأبسط والأسرع إلى التصميمات الأحدث والأكثر تعقيداً، لمعرفة أي نهج هو الأفضل.
أظهرت النت النتائج أن الحواسيب كانت جيدة للغاية في هذه المهمة. فقد تمكنت أفضل النماذج من تحديد الكسور بشكل صحيح في جميع الحالات تقريباً، محققة مستوى من الدقة يضاهي أداء القراء البشريين الخبراء. وما كان مفاجئاً حقاً هو أن نوع نموذج الحاسوب لم يبدُ مهماً بقدر الطريقة التي تم بها دمج المنظرين؛ فقد أدى كل من النماذج الأبسط والأسرع والنماذج الأحدث والأكثر تعقيداً أداءً متساوياً عندما استخدموا هذه الطريقة الخاصة في مقارنة زوايا الأشعة السينية. ووصلت النماذج الأكثر دقة إلى درجة 0.94، مما يشير إلى مستوى عالٍ جداً من الموثوقية. علاوة على ذلك، كانت هذه الأنظمة سريعة للغاية، حيث قامت بتحليل كل زوج من الصور في أقل من ثانية، بل إن أسرع نموذج استطاع معالجة صورة في غض النظر عن 50 مللي ثانية فقط. كما أنشأ الباحثون خرائط مرئية لإظهار ما كان الحاسوب ينظر إليه؛ ففي الحالات التي كان فيها الحاسوب صحيحاً، أبرزت هذه الخرائط البقعة الدقيقة للكسر، مما أثبت أن الآلة لم تكن مجرد تخمين، بل كانت تركز بالفعل على الإصابة.
كما تناولت الدراسة مصدر قلق شائع بشأن الذكاء الاصطناعي: وهو ما إذا كان يعمل فقط مع كميات ضخمة من البيانات. وجد الباحثون أن طريقتهم عملت بفعالية حتى مع عدد متوسط من الصور، مما يشير إلى أن هذه الأدوات يمكن أن تكون مفيدة في المستشفيات التي لا تمتلك قواعد بيانات ضخمة للسجلات الطبية. وأشاروا إلى أنه على الرغم من سرعة هذه الحواسيب ودقتها، إلا أنها لم تكن مثالية، ولا يزال النظام بحاجة إلى الاختبار في غرف الطوارئ الواقعية لمعرفة كيفية أدائه تحت ضغط العيادات المزدحمة. وخلص الباحثون إلى أنه من خلال تعليم الحواسيب كيفية النظر إلى زوايا متعددة للإصابة، تماماً كما يفعل الأطباء، فمن الممكن إنشاء أدوات قوية تدعم القرارات الطبية. ويمكن أن تكون هذه الأدوات ذات قيمة خاصة في الأماكن التي لا يتوفر فيها أطباء متخصصون دائماً، مما يوفر رأياً ثانياً سريعاً وموثوقاً لضمان عدم مرور أي عظم مكسور دون ملاحظة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.