المراقبة الآلية الفورية لحلزون Bithynia باستخدام نهج مقارن قائم على YOLO لاكتشاف حاضنات طفيليات الكبد

لماذا تهم الحلزونات الصغيرة لصحة الإنسان

في أجزاء من جنوب شرق آسيا، تلعب الحلزونات العذبة الصغيرة دورًا كبيرًا في نشر طفيلي الكبد المرتبط بسرطان القنوات الصفراوية القاتل. يحتاج الأطباء والعاملون الميدانيون إلى معرفة النوع الدقيق للحلزونات الموجودة في البرك وحقول الأرز، لكن العديد من هذه الحلزونات تبدو متشابهة إلى حد كبير. تستعرض هذه الدراسة ما إذا كان الذكاء الاصطناعي الحديث يستطيع مراقبة هذه الحلزونات في الوقت الحقيقي، مما يساعد العاملين في الصحة على تتبع مخاطر المرض بشكل أسرع وأكثر دقة.

الحلزونات خلف مخاطر سرطان مخفية

تركز هذه الأبحاث على حلزونات Bithynia، الحلزونات العذبة الصغيرة التي تعمل كحاضنات ضرورية لطفيلي الكبد Opisthorchis viverrini. عندما يأكل الناس الأسماك النيئة أو غير المطهية جيدًا من مياه يعيش فيها هذه الحلزونات، قد يصابون بالعدوى. تزيد العدوى الطويلة الأمد بشكل كبير من خطر الإصابة بسرطان القنوات الصفراوية (cholangiocarcinoma)، وهو سرطان يصعب علاجه. تعيش عدة أنواع وفصائل فرعية من Bithynia في مواطن متداخلة عبر تايلاند والدول المجاورة، وقد يصعب تمييزها بالعين. الطرق التقليدية التي تعتمد على تفاصيل القوقعة أو اختبارات الحمض النووي بطيئة وتتطلب جهدًا كبيرًا، مما يجعل رصد مساحات واسعة صعبًا.

تعليم الحواسيب على رصد وفرز الحلزونات

اختبر الفريق أربع نسخ من نظام تعرف على الصور الشهير المعروف باسم YOLO، الذي يمكنه العثور على الأشياء ووضع تسميات عليها في الصور تقريبًا في الحال. جمعوا آلاف الصور عالية الدقة للحلزونات من 47 موقعًا عبر تايلاند، بما في ذلك صور مختبرية على خلفية بيضاء بسيطة ومشاهد طبيعية في حقول الأرز والقنوات والبرك ومجاري الري. حدد الخبراء الحلزونات أولًا باستخدام مفاتيح تصنيف قياسية ثم رسموا مربعات حول كل عينة في الصور. استخدمت نماذج الكمبيوتر ثلاثة أنواع من Bithynia ذات أهمية طبية ومجموعة رابعة "غير معروفة" لتدريب النماذج على كل من اكتشاف الحلزونات وتحديد نوعها.

اختبار الذكاء الاصطناعي والخبراء البشريين

بعد التدريب، قارن الباحثون بين نماذج YOLO الأربعة وخمسة اختصاصيين بشريين باستخدام مجموعة منفصلة من الصور التي لم ترها النماذج من قبل. كان البشر مثاليين في اكتشاف وجود حلزون، فلم يفوتوا أي عينة. على النقيض من ذلك، فشلت أنظمة الذكاء الاصطناعي في اكتشاف عدد صغير من الحلزونات، لا سيما عندما كانت صغيرة جدًا أو متداخلة أو متسخة أو مخبأة جزئيًا في خلفيات فوضوية. ومع ذلك، بمجرد اكتشاف الحلزون، كان أفضل نموذج يسمى YOLOv10 أفضل بكثير من البشر في تحديد النوع. وصل إلى دقة تصنيف تقارب ثلاثة أرباع الحلزونات المكتشفة، بينما بلغ متوسط دقة الخبراء البشريين أقل من النصف، مما يعكس مدى دقة الفروق في القواقع.

اختيار النموذج الملائم لظروف الحقل الصعبة

من بين النسخ الأربع المختبرة، قدمت YOLOv10 أفضل توازن بين الدقة والسرعة وحجم الملف الصغير. وصلت إلى دقة كلية بنسبة 98.7% على بيانات التحقق وحققّت درجات عالية على مقاييس الكشف القياسية، بينما عملت بأكثر من أربعة إطارات في الثانية على بطاقة رسومات متواضعة. صمدت أيضًا جيدًا تحت ظروف العالم الحقيقي الصعبة، مثل الإضاءة المنخفضة والنباتات المعقدة والمشاهد المزدحمة، وتعاملت بشكل أفضل مع الحلزونات الصغيرة أو الموجهة بغرابة مقارنة بالإصدارات الأقدم. في الوقت نفسه، فإن حجم النموذج صغير بما يكفي ليتم نشره على أجهزة محمولة، وهو أمر مهم لفرق الميدان التي قد تملك قدرة حوسبة محدودة.

عمل مشترك بين الناس والآلات

بالنسبة لغير المتخصص، الرسالة الأساسية هي أن لا البشر ولا الآلات يمكنهم أداء هذه المهمة بمفردهم بشكل مثالي، لكن معًا يحققون أداءً أفضل بكثير. يتميز البشر بقدرتهم على تفحص الصور الفوضوية والتأكد من عدم تجاهل أي حلزون. أما نظام الذكاء الاصطناعي، فعندما يُشار إلى وجود حلزون، فهو أكثر موثوقية في تحديد النوع الذي تنتمي إليه هذه الأنواع المتشابهة. يقترح المؤلفون سير عمل هجينًا يحدد فيه العاملون الميدانيون أو التقنيون الحلزونات أولًا، ثم يمررون تلك الصور إلى نظام YOLOv10 لوضع تسميات نوعية سريعة وموحدة. يمكن لهذا النهج المدمج أن يزيد كثيرًا من سرعة وثبات مراقبة الحلزونات، مما يمنح برامج الصحة العامة أداة عملية لتتبع أماكن انتشار الحاضنات المهددة والتخطيط لجهود السيطرة في المناطق التي تكون فيها الموارد والخبرات المتخصصة محدودة.

الاستشهاد: Jenwithee, T., Meererksom, T., Limpanont, Y. et al. Automated real-time surveillance of Bithynia snails using a comparative YOLO based approach for liver fluke host detection. Sci Rep 16, 14886 (2026). https://doi.org/10.1038/s41598-026-43387-x

الكلمات المفتاحية: حلزونات Bithynia, طفيلي الكبد, كشف YOLO, مراقبة الأمراض, تعاون الإنسان والذكاء الاصطناعي