توليف بيانات RF باستخدام الذكاء الاصطناعي لأشعة الموجات فوق الصوتية للثدي: الفاعلية في توصيف الأنسجة باستخدام الموجات فوق الصوتية الكمية

لماذا يهم هذا في رعاية سرطان الثدي

تعتمد فحوصات سرطان الثدي غالبًا على صور الموجات فوق الصوتية التي تبدو كسحب رمادية محببة. وراء تلك الصور يوجد إشارات خام غنية يمكن أن تكشف الكثير عمّا إذا كان الورم حميدًا أم خطيرًا، لكن هذه الإشارات عادة ما تُتَرك لأنها كبيرة جدًا للتخزين. تستكشف هذه الدراسة ما إذا كان بإمكان الذكاء الاصطناعي إعادة إنشاء تلك الإشارات المفقودة من صور الموجات فوق الصوتية العادية، مما يفتح الباب لتقييم أكثر دقة وبأسعار معقولة لسرطان الثدي دون تغيير أجهزة الماسح الضوئي المستخدمة بالفعل في العيادات.

من صور بسيطة إلى تفاصيل الإشارة المخفية

تستخدم فحوصات الموجات فوق الصوتية للثدي اليوم في العادة ما يُعرف بصور الوضع B: شرائح تدرج رمادي تُظهر الشكل والسطوع العام للأنسجة. قبل أن تظهر هذه الصور على الشاشة، يُسجل الجهاز أولًا إشارات الصدى الخام المعروفة ببيانات التردد اللاسلكي (RF). يمكن لتقنيات الموجات فوق الصوتية الكمية (QUS) تحليل هذه الإشارات الخام لتقدير خواص تتعلق بحجم وترتيب وتركيز الهياكل الدقيقة داخل النسيج. أظهرت أبحاث سابقة أن مثل هذه الخرائط الكمية يمكن أن تساعد في التمييز بين الآفات الحميدة والخبيثة وحتى تتبع استجابة الأورام للعلاج الكيميائي. المشكلة أن بيانات RF ضخمة، وصعبة التخزين والنقل، وغالبًا ما تكون غير متاحة على أجهزة الماسح التجارية، مما أبقى QUS محصورًا إلى حد كبير في مختبرات البحث.

تعليم الذكاء الاصطناعي إعادة بناء الإشارات المفقودة

سعى الباحثون لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي أن يتعلم إعادة بناء بيانات RF من صور الوضع B المحفوظة روتينيًا. دربوا ثلاثة أنواع من الشبكات التوليدية التنافسية المشروطة (cGANs)—نموذج Pix2Pix شائع الاستخدام وإصداراتان مستندتان إلى محولات الرؤية (واحدة ضحلة وواحدة أعمق)—على مجموعة كبيرة من أُطُر RF وB‑mode المزدوجة لمئتين واثنين وخمسين مريضًا مصابين بآفات ثدي مريبة. في هذا الإعداد التنافسي، تحاول شبكة مولدة إنشاء إشارات RF واقعية من كل صورة B‑mode، بينما تتعلم شبكة مميّزة التفريق بين الإشارات الحقيقية والمصطنعة. مع مرور الوقت يتحسن أداء المولد حتى تصبح مخرجاته صعبة التمييز عن الأصلية. تمت معايرة النماذج ليس فقط لخداع المميّز ولكن أيضًا للحفاظ على قرب كل إطار RF مُولد رقميًا من نظيره الحقيقي.

اختبار الإشارات المولدة اصطناعيًا

لتقييم مدى مطابقة بيانات RF التي أنشأها الذكاء الاصطناعي للأصلية، استخدم الفريق عدة مقاييس جودة صورة ثم طرحوا سؤالًا أصعب: هل يمكن للإشارات المولدة دعم نفس نوع توصيف الآفة كما تفعل بيانات RF الحقيقية؟ على مجموعة اختبار منفصلة تضم آلاف الأُطُر، أنتجت النماذج الثلاثة جميعها بيانات RF مصطنعة كانت مشابهة جدًا للمنظومة الأصلية من حيث البنية وأدت إلى إعادة بناء صور B‑mode حافظت عن قرب على شكل الآفة والمظهر المحبب للموجات فوق الصوتية. حقق نموذج المحول العميق cGAN أفضل دقة إجمالية. عندما أُحسبت خرائط QUS من بيانات RF المصطنعة، بدت القيم الرقمية وأنماط التوزيع مشابهة إلى حد كبير لتلك المستمدة من الإشارات الأصلية، مما يوحي بأن معلومات نسيجية أساسية قد تم الحفاظ عليها.

هل لا تزال البيانات المصطنعة تكتشف السرطان؟

كان الاختبار الحاسم هو ما إذا كانت خرائط QUS المستندة إلى البيانات المصطنعة يمكن أن تساعد في التمييز بين الآفات الحميدة والخبيثة في الثدي. بنى المؤلفون خط أنابيب تصنيف اختار أولًا أكثر ميزات QUS معلوماتية ثم درّب آلة دعم المتجهات لفصل المجموعتين. باستخدام ميزات مستمدة فقط من بيانات RF الحقيقية، صنّف النظام الآفات بدقة تقارب 82%. وبشكل ملحوظ، عندما دُرِّب واختُبر النظام تمامًا على ميزات QUS المستمدة من RF المصطنعة، وصلت نماذج المحول العميق وPix2Pix إلى حوالي 81% دقة، مضاهاةً الأداء الأصلي ضمن التباين الإحصائي. في بعض السيناريوهات، تفوق نموذج المحول العميق قليلًا على الأساس عندما استُخدمت الميزات المصطنعة للاختبار مقابل مصنف درِّب على ميزات من بيانات حقيقية، مما يؤكد متانة التعيير المتعلم.

نظرة إلى مستقبل فحوصات أذكى

تبين هذه الدراسة أن الذكاء الاصطناعي يمكنه بفعالية «ملء» إشارات الموجات فوق الصوتية الخام المفقودة من الصور القياسية مع الحفاظ على المؤشرات الكمية الرئيسية التي تساعد على التمييز بين الآفات الضارة وغير الضارة في الثدي. من الناحية العملية، قد تتمكن المستشفيات يومًا ما من تشغيل تحليلات QUS مباشرة من بيانات B‑mode الروتينية، دون الحاجة إلى تسجيل أو تخزين مجموعات بيانات RF ضخمة على كل جهاز ماسح. تظل الدراسة برهان إثبات مبدئي، ومحدودة بنوع واحد من أنظمة الموجات فوق الصوتية ومركزة على آفات الثدي، لكنها تشير إلى مستقبل يمكن فيه تعزيز أجهزة الموجات فوق الصوتية الحالية عبر البرمجيات لتوفير رؤية أعمق وأكثر موضوعية لصحة النسيج—مما قد يحسن تشخيص السرطان وقرارات العلاج دون إضافة أجهزة جديدة أو إجراءات غازية.

الاستشهاد: Sheibani-Asl, N., Osapoetra, L.O., Czarnota, G.J. et al. AI-enabled RF data synthesis for breast ultrasound: efficacy in quantitative ultrasound tissue characterization. Sci Rep 16, 12544 (2026). https://doi.org/10.1038/s41598-026-43319-9

الكلمات المفتاحية: أشعة الموجات فوق الصوتية للثدي, الذكاء الاصطناعي, الموجات فوق الصوتية الكمية, توليف الصور الطبية, تشخيص السرطان