The 5000 Babies Project: Early detection of cerebral palsy movement patterns in infants
تثبت هذه الدراسة الجدوى من أن تقنيات الرؤية الحاسوبية المطبقة على بيانات فيديو الرضع يمكنها التنبؤ بالشلل الدماغي بفعالية من خلال تحقيق وسيط مساحة تحت منحنى خصائص تشغيل المستقبِل (ROC-AUC) يبلغ 0.82 عبر تحليل السمات الحركية المستمدة من الوضعية باستخدام نماذج التعلم العميق.
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
تخيل أنك تحاول تعلم رقصة جديدة من خلال مشاهدة فيديو لشخص آخر يؤديها. إذا لم ترَ سوى بضع إطارات ضبابية، فقد تفقد الإيقاع. ولكن إذا كان لديك فيديو واضح وثابت وحاسوب ذكي يمكنه تتبع كل خطوة، وكل موجة ذراع، وكل التواء للجسم، فقد تبدأ في رؤية أنماط لم تكن لتلحظها بعينك المجردة. هذا هو جوهر مجال يسمى "الرؤية الحاسوبية"، حيث تتعلم الآلات كيف "ترى" وتفهم الحركة تماماً كما يفعل البشر. وفي عالم الطب، تُستخدم هذه التكنولوجيا لرصد علامات صغيرة في كيفية حركة الأطفال قد تشير إلى حالة تسمى الشلل الدماغي (CP). الشلل الدماغي هو مجموعة من الاضطرابات التي تؤثر على قدرة الشخص على الحركة والحفاظ على وضعية جسمه، وتنتج عن تلف في الدماغ النامي. حالياً، غالباً ما يضطر الأطباء للانتظار حتى يبلغ الطفل 18 إلى 24 شهراً لإجراء تشخيص مؤكد لأن حركات الرضع قد تكون صعبة التفسير. لكن العلماء يعلمون أنه كلما تمكنوا من رصد المشكلة في وقت أبكر، تمكنوا من البدء في مساعدة الطفل بشكل أسرع، مما يؤدي إلى نتائج أفضل بكثير. السؤال الكبير هو: هل يمكن للحاسوب أن ينظر إلى فيديو لطفل ويرصد علامات الإنذار المبكر هذه بشكل أسرع وأكثر موثوقية من الخبير البشري؟
هذا هو بالضبط ما سعى "مشروع الـ 5000 طفل" لاختباره. قام فريق من الباحثين من المستشفيات وشركات التكنولوجيا بجمع لقطات فيديو لـ 930 رضيعاً، تتراوح أعمارهم بين صفر وستة أشهر. لم يكتفوا بمشاهدة الفيديوهات فحسب؛ بل غذوا برنامج حاسوبي مصمماً ليعمل كمتتبع للهيكل العظمي الرقمي. هذا البرنامج، باستخدام تقنيات جاهزة، رسم خارطة لـ 12 نقطة رئيسية في جسم كل طفل — مثل المعصمين، المرفقين، الكتفين، الوركين، الركبتين، والكاحلين — مما خلق تمثيلاً متحركاً يشبه "رجل العصا" لكل حركة دقيقة. كان الهدف هو معرفة ما إذا كان بإمكان الحاسوب تعلم الفرق بين التمايلات "النموذجية" لرضيع سليم وأنماط الحركة "غير النموذجية" التي قد تؤدي إلى تشخيص الشلل الدماغي في وقت لاحق من الحياة.
تعامل الباحثون مع هذا الأمر كأنه جلسة تدريبية ضخمة لطالب ذكاء اصطناعي. جعلوا الحاسوب يحلل آلاف الإطارات من الفيديو، بحثاً عن "سمات حركية" محددة، وهي مجرد طريقة منمقة لقول "قياسات الحركة". واختبروا طرقاً مختلفة لقياس هذه الحركات: هل كان الحاسوب يؤدي بشكل أفضل من خلال مراقبة مدى بعد يد الطفل عن كتفه؟ أم من خلال التحقق مما إذا كان الجانب الأيسر من الجسم يتحرك بشكل مختلف عن الجانب الأيمن؟ كما اختبروا نوعين من مقاطع الفيديو: المقاطع "البارزة"، وهي مقاطع مدتها 90 ثانية اختارها خبراء بشريون بعناية لتظهر حركة الطفل بوضوح وهدوء، والمقاطع "غير البارزة"، وهي مجرد أجزاء عشوائية من الفيديو قد تتضمن بكاء الطفل أو تشتته.
جاءت النتائج مزيجاً من الاحتمالات المثيرة والدروس الهامة. تعلم الحاسوب أن الأدلة الأكثر فائدة لم تكن تتعلق بكيفية حركة مفصل واحد بمفرده، بل بالمسافة بين مفصلين. كان الأمر يشبه إدراك أنه لفهم رقصة ما، لا تراقب القدم فحسب، بل تراقب علاقة القدم بالركبة والفخذ. وتحديداً، وجد الحاسوب أن تتبع المسافة بين المفاصل على نفس جانب الجسم (مثل المعصم الأيسل إلى الكاحل الأيسر) كان الطريقة الأكثر قوة لرصد الأنماط المرتبطة بالشلل الدماغي. عندما تم تدريب الحاسوب على المقاطع "البارزة" — تلك التي اختارها البشر كأفضل الأمثلة — كان أداؤه جيداً للغاية، حيث حقق درجة (تسمى ROC-AUC) بلغت 0.82. وهذا يعني أنه استطاع التمييز بين الحالات النموذجية وغير النموذجية بدرجة عالية من الدقة، حيث حدد بشكل صحيح حوالي 81% من الأطفال الذين سيُشخصون لاحقاً بالشلل الدماغي، وحدد بشكل صحيح حوالي 71% ممن لن يصابوا به.
ومع ذلك، استبعدت الدراسة بعض الأفكار. فقد عانى الحاسوب عندما حاول التعلم من المقاطع "غير البارزة"؛ حيث انخفض أداؤه بشكل كبير، مما يشير إلى أن مجرد تغذية الآلة بفيديو عشوائي ليس كافياً. كما وجد أيضاً أن النظر إلى مفصل واحد في كل مرة، أو التركيز كثيراً على مدى التواء جذع الطفل، لم يوفر معلومات كافية لتقديم تنبؤ جيد. في الواقع، كانت بعض النماذج التي اعتمدت فقط على زاوية دوران الطفل متلهفة جداً لإيجاد مشكلة، مما أدى إلى تصنيف معظم الأطفال على أنهم مصابون بالشلل الدماغي، مما تسبب في الكثير من الإنذارات الكاذبة.
في النهاية، تشير هذه الدراسة إلى أن استخدام الرؤية الحاسوبية لتحليل حركات الرضع هو مسار واعد للمضي قدماً. فهي تظهر أن الآلة يمكنها تعلم رؤية الاختلافات الدقيقة في كيفية حركة الطفل، خاصة عندما تركز على العلاقة بين أجزاء الجسم المختلفة وعندما تُمنح بيانات فيديو عالية الجودة ومختارة من قبل خبراء. ورغم أن هذا ليس علاجاً سحرياً أو منتجاً نهائياً جاهزاً لكل عيادة طبية بعد، إلا أنه يثبت نجاح المفهوم. لقد وجد الباحثون أنه مع البيانات الصحيحة والطريقة الصحيحة لقياس الحركة، يمكن للحواسيب أن تصبح شركاء أقوياء في رصد الشلل الدماغي في وقت مبكر، مما يساعد في تقديم الدعم الذي يحتاجه المزيد من الأطفال ليزدهروا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.