SwinCup-DiscNet: إطار تحويلي مدمج لتشخيص الزرق باستخدام ميزات القرص والكأس البصري

لماذا هذا مهم لحفظ البصر

الزَرَق أحد الأسباب الرائدة حول العالم للعمى غير القابل للعكس، ومع ذلك غالبًا ما يتسلل بصمت، من دون ألم أو علامات مبكرة. يمكن لأطباء العيون اكتشاف تغيّرات دقيقة في مؤخرة العين قبل فقدان البصر، لكن فحص كل مريض يدويًا بطيء وأحيانًا غير متسق. تعرض هذه الورقة نظامًا جديدًا للذكاء الاصطناعي اسمه SwinCup-DiscNet يقرأ صور الشبكية ليرصد الزَرَق مبكرًا، جامعًا بين دلائل سريرية تقليدية والتعلّم العميق الحديث.

النظر إلى العصب داخل العين

لفهم ما يفعله النظام، يساعد أن نعرف كيف يُكتشف الزَرَق عادةً. يفحص أخصائيو العيون رأس العصب البصري، وهي النقطة التي يخرج عندها العصب الذي ينقل المعلومات البصرية من العين. في مركز هذا «القرص» يوجد ترخٍّ أفتح يُسمى «الكأس». مع تقدّم الزَرَق، يميل الكأس إلى التعمّق والاتّساع، مبتلعًا حافة نسيج العصب المحيطة. قيمة مهمة هي نسبة الكأس إلى القرص، التي تقارن حجم الكأس بحجم القرص؛ فكلما ارتفعت هذه النسبة دلّ ذلك غالبًا على تلف. قياس هذه النسبة يدويًا على آلاف صور الشبكية مرهق، وحتى الخبراء قد يختلفون. يقوم SwinCup-DiscNet بأتمتة كل من قياس هذه النسبة والحكم العام عمّا إذا كانت العين مرجّح أن تكون زَرَقية.

ذكاء اصطناعي ذو مسارين يرى التفاصيل والصورة الأوسع

يتّبع النظام مسارين متوازيين عند استقباله صورة قاع العين. أولًا، فرع التجزئة يعزل القرص البصري والكأس المركزي. يستخدم شبكة متخصّصة تُعرف باسم Attention U-Net، والتي تتعلّم إبراز البنى المهمة وتجاهل السمات المشتتة في الخلفية مثل الأوعية الدموية وشوائب الإضاءة. بعد تحديد حدود الكأس والقرص، يقوم النظام بتنقيحها وتلائم أشكالًا بيضوية ناعمة، ثم يقيس أطوالها العمودية لحساب نسبة الكأس إلى القرص العمودية — مقياس موثوق سريريًا للزَرَق.

تعلّم أنماط تتجاوز ما يمكن للعين قياسه

في المسار الثاني، ينظر فرع قائم على المحوّل Transformer إلى الصورة كاملةً دون التركيز على رقم واحد. يستخدم هذا الفرع Swin Transformer، نموذج حديث يقسم الصورة إلى رقع صغيرة ويحلّل كيف ترتبط هذه الرقع عبر كامل الشبكية. ومن خلال ذلك يلتقط أنماطًا دقيقة في الملمس واللون والبنية حول العصب البصري والمناطق المجاورة قد ترتبط بالزَرَق لكن من الصعب على البشر قياسها. من هذا الرؤية الشاملة يُنتج النموذج احتمالًا بأن الصورة تنتمي لشخص مصاب بالزَرَق.

دمج دلائل موثوقة مع حدس الذكاء الاصطناعي

جوهر SwinCup-DiscNet هو كيف يدمج هذين المصدرين من الأدلة. بدلاً من الاعتماد على نسبة الكأس إلى القرص وحدها أو احتمال المحوّل وحده، يدمج النظام بينهما بقانون مُوزون. تُطَبَّع نسبة الكأس إلى القرص بناءً على سلوكها في بيانات التدريب، ثم تُدمَج مع احتمال الزَرَق الذي تعلّمه النموذج لتكوين درجة واحدة. إذا تجاوزت هذه الدرجة المدمجة حدًا معيّنًا، تُصنّف العين كزَرَقية؛ وإلا فتوضع تحت تصنيف طبيعي. يحافظ هذا التصميم على القرار مرتبطًا بقياس سريري مألوف بينما يستفيد أيضًا من الأنماط الأوسع التي يلتقطها الذكاء الاصطناعي. كما يغطّي النظام محيط القرص والكأس الملائمين على الصورة الأصلية، مانحًا الأطباء تصورًا بصريًا واضحًا للمنطقة التي دفعت القرار.

وضع الطريقة قيد الاختبار

قيّم المؤلفون SwinCup-DiscNet على ثلاث مجموعات بيانات عامة واسعة الاستخدام لصور الشبكية: LAG وACRIMA وDRISHTI-GS. تختلف هذه المجموعات في نوع الكاميرا وجودة الصورة وتركيب المرضى، مما يجعلها حقل اختبار صارم. عبر جميعها، طابق النظام الجديد أو تفوّق على الشبكات التلافيفية التقليدية والطرق التي تجزّئ الكأس والقرص فقط. حقق جودة تجزئة عالية جدًا، وخطأ منخفضًا في تقدير نسبة الكأس إلى القرص، ودقّات تصنيف قريبة أو أعلى من 99 في المئة، مع منحنيات أداء قوية تشير إلى نادرًا ما يخلط بين العيون السليمة والمريضة. أظهر تحليل الأخطاء أن معظم الإنذارات الكاذبة المتبقية كانت في حالات حدية حيث كان الكأس البصري كبيرًا بطبيعته لكنه غير مريض فعليًا، وهو تنازل غالبًا ما يكون مقبولًا في الفحص.

ماذا يعني هذا لفحوصات العيون المستقبلية

بعبارة مبسطة، يبيّن SwinCup-DiscNet أن الذكاء الاصطناعي يمكنه أن «يفكر كطبيب» باستخدام علامات راسخة مثل نسبة الكأس إلى القرص و«يرى ما وراء الواضح» بتعلّم أنماط معقدة في صور الشبكية. من خلال الجمع بين هاتين القوتين، يقدم النظام فحصًا للزَرَق أكثر دقة وقابلاً للتفسير مقارنة بالعديد من الأساليب الحالية. مع مزيد من الاختبار على بيانات المستشفيات الواقعية وإمكانية التوسّع لتقييم شدة المرض، قد يصبح هذا النوع من الذكاء الاصطناعي مساعدًا عمليًا في عيادات العيون، مسهمًا في الكشف المبكر عن الزَرَق ومنع حالات العمى الممكن تجنّبها.

الاستشهاد: Chilukuri, R., Praveen, P., Gatla, R.K. et al. SwinCup-DiscNet: A fusion transformer framework for glaucoma diagnosis using optic disc and cup features. Sci Rep 16, 7920 (2026). https://doi.org/10.1038/s41598-026-39065-7

الكلمات المفتاحية: الزَرَق, تصوير الشبكية, التعلّم العميق, العصب البصري, الفحص الطبي