الكشف عن الملاريا بمساعدة التعلم الآلي باستخدام مجسات بصرية من ألياف الكريستال الفوتوني

لماذا هذا مهم للصحة اليومية

لا تزال الملاريا تقتل مئات الآلاف من الأشخاص كل عام، لا سيما في المناطق الاستوائية حيث قد يكون الوصول إلى فحوص سريعة وموثوقة محدودًا. يصف هذا البحث طريقة جديدة لاكتشاف الملاريا في الدم باستخدام ألياف ضوئية صغيرة موجهة للضوء وخوارزميات حاسوبية ذكية. بدلاً من الاعتماد على فحوص المجهر البطيئة، يحول النهج التغيرات الطفيفة في خلايا الدم الحمراء المصابة إلى إشارات بصرية واضحة يمكن للآلات قراءتها، فاتحًا الطريق نحو تشخيص سريع، محمول، وحساس بدرجة عالية.

رؤية الملاريا من خلال تغيرات الدم

عندما تغزو طفيليات الملاريا الجسم، تستقر داخل خلايا الدم الحمراء وتمر بعدة مراحل تسمى الحلقة (ring) والتغذية (trophozoite) والانشطار (schizont). مع نموها، تعيد تشكيل الخلايا من الداخل بهدوء، مغيرةً هيكلها وطريقة تفاعلها مع الضوء. تنحني خلايا الدم الحمراء السليمة وتبطئ الضوء بشكل متجانس إلى حد ما، بينما تصبح الخلايا المصابة غير متجانسة بصريًا. يستخدم المؤلفون هذه التحولات البصرية الدقيقة كبصمة: بقياس كيفية تصرف الضوء أثناء مروره عبر الدم، يمكنهم تحديد ما إذا كانت الخلايا سليمة أو في مرحلة معينة من العدوى.

ليف صغير كأنبوب اختبار ذكي

في صميم العمل ليف بصري خاص يعرف باسم ألياف الكريستال الفوتوني. بخلاف الألياف الزجاجية المألوفة المستخدمة في كابلات الإنترنت، يتميز هذا النوع بمركز مجوف محاط بخمس حلقات من الثقوب المجهرية المتباعدة بانتظام في مادة بلاستيكية تعرف باسم توباس. يُدخَل الدم إلى النواة المجوفة حيث يتفاعل مباشرة مع شعاع ضوئي في نطاق التيراهرتز، وهو جزء من الطيف بين الميكروويف وتحت الحمراء. تحبس الثقوب المنظمة بعناية الضوء وتوجهه بخسارة قليلة جدًا، مما يفرض تفاعلًا قويًا بين الشعاع والدم بحيث تنعكس حتى التغييرات الطفيفة في الخلايا في الإشارة المارة.

تحويل إزاحات الضوء إلى إشارات مرضية واضحة

باستخدام محاكاة حاسوبية مفصّلة، يوضح الفريق كيف يحول تصميم الليف الاختلافات بين الدم المصاب والسليم إلى إزاحات في لون (طول موجة) الضوء الذي يعبر. عبر المراحل الرئيسية للملاريا، يتغير معامل الانكسار لخلايا الدم الحمراء — أي مدى انحنائها للضوء — بشكل طفيف فقط، ومع ذلك يقوم الليف بتكبير هذه الإزاحات إلى تحركات سهلة الكشف لقمم الرنين في الطيف. يحقق المستشعر حساسية نسبية تزيد عن 95% لجميع المراحل، مع أداء قوي خصوصًا عند تردد تيراهرتز بقيمة 2.2 تريليون دورة في الثانية. في الوقت نفسه، يبقى فقدان الضوء على طول الليف منخفضًا جدًا، مما يعني أن الإشارة تبقى قوية عبر مسافات مفيدة ويمكن قياسها بدقة باستخدام أدوات بصرية قياسية.

مصمم للاستخدام الواقعي وتصميم متين

يضبط المؤلفون بعناية هندسة الليف — مثل حجم وتباعد ثقوب الهواء — لموازنة الحساسية العالية مع القوة الميكانيكية وسهولة التصنيع. كما يختبرون كيف قد تؤثر أخطاء التصنيع الصغيرة على الأداء ويجدون أن المستشعر يظل مستقرًا حتى عندما تتغير الأبعاد الرئيسية بنسبة عدة في المئة. يمكن تصنيع البنية باستخدام تقنيات موجودة وملؤها انتقائيًا بعينات الدم، مما يجعلها عملية للنشر خارج المختبرات المتطورة. وبما أنها تعمل دون علامات أو أصباغ كيميائية، فهذه الطريقة مناسبة للاختبارات المتكررة ويمكن تكييفها لأمراض أخرى تغير خواص الدم البصرية بشكل طفيف.

إضافة التعلم الآلي لصقل التشخيص

إلى جانب المستشعر الفيزيائي، تستعرض الورقة كيف يمكن أن يساعد التعلم الآلي الحديث في تفسير البيانات البصرية الغنية والمعقدة التي يولدها الليف. يمكن لطرائق مثل التعلم الأهمي (meta-learning) والشبكات العصبية التفافية (CNN) والشبكات المتكررة أن تتعلم تمييز الأنماط المرتبطة بمراحل عدوى مختلفة، حتى عندما تتوفر كميات صغيرة فقط من البيانات الموسومة. يفتح هذا الجمع بين الأجهزة البصرية الحساسة والتحليل البياناتي التكيفي الباب أمام أنظمة مدمجة ومحمولة توفر تشخيصات ملاريا سريعة ومؤتمتة بجانب المريض.

ما قد يعنيه هذا للمرضى

بعبارة بسيطة، تُظهر الدراسة أن ليفًا مجوفًا مصممًا بعناية يمكن أن يعمل مثل قشة ذكية: بينما يمر الدم عبر وسطه، يكشف مظهر الضوء الخارج ما إذا كانت طفيليات الملاريا موجودة وإلى أي مدى تقدمت العدوى. وبما أن الإشارات قوية، والتصميم متين، والتحليل قابل للأتمتة باستخدام التعلم الآلي، فإن هذا النهج قد يدعم اختبارات الجيل القادم التي تكون أسرع وأكثر حساسية وأسهل الوصول من الأساليب التقليدية. وإذا تم تطبيقه عمليًا، فقد يساعد الأطباء على اكتشاف الملاريا مبكرًا وبمزيد من الموثوقية، مما يؤدي في النهاية إلى إنقاذ الأرواح في المناطق التي تحتاج ذلك أكثر.

الاستشهاد: Abdullah-Al-Shafi, M., Sen, S. & Mubassera, M. Machine learning assisted malaria detection using photonic crystal fibre optical sensors. Sci Rep 16, 8320 (2026). https://doi.org/10.1038/s41598-026-37709-2

الكلمات المفتاحية: تشخيص الملاريا, ألياف الكريستال الفوتوني, استشعار التيراهرتز, مستشعر حيوي, التعلم الآلي