إطار EfficientNetB0 محسن مع معالجة تمهيدية قائمة على CLAHE لتصنيف أشعة الصدر المتعدد الفئات بدقة

مساعدة أذكى من أشعة الصدر

تعد أشعة الصدر من أكثر الفحوصات الطبية شيوعًا في العالم، ومع ذلك فإن قراءتها بشكل صحيح — لا سيما عند ظهور عدة مشاكل في الرئتين أو القلب معًا — ليست أمراً سهلاً. تصف هذه الدراسة نظامًا حاسوبيًا جديدًا يساعد الأطباء على اكتشاف عدة أمراض صدرية في صورة أشعة واحدة بدقة أكبر، باستخدام نموذج ذكاء اصطناعي مضبوط بعناية وخطوات تحسين للصورة تجعل التفاصيل الدقيقة أسهل في الرصد.

لماذا تُعد صور الصدر صعبة القراءة

في أشعة الصدر، تتداخل العديد من طبقات الأعضاء والأنسجة: الأضلاع والرئتان والقلب والأوعية الدموية كلها تتكدس في نفس الصورة المسطحة. يتعلم أخصائيو الأشعة المتمرسون تفكيك هذا اللغز البصري، لكن حتى هم قد يواجهون صعوبة عندما تتزامن عدة حالات، مثل وجود سائل حول الرئتين أو عدوى أو تضخم في القلب. كانت الأدوات المساعدة الحاسوبية السابقة غالبًا ما تبسط هذه الحقيقة، فتتعامل مع كل صورة كما لو تعرض مشكلة واحدة فقط أو لا تعرض أيًا منها. وهذا يجعلها أقل فائدة في العيادات الواقعية، حيث يعاني المرضى في كثير من الأحيان من أكثر من مرض واحد في الوقت نفسه.

بناء رؤية أنقى للرئتين

بدأ الباحثون بمجموعة عامة كبيرة تضم أكثر من 100,000 صورة أشعة صدر مجهولة المصدر من المعاهد الوطنية للصحة الأمريكية. ركزوا على خمسة نتائج رئيسية تهم في الرعاية اليومية: الفحوصات الطبيعية، الالتهاب الرئوي، انهيار الرئة (استرواح الصدر)، وجود سائل حول الرئة (انصباب)، وتضخم القلب (توسّع القلب). قبل أن يتعلم الذكاء الاصطناعي من الصور، مرروا كل صورة عبر خط أنابيب تنظيف موحد. أبقت الصور بلون رمادي، وعززوا التباين بلطف باستخدام طريقة تسمى CLAHE لكشف أنماط باهتة في الرئتين، وضبطوا السطوع للتماسك، وأعادوا تغيير حجم كل الصور إلى أبعاد متساوية. كما ساوى الفريق بين النتائج النادرة والشائعة عبر تكرار بعض الأمثلة وتقليص أخرى بعناية، حتى لا يتجاهل النموذج الأمراض النادرة ولكن المهمة.

تدريب ذكاء اصطناعي يحترم تعقيد الواقع

في قلب النظام شبكة EfficientNetB0، تصميم حديث للتعلم العميق معروف بقدرته على استخراج أداء قوي من نماذج صغيرة وسريعة نسبيًا. خصص المؤلفون هذه الشبكة لتناسب واقع تصوير الصدر المختلط: بدلًا من إجبار النموذج على إجابة نعم أو لا واحدة، ينتج النظام احتمالًا منفصلًا لكل من النتائج الخمس، مما يسمح له بالإشارة إلى عدة مشكلات في صورة واحدة. أضافوا مكوّنًا شبيهًا بالانتباه يساعد النموذج على التركيز على الأنماط الأكثر معلوماتية، واستخدموا قاعدة تدريب خاصة تركز التعلم على أصعب الحالات التي يسهل تفويتها. جرى التدريب على مرحلتين — أولًا ضبط الطبقات النهائية فقط، ثم تحسين الشبكة كلها — مستخدمين تحققًا متقاطعًا دقيقًا للتحقق من أن النتائج مستقرة وليست ناتجة عن تقسيمات عشوائية في البيانات.

كيف أداء النظام

لاختبار ما إذا كان التصميم مفيدًا فعلًا، قارن الفريق EfficientNetB0 مع بديلين شائعين، DenseNet121 وMobileNetV2، تحت ظروف متطابقة. حققت النماذج الثلاثة دقة إجمالية متقاربة، لكن EfficientNetB0 المحسن تميز في النقاط الأكثر أهمية في الميدان الطبي: فقد كان أفضل في تمييز الحالات المرضية عن السليمة وفي تجنب التشخيصات الفائتة. عبر النتائج الخمس حقق متوسطًا مرتفعًا في فصل المرض عن عدم المرض، وكان قويًا بشكل خاص في الالتهاب الرئوي وتضخم القلب. وحتى في الحالات الأصعب مثل انهيار الرئة والسوائل، حيث قد تكون علامات الأشعة رقيقة وتتداخل مع مشاكل أخرى، حافظ النموذج على قدرة كشف جيدة مع ثبات عبر الاختبارات المتكررة.

ماذا يعني هذا للمرضى والأطباء

تظهر الدراسة أن الاهتمام بسير العمل الكامل — من كيفية تنظيف وموازنة صور الأشعة إلى طريقة تدريب الذكاء الاصطناعي — يمكن أن ينتج أداة تعكس واقع تصوير المستشفيات الفوضوي بشكل أفضل. بدلًا من السعي لاستبدال أخصائيي الأشعة، صمم النظام المقترح ليعمل كعين ثانية، يحدد عدة مشاكل محتملة في صورة أشعة صدر واحدة وينبه إلى الحالات التي تستحق مراجعة بشرية أدق. مع نتائجه القوية على مجموعة بيانات عامة كبيرة وتصميم يمكن تكييفه مع مجموعات أخرى، تقرب هذه المقاربة التشخيص المدعوم بالحاسوب خطوة نحو الاستخدام اليومي، حيث قد تساعد قراءات أشعة الصدر الأسرع والأكثر موثوقية المرضى على تلقي رعاية مناسبة وفي الوقت المناسب.

الاستشهاد: Hegazy, N.Y., Sawah, M.S. An optimized EfficientNetB0 framework with CLAHE-based preprocessing for accurate multi-class chest X-ray classification. Sci Rep 16, 10811 (2026). https://doi.org/10.1038/s41598-026-42492-1

الكلمات المفتاحية: الذكاء الاصطناعي لأشعة الصدر, الكشف عن أمراض الرئة, التعلم العميق في الأشعة, المعالجة المسبقة للصور الطبية, تصنيف متعدد الوسوم