دور الذكاء الاصطناعي في التصوير الطبي للكشف المبكر عن الشذوذ

لا تزال الضجة المحيطة بالذكاء الاصطناعي سائدة في مجال الرعاية الصحية ولكنها قوية بشكل خاص في مجال الأشعة. إذا كنت تتذكر الأيام الأولى للتصميم بمساعدة الكمبيوتر (CAD)، فمن المثير للإعجاب مدى التقدم الذي أحرزته التكنولوجيا. ربما يزعم مواطن ChatGPT أن الكثير من العمل يجب القيام به قبل أن يتمكن الذكاء الاصطناعي من الوصول إلى إمكاناته الكاملة في هذا المجال. كلا الرأيين صحيح. ستبحث هذه المقالة في سبب صعوبة اكتشاف الذكاء الاصطناعي للأشياء، وكيف يتغير دوره، وما هي الاتجاهات التي يجب مراقبتها في عام 2025 وما بعده.

العثور على إبرة في كومة قش: الكشف أمر صعب.

إن اكتشاف المرض مبكراً أمر صعب لأن الأمراض تبدأ غالباً بانحرافات دقيقة عن المظهر الطبيعي في بيانات التصوير الإشعاعي. ولأن هناك قدراً كبيراً من التباين الطبيعي التام بين الأفراد، فمن الصعب للغاية تحديد التغيرات الطفيفة التي تعتبر غير طبيعية حقاً. على سبيل المثال، تبدأ عقيدات الرئة صغيرة جداً؛ وتبدأ أمراض الرئة المنتشرة بتغيرات في الأنسجة يمكن تجاهلها بسهولة.

اين هذا تعلم آلة تلعب (ML) دورًا مهمًا. يمكنها أن تتعلم التعرف على التغييرات المحددة التي ليست طبيعية، ولكنها مرتبطة بالمرض وفصلها عن التباين الطبيعي. يمكن أن يكون لهذا التباين الطبيعي مصادر مختلفة: التشريح الفردي، أو الاختلافات الفنية في معدات التقاط الصور، أو حتى التغيرات الزمنية في مظهر الأنسجة التي تعتبر طبيعية تمامًا. نحن بحاجة إلى تدريب نماذج ML بكميات كبيرة من البيانات حتى تتمكن من تكوين تمثيلات لهذا التباين وتحديد تلك التغييرات التي تشير إلى المرض.

هل يمكن للذكاء الاصطناعي أن يساعدنا في اكتشاف التشوهات بشكل أسرع؟

يمكن للذكاء الاصطناعي أن يساعد بعدة طرق. أولاً، يمكنه التعرف على أنماط محددة مرتبطة بالأمراض، مثل السرطان، أو أمراض الرئة الخلالية، أو أمراض القلب والأوعية الدموية في بيانات التصوير. من خلال التدريب على بيانات متنوعة قدر الإمكان، يكون الذكاء الاصطناعي قادرًا على اكتشاف النتائج المهمة للتشخيص الأولي بشكل قوي. ومن خلال تحليل أحجام الصور بالكامل، يمكنه دعم أخصائيي الأشعة من خلال تسليط الضوء على المناطق المشبوهة، وبالتالي زيادة حساسية الأطباء.

ثانياً، يمكن للذكاء الاصطناعي استخدام ميزات الصور التي تتجاوز تلك التي يمكن للبشر ملاحظتها والإبلاغ عنها بسهولة. في الكشف عن سرطان الرئة، يقوم أخصائيو الأشعة أولاً بتقييم حجم وشكل وفئة العقيدة لاتخاذ القرار بشأن الإجراء التالي في إدارة المريض. يمكن للذكاء الاصطناعي تحليل الملمس ثلاثي الأبعاد والخصائص الدقيقة لسطح العقيدة لتحديد ما إذا كانت تحمل مخاطر عالية أو منخفضة من الخباثة بشكل أكثر موثوقية. وهذا له عواقب مباشرة في إدارة المرضى الأفراد، مثل ما إذا كان سيتم إرسال هذا الشخص لخزعة أم لا، أو طول وتكرار فترات المتابعة.

