تجزئة الفقرات القطنية المعتمدة على شبكة حساسة للحواف وقياس الانزلاق الفقري

لماذا تحتاج صور الظهر إلى بصر أكثر ذكاءً

يُعاني مئات الملايين من الأشخاص حول العالم من آلام أسفل الظهر، ومع ذلك غالبًا ما يكون تشخيص السبب الدقيق في الصور الطبية بطيئًا وغير دقيق. إحدى المشكلات الشائعة، المسماة الانزلاق الفقري، تحدث عندما تنزلق إحدى عظام أسفل الظهر من مكانها، ما قد يضغط على الأعصاب ويسبب ألمًا شديدًا. يعتمد الأطباء على صور الأشعة المقطعية أو الرنين المغناطيسي لاكتشاف هذا الانزلاق، لكن الأدوات الحالية تكافح لتحديد كل فقرة صغيرة بدقة وقياس مدى انزلاقها. تقدم هذه الدراسة نظام ذكاء اصطناعي جديدًا مصممًا لـ«رؤية» عظام العمود الفقري وحدودها بشكل أوضح، بحيث يمكن أن تكون قياسات انزلاق الفقرات سريعة وتلقائية وموثوقة.

مشاكل العمود الفقري في الحياة اليومية

يحمل الجزء السفلي من العمود الفقري معظم وزن الجسم وينحني مع كل خطوة، مما يجعله معرضًا للتآكل والتمزق. مع مرور الوقت قد تقل سماكة الأقراص، وتيبس المفاصل، وقد تتحرك الفقرات العظيمة إلى الأمام أو الخلف. عندما يصبح هذا التحرك—الانزلاق الفقري—ظاهرًا، فإنه يمكن أن يضغط على الأعصاب ويؤدي إلى آلام حادة في الساقين وضعف أو حتى مشاكل في التحكم بالمثانة والأمعاء. يستخدم الأطباء الأشعة المقطعية لأنها تُظهر العظام بوضوح كما تميز الأنسجة الرخوة المحيطة. ومع ذلك، في الممارسة العملية يظل الخبراء يتتبعون الفقرات يدويًا ويقدّرون الزوايا والمسافات، وهي عملية تستغرق وقتًا ومعرضة لتباين التقديرات بين المراقبين.

لماذا تقيس الطرق التقليدية أقل من المطلوب

تم تطوير قياسات العمود الفقري القياسية للأشعة السينية ثنائية الأبعاد البسيطة ولا تنتقل دائمًا بشكل جيد إلى صور الأشعة المقطعية الأكثر غنى اليوم. مثلًا، وُضعت طرق مثل زاوية كوب لوصف انحناءات العمود الفقري، وليس انزلاقًا دقيقًا للأمام لفقرات فردية. وفي الوقت نفسه، تتعامل البرامج الآلية عادةً مع المهام على خطوات منفصلة: أولًا تقسيم الفقرات، ثم تمرير هذه المخططات إلى وحدة مختلفة للقياس. كل خطوة يمكن أن تُدخل أخطاء صغيرة تتراكم، خاصة عندما تبدو حواف الفقرات مسننة بسبب التغيرات المرتبطة بالعمر أو ضبابية لكيفية التقاط الصورة. ونتيجة لذلك، كان من الصعب إنشاء نظام واحد موثوق يقوم بكل من تحديد كل فقرة وحساب قياسات الانزلاق ذات الصلة سريريًا.

شبكة تولي اهتمامًا للحواف

يقترح المؤلفون نموذج تعلّم عميق جديدًا يسمّونه BS‑Net (Boundary Sensitive‑Net)، مدرّبًا ليكون متيقظًا بشكل خاص لحدود كل فقرة. مبنيًا على عمود تحليل صور شائع، يضيف النظام مكونين رئيسيين. الأول وحدة معالجة حواف متعددة المهام، التي تتعلّم التعرف على داخل كل عظم وحدوده في الوقت نفسه، مستخدمة آلية انتباه تسمح لمعلومات الشكل وجودة الحافة بتقوية بعضها البعض. والثاني وحدة دمج ثنائية السياق، التي تدمج مؤشرات الحواف الدقيقة من الطبقات المبكرة للشبكة مع معلومات أوسع عالية المستوى من الطبقات الأعمق. مع دالة خسارة خاصة تعاقب صراحة أخطاء الحدود، تعلم هذه المكونات BS‑Net تتبع حواف العظام بحدة، حتى عندما تكون غير منتظمة أو ذات تباين ضعيف.

من المخططات النظيفة إلى أرقام ملموسة

بعد أن يفصل BS‑Net كل فقرة في صورة الأشعة المقطعية، ينتقل النظام من الصور إلى القياسات. يقوم بتنقيح المخططات باستخدام خطوة تمهيد احتمالية، ثم يطبّق تقنيات هندسية لتحديد مركز كل فقرة وحوافها الأمامية‑الخلفية. أثبتت طريقة المستطيل المحيط الأدنى دقتها الأكبر في إيجاد المراكز. باستخدام هذه المعالم، يحسب النظام الزوايا بين الفقرات المجاورة ومدى انزلاق عظمة بالنسبة لتلك الموجودة أسفلها، معبَّرًا عنها كنسبة مئوية من عمقها—ما يعكس مقياس تصنيف مايردينغ المستخدم في العيادات. عند اختباره على 783 صورة مقطعية من 379 مريضًا وعلى مجموعة بيانات رنين مغناطيسي خارجية، تفوّق BS‑Net على عشرة نماذج تقسيم معروفة، محققًا درجات تداخل عالية جدًا بين الأقنعة الآلية وتلك المرسومة من قبل الخبراء. والأهم أن قياسات الانزلاق كانت متفقة إلى حد كبير مع التقييمات اليدوية، بقيم ارتباط تفوق 0.9 وأخطاء مسافة أصغر من الطرق المنافسة.

ما معنى هذا للمرضى والعيادات

بعبارة بسيطة، تُظهر الدراسة أن ذكاءًا اصطناعيًا موجهًا نحو العمود الفقري يمكنه رسم مخططات أكثر دقة لعظام أسفل الظهر وتحويل تلك المخططات إلى قياسات موثوقة لمقدار انزلاق الفقرة. قد يساعد هذا أطباء الأشعة والجراحين على اكتشاف الانزلاق الم problem بشكل أكثر انتظامًا، وتتبع تقدم المرض، وتخطيط العلاجات بثقة أكبر، مع توفير الوقت في الوقت نفسه. يحذر المؤلفون أن الطريقة ما تزال تواجه صعوبات مع الحالات غير الاعتيادية جدًا، مثل المرضى ذوي الغرسات المعدنية أو التشوهات الشديدة، وأن التدريب الإضافي على بيانات متنوعة سيكون مطلوبًا. ومع ذلك، يمثل BS‑Net خطوة مهمة نحو تقييم كمي آلي كامل للانزلاق الفقري القطني من صور الأشعة المقطعية والرنين المغناطيسي الروتينية.

الاستشهاد: Ji, D., Qian, F. & Zong, Y. Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement. Sci Rep 16, 13612 (2026). https://doi.org/10.1038/s41598-026-38522-7

الكلمات المفتاحية: العمود الفقري القطني, الانزلاق الفقري (spondylolisthesis), تقسيم الصور الطبية, التعلّم العميق, تحليل مقاطع الأشعة المقطعية للفقرات