التشخيص التلقائي لانحلال البقعة المرتبط بالعمر باستخدام تقنيات تعلم الآلة ومعالجة الصورة

لماذا يهم هذا بصرك

مع طول عمر الناس، يواجه المزيد منا حالة انحلال البقعة المرتبط بالعمر (AMD)، وهو مرض يقوّض الرؤية المركزية ببطء وقد يجعل القراءة أو القيادة أو التعرف على الوجوه صعبًا أو مستحيلًا. يمكن لأطباء العيون اكتشاف علامات تحذيرية مبكرة في صور مؤخرة العين، لكن فحص آلاف المرضى يدويًا يستغرق وقتًا ويتطلب خبراء متخصصين. تستكشف هذه الدراسة كيف يمكن لأداة شفافة تعتمد على تعلم الآلة أن تساعد في الكشف المبكر عن AMD من صور العين الروتينية، دون الاعتماد على صناديق سوداء عميقة صعبة الشرح وهشة.

البحث عن المشاكل في منطقة الرؤية الحادة بالعين

يصيب AMD البقعة، وهي بقعة صغيرة مظلمة قرب مركز الشبكية توفر الرؤية الحادة والمفصلة. تحاول العديد من الأنظمة الآلية العثور على رواسب دهنية صغيرة تُسمى الدروزن في صور العين الكاملة، لكن يمكن الخلط بسهولة بين الدروزن وبقع مضيئة أخرى مثل النزف الصغير، وتتنوع في الشكل والحجم. هذا يجعل اكتشافها بتكرار وبموثوقية صعبًا للحواسيب، وحتى الخبراء يحتاجون وقتًا للتحقق بعناية من النتائج. يسلك المؤلفون مسارًا مختلفًا: بدلاً من مطاردة الدروزن في جميع أنحاء الشبكية، يركزون على منطقة البقعة نفسها ويقيسون كيف يتغير نسيجها ولونها عند وجود AMD.

من الصورة الأولية إلى «بصمة» البقعة

يبدأ النظام بصورة ملونة لمؤخرة العين، تُسمى صورة القاع (fundus). يعزز التباين أولًا باستخدام خطوات قياسية في معالجة الصور لتسهيل تمييز المناطق الداكنة والمضيئة. بعد ذلك يجد تلقائيًا القرص البصري — المنطقة الدائرية المضيئة حيث تخرج الأعصاب من العين — ويستخدم علاقته الهندسية المعروفة بالبقعة للبحث على طول شريط ضيق من الصورة عن أغمق منطقة تناسب الحجم والموقع المتوقع للبقعة. حول هذه النقطة، يقتطع النظام مستطيلاً صغيرًا: هذه هي منطقة الاهتمام، التي تحتوي على النسيج الأكثر احتمالاً لكشف تلف مبكر متعلق بـ AMD.

تحويل الأنماط والألوان إلى أرقام

ضمن رقعة البقعة هذه، يحسب الباحثون مجموعة كبيرة من الأوصاف العددية، أو «الميزات اليدوية الصنع». تلتقط ميزات النسيج كيفية ترتيب كثافات البكسل — سواء بدا السطح أملسًا أو مرقطًا أو غير منتظم — بينما تلتقط ميزات اللون تغيّرات السطوع والصبغة التي قد تعكس تغيرات في الصبغة وصحة النسيج. إجماليًا، تُقاس 140 قيمة نسيجية و48 قيمة لونية لكل صورة عين. وبما أن هذه الأرقام ليست مفيدة جميعها بنفس القدر، يطبق الفريق اختبارات إحصائية وطريقة لترتيب الميزات لاختيار مجموعة أصغر تفرق أفضل بين العيون السليمة ومصابة AMD، مع إزالة القياسات المكررة أو المزعجة.

تدريب الآلات على قول «AMD» أو «طبيعي»

بوجود هذه الميزات المختارة، يدرب المؤلفون عدة مصنفات معروفة في تعلم الآلة — آلة المتجه الداعم (SVM)، أقرب الجيران k (k‑NN)، نايف بايز، وشبكة عصبية بسيطة — لتتعلم الفرق بين العيون الطبيعية والعيون المتأثرة بـ AMD. يستخدمون مجموعتين عامتين من صور الشبكية: مجموعة STARE، التي تتضمن 35 صورة طبيعية و74 صورة لـ AMD، ومجموعة ODIR الأكبر التي تحتوي على مئات الحالات الموسومة. لاختبار الموثوقية، يقسمون كل مجموعة بيانات مرارًا إلى أجزاء تدريب واختبار، ما يدور بالصور بحيث تُستخدم كل عين كاختبار مرة على الأقل، ثم يقيسون الدقة ومعدل الخطأ وعدد مرات اكتشاف AMD بشكل صحيح.

نتائج واضحة وأسباب أكثر وضوحًا

عبر كل الاختبارات، برز مصنف SVM الذي يستخدم ميزات النسيج من منطقة البقعة. على مجموعة STARE، يميز بنجاح بين عيون AMD والعادية بما يقارب 99%؛ وعلى ODIR، تبلغ الدقة نحو 95%. تبين أن معلومات النسيج أقوى من اللون وحده، وأن دمج النوعين لا يتفوق على أداء النسيج بمفرده. بينما تحقق بعض أنظمة التعلم العميق في الأدبيات درجات مماثلة أو أعلى قليلاً، فإنها تتطلب كميات كبيرة من البيانات الموسومة وتوفر القليل من البصيرة حول الإشارات الصورية التي تعتمد عليها. بالمقابل، تتوافق ميزات النسيج واللون اليدوية الصنع في هذه الدراسة مع تراكيب يمكن التعرف عليها في الشبكية، مما يجعل النظام أكثر قابلية للفهم من قبل الأطباء.

ماذا يعني هذا للمرضى

بالمعنى العملي، تظهر الدراسة أن برنامجًا حاسوبيًا بسيطًا وشفافًا نسبيًا يمكنه فحص صورة عين قياسية، وتكبير البقعة، ومع موثوقية عالية جدًا — الإشارة إلى احتمال وجود AMD — دون أن يحاول أولًا تتبع كل رواسب صغيرة. يمكن لمثل هذه الأداة أن تساعد عيادات العيون وبرامج الفحص على فرز أعداد كبيرة من الصور بسرعة، وضمان أن المرضى ذوي المرض المبكر يُحيلون إلى الأخصائيين في وقت أقرب، وفي الوقت نفسه تزويد الأطباء بفهم أوضح لأنماط الرؤية التي يستخدمها النظام لاتخاذ قراره.

الاستشهاد: Agarwal, D., Bhargava, A., Alsharif, M.H. et al. Automatic diagnosis of age-related macular degeneration using machine learning and image processing techniques. Sci Rep 16, 5037 (2026). https://doi.org/10.1038/s41598-026-35428-2

الكلمات المفتاحية: انحلال البقعة المرتبط بالعمر, تصوير شبكية العين, تعلم الآلة, الكشف المبكر عن الأمراض, تحليل الصور الطبية