صور مستعمرات عالية الدقة لبكتيريا معزولة سريرياً للكشف الآلي والتعلّم العميق

لماذا تهم النقاط الصغيرة على طبق

عندما يفحص الأطباء العدوى، غالبًا ما ينمون الميكروبات من عينة مريض على صفيحة مغذية وينتظرون ظهور نقاط صغيرة تُسمّى مستعمرات. كل نقطة تعود إلى ميكروب واحد، وشكلها ونمطها يساعدا فنيي المختبر في تخمين سبب المرض. لكن قراءة مئات الأطباق بالعين البشرية بطيئة ومرهقة. تصف هذه الدراسة مجموعة كبيرة ومبنية بعناية من صور المستعمرات عالية الجودة مصممة لمساعدة الحواسيب على تعلّم كيفية اكتشاف هذه النقاط وعدّها بسرعة وبثبات.

من طاولة المختبر المزدحمة إلى الصور الرقمية

في مختبرات المستشفيات، ينمي الطاقم البكتيريا من الدم أو البول أو ممرات التنفس بشكل روتيني. ثم يفحصون المستعمرات من حيث الحجم واللون والشكل لتوجيه التشخيص والعلاج. القراءة التقليدية بالعين ليست مجهدة فحسب؛ بل تختلف أيضًا من شخص إلى آخر، خاصة عندما يجب فحص عدد كبير من الأطباق في وقت قصير. ومع زيادة عدد الفحوصات السريرية ورغبة الأنظمة الصحية في الحصول على إجابات أسرع، ثمة دفع قوي للتحول من الفحص اليدوي إلى أدوات رقمية قادرة على معالجة أعداد كبيرة من الصور بنفس المعايير في كل مرة.

بناء نافذة أنقى على البكتيريا

سعى المؤلفون إلى إنشاء مجموعة صور للمستعمرات تتجنب كثيرًا من عيوب مجموعات البيانات القديمة، مثل إضاءة غير متساوية وقلة أنواع الجراثيم. جمعوا سلالات سريرية من مرضى حقيقيين على مدار ما يقرب من عامين، شاملة 19 نوعًا مهمًا من البكتيريا، من بينها عدة أنواع تقاوم المضادات الحيوية أحيانًا. لكل نوع اختاروا عدة سلالات مميزة ونمّوها على وسط صلب تحت ظروف محكومة بدقة، أحيانًا انتظارًا حتى 48 ساعة لظهور المظهر النموذجي للأنواع البطيئة النمو. ثم استخدموا جهاز تصوير مغلق ومضاد للضوء مع كاميرا ثابتة ومصدرين للضوء، أحدهما يمرّ عبر الصفيحة والآخر ينعكس من الأعلى، لالتقاط صور حادة ومستقرة لكل طبق.

تحويل الأطباق إلى أرقام للحواسيب

بعد التقاط الصور، رسم موظفو المختبر المدربون بعناية مربعات حول كل مستعمرة باستخدام برنامج ترميز. قام مفتشان بالتمييز بشكل مستقل، وحل خبير ثالث النزاعات النادرة، بحيث تطابقت العلامات النهائية عن كثب مع حواف المستعمرات الحقيقية. كما قلب الفريق الصور أفقيًا أو رأسيًا لإنشاء أمثلة إضافية، مع تعديل العلامات لتطابقها. في النهاية أنتجوا 950 صورة أصلية ونسخها المقلوبة، مما أسفر عن 1900 صورة تضم 118442 مستعمرة موسومة. تُخزن التسميات في عدة أنواع ملفات شائعة حتى تتمكن أدوات الذكاء الاصطناعي المختلفة من استخدام البيانات نفسها بقليل من الجهد الإضافي.

اختبار مجموعة البيانات

لإظهار ما يمكن أن تدعمه مجموعة البيانات، درّب الباحثون نموذج كشف كائنات حديثًا للعثور على المستعمرات على الأطباق ودراسة كيف يظهر كل نوع في خريطة مدمجة لسمات الصورة. استخدموا الصور الأصلية فقط، وقسموها إلى مجموعات تدريب واختبار، وطبّقوا حيلًا شائعة مثل خلط وقناع أجزاء من الصور أثناء التعلم. على الأطباق المحجوزة للاختبار بلغ النموذج دقة عالية جدًا لمعظم الأنواع الـ19، مع وجود بعض المشكلات فقط على المستعمرات الصغيرة أو الشاحبة التي تندمج في الخلفية. عندما رسموا كيف يجمع النموذج المستعمرات في خريطة ثنائية الأبعاد، شكّل كل نوع عنقودًا واضحًا، مما يبيّن أن الصور تحمل دلائل بصرية قوية ومميزة يمكن للحاسوب تعلّمها.

ماذا يعني هذا لعمل المختبر في المستقبل

توفّر مجموعة البيانات المفتوحة هذه نقطة انطلاق نظيفة وغنية لبناء وفحص أدوات يمكنها اكتشاف وعدّ المستعمرات تلقائيًا، وحتى التمييز بين سمات دقيقة مثل حلقات تلف الخلايا الحمراء حول بعض البكتيريا. وعلى الرغم من تركيزها على أنواع منفردة مزروعة بمعزل عن الخليط المربك لعينات المرضى الحقيقية، فإنها تلتقط التنوع الطبيعي بين السلالات وتعرض المستعمرات تحت ظروف يمكن تكرارها بدرجة عالية. للخامة العامة، الخلاصة الرئيسية هي أنه بتحويل آلاف صور أطباق بتري المضاءة جيدًا إلى مورد مشترك، يجعل هذا العمل من الأسهل للعديد من المجموعات تصميم ومقارنة أنظمة ذكية قد تساعد يومًا ما مختبرات المستشفيات على تقديم نتائج عدوى أكثر موثوقية وسرعة.

الاستشهاد: Du, J., Yang, C., Sun, M. et al. High-Resolution Colony Images of Clinically Isolated Bacteria for Automated Detection and Deep Learning. Sci Data 13, 757 (2026). https://doi.org/10.1038/s41597-026-07095-5

الكلمات المفتاحية: مستعمرات بكتيرية, مجموعة بيانات صور, كشف آلي, تعلّم عميق, علم الأحياء الدقيقة السريري