المشفّر اللاصق الكمومي لتحسين جودة صور قاع العين للفحص المبكر للاعتلال الشبكي السكري

فحوص أدق لحماية البصر

بالنسبة لملايين الأشخاص المصابين بالسكري، يمكن لصورة بسيطة لقاع العين أن تكشف عن أبكر علامات فقدان البصر. لكن صور الشبكية غالباً ما تكون محببة أو ضبابية بسبب ضوضاء الكاميرا، مما يصعّب رؤية التفاصيل الدقيقة التي تنقذ البصر. تستكشف هذه الورقة حليفاً غير تقليدي في مكافحة العمى: أسلوب جديد لتنقية الصور يمزج بين التعلم العميق الحالي وأجهزة الحوسبة الكمومية المستقبليّة لإنتاج صور عينية أوضح لاختبارات الفحص المبكر للاعتلال الشبكي السكري.

لماذا تهم التفاصيل الصغيرة في صور العين

الاعتلال الشبكي السكري مرض يسبّب ارتفاع سكر الدم تلفاً تدريجياً للأوعية الدقيقة في الشبكية. يبحث الأطباء عن انتفاخات صغيرة في الأوعية الدموية (الآنيميسمات الدقيقة)، وتفرعات شعيرية رقيقة، وتغيرات نسيجية طفيفة لالتقاط المرض قبل فقدان البصر. غالباً ما تكون هذه العلامات بعرض بضع بيكسلات فقط في صورة قاع العين القياسية. للأسف، تتأثر الصور الواقعية المأخوذة في مراكز الفحص بأنواع كثيرة من الضوضاء: عيوب المستشعر، إضاءة خافتة، وتشويش الحركة. أدوات التنقية التقليدية، مثل التنعيم الغاوسي أو مرشحات الوسيط، يمكن أن تزيل بعض هذه الضوضاء—لكنها تميل إلى محو الهياكل الدقيقة نفسها التي يهتم بها الأطباء أكثر شيء.

حدود المرشحات الذكية الحالية

في السنوات الأخيرة أصبحت طرق التعلم العميق العمود الفقري لتنقية الصور الطبية من الضوضاء. يمكن للمشفّرات اللاصقة الالتفافية، وشبكات البواقي (ResNets)، وشبكات CNN المتخصصة في التنقية أن تتعلم كيف تبدو الصورة «النظيفة» ثم تطرح الضوضاء من الصور الجديدة. تعمل هذه النماذج جيداً، لكنها تأتي مع سلبيات. لالتقاط أنماط صورة معقدة، تحتاج إلى طبقات كثيرة وملايين المعاملات، مما يتطلب حساباً كثيفاً وكميات كبيرة من بيانات التدريب. في التصوير الطبي، حيث مجموعات البيانات الموسومة صغيرة نسبياً، قد تفرط مثل هذه النماذج في التكيّف—تتذكر صور التدريب بدلاً من التعميم—وقد تستمر في طمس الأوعية الرقيقة أو الآفات الصغيرة.

إدخال أفكار كمومية في المعادلة

يقترح المؤلفون نهجاً هجينا يسمّى المشفّر اللاصق الكمومي (QDAE). للوهلة الأولى يشبه خط أنابيب التعلم العميق التقليدي: يقوم مشفّر تقليدي بضغط كل صورة عين ضبابية إلى مجموعة مدمجة من الميزات، ثم يعيد مفكك تقليدي بناء صورة منقّاة لاحقاً. الحدث الرئيسي يحدث في الوسط. بدلاً من تمرير الميزات عبر عنق زجاجة رياضي بسيط، يحول QDAE هذه الميزات إلى حالات شبيهة بالكم ويعالجها بدائرة كمومية معلمة صغيرة قبل إعادتها. في الآلات الكمومية الحقيقية، تسمح التراكب بالنظر في مجموعات ميزات كثيرة دفعة واحدة، ويربط التشابك أجزاء بعيدة من الصورة. رغم أن هذا العمل يستخدم دوائر محاكاة على وحدة معالجة رسومية عادية، فإن نفس البنية تتيح للنموذج تمثيل علاقات غير خطية وغنية بين البيكسلات بعدد نسبي صغير من المعاملات القابلة للتعلّم.

صور أوضح مع الحفاظ على الأوعية الدقيقة

لاختبار QDAE، استخدم الباحثون مجموعة بيانات عامة لصور الشبكية، قُطّرت إلى 224×224 بيكسل وتعرّضت اصطناعياً لضوضاء غاوسية ونمطية واقعية. قارنوا طريقتهم بثلاث طرق قوية مرجعية: مشفّر لاصق التفافياً، نموذج قائم على ResNet، وشبكة CNN شائعة للتنقية. تم تدريب كل النماذج وتقييمها على نفس البيانات باستخدام مقاييس جودة الصور القياسية. تفوّق النموذج المعزز بالكم في كل مقياس رئيسي: حقق نسبة إشارة إلى ضوضاء ذروية قدرها 38.8 ديسيبل ودرجة تشابه هيكلي 0.96، أي أعلى بكثير من الشبكات الكلاسيكية. كما حافظ بشكل أفضل على شدة وتراكيب النسيج الأصلية في الصور، بما في ذلك سطوع وتباين قرص العصب البصري، والبقعة الصفراء (المكولا)، وشبكة الأوعية الدقيقة. رغم أن الخطوة الكمومية أضافت تأخيراً بسيطاً—نحو نصف ثانية لكل صورة—إلا أن التكلفة الحسابية الإجمالية بقيت مماثلة لشبكات CNN العميقة بفضل استخدام دوائر ضحلة تحتوي على أربعة كيوبتات فقط وثلاث طبقات.

ماذا يعني هذا للمرضى والعيادات

بالنسبة لشخص مصاب بالسكري، تختزل التفاصيل التقنية إلى فائدة بسيطة: صور عين أوضح تسهّل على البرمجيات والأخصائيين اكتشاف المرض مبكراً، حيث يمكن للعلاج أن يمنع فقدان البصر. يعمل QDAE كمرحلة تنظيف ذكية يمكن توصيلها بأنظمة الفحص الحالية، مما يساعد الأدوات اللاحقة التي تقوم بتقسيم الآفات أو تصنيف شدة المرض. وبما أن الجزء الكمومي محاكَ، فلن تحتاج المستشفيات إلى أجهزة كمومية خاصة لتجربته الآن، ومع ذلك فالتصميم جاهز لأجهزة كمومية مستقبلية مع نضوجها. لا تزال الدراسة بحاجة لاختبارات سريرية أوسع على صور من عيادات وكاميرات متعددة، لكنها تقدم لمحة مثيرة عن كيفية تحسّن فحوصات العين الروتينية بصمت عبر الحوسبة المستوحاة من الكم، وما قد يساعد في النهاية على الحفاظ على البصر.

الاستشهاد: Chilukuri, R., P, P., Gatla, R.K. et al. Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening. Sci Rep 16, 5970 (2026). https://doi.org/10.1038/s41598-026-35540-3

الكلمات المفتاحية: الاعتلال الشبكي السكري, تصوير الشبكية, تنقية الصور من الضوضاء, تعلم الآلة الكمومي, الذكاء الاصطناعي الطبي