في دراسة أجراها آدامز وآخرون (JACR)وقد تبين أن الجمع بين إدارة العقيدات العرضية في التصوير المقطعي المحوسب للصدر وفقًا للمبادئ التوجيهية مع إن التحليل القائم على التعلم الآلي يمكن أن يقلل بشكل كبير من النتائج الإيجابية الكاذبة. وهذا يترجم إلى انخفاض عدد الخزعات غير الضرورية (في الحالات التي يقول فيها الذكاء الاصطناعي أن العقدة حميدة) ووقت أسرع للعلاج (في الحالات التي يقول فيها الذكاء الاصطناعي أن العقدة خبيثة). هنا من المهم التأكيد على أن الذكاء الاصطناعي لا يدعو إلى إلغاء المبادئ التوجيهية. بدلاً من ذلك، نواجه تحديًا لاستكمال المبادئ التوجيهية الضرورية بنتائج الذكاء الاصطناعي. في هذه الحالة، إذا كانت درجة التعلم الآلي تتعارض مع المبادئ التوجيهية بدرجة عالية من اليقين، فاتبع درجة التعلم الآلي؛ وإلا فالتزم بإرشادات المبادئ التوجيهية. سنرى المزيد من التطبيقات مثل هذا في المستقبل.

ثالثًا، يمكن للذكاء الاصطناعي أن يساعد في تحديد التغيرات التي تطرأ على المرضى بمرور الوقت، وهو أمر بالغ الأهمية للمتابعة السليمة. يمكن للخوارزميات الحالية في مجال التعلم الآلي وتحليل الصور الطبية أن تصطف صورًا متعددة لنفس المريض - نسمي هذا "التسجيل" - حتى نتمكن من النظر إلى نفس الموضع في نقاط زمنية مختلفة. في حالة سرطان الرئة، تتيح لنا إضافة خوارزميات التتبع تقديم التاريخ الكامل لكل عقدة في الرئة لأطباء الأشعة عندما يفتحون حالة. بدلاً من الاضطرار إلى البحث في عمليات المسح السابقة والانتقال إلى الموضع الصحيح لبضعة عقد على سبيل المثال، يمكنهم رؤية كل شيء في وقت واحد. هذا لا ينبغي أن يوفر الوقت فحسب، بل يجعل أيضًا تجربة عمل أكثر متعة للأطباء.

سوف يتطور علم الأشعة بفضل الذكاء الاصطناعي. والسؤال هو كيف؟

هناك عدة اتجاهات يتقدم فيها الذكاء الاصطناعي بسرعة. والأمر الواضح هو أننا نجمع بيانات أكثر تنوعًا وتمثيلًا لبناء نماذج قوية تعمل بشكل جيد في البيئات السريرية. وهذا لا يشمل فقط البيانات من أنواع مختلفة من أجهزة المسح الضوئي، بل يشمل أيضًا البيانات المتعلقة بالأمراض المصاحبة التي تجعل اكتشاف السرطان أكثر صعوبة.

وبعيداً عن البيانات، هناك تقدم مستمر في تطوير أساليب جديدة للتعلم الآلي لتحسين الدقة. على سبيل المثال، يبحث أحد المجالات الرئيسية للبحث في كيفية فصل التباين البيولوجي عن الاختلافات في الحصول على الصور؛ ويبحث مجال آخر في كيفية نقل نماذج التعلم الآلي إلى مجالات جديدة. ويمثل التعدد الوسائط والتنبؤ اتجاهين مثيرين بشكل خاص يشيران أيضاً إلى الكيفية التي قد يتغير بها علم الأشعة على مدى السنوات القليلة المقبلة. في الطب الدقيق، يشكل التشخيص المتكامل اتجاهاً بالغ الأهمية يهدف إلى استخدام البيانات من علم الأشعة، والطب المخبري، وعلم الأمراض، وغيرها من مجالات التشخيص لاتخاذ قرارات العلاج. وإذا تم استخدام هذه البيانات معاً، فإنها تقدم معلومات أكثر كثيراً لتوجيه القرارات مقارنة بأي معلمة واحدة بمفردها. وهذه ممارسة قياسية بالفعل، على سبيل المثال، في مجالس الأورام؛ وسوف يدخل التعلم الآلي ببساطة في المناقشة في المستقبل. وهذا يثير السؤال: ماذا ينبغي لنماذج التعلم الآلي أن تفعل بكل هذه البيانات المتكاملة من مصادر متعددة؟ أحد الأشياء التي يمكننا القيام بها هو محاولة التنبؤ بالأمراض المستقبلية فضلاً عن استجابة الفرد للعلاج. إنهم معًا يحملون قدرًا كبيرًا من القوة التي يمكننا استغلالها لإنشاء تنبؤات "ماذا لو" التي يمكن أن توجه قرارات العلاج.

