محول الرؤية متعدد المستويات لتصنيف النزيف باستخدام بيانات الرنين المغناطيسي المحورية والسهمية

لماذا تهم هذه الدراسة المرضى والأطباء

عند الاشتباه بسكتة دماغية أو نزيف داخل الدماغ، كل دقيقة مهمة. يمكن لفحوصات الدماغ الكشف عن نزيفات خطيرة، لكن قراءة هذه الصور بسرعة وبدقة تشكل تحدياً، لا سيما في فحوصات الرنين المغناطيسي التي تنتج أنواعاً متعددة من الصور من زوايا عرض مختلفة. تقدم هذه الدراسة طريقة جديدة للذكاء الاصطناعي مصممة لقراءة صور الرنين المغناطيسي متعددة الزوايا بطريقة أقرب إلى راديولوجي ماهر، بهدف اكتشاف نزيفات الدماغ بشكل أكثر موثوقية في ظروف المستشفيات الواقعية.

تحدي اكتشاف النزيفات الدماغية على الرنين المغناطيسي

النزيف داخل القحف — النزيف داخل الجمجمة — حالة طارئة تهدد الحياة وتتطلب تشخيصاً سريعاً. لعقود، شكّل التصوير المقطعي المحوسب (CT) الأداة الأساسية لفحوصات النزيف الدماغي المشتبه بها لأنه سريع وسهل التفسير نسبياً. يمكن للرنين المغناطيسي أن يضاهي أو يتفوق على التصوير المقطعي في كشف النزيفات، كما أنه أفضل في تحديد عمر النزيف وكشف مشكلات أخرى مثل مناطق الدماغ المحرومة من الدم. مع ذلك، يستغرق الرنين المغناطيسي وقتاً أطول، وقد لا يتوفر على نطاق واسع في بعض المراكز، وصوره أكثر تعقيداً في التفسير. يجعل هذا التعقيد الرنين هدفاً جذاباً لأدوات الذكاء الاصطناعي التي يمكنها مساعدة الراديولوجيين عبر فرز عدد كبير من الفحوص، والإشارة إلى الحالات المشبوهة، وتقليل خطر تفويت نزيف طفيف لكنه حاسم.

لماذا الصور المتعددة والزوايا يصعب قراءتها للحواسيب

في الرعاية السريرية الروتينية، غالباً ما يُكتسب رنين مغناطيسي للدماغ بشرائح نسبياً سميكة لتقصير وقت الفحص، مما ينتج صوراً أكثر حدة في بعض الاتجاهات مقارنة بغيرها. يشاهد الراديولوجيون الدماغ في عدة مستويات — محوري (من الأعلى إلى الأسفل)، سهمي (من الجانب)، وأحياناً إكليلي (من الأمام) — لأن بعض النزيفات تكون أسهل رؤية من زوايا معينة. كما تأتي الفحوص بأنماط تباين مختلفة مثل FLAIR والانتشار والحساسية، كل منها يبرز خصائص نسيجية مختلفة. مع ذلك، تفترض معظم أنظمة الذكاء الاصطناعي الحالية أن جميع الصور مصطفة في اتجاه واحد موحد وبنفس الدقة. لتلبية هذا الافتراض، تضطر المستشفيات إلى تدوير وتغيير حجم البيانات رقمياً، ما قد يطمس تفاصيل دقيقة ويخفي نزيفات صغيرة. تضيف مجموعات البيانات السريرية الحقيقية تعقيداً إضافياً: ليس كل مريض يُجرى له نفس مجموعة التباينات، لذا يجب أن تتعامل النماذج مع وجود معلومات مفقودة.

نموذج جديد متعدد المستويات يحتفظ بمزيد من الصورة

لمعالجة هذه المشكلات، صمّم المؤلفون "محول رؤية متعدد المستويات" (MP-ViT)، وهو نوع من الذكاء الاصطناعي طُور أصلاً لفهم الصور الطبيعية. بدلاً من إجبار كل بيانات الرنين على زاوية عرض واحدة، يحتوي MP-ViT على فرعين مخصصين للمعالجة: واحد للصور المحورية وآخر للصور السهمية. يقسم كل فرع الدماغ ثلاثي الأبعاد إلى كتل صغيرة، يحولها إلى رموز يمكن للمحول معالجتها، ثم يتعلّم أنماطاً قد تشير إلى وجود نزيف. والأهم من ذلك، أن هذين الفرعين لا يكتفيان بالعمل بالتوازي والبقاء منفصلين؛ يستخدم النموذج آلية انتباه متقاطع تسمح بتبادل المعلومات بين الفرعين، مما يحاكي كيفية دمج الراديولوجي ذهنياً لوجهات نظر مختلفة لتكوين صورة أوضح للدماغ.

