نموذج ذكاء اصطناعي لتصوير الرنين المغناطيسي القلبي يقرأ فحوصات القلب المعقدة دون تسميات يدوية

نظام ذكاء اصطناعي متخصص يستهدف إحدى أصعب مشكلات التصوير في أمراض القلب

يقول باحثون من جامعة كارنيغي ميلون وعيادة كليفلاند إنهم طوروا نظاما للذكاء الاصطناعي يمكنه تفسير فحوصات الرنين المغناطيسي القلبي من دون الاعتماد على بيانات تدريب موسومة يدويا، وهي خطوة قد تجعل تحليل صور القلب المتقدم أكثر قابلية للتوسع في البيئات السريرية. وصُمم النظام، الذي يحمل اسم CMR-CLIP، خصيصا للتصوير بالرنين المغناطيسي القلبي، وهي وسيلة مستخدمة على نطاق واسع لتقييم بنية القلب ووظيفته وصحة الأنسجة وتدفق الدم وعلامات الضرر.

وقد نُشر العمل في Nature Communications، ويربط صور القلب المتحركة بالتقارير السريرية في الأشعة التي تصفها. وبدلا من التدريب على مجموعة بيانات كبيرة موسومة يدويا، يتعلم النموذج من العلاقة بين الفحوصات والنص الذي يكتبه الأطباء. وفي الاختبارات، قالت المجموعة إن النظام تفوق على نماذج الذكاء الاصطناعي العامة، وفي بعض الحالات تجاوز أداءها بأكثر من 35%.

وتكتسب هذه النتيجة أهمية لأن الرنين المغناطيسي القلبي ليس مهمة بسيطة للتعرف على الصور. فقد يحتوي الفحص الواحد على مئات أو آلاف الصور الملتقطة من زوايا وزمنيات متعددة. ويعد تفسير هذه الدراسات تخصصيا للغاية ويستغرق وقتا طويلا، ما يحد من القدرة الاستيعابية ويمكن أن يقيد الوصول في الأماكن التي يندر فيها القراء الخبراء.

لماذا كان من الصعب أتمتة الرنين المغناطيسي القلبي

غالبا ما يوصف الرنين المغناطيسي القلبي بأنه أداة معيارية لتقييم القلب لأنه يمكنه التقاط صورة شاملة للتشريح والوظيفة في فحص واحد. لكن هذه الغزارة نفسها هي ما يجعل الأتمتة صعبة. فالنماذج المصممة لفهم الصور بشكل عام لا تتكيف بصورة طبيعية مع فحوصات القلب المتحركة متعددة الزوايا والمعقدة سريريا.

وتتمثل الحجة الأساسية لفريق البحث في أن نموذج أساسيا خاصا بالمجال يؤدي أداء أفضل عندما تعكس بنيته واستراتيجية تدريبه بنية البيانات التي يفترض أن يحللها. وبدلا من تكييف نموذج صور عام على أمل أن ينتقل أداءه جيدا، بنى الفريق نظاما حول واقع تفسير الرنين المغناطيسي القلبي.

وقال دينغ تشاو، الأستاذ المشارك في قسم الهندسة الميكانيكية بجامعة كارنيغي ميلون وأحد الباحثين الرئيسيين في الدراسة، إن النتائج تظهر أن نماذج الأساس المتخصصة يمكن أن تتفوق على الأنظمة العامة في المجالات السريرية الضيقة. ويصوغ الباحثون ذلك بوصفه درسا أوسع للذكاء الاصطناعي الطبي: فقد تحتاج النماذج إلى أن تُصمم حول سير عمل التصوير واللغة السريرية المرتبطة به، لا أن تُضبط بعد ذلك فحسب.

كيف يتعلم النموذج من دون تسميات يدوية

يربط CMR-CLIP تسلسلات الرنين المغناطيسي القلبي بتقارير الأشعة الناتجة عن تلك الفحوصات. وهذا يتيح للنظام أن يتعلم من الممارسة السريرية القائمة بدلا من حملات الوسم المكلفة بالجهد. وبالنتيجة، توفر التقارير إشرافا مضمنا في الرعاية الروتينية.

وقد يكون هذا النهج مهما للمستشفيات ومجموعات البحث لأن التسميات اليدوية عالية الجودة في التصوير الطبي مكلفة الإنتاج. فهي تتطلب وقت الخبراء ومعايير ثابتة ومجموعات بيانات كبيرة. ومن خلال التعلم من الصور والتقارير المقرونة، قد يقلل النموذج أحد الاختناقات الرئيسية في بناء أدوات ذكاء اصطناعي سريرية مفيدة.

