نحو قياس تلقائي كامل للحجم خارج الخلوي الصناعي: نهج مفتوح المصدر قائم على تعلّم الآلة لفحص CMR السريع دون سحب الدم

لماذا هذا مهم لصحة القلب

يعتمد الأطباء بشكل متزايد على فحوصات الرنين المغناطيسي للقلب لاكتشاف التندّب المبكر في عضلة القلب، وهو تغيير طفيف مرتبط بالعديد من أمراض القلب الخطيرة. اليوم، يتطلب الحصول على هذه المعلومات عادةً كلًّا من تحليل صور مُستغرق للوقت واختبار دم. تُظهر هذه الدراسة أن الحاسوب يستطيع قراءة صور رنين قلبية خاصة وتقدير نفس المعلومات تلقائيًا دون سحب الدم، ما يفتح الباب أمام تشخيصات قلبية متقدمة أسرع وأكثر راحة وربما متاحة على نطاق أوسع.

رؤية التندّبات الخفيّة في القلب

تسبب العديد من حالات القلب المزمنة تليّفًا—بقع صغيرة من نسيج يشبه الندبة يجمّد عضلة القلب ويؤدي إلى نتائج طويلة الأمد أسوأ. يمكن لتقنيات الرنين المغناطيسي القلبي الحديثة قياس ما يُعرف بالحجم خارج الخلوي (ECV)، الذي يعكس مقدار ما تشغله السوائل والنسيج الليفي في عضلة القلب بدلاً من الخلايا السليمة. أصبح ECV علامة تصويرية قوية للتليّف المنتشر، لكن قياسه في التطبيق العملي مرهق. عادةً ما يتطلب رسم مناطق يدويًا على عدة صور رنين، وتصحيحًا دقيقًا لحركة المريض، واختبار دم حديث لتحديد الهيماتوكريت، وهي نسبة كريات الدم الحمراء في الدم.

المشكلة في اختبارات الدم والعمل اليدوي

في المستشفيات الواقعية، يمثل سير العمل التقليدي هذا عنق زجاجة. فليست كل المراكز قادرة على أخذ عيّنة دم في توقيت مقارب لفحص الرنين، ويمكن أن يتغير الهيماتوكريت بعوامل بسيطة مثل وضعية الجسم. كما يعتمد تحليل الصور على خبراء مُدَرَّبين وبرامج متخصصة وعدة خطوات يدوية حيث يقوم الأشخاص بتحديد هياكل القلب شريحة بشريحة. تستغرق هذه الخطوات وقتًا وقد تختلف من قارئ إلى آخر أو من مركز لآخر، مما يصعّب مقارنة النتائج عبر المستشفيات أو دراسات بحثية كبيرة.

تعليم الحاسوب قراءة خرائط القلب

بناءً على أعمال سابقة أظهرت أنه يمكن تقدير الهيماتوكريت مباشرةً من إشارة الرنين في حوض الدم داخل القلب، شرع المؤلفون في أتمتة بقية العملية. استخدموا بيانات رنين لأكثر من 1000 مريضٍ تم فحصهم عند قوتين مغناطيسيتين مختلفتين. في مرحلة التدريب، رسم الخبراء بعناية حدود عضلة القلب وغرف الدم على خرائط T1 الخاصة المأخوذة قبل وبعد حقن وسيط التباين. استُخدمت هذه الأمثلة لتدريب نموذج تعلّم عميق (شبكة عصبية من نوع U‑net) لاكتشاف نفس الهياكل تلقائيًا. كما طبّق الخوارزمية خطوات معالجة صور لفصل الدم عن الأنسجة المجاورة وتقلّص خفيف للحدود لتجنّب التمويه الناتج عن الحركة.

من الصور الخام إلى ECV صناعي في خطوة واحدة

بعد التدريب، اختُبر النموذج على مجموعة منفصلة من المرضى. لكل شخص، قاس النموذج تلقائيًا قيم T1 النموذجية في عضلة القلب والدم، ووضع تلك القيم في صيغ منشورة تقدر الهيماتوكريت من الرنين وحده، ثم حسب "ECV صناعي"—دون سحب للدم أو رسم حدود يدوي. قارن الباحثون هذا ECV الصناعي التلقائي تمامًا مع ECV التقليدي الذي حُسب باستخدام حدود خبراء وهيماتوكريت مقاس مخبريًا. عمومًا، اتفقت الطريقتان بشكل وثيق: كانت القيم المتوسطة شبه متطابقة، وكان الارتباط بينهما قويًا. وكان الاتفاق جيدًا بشكل خاص في النطاق السريري المهم حتى نحو 35% ECV، حيث يقع معظم المرضى.

ما الذي نجح جيدًا وأين يواجه صعوبة

قُيّمت الحدود التلقائية عمومًا على أنها مقبولة إلى ممتازة من قبل أخصائيي تصوير القلب المستقلين، وتعامل النموذج مع صور القوتين المغناطيسيتين بشكل موثوق. مع ذلك، اتسعت الفروقات بين القياسات التلقائية والتقليدية عند قيم ECV العالية جدًا، وهو نطاق غالبًا ما يعكس مرضًا شديدًا. يقترح المؤلفون أن ذلك يعود جزئيًا إلى ندرة مثل هذه الحالات في مجموعة البيانات، وجزئيًا إلى أن جودة الصورة والتشريح المعقد قد يربكان الخوارزمية. ويشيرون أيضًا إلى أن المرجع التقليدي يستخدم منطقة صغيرة في الحاجز القلبي، بينما يجري في الطريقة الآلية متوسطًا على الشريحة بأكملها، مما يضيف بعض الفروقات بطبيعته.

ماذا يعني هذا للمستقبل

في الوقت الحالي، ينبغي اعتبار هذا النهج أداة بحثية أكثر منه بديلاً جاهزًا للاستخدام السريري. ومع ذلك، يبرهن على أن الحاسوب يمكنه أخذ خرائط الرنين القياسية قبل وبعد التباين للقلب وإنتاج قيم ECV، دون اختبار دم ومدخل بشري محدود، تتبع إلى حدٍ كبير قياسات اليوم المجهدة في معظم المرضى. وبما أن الشيفرة والنموذج المدرب متاحان علنًا، يمكن لمراكز أخرى اختبار الطريقة وتحسينها وتكييفها لأجهزتهم. إذا أُثبتت صلاحيتها أكثر—وخاصة لدى المرضى ذوي ECV العالي جدًا—فيمكن أن يجعل ECV الآلي الخالي من الدم تقييم التليّف المتقدم أسرع وأكثر اتساقًا وأكثر توفّرًا.

الاستشهاد: Beyer, R.E., Hüllebrand, M., Doeblin, P. et al. Towards fully automated synthetic ECV quantification: an open-access machine learning-based approach for fast blood draw-free CMR. Sci Rep 16, 8552 (2026). https://doi.org/10.1038/s41598-026-43624-3

الكلمات المفتاحية: تصوير القلب بالرنين المغناطيسي, تليّف عضلة القلب, الحجم خارج الخلوي, التعلّم العميق, أتمتة التصوير الطبي