إطار عمل هجين EfficientNet B4 و SVM للتشخيص السريع والدقيق لسرطان العظام من أشعة إكس

لماذا تهم فحوصات سرطان العظام السريعة

سرطان العظام نادر لكنه مدمر، واكتشافه مبكراً في أشعة إكس قد يكون صعباً بشكل مفاجئ حتى للأطباء ذوي الخبرة. يمكن أن تشبه الأورام الدقيقة تغيّرات حميدة، ويضطر أخصائيو الأشعة إلى فحص مئات الصور بعناية وغالباً تحت ضغط الوقت. تعرض هذه الورقة مساعداً حاسوبياً جديداً باسم OsteoCancerNet يهدف إلى مساعدة الأطباء على قراءة أشعة العظام بسرعة ودقة أكبر، مع رصد الأورام الخطرة وتقليل الإنذارات الكاذبة.

المشكلة عند الاعتماد على الرؤية وحدها

يعتمد الأطباء حالياً على أدوات تصوير مثل الأشعة السينية والتصوير المقطعي والرنين المغناطيسي لاكتشاف أورام العظام وتخطيط العلاج. لكن هذه الصور لا تزال تُفسَّر بواسطة البشر، ما يضيف تأخيرات وخطر تفويت أو تشخيص خاطئ، خصوصاً عندما تكون الآفات صغيرة أو تشبه العظام الطبيعية. بينت أبحاث سابقة أن الذكاء الاصطناعي يمكن أن يساعد في تحليل الصور الطبية، ومع ذلك استخدمت العديد من الأنظمة لسرطان العظام مجموعات صور صغيرة، أو كانت بطيئة في التشغيل، أو عملت كـ "صناديق سوداء" يصعب اختبارها والثقة بها. بعض النماذج تتعرف على الأنماط جيداً لكنها كبيرة وبطيئة جداً للاستخدام اليومي في المستشفيات، في حين تعمل أخرى على مجموعات بيانات محدودة ومُنقّحة بشدة.

مزيج ذكي من نهجين للذكاء الاصطناعي

يجمع OsteoCancerNet بين أداتين تكميليتين للذكاء الاصطناعي ليجني أفضل ما في العالمين. أولاً، يستخدم شبكة تعلم عميق حديثة تسمى EfficientNet-B4 لمسح كل صورة أشعة عظام وتعلّم ميزات بصرية غنية—تغيّرات دقيقة في الشكل والملمس والتباين قد تشير إلى السرطان. بدلاً من اتخاذ القرار مباشرةً استناداً إلى هذه الميزات الخام، يسلم النظام هذه الميزات إلى طريقة تعلم آلي كلاسيكية تُدعى آلة المتجهات الداعمة (SVM) التي تعمل كصانع قرار نهائي، مفصّلةً الصور "الطبيعية" عن الصور "السرطانية". يهدف هذا التصميم الهجين إلى التقاط تفاصيل معقدة في الصورة مع إبقاء خطوة التصنيف النهائية بسيطة نسبياً، مستقرة، وأسهل في التقييم.

تنقية وتكثير بيانات الأشعة السينية

لبناء النظام واختباره، استخدم الباحثون مجموعة عامة كبيرة تضم 8,811 صورة أشعة عظام، موزعة بالتساوي بين حالات صحية وحالات سرطانية. قاموا أولاً بتنقية وتوحيد هذه الصور حتى يرى الذكاء الاصطناعي مدخلات متسقة. تم تغيير حجم كل أشعة إلى التنسيق المطلوب، وتحويلها إلى قنوات لونية تتوقعها الشبكة، ثم تحسينها عبر عدة طرق لتعزيز التباين. برهن أسلوب يسمى CLAHE، الذي يعزز التباين محلياً دون أن يمحو التفاصيل الدقيقة، أنه ينتج أوضح الصور للذكاء الاصطناعي. وبما أن مجموعات البيانات الطبية عادة ما تكون صغيرة، قام الفريق أيضاً بتوسيع صور التدريب عن طريق قلبها وتدويرها، ما أدى عملياً إلى نمو مجموعة التدريب إلى ما يقرب من 30,000 صورة. يجعل ذلك النظام أكثر صلابة تجاه زوايا العرض المختلفة ويقلل احتمال الإفراط في التكيّف مع مجموعة بيانات معينة.

مدى دقة النظام في اكتشاف سرطان العظام

بعد التدريب، تم تقييم OsteoCancerNet من عدة جوانب. على مجموعة اختبار منفصلة من الأشعة لم يسبق أن رآها، صنّف النموذج بشكل صحيح نحو 97 من كل 100 صورة وأظهر توازناً قوياً بين اكتشاف السرطانات وتجنّب الإنذارات الكاذبة. بلغت دقّته الإجمالية حوالي 98% أثناء التحقق المتقاطع، مع قدرة عالية جداً على كشف الحالات السرطانية الحقيقية ومعدل منخفض جداً للنتائج الإيجابية الكاذبة يبلغ نحو أربعة حالات من كل عشرة آلاف صورة طبيعية. والأهم أن النظام سريع: بعد التدريب يحتاج نحو 41 مللي ثانية فقط لتحليل أشعة واحدة، وهي سرعة مناسبة للاستخدام الآني في العيادات المزدحمة. كما قارن الباحثون OsteoCancerNet بعدد من نماذج الذكاء الاصطناعي الشائعة، بما في ذلك الشبكات العميقة المعروفة والأنظمة الهجينة، ووجدوا أن نهجهم يقدّم دقة أعلى باستمرار مع إنذارات خاطئة أقل ومتطلبات حسابية أكثر اعتدالاً.

ماذا يعني هذا للمرضى والأطباء

تظهر الدراسة أن الذكاء الاصطناعي المصمم بعناية يمكن أن يكون مجموعة عيون ثانية موثوقة لقراءة أشعة عظام. من خلال توضيح الصور، واستخدام شبكة عميقة فعالة لالتقاط تغيّرات دقيقة في العظام، وتفويض القرار النهائي لمصنف مبسّط، يكتشف OsteoCancerNet سرطان العظام بثبات وسرعة مثيرين للإعجاب. بالنسبة للمرضى، قد يترجم ذلك إلى اكتشاف مبكر، وتقليل الأورام الفائتة، وطمأنة أسرع عند ظهور الأشعة طبيعية. بالنسبة للأطباء، يقدم النظام أداة عملية تقلل عبء العمل بدلاً من زيادته. وعلى الرغم من الحاجة إلى مزيد من الاختبارات في بيئات المستشفيات الحقيقية وعلى أنواع تصويرية أوسع، تشير النتائج إلى أن التشخيص المعتمد على الذكاء الاصطناعي لسرطان العظام قد يصبح جزءاً روتينياً وموثوقاً من رعاية العظام والسرطان.

الاستشهاد: Hassan, N.M.H., Bayoumy, A.S. & Mahmoud, M.H.M. Hybrid EfficientNet B4 and SVM framework for rapid and accurate bone cancer diagnosis from X-rays. Sci Rep 16, 8156 (2026). https://doi.org/10.1038/s41598-026-38801-3

الكلمات المفتاحية: سرطان العظام, الذكاء الاصطناعي في التصوير الطبي, تحليل الأشعة السينية, التعلّم العميق, التشخيص بمساعدة الحاسوب