دور الذكاء الاصطناعي في التصوير الطبي للكشف المبكر عن الشذوذ

لا يزال الجدل حول الذكاء الاصطناعي سائدًا في مجال الرعاية الصحية، وخاصة في علم الأشعة. إذا كنت تتذكر الأيام الأولى لبرامج التصميم بمساعدة الكمبيوتر (CAD)، فإن التقدم الذي أحرزته التكنولوجيا ممتاز. قد يجادل شخص ما من مواليد ChatGPT بأن هناك الكثير من العمل الذي يتعين القيام به قبل أن تصل الذكاء الاصطناعي إلى إمكاناتها الكاملة في هذا المجال. كلا الرأيين صحيحان. سيقوم هذا المقال بدراسة لماذا يصعب على الذكاء الاصطناعي الكشف عن الأشياء، وكيف يتغير دوره، وما هي الاتجاهات التي يجب ملاحقتها في عام 2025 وما بعده.

العثور على إبرة في كومة قش: الكشف صعب.

يصعب الكشف المبكر عن الأمراض لأنها غالبًا ما تبدأ بتحولات خفية عن المظهر الطبيعي في بيانات التصوير الإشعاعي. نظرًا لوجود الكثير من التباين الطبيعي الكامل بين الأفراد، من الصعب تحديد التغييرات الصغيرة التي هي في الواقع غير طبيعية. على سبيل المثال، تبدأ العقد اللمفية في البداية بحجم صغير؛ تبدأ الأمراض اللمفية المنتشرة بتغيرات في الأنسجة التي يمكن تجاهلها بسهولة.

هنا يأتي دور التعلم الآلي (ML) في اللعب. يمكنه التعلم للتعرف على التغييرات المحددة التي ليست طبيعية، ولكنها ترتبط بالأمراض ويفصلها عن التباين الطبيعي. يمكن أن يكون هذا التباين الطبيعي مصدرًا من مصادر مختلفة: تشريح فردي، أو فروق تقنية في معدات الحصول على الصور، أو حتى تغيرات زمنية في مظهر الأنسجة التي هي طبيعية تمامًا. نحتاج إلى تدريب نماذج التعلم الآلي على كميات كبيرة من البيانات حتى يتمكنوا من تشكيل تمثيلات لهذا التباين وتحديد التغييرات التي تشير إلى المرض.

هل يمكن للذكاء الاصطناعي مساعدتنا في الكشف عن الشذوذ في وقت أقرب?

يمكن للذكاء الاصطناعي مساعدتنا بطرق متعددة. أولاً، يمكنه التعرف على الأنماط المحددة المرتبطة بالأمراض، مثل السرطان أو أمراض الرئة بين الغشاء أو أمراض القلب في بيانات التصوير. من خلال التدريب على بيانات متنوعة قدر الإمكان، يمكن للذكاء الاصطناعي الكشف بشكل قوي عن النتائج المهمة للتشخيص الأولي. ومن خلال تحليل مجاميع الصور بالكامل، يمكنه دعم الأشعة عن طريق تسليط الضوء على المناطق المشبوهة، مما يزيد من حساسية الأطباء.

ثانيًا، يمكن للذكاء الاصطناعي استخدام ميزات الصورة التي لا يمكن للبشر ملاحظتها بسهولة. في الكشف عن سرطان الرئة، يقوم الأشعة أولاً بتقييم حجم و形状 وفئة العقدة لتحديد الإجراء التالي في إدارة المريض. يمكن للذكاء الاصطناعي تحليل النسيج ثلاثي الأبعاد والخصائص الدقيقة لسطح العقدة لتحديد بشكل أكثر موثوقية ما إذا كانت تحتوي على خطر عالي أو منخفض من الخباثة. لهذا عواقب مباشرة في إدارة المرضى الفرديين، مثل ما إذا كان سيتم إرسال الشخص إلى الخزعة أو طول و頻率 الفترات التالية.

