نموذج التعلم العميق لتحديد مرض العظام الأيضي في الولدان الخداج باستخدام صور أشعة الرسغ

مساعدة عظام المولودين الهشّة

يواجه الأطفال الخدج جداً العديد من المخاطر الصحية الخفية، ومن أخطرها ضعف العظام وقلة تمعدنها التي قد تؤدي إلى كسور دون سابق إنذار. يعتمد الأطباء غالباً على أشعة الرسغ للبحث عن علامات مبكرة، لكن هذه العلامات قد تكون باهتة ويسهل تفويتها، لا سيما في المستشفيات المزدحمة أو حيث قلة الأخصائيين. تقدم هذه الدراسة برنامجاً حاسوبياً يعتمد على التعلم العميق يقرأ أشعة الرسغ لرضع الخداج ويساعد الأطباء على رصد مشاكل العظام بشكل أبكر وأكثر دقة، مما قد يمنع الكسور المؤلمة والمضاعفات الطويلة الأمد.

لماذا تحتاج العظام الصغيرة إلى عناية إضافية

مرض العظام الأيضي لدى الخداج هو حالة لا تتم فيها تمعدن عظام الأطفال الصغار جداً والمولودين مبكراً بشكلٍ صحيح. لأن هؤلاء الرضع يفوتون الأسابيع الأخيرة من الحمل، عندما تُودَع كميات كبيرة من الكالسيوم والفوسفور في العظام، فإنهم معرضون بشكل خاص للخطر. تكون الخطورة أعظم لدى الأطفال المولودين قبل الأسبوع 28 أو الذين يزنون أقل من 1500 غرام، وتبلغ ذروتها بين الأسبوعين الرابع والثامن بعد الولادة. قد تشير تحاليل الدم إلى وجود مشكلة، لكن عادة ما يؤكد الأطباء شكوكهم بأشعة الرسغ التي تظهر تغيرات طفيفة في نهاية عظم الكعبرة أثناء نموه. ولسوء الحظ، قد لا تظهر هذه التغيرات إلا بعد تقدم فقدان العظم، وحتى عند ظهورها قد يصعب على غير المتخصصين تمييزها.

تعليم الحاسوب قراءة أشعة الرسغ

لمعالجة هذه المشكلة، جمع باحثون في كوريا الجنوبية مجموعة كبيرة من أشعة الرسغ لأكثر من ألف رضيع منخفض الوزن عند الولادة تم علاجهم في مستشفيين رئيسيين. راجع خبراء مختصون بعناية 2239 صورة من 814 رضيعاً في أحد المستشفيات، وصنّفوا كل صورة بأنها تُظهر عظاماً طبيعية أو علامات مرض العظام الأيضي. رسموا مربعاً حول المنطقة الأساسية عند نهاية الكعبرة لكي يركّز الحاسوب على نفس المنطقة التي يستخدمها الخبراء البشريون. بعد ذلك درّب الفريق عدة نماذج متقدمة للتعلم العميق على هذه الصور المقتطعة، مستخدمين تقنيات قياسية لتدوير الصور قليلاً أو تفتيحها أو طمسها بحيث تصبح الخوارزميات متينة تجاه الفوضى العملية في تصوير وحدات العناية المركزة لحديثي الولادة.

مدى أداء القارئ الرقمي

من بين سبعة نماذج اختُبرت، قدَّم شبكة معروفة باسم DenseNet-121 أفضل أداء. على أشعة لم تُرَ من قبل مأخوذة من المستشفى الأصلي، ميزت بشكل صحيح بين الصور الطبيعية وغير الطبيعية في حوالي 92 بالمئة من الحالات، وكانت جيدة بشكل خاص في استبعاد المرض، نادراً ما تُفوّت الرضع المصابة. عندما واجه النموذج أشعة من مستشفى ثانٍ—بمعدات ومرضى مختلفين—ظل قوياً، مع دقة إجمالية عالية وقدرة ممتازة على تمييز الصور المشبوهة عن الطبيعية. أظهرت تحليلات إضافية أنه عندما أصاب النموذج في قراراته، كان يركّز على نفس منطقة الرسغ التي يركز عليها الخبراء البشر، مما يشير إلى أنه تعلّم أنماطاً ذات معنى طبّي بدلاً من خصائص عشوائية في البيانات.

إعطاء الأطباء رأياً ثانياً أذكى

سأل الباحثون بعد ذلك ثمانية أطباء أطفال وثلاثة أخصائيي أشعة لقراءة أشعة الرسغ مرتين: مرة بمفردهم، ومرة مع عرض تنبؤ النموذج. مع هذا المساعد الرقمي، أصبح الأطباء أكثر دقة واتساقاً. على صور المستشفى الأصلي، ارتفعت الدقة المتوسطة من نحو ثلثي الحالات إلى أكثر من أربعة أخماس، وانخفضت معدلات الإنذارات الكاذبة والحالات الفائتة. ظهرت مكاسب مماثلة عند تفسير صور المستشفى الثاني. كانت الفوائد أكثر وضوحاً لأطباء الأطفال، الذين غالباً ما تكون خبرتهم في تصوير الهيكل العظمي محدودة. بالنسبة لهم، حوّل دعم الذكاء الاصطناعي مهمة صعبة ومعرضة للخطأ إلى مهمة تقترب نتائجها من مستوى أخصائي الأشعة، مع تقليل طفيف في زمن القراءة.

ماذا قد يعني هذا للرضع الخدج

بعبارات بسيطة، تُظهر هذه الدراسة أن برنامجاً حاسوبياً مدرَّباً جيداً يمكن أن يكون بمثابة زوج موثوق إضافي من العيون للأطباء الذين يعتنون بالرضع الخدج الهشين. بينما لا يحل النموذج محل الحكم الإكلينيكي أو تحاليل الدم، فهو يسهل تمييز الأشعة التي تستحق اهتماماً أعمق، لا سيما في المستشفيات التي تفتقر إلى أخصائيي أشعة الأطفال. قد تؤدي الاكتشافات المبكرة والأكثر ثقة لضعف العظام إلى تغييرات في التغذية والمراقبة وطرق التعامل في الوقت المناسب، مما يقلل خطر الكسور المؤلمة ومشاكل النمو الطويلة الأمد. مع مزيد من التحسين، ومجموعات بيانات أكبر، ودمج علامات الدم، قد تصبح أدوات الذكاء الاصطناعي هذه رفيقاً قياسياً في وحدات حديثي الولادة حول العالم، تعمل بهدوء في الخلفية لحماية أصغر المرضى.

الاستشهاد: Park, S.G., Jeong, S., Cho, M. et al. Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs. Sci Rep 16, 7885 (2026). https://doi.org/10.1038/s41598-026-37116-7

الكلمات المفتاحية: الرضع الخدج, صحة العظام, الذكاء الاصطناعي في التصوير الطبي, أشعة الرسغ, وحدة العناية المركزة لحديثي الولادة