كما أفاد الباحثون بأن النظام أظهر إمكانات تتجاوز مقاييس الأداء من نوع التصنيف. ووفقا للنص الأصلي، أظهر CMR-CLIP إمكانات في تحليل الصور واسترجاع الحالات ودعم القرار السريري. وهذه حالات استخدام عملية تشير إلى التكامل مع سير العمل بدلا من العروض الأكاديمية الضيقة.

• قد تساعد أتمتة الفرز في تحديد الحالات التي تحتاج إلى مراجعة عاجلة.
• قد تساعد استعادة الحالات الأطباء على مقارنة فحص حالي بأمثلة سابقة مشابهة.
• قد تدعم أدوات مساعدة القرار القراء في البيئات التي تكون فيها القدرة المتخصصة محدودة.

الآثار السريرية والقيود

قال ديفيد تشن من عيادة كليفلاند، وهو أيضا باحث رئيسي مشارك، إن تفسير الرنين المغناطيسي القلبي عمل متخصص ويستغرق وقتا طويلا، وإن أدوات مساعدة القارئ قد تحسن وصول المرضى إلى هذه التقنية. وهذه نقطة مهمة: إذ يوصف المشروع بأنه دعم للأطباء، لا بديل عنهم.

وتكون دلالات الدراسة أقوى في البيئات التي تكون فيها الخبرة محدودة لكن الطلب على التصوير يزداد. فإذا استطاع نموذج أن يسرع الفرز ويقلل العمل المتكرر في المراجعة أو يحسن الاتساق، فقد يوسع النطاق العملي للرنين المغناطيسي القلبي. وسيكون ذلك ذا صلة خاصة في الأنظمة التي يكون فيها الوصول إلى خبراء تصوير القلب غير متكافئ.

وفي الوقت نفسه، لا تدعي المادة المصدر أن النظام جاهز للنشر السريري غير المقيد، كما أنها لا تقدم أرقاما تفصيلية للأداء عبر جميع المهام والسكان. فالمكاسب المبلغ عنها مقارنة بالنماذج العامة لافتة، لكن الأسئلة التالية ستكون حول التحقق عبر المؤسسات، والمتانة عبر بروتوكولات الأجهزة المختلفة، ومدى صمود المخرجات في سير العمل التشخيصي الحقيقي.

وهذه أسئلة معيارية لأي نظام ذكاء اصطناعي طبي. فالمستشفيات تحتاج إلى أدلة لا على دقة النموذج في الاختبار البحثي فحسب، بل على أنه يظل موثوقا عبر مجموعات المرضى المختلفة وبيئات التصوير المتنوعة. وحتى النتائج القوية في منشور لا تتحول تلقائيا إلى نشر على نطاق واسع.

تحول أوسع في الذكاء الاصطناعي الطبي

يعكس المشروع اتجاها أوسع في الذكاء الاصطناعي للطب: الابتعاد عن الحماس العام متعدد الوسائط والانتقال إلى أنظمة مصممة لمجالات سريرية محددة. وفي هذه الحالة، تقوم الفرضية الأساسية على أن نموذجا لتصوير القلب تدرب على بيانات تصوير القلب وتقارير تصوير القلب سيكون أكثر فائدة من نموذج واسع تم تكييفه في مرحلة متأخرة من التطوير.

وهذا اتجاه عملي. فالطب مليء بأنواع بيانات وسير عمل ومفردات متخصصة لا تنطبق بسهولة على مقاييس الذكاء الاصطناعي الاستهلاكية. وقد يكون النظام الذي يفهم التشريح المتحرك للقلب واللغة المستخدمة لوصف المرض في موقع أفضل لتقديم منفعة سريرية قابلة للقياس.

إذا دعمت عمليات التحقق اللاحقة النتائج الأولية، فقد يصبح CMR-CLIP جزءا من فئة جديدة من نماذج الأساس الطبية الأقل اعتمادا على التسميات اليدوية والأقرب إلى التوثيق السريري الروتيني. وفي التصوير القلبي، سيمثل ذلك تقدما في تحد قائم منذ زمن: جعل إحدى أغنى الأدوات التشخيصية في المجال أسهل في التفسير والتوسع والدعم بالبرمجيات.

والخلاصة الفورية أضيق لكنها مهمة. فالباحثون يبدو أنهم أظهروا أن البيانات السريرية غير الموسومة، عند إقرانها بذكاء مع التقارير القائمة، يمكن استخدامها لبناء نموذج رنين مغناطيسي قلبي أقوى من البدائل العامة. وفي مجال يكون فيه وقت المتخصصين مكلفا وأحجام التصوير كبيرة، فهذا تطور يستحق المتابعة.

تعتمد هذه المقالة على تغطية Medical Xpress. اقرأ المقال الأصلي.