الكشف والتجزئة الآلي لحلقة فايس في صور قاع العين باستخدام التعلم العميق

لماذا تهم الحلقات الصغيرة في العين

مع التقدم في العمر يلاحظ كثيرون ظهور «عوائم» جديدة تتحرك عبر مجال الرؤية. معظمها غير ضار، لكن بعضها قد يشير إلى تغييرات قد تؤدي أحياناً إلى تمزقات شبكية وحتى العمى. من أوضح علامات هذا التغير بقعة صغيرة على شكل حلقة داخل العين تُسمى حلقة فايس. في صور العين اليومية قد تكون هذه الحلقة باهتة وسهلة الإغفال — حتى من قبل الخبراء، وبالأخص من قبل الحواسيب. تصف هذه الدراسة نظام ذكاء اصطناعي جديد يتعلّم التعرف على حلقات فايس وتحديد محيطها في صور قاع العين القياسية، محوّلاً الصور الروتينية إلى مصدر أثريّ وقيم للمعلومات السريرية والبحثية.

دليل طفيف داخل صور العين الروتينية

يمتلئ داخل العين بجِلٍّ شفاف ينفصل ببطء عن الشبكية مع التقدّم في العمر، وهي عملية تُعرف بانفصال الزجاجية الخلفي. عندما يكتمل هذا الانفصال قد يترك حلقة من النسيج عائمة أمام رأس العصب البصري: حلقة فايس. وجودها يشير إلى اكتمال الانفصال، وفي بعض المرضى الذين يعانون من وميض أو عوائم مفاجئة قد تحدد نافذة زمنية تكون فيها الشبكية أكثر عرضة لتمزقات صغيرة. ومع ذلك فإن حلقات فايس ليست مرئية دائماً، وقد تقع خارج مجال رؤية الكاميرا، وغالباً ما تبدو كظلال غامضة. أنظمة الذكاء الاصطناعي التقليدية المدربة على اكتشاف أمراض شبكية شائعة أغفلت هذه البنى في الغالب أو فسرتها خطأً كأغراض مضللة، تاركةً قطعة مهمة من المعلومات دون استخدام.

تعليم الحواسيب العثور على الحلقة

جمع الباحثون 582 صورة ملونة للعين من عدة قواعد بيانات عامة وطلبوا من ثلاثة أخصائيين عيون تمييز الصور التي تحتوي حلقة فايس وتتبع محيطها بدقة. أنتج ذلك 194 صورة تحتوي حلقات و388 بدون. بنوا بعد ذلك نظام ذكاء اصطناعي مكوّن من جزأين. جزء، يُدعى شبكة التجزئة، تعلّم رسم خريطة بكسل-ببكسل لمكان وجود الحلقة في كل صورة. الجزء الآخر، شبكة تصنيف، تعلّم تقرير ما إذا كانت الحلقة موجودة في الصورة أم لا. صنّف ثانٍ فحص قناع التجزئة فقط، مقوماً ما إذا كانت المنطقة المعلّمة تبدو فعلاً كحلقة. أخيراً، جمع نموذج إحصائي بسيط درجتي التصنيف المأخوذتين في توقع واحد نهائي.

مدى أداء النظام

على مجموعة اختبار احتُفظت بعيداً ولم يرها النموذج أثناء التدريب، أنتجت شبكة تحديد المحيط خرائط تداخلت إلى حد مع رسومات الخبراء، لا سيما في الحالات الواضحة. كانت الشبكة حسّاسة بشكل خاص، ملتقطة معظم الحلقات الحقيقية، رغم أنها في بعض الأحيان وسمت مناطق إضافية حيث تحاكت الانعكاسات أو نسيج الخلفية شكل الحلقة. عندما دمجت مخرجات التجزئة مع مصنف على مستوى الصورة تحسّن الاكتشاف إجمالاً. ميز النظام المدمج الصور التي تحتوي حلقة من التي لا تحتوي على قيمة مساحة تحت المنحنى مرتفعة (حوالي 0.90) ودقّة جيدة، مع قدرة جيدة أيضاً على استبعاد الصور التي لا تحتوي حلقة. أكدت خرائط الحرارة البصرية أن النموذج ركز أساساً على المنطقة المحيطة برأس العصب البصري حيث تظهر حلقات فايس عادة، مما أضاف ثقة في أنه استخدم إشارات ذات مغزى سريري بدلاً من أنماط عارضة.

ماذا قد يعني هذا للرعاية والبحث

يشدد المؤلفون على أن هذه الأداة ليست بديلاً عن فحص عين كامل أو فحوص متقدمة عندما يبلغ شخص عن ومضات أو عوائم مفاجئة. الصور القياسية تغطي جزءاً فقط من الشبكية، والعديد من الأشخاص المصابين بانفصال الزجاجية لا يظهر لديهم حلقة مرئية أبداً. عوضاً عن ذلك يُقدَّم النظام كمساعد: يمكنه تمييز الصور للمراجعة الدقيقة في برامج الفحص واسعة النطاق، مساعدة المتدرِّبين على تعلم التعرف على الحلقات الطفيفة، وتمكين الباحثين من تنقية آلاف الصور المؤرشفة لدراسة مدى تكرار الحلقات وكيف ترتبط بعوامل مثل العمر أو الجراحة أو أمراض العين الأخرى. وبما أن الدراسة استخدمت عدداً متواضعاً من الصور المتاحة علناً، فستكون هناك حاجة لتجارب أكبر وأكثر واقعية — ويفضل مقارنتها بتصوير واسع الزاوية أو فحوصات ثلاثية الأبعاد — قبل أن يُعتمد النهج في قرارات العيادة اليومية.

حلقة صغيرة بإمكانات بياناتية كبيرة

بعبارات بسيطة، تُظهر هذه الدراسة أن الحاسوب يمكن تدريبه ليس فقط ليقول «نعم أم لا» بشأن حلقة عائمة صغيرة في العين، بل أيضاً ليحدد مكانها. وبينما يظل النظام إثباتَ مفهوم وليس سلطة تشخيصية، فإنّه يفتح الباب لتحويل ميزة كثيراً ما تُغفل إلى إشارة قابلة للبحث عبر مجموعات صور ضخمة. عند الاستخدام الحذر وبجنب الفحص الملائم، قد يساعد هذا النوع من الذكاء الاصطناعي الأطباء والباحثين على إيلاء المزيد من الاهتمام للعوائم الطفيفة التي تخبر قصة حول عين الشيخوخة.

الاستشهاد: Kim, H., Ryu, S.Y., Yoo, T.K. et al. Automated detection and segmentation of Weiss ring in fundus photography images using deep learning. Sci Rep 16, 13787 (2026). https://doi.org/10.1038/s41598-026-44593-3

الكلمات المفتاحية: حلقة فايس, تصوير الشبكية, التعلم العميق, انفصال الزجاجية, الذكاء الاصطناعي الطبي