في دراسة أجريت بواسطة Adams et al. (JACR)، أظهرت أن الجمع بين إدارة الإرشادات لمواقع العقدة العرضية في التصوير المقطعي المحوسب للصدر مع التحليل القائم على التعلم الآلي يمكن أن يقلل بشكل كبير من الإيجابيات الكاذبة. هذا يترجم إلى عدد أقل من الخزعات غير الضرورية (في الحالات التي يقول فيها الذكاء الاصطناعي إن العقدة حميدة) ووقت أقصر للعلاج (في الحالات التي يقول فيها الذكاء الاصطناعي إن العقدة خبيثة). هنا من المهم التأكيد – الذكاء الاصطناعي لا يطرح إلغاء الإرشادات. بدلاً من ذلك، نحن مدعوون إلى مكمل الإرشادات الضرورية بنتائج الذكاء الاصطناعي. في هذه الحالة، إذا كانت درجة التعلم الآلي تتناقض مع الإرشاد بثقة عالية، فاذهب مع درجة التعلم الآلي؛ وإلا اتبع تعليمات الإرشاد. سنرى تطبيقات أكثر مثل هذه في المستقبل.

ثالثًا، يمكن للذكاء الاصطناعي مساعدتنا في تحديد التغييرات بمرور الوقت في المرضى، وهو ما يعتبر من الأمور الحاسمة لاتباع الإجراءات الصحيحة. يمكن للخوارزميات الحالية في مجال التعلم الآلي وتحليل الصور الطبية محاذاة الصور المتعددة من نفس المريض – نسمي هذا “التسجيل” – حتى نتمكن من النظر إلى نفس الموقع في نقاط زمنية مختلفة. في حالة سرطان الرئة، يسمح لنا إضافة خوارزميات التتبع بتقديم تاريخ كامل لكل عقدة في الرئة إلى الأشعة عند فتح الحالة. بدلاً من الحاجة إلى البحث عن فحوصات سابقة والتنقل إلى الموقع الصحيح لعقدة أو عدة عقد، يرى كل شيء على مرة واحدة. هذا يجب أن يحرر الوقت، ويجعل تجربة العمل أكثر متعة للأطباء.

سيتطور علم الأشعة بسبب الذكاء الاصطناعي. السؤال هو، كيف؟

هناك عدة اتجاهات حيث يتطور الذكاء الاصطناعي بسرعة. الاتجاه الواضح هو أننا نجمع بيانات أكثر تنوعًا وممثلة لإنشاء نماذج قوية تعمل جيدًا في الإعدادات السريرية. هذا يشمل ليس فقط بيانات من أنواع مختلفة من الماسحات، ولكن أيضًا بيانات تتعلق بالأمراض المشتركة التي تجعل الكشف عن السرطان أكثر صعوبة.

إلى جانب البيانات، هناك تقدم مستمر في تطوير أساليب التعلم الآلي الجديدة لتحسين الدقة. على سبيل المثال، واحد من المجالات الرئيسية للبحث هو النظر في كيفية فصل التباين البيولوجي عن فروق الحصول على الصور؛ مجال آخر يبحث في كيفية نقل نماذج التعلم الآلي إلى مجالات جديدة. التعددية والتنبؤ تمثلان اتجاهين ممتعين بشكل خاص يلمحان أيضًا إلى كيفية تغير علم الأشعة على مدى السنوات القليلة القادمة. في الطب الدقيق، يعتبر التشخيص المتكامل اتجاهًا حاسمًا يهدف إلى استخدام بيانات من علم الأشعة، الطب المخبري، علم الأمراض، ومناطق تشخيصية أخرى لاتخاذ قرارات العلاج. إذا تم استخدام هذه البيانات معًا، فإنها توفر المزيد من المعلومات لتوجيه القرارات أكثر من أي معامل واحد على حدة. هذا هو بالفعل الممارسة القياسية، على سبيل المثال، في مجالس الأورام؛ سيدخل التعلم الآلي إلى المناقشة في المستقبل. هذا يطرح السؤال: ما الذي يجب على نماذج التعلم الآلي فعله بجميع هذه البيانات المتكاملة من مصادر متعددة؟ شيء واحد يمكننا فعله هو محاولة التنبؤ بالمرض المستقبلي وكذلك استجابة الفرد للعلاج. معًا، يحملان الكثير من القوة التي يمكننا استغلالها لإنشاء تنبؤات “ماذا لو” التي يمكن أن توجيه قرارات العلاج.