الاتجاهات لعام 2025: تشكيل الكفاءة والجودة والتعويض

هناك العديد من العوامل التي تدفع الذكاء الاصطناعي إلى الممارسة السريرية. وهناك جانبان مهمان هما الكفاءة والجودة.

الكفاءة

من خلال السماح لأخصائيي الأشعة بالتركيز على الجانب الحاسم والصعب من عملهم - دمج البيانات المعقدة - يمكن للذكاء الاصطناعي أن يساعد في زيادة الكفاءة. يمكن للذكاء الاصطناعي دعم ذلك من خلال توفير معلومات بالغة الأهمية وذات صلة في نقطة الرعاية - على سبيل المثال القيم الكمية - أو من خلال أتمتة بعض المهام مثل اكتشاف أو تقسيم الشذوذ. وهذا له تأثير جانبي مثير للاهتمام: فهو لا يمكّن من تقييم التغييرات بشكل أسرع فحسب، بل إنه ينقل أيضًا مهام مثل تقسيم بكسل بكسل وحجم أنماط المرض من البحث إلى الممارسة السريرية. إن تقسيم الأنماط الكبيرة يدويًا أمر غير قابل للتطبيق تمامًا في العديد من الظروف، لكن الأتمتة تجعل هذه المعلومات في متناول اليد أثناء الرعاية الروتينية.

جودة

يؤثر الذكاء الاصطناعي على جودة العمل. ونعني بذلك: تحسين التشخيص، والتوصية بعلاج محدد، والكشف المبكر عن المرض، أو التقييم الأكثر دقة لاستجابة العلاج. وهذه فوائد لكل مريض على حدة. وفي الوقت الحالي، يتم تقييم العلاقة بين هذه الفوائد والفعالية من حيث التكلفة على مستوى النظام لدراسة وقياس تأثير اقتصاديات الصحة لإدخال الذكاء الاصطناعي في مجال الأشعة.

السداد

لم يعد تبني الذكاء الاصطناعي مرتبطا بالكفاءة فحسب؛ بل أصبح يحظى بالتقدير والمكافأة على مساهماته الملموسة في رعاية المرضى وتوفير التكاليف. ويسلط إدراجه في مخططات التعويض الضوء على هذا التحول. وفي حين تبدو الفوائد ــ مثل الحد من الإجراءات غير الضرورية وتسريع العلاج ــ واضحة في ضوء الماضي، فإن الرحلة كانت طويلة. والآن، مع ظهور أولى الحالات الناجحة، أصبح التأثير التحويلي للذكاء الاصطناعي واضحا. ومن خلال تحسين نتائج المرضى وتحسين عمليات الرعاية الصحية، يعمل الذكاء الاصطناعي على إعادة تشكيل الصناعة، مع تطورات مثيرة في الأفق.

تشكيل مستقبل التصوير الطبي

إن التصوير الطبي يخضع لتحولات جوهرية. فالطب الدقيق والتشخيص المتكامل وتكنولوجيا التشخيص الجزيئي الجديدة تعمل على تغيير وسائل اتخاذ قرارات العلاج في مشهد متزايد التعقيد من خيارات العلاج. والذكاء الاصطناعي هو المحفز لهذا التغيير، لأنه يمكّن الأطباء من دمج المزيد من الخصائص التي تلتقطها الوسائل المختلفة وربطها باستجابات العلاج.

ولكن لا يزال من الضروري أن نأخذ وقتا طويلا قبل أن نطبق هذه الأدوات على نطاق واسع بسبب التحديات التقنية وقضايا التكامل والمخاوف المتعلقة باقتصاديات الصحة. ومن بين الأشياء التي يمكننا جميعا القيام بها لتسريع هذه العملية أن نكون مرضى مطلعين. ويمكننا جميعا أن نتحدث إلى أطبائنا حول الذكاء الاصطناعي الذي ربما اختبروه أو يستخدمونه في الممارسة العملية وكيف تكمل هذه الأدوات خبرتهم ومعرفتهم المهنية. فالسوق يتحدث عن الطلب؛ لذا إذا طالبنا بالكشف المبكر والدقيق، فسوف يأتي الذكاء الاصطناعي.