الكشف باستخدام التعلم العميق عن انفصال الشبكية مع نزف زجاجي في صور الموجات فوق الصوتية العينية

لماذا هذا مهم لحماية البصر

انفصال الشبكية حالة طارئة في العين قد تسرق البصر خلال ساعات أو أيام. غالبًا ما يعتمد الأطباء على فحوصات الموجات فوق الصوتية عندما تحجب الدم داخل العين رؤية الشبكية. لكن هذه الصور المزعجة والمليئة بالصدى قد يصعب تفسيرها، خصوصًا في غرف الطوارئ المزدحمة أو من قبل الأطباء ذوي الخبرة الأقل. تستكشف هذه الدراسة ما إذا كان شكل حديث من الذكاء الاصطناعي قادرًا على اكتشاف انفصالات الشبكية والنزف المرتبط بها بسرعة وبثقة على صور الموجات فوق الصوتية، لمساعدة الأطباء في حماية بصر المرضى.

الرؤية عبر غبار العين

تتمحور هذه الدراسة حول مشكلتين تهددان البصر: انفصال الشبكية، حيث تنفصل أنسجة استقبال الضوء عن مؤخرة العين، والنزف الزجاجي، حيث يتسرب الدم إلى الهلام الذي يملأ العين. عندما تكون العين واضحة، ينظر الأطباء مباشرة إلى الشبكية للبحث عن مشاكل. لكن عندما يحجب الدم الكثيف الرؤية، يلجأون إلى الموجات فوق الصوتية التي تظهر خطوطًا براقة ونقوشًا منبثقة عن الهياكل داخل العين. للأسف، قد تبدو الصدى الناتجة عن الدم الطافي مشوشة ومشابهة بصريًا للخطوط الرفيعة الشبيهة بالصفائح الناتجة عن انفصال الشبكية، مما يثير حالة من عدم اليقين في لحظة يكون فيها التدخل السريع حاسمًا.

تعليم الحاسوب قراءة مسوحات العين

درّب الباحثون نظامًا للتعلّم العميق، مبنيًا على طريقة اكتشاف الكائنات في الوقت الحقيقي المعروفة باسم YOLOv5، لتمييز ثلاث احتمالات في صور الموجات فوق الصوتية: انفصال الشبكية بمفرده، النزف الزجاجي بمفرده، أو الحالتين معًا. جمعوا 3773 صورة مسح أُخذت على مدى عدة سنوات من مرضى اشتُبه بالفعل بإصابتهم بهذه المشكلات. وضع أخصائيو العيون ذوو الخبرة تسميات على كل صورة ورسموا مربعات حول المناطق التي تظهر فيها الأمراض، موفرين للحاسوب أمثلة عما يجب البحث عنه. ثم قُسمت الصور إلى مجموعات منفصلة للتدريب والضبط والاختبار النهائي بحيث يمكن تقييم أداء النظام بنزاهة على صور لم يرها من قبل.

تفتيح الصور الضبابية للحاسوب

نظرًا لأن صور الموجات فوق الصوتية تكون بطبيعتها ضبابية ومليئة بالنقوش، جرب الفريق عدة طرق لإبراز الهياكل الأساسية قبل إدخالها إلى الذكاء الاصطناعي. إحدى الطرق، المسماة التخفيف الحاد (unsharp masking)، تزيد بشكل طفيف التباين حول الحواف، مما يجعل انفصالات الشبكية الخيطية تبدو أكثر سطوعًا وتميّزًا دون إضافة تشوهات واضحة. جربوا أيضًا العتبة والتثنوية — تحويل الصور إلى كتل سوداء وبيضاء اعتمادًا على السطوع — لتقليل غبار صدى الدم المبعثر مع الحفاظ على الخطوط المستمرة التي تشير إلى انفصال. في عملية التطوير الرئيسية، جمعوا هذه التحسينات مع دورات تدريب متكررة والتحقق المتقاطع، وهي استراتيجية تساعد على تجنب الإفراط في التكيّف وتحسن الاعتمادية على بيانات جديدة.

كيف أداؤه

بعد عدة جولات من التنقيح، أثبت النموذج النهائي دقته العالية عند اختباره على 543 صورة لم يرها من قبل. تعرّف بشكل صحيح على انفصال الشبكية في 96.6% من الحالات، وعلى النزف الزجاجي في 99.2%، وعلى المزيج الأكثر تعقيدًا من الحالتين في 98.0%، محققًا دقة إجمالية تقارب 98%. كما قارن الباحثون إصدارات YOLO المختلفة ووجدوا أنه على الرغم من أداء النماذج الأحدث جيدًا في معايير الصور العامة، كان YOLOv5 أنسب لهذه المهمة الطبية المحددة ومجموعة البيانات المستخدمة. أظهرت تجارب إضافية أنه بينما لم ترفع بعض خطوات المعالجة المسبقة متوسط الدقة بمفردها دائمًا، فإنها حسّنت وضوح الهياكل الأساسية وبدت مفيدة بشكل خاص في الفحوصات ذات التشويش البصري الكبير.

ما الذي قد يعنيه هذا للمرضى والأطباء

بالنسبة للمرضى القادمين إلى أقسام الطوارئ بفقدان مفاجئ في الرؤية، كل دقيقة تحتسب. تشير هذه الدراسة إلى أن نظام ذكاء اصطناعي مُدرَّبًا بعناية قد يعمل كـ "زوج إضافي من العيون" السريع، مُنبّهًا إلى انفصالات الشبكية والنزف الخطير على صور الموجات فوق الصوتية بدقة قريبة من مستوى الخبراء. لا يُقصد بهذا الأداة أن تحل محل أخصائيي العيون أو الفحص السريري الأوسع، بل لدعمهم — خصوصًا عندما تكون الصور صعبة التفسير أو لا يتوفر أخصائي على الفور. قبل أن تصبح مثل هذه الأنظمة روتينية، ستحتاج إلى اختبارات عبر مستشفيات وأجهزة وسير عمل سريري متعددة. ومع ذلك، تشير النتائج إلى مستقبل قد يساعد فيه البرمجيات الذكية الأطباء على إنقاذ البصر بشكل أسرع وأكثر اتساقًا عندما تكون الشبكية في خطر.

الاستشهاد: Toyama, N., Hidaka, T., Tamura, H. et al. Deep learning-based detection of retinal detachment with vitreous hemorrhage in ocular ultrasound images. Sci Rep 16, 8398 (2026). https://doi.org/10.1038/s41598-026-38272-6

الكلمات المفتاحية: انفصال الشبكية, نزف زجاجي, موجات فوق الصوتية عينية, التعلم العميق, الذكاء الاصطناعي في التصوير الطبي