اتجاهات 2025: تشكيل الكفاءة، الجودة، والتعويض

هناك عدة عوامل تدفع الذكاء الاصطناعي في الممارسة السريرية. هناك جانبان مهمان هما الكفاءة والجودة.

الكفاءة

من خلال السماح للأشعة بالتركيز على الجوانب الحاسمة والصعبة من عملهم – دمج البيانات المعقدة – يمكن للذكاء الاصطناعي مساعدتنا على زيادة الكفاءة. يمكن للذكاء الاصطناعي دعم ذلك من خلال تقديم المعلومات الحاسمة والمرتبطة بنقطة الرعاية – على سبيل المثال، القيم الكمية – أو من خلال توفير مهام مثل الكشف أو تقسيم الشذوذ. لهذا تأثير جانبي interessant: إنه لا يزيد فقط من سرعة التقييمات، ولكنه يأتي أيضًا بمهمات مثل تقسيم البكسل بالبكسل وتحليل حجم أنماط المرض من البحث إلى الممارسة السريرية. تقسيم الأنماط الكبيرة يعتبر أمرًا غير قابل للتنفيذ في العديد من الحالات، لكن التأتمتية يجعل هذه المعلومات متاحة خلال الرعاية الروتينية.

الجودة

يؤثر الذكاء الاصطناعي على جودة العمل. نقصد بذلك: أن يصبح أفضل في التشخيص، وتوصية العلاج المحدد، والكشف المبكر عن المرض، أو تقييم استجابة العلاج بدقة أكبر. هذه هي الفوائد لكل مريض على حدة. في الوقت الحالي، يتم تقييم علاقة هذه الفوائد بالفعالية من حيث التكلفة على مستوى النظام لدراسة وتحليل تأثير الاقتصاد الصحي لإدخال الذكاء الاصطناعي في علم الأشعة.

التعويض

لم يعد اعتماد الذكاء الاصطناعي فقط حول الكفاءة؛ إنه يتم التعرف عليه وتكريمه لمساهماته الملموسة في رعاية المرضى والتحسينات في التكلفة. تسلطه في مخططات التعويض يسلط الضوء على هذا التحول. في حين أن الفوائد – مثل تقليل الإجراءات غير الضرورية وتسريع العلاج – قد تبدو واضحة فيما بعد، فإن الرحلة كانت طويلة. الآن، مع ظهور أول الحالات الناجحة، أصبح التأثير التحولي للذكاء الاصطناعي واضحًا. من خلال تحسين نتائج المرضى وتنظيم عمليات الرعاية الصحية، يغير الذكاء الاصطناعي الصناعة، مع تطورات مثيرة على الأفق.

تشكيل مستقبل التصوير الطبي

يخضع التصوير الطبي لتغييرات جوهرية. يغير الطب الدقيق، والتشخيص المتكامل، وتكنولوجيا التشخيص الجزيئي الجديد وسائل اتخاذ قرارات العلاج في مشهد متزايد التعقيد من خيارات العلاج. الذكاء الاصطناعي هو محفز لهذا التغيير، لأنه يسمح للأطباء بدمج المزيد من الخصائص التي يتم التقاطها بواسطة وسائط مختلفة وربطها بالاستجابات العلاجية.

سيستغرق الأمر وقتًا لتبني هذه الأدوات على نطاق واسع بسبب التحديات الفنية ومشاكل التكامل والاهتمامات الاقتصادية الصحية. شيء واحد يمكننا جميعًا فعله لتسريع العملية هو أن نصبح مرضى مستنيرين. يمكننا جميعًا التحدث مع أطبائنا حول ما إذا كانوا قد اختبروا أو يستخدمون الذكاء الاصطناعي في الممارسة وكيف تكمّل هذه الأدوات خبرتهم المهنية ومعرفتهم. السوق تتحدث إلى الطلب؛ إذا طالبنا بالكشف المبكر والدقيق، فإن الذكاء الاصطناعي سيأتي.