التحليل الكمي لنسبة الدهون في عضلات الكفة المدورة على صور MRI وزن T1 السريرية بالمستويات السهمية والإكليلية باستخدام خوارزميات التعلم العميق

لماذا تهم دهون عضلات الكتف

عندما يتمزق وتر في كفة الكتف المدورة، يمكن للجراحين غالباً إصلاحه — لكن حالة العضلة تؤثر بشدة على ما إذا كان هذا الإصلاح سيصمد. إحدى العلامات التنبيهية المهمة هي مقدار الدهون التي تسللت إلى العضلة المتضررة. حتى الآن، كان الأطباء يضطرون لتقييم ذلك من شريحة واحدة في صورة الكتف بعينهم، باستخدام مقياس تقريبي من خمس درجات. تدرس هذه الدراسة كيف يمكن لتحليل الصور الحديث، المدعوم بالتعلم العميق، أن يحول فحوصات الكتف الروتينية إلى خرائط ثلاثية الأبعاد دقيقة للدهون في العضلات، مما يساعد الأطباء على التنبؤ بدقة أكبر بمن سيستفيد من الجراحة وكيفية تخطيطها.

المشكلة مع المعلومات الضبابية

حالياً، يعتمد معظم الجراحين على صور الرنين المغناطيسي القياسية للكتف لتقييم عضلات الكفة المدورة. في هذه الصور، تبدو الدهون ساطعة والعضلات أغمق، ويصنف نظام شائع كل عضلة من «لا دهون» إلى «دهون أكثر من العضلة». لكن هذا التقييم يتم على شريحة مائلة واحدة من الكتف — ما يُعرف بمنظر Y — وغالباً ما يختلف الخبراء في تحديد الدرجة الدقيقة. في المرضى الذين تراجعت أوتارهم، قد لا تتطابق تلك الشريحة الواحدة مع نفس جزء العضلة من شخص لآخر، مما يجعل المقارنات أصعب. كما أظهرت أبحاث سابقة أن ما تراه في شريحة واحدة لا يمثل بدقة العضلة ثلاثية الأبعاد بأكملها.

طريقة أفضل لرؤية الدهون في العضلات

لدى أخصائيي الأشعة بالفعل تقنية أكثر دقة في التصوير بالرنين المغناطيسي تُعرف بتصوير ديكسون، والتي يمكنها قياس النسبة المئوية الحقيقية للدهون في كل عنصر حجمي صغير — أي فوكسل — عبر العضلة. تكشف هذه الصور أن توزيع الدهون غير متساوٍ ويمكن أن يتغير على طول طول العضلة. ومع ذلك، فإن تصوير ديكسون ليس جزءاً من تصوير الكتف الروتيني في معظم المستشفيات. طرح مؤلفو هذه الدراسة سؤالاً عما إذا كان يمكن للكمبيوتر أن يتعلم استخلاص نفس معلومات الدهون التفصيلية مباشرة من صور الرنين المغناطيسي القياسية التي يتلقاها المرضى بالفعل. جمعوا بيانات من 99 بالغاً مصابين بتمزق في الكفة المدورة، والذين خضعوا لكل من صور T1 القياسية ومسح ديكسون المتخصص للكتف نفسه، شاملة العضلات الأربعة الرئيسية للكفة المدورة.

تعليم خوارزمية لقراءة ما بين البكسلات

بدأ الفريق باستخدام أداة تعلم عميق مُثبتة سابقاً لتحديد عظام الكتف وحدود كل عضلة من عضلات الكفة المدورة تلقائياً على صور الـ MRI القياسية. ثم قاموا بمحاذاة الصور الروتينية مع صور ديكسون بحيث يمكن مطابقة كل فوكسل في الـ MRI القياسي مع نسبته الحقيقية من الدهون المستمدة من مسح ديكسون. وبدلاً من تصنيف كل فوكسل ببساطة على أنه «دهون» أو «عضلة»، قسموا محتوى الدهون إلى خمس نطاقات، من دهون تكاد تكون معدومة إلى دهون عالية جداً. تم تدريب شبكة عصبية ثلاثية الأبعاد لتتنبأ، لكل فوكسل داخل العضلات، بأي من هذه النطاقات الخمسة ينتمي، اعتماداً فقط على المظهر في الـ MRI القياسي. شمل التدريب 75 كتفاً؛ واختبر الأداء على الـ 24 المتبقية، في اتجاهي المسح السهمي (من الجانب) والإكليلي (من الأمام).

أرقام أكثر دقة، عضلة تلو الأخرى

بمجرد أن تعلمت الشبكة هذه المهمة، تمكن الباحثون من تحويل تنبؤاتها فوكسل بفوكسل إلى نسبة دهون متوسطة لكل عضلة. مقارنة بالقيم الحقيقية من تصوير ديكسون، كانت الأخطاء صغيرة — عادة ضمن نحو 1–2 نقاط مئوية، وفي أسوأ الأحوال نحو 2–4 نقاط مئوية حسب العضلة واتجاه المسح. والأهم أن هذه المقاربة متعددة المستويات تفوقت بوضوح على الطريقة التقليدية «الثنائية» التي تصنف كل فوكسل إما دهوناً بالكامل أو عضلة بالكامل بناءً على عتبة بسيطة. هذا الأسلوب القديم قلل من تقدير محتوى الدهون الكلي بحوالي 6 نقاط مئوية، أي نحو نصف الدهون الحقيقية في بعض العضلات. كما التقطت الطريقة الجديدة كيفية توزيع الدهون على طول كل عضلة، كاشفة أن المتوسط العام قد يكون مستقراً بينما قد يظهر المرضى فروقاً محلية قوية قد تفوتها الشريحة الواحدة.

ماذا قد يعني هذا للمرضى

بالنسبة للأشخاص الذين يواجهون جراحة في الكفة المدورة، قد يتحول الفارق بين تقييم بصري تقريبي وقياس ثلاثي الأبعاد دقيق إلى توقع أوضح وعلاج مُفَصّل بشكل أكبر. تُظهر هذه الدراسة أن خوارزمية التعلم العميق يمكنها تحويل صور الـ MRI القياسية للكتف التي تُجمَع بالفعل في العيادات إلى خرائط دهون شبه كمية، دون زمن مسح إضافي أو معدات خاصة. وعلى الرغم من أن الطريقة تحتاج لاختبارها على فاحصات ومستشفيات أكثر تنوعاً، فإنها تفتح طريقاً نحو تقييم أوتوماتيكي ومتسق لجودة العضلات. في المستقبل، قد تساعد مثل هذه الخرائط التفصيلية لمواضع الدهون داخل العضلة الجراحين على تحديد وقت نجاح الإصلاح، صقل التقنيات الجراحية، وتحسين النتائج للمرضى ذوي تمزقات الكتف المؤلمة.

الاستشهاد: Hess, H., Oswald, A., Daneshvar, K. et al. Quantitative fat-fraction analysis of the rotator cuff muscles on clinical sagittal and coronal T1-weighted MRI using deep learning algorithms. Sci Rep 16, 8821 (2026). https://doi.org/10.1038/s41598-026-38108-3

الكلمات المفتاحية: الكفة المدورة, دهون العضلات, التصوير بالرنين المغناطيسي, التعلم العميق, جراحة الكتف