التعامل مع غياب أنواع الفحوص عبر إشارة إرشادية

في سير العمل بالمستشفى الحقيقي، ليس كل مريض لديه نفس مجموعة تباينات الرنين؛ قد يفتقر بعضهم لتسلسلات معينة مثل الفحوص الحساسة للنزيف. لجعل الذكاء الاصطناعي قوياً أمام هذه الفجوات، أضاف المؤلفون "متجه مؤشر النمط" — رمز بسيط يخبر النموذج بأنواع الصور المتوفرة وأيها مفقود لكل مريض. يتحول هذا المتجه إلى مجموعة إشارات داخلية تتفاعل مع الميزات المتعلمة للنموذج من خلال خطوة انتباه متقاطع إضافية. وفعلياً، يُرشد الشبكة لضبط توقعاتها عندما تكون بعض أنواع المعلومات غير متاحة، بدلاً من أن تشتت أو تكون مفرطة الثقة. يجعل هذا التصميم MP-ViT أكثر ملاءمة للبيانات الفوضوية وغير المتسقة التي تظهر في الممارسة السريرية اليومية.

مدى أداء الطريقة الجديدة

درّب الباحثون واختبروا MP-ViT على مجموعة بيانات واقعية كبيرة تضم أكثر من 12,000 دراسة رنين من ثلاث شركات مصنعة رئيسية لأجهزة المسح، ووسمها راديولوجيون ذوو خبرة بأنها تظهر نزيف داخل القحف الحاد أو تحت الحاد أو لا تظهر نزيفاً. على مجموعة اختبار مستقلة، حقق MP-ViT مساحة تحت المنحنى (AUC) بقيمة 0.854، وهو مقياس لمدى تمييزه بين حالات النزيف وعدم النزيف عبر كل حدود القرار الممكنة. كانت هذه النتيجة أعلى بشكل ملحوظ من محول رؤية قياسي يعمل من مستوى واحد، وكذلك من عدة بنى شبكات عصبية تلافيفية معروفة مثل ResNet وDenseNet. أكدت الاختبارات الإحصائية أن هذه المكاسب من غير المرجح أن تكون حدثت بالصدفة. كما أظهرت تحليلات داخلية أن إضافة متجه مؤشر النمط حسنت الأداء بأكثر من نقطة مئوية واحدة، مما يبرز قيمة إعلام النموذج صراحةً بأنواع الفحوص المتوفرة.

ماذا قد يعني هذا للرعاية المستقبلية

لغير المتخصص، الخلاصة أن هذه الدراسة تُظهر طريقة أذكى لقراءة الذكاء الاصطناعي لصور الرنين المغناطيسي: تفحص الدماغ من أكثر من زاوية، تحتفظ بمزيد من التفاصيل الأصلية، وتتكيّف عندما تكون بعض أنواع الصور مفقودة. بينما قُيّم العمل على مجموعة بيانات داخلية واحدة وتركز فقط على التصنيف بدلاً من التحديد الدقيق لمواقع النزيف، فإنه يبيّن أن محولات مصممة بعناية يمكن أن تتلاءم بشكل أفضل مع واقع التصوير السريري المعقد. إذا تم التحقق من فاعليتها على نطاق أوسع ودمجها بمسؤولية في سير العمل بالمستشفيات، فقد تساعد طرق مثل MP-ViT الراديولوجيين على اكتشاف نزيفات الدماغ بمزيد من الاعتمادية في حالات الطوارئ المرتبطة بالسكتة وأيضاً في فحوصات العيادات الخارجية الروتينية، مما قد يؤدي إلى علاج أسرع ونتائج أكثر أماناً للمرضى.

الاستشهاد: Das, B.K., Zhao, G., Mailhe, B. et al. Multi-plane vision transformer for hemorrhage classification using axial and sagittal MRI data. Sci Rep 16, 9333 (2026). https://doi.org/10.1038/s41598-026-44524-2

الكلمات المفتاحية: نزيف دماغي, الرنين المغناطيسي, الذكاء الاصطناعي في التصوير الطبي, محول الرؤية, تشخيص السكتة الدماغية