التقسيم متعدد الأبعاد القائم على التعلم العميق والتقييم الحجمي لسائل الجيب الوتدي في صور التصوير المقطعي بعد الوفاة في حالات الغرق

لماذا يهم هذا الأمر خارج غرفة التشريح

عندما يُعثر على شخص ميت في الماء، قد يواجه الأطباء الشرعيون المتمرسون صعوبة في تحديد ما إذا كان الشخص قد غرق بالفعل أم توفي لسبب آخر قبل ذلك. إحدى الدلالات الدقيقة هي السائل الذي يتجمع في جيب هوائي صغير عميق خلف الأنف يُسمى الجيب الوتدي. قد يساعد قياس ذلك السائل في صور التصوير المقطعي بعد الوفاة، لكن القياس اليدوي بطيء ويعتمد بشدة على القارئ. تستكشف هذه الدراسة ما إذا كانت تقنيات رؤية الحاسوب الحديثة قادرة على تحديد وقياس ذلك السائل تلقائياً، مما يوفر دعماً أسرع وأكثر اتساقاً في تحقيقات الغرق الصعبة.

جيب مخفي فيه دلائل مهمة

في حالات الغرق، يتسرب السائل غالباً إلى الجيوب الأنفية المحيطة بالأنف، وهي تجاويف صغيرة في عظام الوجه. الجيب الوتدي، الموجود عميقاً داخل الجمجمة، يثير اهتماماً خاصاً لأن السائل المتجمع فيه يمكن اختباره للكشف عن طحالب مجهرية ومستويات الملح التي قد تشير إلى ما إذا كان الشخص قد غرق في مياه عذبة أم بحرية. أظهرت أعمال سابقة أن صور التصوير المقطعي المأخوذة بعد الوفاة يمكن أن تتطابق تقريباً مع أحجام السائل التي تُعثر عليها لاحقاً في التشريح. لكن للحصول على تلك الأرقام، اضطر الخبراء إلى رسم محيط منطقة السائل شريحة بشريحة على الحاسوب—مهمة مملة يصعب توحيدها وغير عملية عند التعامل مع أعداد كبيرة من الحالات.

تعليم الحواسيب اكتشاف السائل

لجأ فريق البحث إلى عائلة من أنظمة تحليل الصور المستخدمة على نطاق واسع في التصوير الطبي، والمعروفة بنماذج التعلم العميق على نمط U-Net. جمعوا صور التصوير المقطعي بعد الوفاة من 165 شخصاً تأكدت حالات وفاتهم بالغرق في التشريح. قام مراقب متمرس بتتبع السائل يدوياً في الجيب الوتدي لإنشاء خريطة مرجعية يتعلم منها الحاسوب. قُسِّمت الحالات إلى مجموعات تدريب وتحقق واختبار حتى يتم تقييم النماذج على بيانات لم ترها مسبقاً. ثم بنى العلماء ثلاث نسخ من النظام: واحدة تنظر إلى شرائح التصوير المقطعي المفردة (ثنائية الأبعاد)، وواحدة تنظر إلى الشريحة مع شريحتَيها المجاورتين (2.5D)، وواحدة تحلل كتل ثلاثية الأبعاد صغيرة من الرأس دفعة واحدة (ثلاثية الأبعاد).

مدى أداء النماذج

تمكنت النماذج الثلاثة جميعها من تحديد سائل الجيب الوتدي في صور الاختبار بطريقة مطابقة إلى حد كبير لخبير بشري. كانت أساليب 2D و2.5D الأكثر موثوقية في تتبع شكل وحدود السائل، بينما كانت النسخة ثلاثية الأبعاد أقل دقة بعض الشيء وأكثر تقلباً من حالة إلى أخرى. عندما حوّل الفريق هذه المخططات إلى أحجام سائل فعلية، كانت التقديرات الآلية ضمن أجزاء من المليلتر من القيم المرجعية، ولم تكن الفروقات ذات دلالة إحصائية. تحركت الأحجام المتوقعة واليدوية معاً بانسجام، مع ارتباطات قوية جداً عبر النماذج الثلاثة، مما يوحي بأن القياسات المولدة بالحاسوب يمكن أن تحل محل القياسات اليدوية المجهدة.

لماذا فاز النهج الوسيط

قدمت نموذج 2.5D، الذي ينظر إلى الشريحة مع جاراتها المباشرات، أفضل توازن بين الدقة والعملية. فهو يستفيد من بعض السياق ثلاثي الأبعاد، مما يساعده على التمييز بين السائل الحقيقي والعظم والأنسجة الرخوة المجاورة، وفي الوقت نفسه يتجنّب المتطلبات الحاسوبية الكبيرة وعدم الاستقرار الذي قد يصيب النماذج ثلاثية الأبعاد الكاملة—خاصةً عندما يكون الهيكل محل الاهتمام صغيراً ويظهر في عدد قليل فقط من الشرائح. بالنسبة للمراكز الشرعية المزدحمة التي قد تحتاج إلى معالجة العديد من الحالات بقدرات حاسوبية محدودة، قد يكون هذا النهج الوسيط الخيار الأكثر واقعية للاستخدام الروتيني.

ماذا يعني هذا لمستقبل تحقيقات الوفاة

بالنسبة لغير المتخصصين، الخلاصة هي أن الحواسيب باتت قادرة الآن على العثور بشكل موثوق وقياس جيب صغير من السائل عميق داخل الرأس في صور التصوير المقطعي بعد الوفاة، بأداء يكاد يطابق خبيراً بشرياً. تُظهر الدراسة أن مثل هذه القياسات الآلية يمكن إنتاجها بسرعة وباتساق، ما يفتح الباب أمام استخدام بيانات التصوير المقطعي لدعم تشخيص الغرق حتى قبل بدء التشريح. ومع أن هذا العمل الذي أجري في مركز واحد يحتاج إلى اختباره على نطاق أوسع وتمديده ليشمل جيوباً أنفية أخرى وحالات وفاة غير ناجمة عن الغرق، فإنه يشير إلى مستقبل يعزّز فيه تحليل الصور المتقدم الأدلة خلف بعض من أصعب الأسئلة في الطب الشرعي.

الاستشهاد: Heo, JH., Kim, MJ., Jang, S.J. et al. Multi-dimensional deep learning–based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases. Sci Rep 16, 13800 (2026). https://doi.org/10.1038/s41598-026-44094-3

الكلمات المفتاحية: تشخيص الغرق, التصوير المقطعي بعد الوفاة, التصوير الجنائي, التعلم العميق, سائل الجيوب الأنفية