دمج ميزات متعددة الوسائط مع نهج تعلم تمثيل عميق لتشخيص متلازمة تكيس المبايض باستخدام صور الموجات فوق الصوتية

لماذا هذا مهم لصحة النساء

متلازمة تكيس المبايض (PCOS) هي من الأسباب الرئيسية للعقم والمشكلات الهرمونية لدى النساء في سن الإنجاب، ومع ذلك غالباً ما يكون تشخيصها مبكراً أمراً صعباً. حتى اليوم، ما يزال الأخصائيون يفحصون صور الموجات فوق الصوتية للمبايض بالعين المجردة، عدّ الأكياس الصغيرة المملوءة بالسائل وتقييم حجمها وشكلها. هذه العملية تستغرق وقتاً طويلاً، وتعتمد بشكل كبير على مهارة الخبير، وقد تفوت علامات مبكرة. الورقة الملخّصة هنا تقدم طريقة حاسوبية جديدة تقرأ صور الموجات فوق الصوتية تلقائياً، بهدف اكتشاف PCOS بدقة وسرعة أكبر، مما قد يساعد المزيد من النساء على الحصول على علاج في الوقت المناسب وتجنب رحلات تشخيص مطوّلة.

نظرة أقرب على PCOS والاختبارات الحالية

تؤثر متلازمة تكيس المبايض على نحو امرأة من كل عشر نساء قبل سن اليأس. وترتبط بارتفاع مستويات هرمونات ذات طابع ذكوري، واضطرابات في الدورة الشهرية، وتعدد الأكياس الصغيرة في المبايض. يمكن أن تعيق هذه التغيرات الإباضة، مما يصعّب الحمل، وترتبط بزيادة الوزن، وخطر الإصابة بالسكري، والاضطراب النفسي. في الوقت الحالي، يجمع الأطباء بين تحاليل هرمونية للدم، وتاريخ الحيض، وتصوير بالموجات فوق الصوتية لتقرير ما إذا كان لدى الشخص PCOS. لكن لا يوجد اختبار واحد حاسم، وتفسير اللمعات المشرقة والداكنة في صورة الموجات فوق الصوتية مهمة بصرية متطلبة، خاصة للأطباء ذوي الخبرة الأقل. ونتيجة لذلك، قد يكون التشخيص بطيئاً، غير متسق، وأحياناً غير دقيق.

تحويل مسحات الموجات فوق الصوتية إلى إشارات أوضح

سعى الباحثون إلى بناء نظام تحليل صور ذكي يمكنه فحص مسحات المبايض بالموجات فوق الصوتية والبت فيما إذا كان المبيض يبدو نموذجياً أم يظهر علامات PCOS. النهج الذي أطلقوا عليه MMFEDL‑DPCOS يبدأ بتنقية كل مسحة بلطف باستخدام عملية تُعرف بترشيح غاوسي. ببساطة، تخفف هذه الخطوة النُقَط العشوائية والضوضاء الخلفية مع الحفاظ على الحواف والتفاصيل المهمة. الهدف هو إبراز البُنى الحاسمة في المبيض بوضوح أكبر حتى يتمكن الحاسوب من التركيز على ما يهم، مثل ضبط بؤرة الصورة وتقليل الحُبيبات قبل فحصها.

العديد من "العيون" الرقمية العاملة معاً

بدلاً من الاعتماد على طريقة تعرف نمط واحدة، يجمع الفريق بين خمسة نماذج صور عميقة مختلفة — أدوات معروفة في رؤية الحاسوب وتتفوق في رصد الأشكال والأنسجة. ينظر كل نموذج إلى نفس صورة الموجات فوق الصوتية لكنه يلتقط جوانب مختلفة قليلاً، من التفاصيل الدقيقة إلى الأنماط الهيكلية الأوسع داخل المبيض. تُدمج هذه الخمسة تيارات من المعلومات بعد ذلك في وصف واحد غني لما تحتويه الصورة. تُمرّر هذه التمثيلات المدمجة إلى وحدة تعلم ثانية تُسمى المشفّر الآلي المكدّس المنتظم (regularized stacked autoencoder)، التي تُكثّف المعلومات أكثر وتتعلم التمييز بين صور PCOS والصور غير المصابة مع تجنّب الإفراط في التكيّف، وهو فخ شائع حيث يحفظ النموذج بيانات التدريب بدلاً من تعلم قواعد عامة.

وضع النظام قيد الاختبار

لتقييم أداء طريقتهم، درّب المؤلفون وقيّموا النظام على مجموعة عامة تضم 9000 صورة موجات فوق صوتية للمبايض، مقسمة بالتساوي بين نساء لديهن PCOS وبدون. قاموا بتحسين النظام تدريجياً عبر آلاف دورات التدريب ورصدوا مدى دقة وَسم الصور الجديدة غير المرئية سابقاً. النسخة النهائية ميّزت بشكل صحيح بين المبايض المتأثرة بـ PCOS والغير متأثرة في نحو 99 حالة من كل 100 حالة، وفعلت ذلك بسرعة أكبر من عدة أساليب تعلم آلي أخرى، بما في ذلك المصنِّفات التقليدية والشبكات العميقة الفردية. عندما أوقف الباحثون أجزاء من النظام في اختبارات "الاستئصال" (ablation)، انخفض الأداء باستمرار، مما يدل على أن دمج نماذج الصور المتعددة ومرحلة المشفّر النهائي كانا محورين في تحقيق النتائج القوية.

ماذا قد يعني هذا للمرضى

بعبارة بسيطة، تُظهر هذه الدراسة أن أداة ذكاء اصطناعي مصممة بعناية قادرة على قراءة صور الموجات فوق الصوتية للمبايض بدقة عالية جداً، وقد توازي خبرة الأخصائيين أو تدعمهم بينما تعمل بسرعة أكبر بكثير. يمكن لمثل هذا النظام أن يعمل كزوج من العيون الثاني للأشعة وأطباء النساء والتوليد، مشيراً إلى المسحات المثيرة للقلق، وتقليل الحالات المفقودة، والمساعدة في توحيد تشخيص PCOS عبر العيادات. يذكر المؤلفون أن عملهم لا يزال يعتمد على مجموعة بيانات واحدة وسيحتاج إلى اختبارات على صور ومجموعات مرضى أكثر تنوعاً. ومع ذلك، يمثل خطوة واعدة نحو فحص PCOS بشكل أكثر موضوعية ومبكراً ومتاحة على نطاق أوسع، ما يمكن أن يترجم إلى خيارات علاجية أبكر وصحة أفضل على المدى الطويل للعديد من النساء.

الاستشهاد: Kranthi, S., Sandeep, Y., Pranathi, K... et al. A multimodal feature fusion with deep representation learning approach for polycystic ovary syndrome diagnosis using ultrasound images. Sci Rep 16, 9977 (2026). https://doi.org/10.1038/s41598-026-40718-w

الكلمات المفتاحية: متلازمة تكيس المبايض, تصوير بالموجات فوق الصوتية, التعلم العميق, التشخيص الطبي, صحة النساء