كشف نتوء العقب من صور الأشعة الجانبية للقدم باستخدام هندسة الميزات العميقة

لماذا يهم ألم الكعب وأهمية الحواسيب الذكية

يُعد ألم الكعب أحد أكثر الأسباب شيوعًا لزيارة عيادات العظام، وغالبًا ما يجعل كل خطوة مؤلمة. أحد المسببات المتكررة هو نمو عظمي صغير على الكعب يُسمى نتوء العقب، ويظهر عادةً في صور الأشعة الجانبية الاعتيادية للقدم. قد يكون تفسير هذه الصور أكثر تعقيدًا مما يتوقع المرء، خصوصًا في المراحل المبكرة من المرض، ولا تتوفر دائمًا خبرة أخصائيي الأشعة في كل مستشفى. تقدم هذه الدراسة طريقة حاسوبية مبسطة يمكنها اكتشاف هذه النتوءات بشكل موثوق على صور الأشعة العادية، حتى عندما تتوافر مجموعة محدودة نسبياً من الصور، مما قد يوفر مساعدة أسرع وأكثر اتساقًا للأطباء والمرضى.

ما هي نتوءات العقب ولماذا يصعب رؤيتها

يتكوّن نتوء العقب في موضع ارتكاز شريط النسيج القوي تحت القدم، اللفافة الأخمصية، على عظمة الكعب. يزيد العمر، والوزن الزائد، وفترات الوقوف الطويلة، والإصابات المتكررة الصغيرة من فرصة تكونها. يبدأ الأطباء عادةً تقييمهم بصورة أشعة جانبية بسيطة للقدم لأنها سريعة ورخيصة ومتاحة على نطاق واسع. المشكلة أن النتوءات المبكرة قد تبدو مشابهة جدًا لشكل الكعب الطبيعي، كما أن جودة الصورة أو تغيرات بسيطة في وضعية القدم قد تخلق ظلالًا تشبه النتوء. قد يختلف تفسير الأشعة بين أخصائيي الأشعة المختلفين، وهنا يمكن لأنظمة مساعدة الحاسوب أن تقدم رأيًا ثانويًا.

طريقة جديدة لتعليم الحواسيب من أمثلة قليلة

حوّل الذكاء الاصطناعي الحديث المعروف بالتعلّم العميق تحليل الصور الطبية، لكنه عادةً ما يحتاج إلى آلاف الصور المعلّمة ومعالجات رسومية قوية ليعمل جيدًا. في العيادات الواقعية، وخصوصًا للحالات الخاصة مثل نتوءات الكعب، قد يتوفر بضع مئات فقط من الصور المصفّاة جيدًا وقد تكون موارد الحوسبة محدودة. يعالج المؤلفون هذا التحدي بما يسمونه هندسة الميزات العميقة: بدلاً من تدريب نموذج كبير واحد بشكل كامل، يعيدون استخدام المعرفة المستفادة من 19 شبكة تعرف على الصور موجودة مسبقًا ثم يختارون ويمزجون بعناية ما تعلمته كل شبكة. تهدف هذه الاستراتيجية إلى التقاط مؤشرات بصرية غنية مع الحفاظ على نظام بسيط بما يكفي للاستخدام اليومي.

كيف يعمل النظام متعدد الخطوات

جمعت الفريق 775 صورة أشعة جانبية للقدم مُعزولة الهوية من مستشفى واحد، كان منها 316 بدون نتوء و459 تُظهر نتوءًا عظميًا، وفق اتفاق اثنين من الأطباء ذوي الخبرة. جرى تغيير حجم كل صورة ولكن تُركت بخلاف ذلك كما هي حتى تُحلل القدم بأكملها، وليس منطقة مقصوصة فقط. أولًا، مرّ كل صورة عبر 19 شبكة عصبية مسبقة التدريب، كلٌ تدرب أصلاً على قاعدة بيانات كبيرة للصور العامة. من كل شبكة استخرج الباحثون بصمة رقمية أو مجموعة من الميزات التي تلخّص كيف «ترى» تلك الشبكة منطقة الكعب. بعد ذلك، استخدموا طريقة اختيار تكرارية لتقليص كل بصمة كبيرة إلى مجموعة أصغر من أهم الميزات، وابتعدوا عن القياسات المكررة أو الصاخبة التي لا تساعد في التمييز بين وجود نتوء أو عدمه.

ضمّ العديد من الأصوات الصغيرة إلى قرار واحد قوي

عندما أصبحت مجموعات الميزات الأرق جاهزة، قدّموها إلى نسخة خاصة من مصنّف بسيط وبديهي للبشر يُدعى أقرب الجيران k، الذي يقيم حالة جديدة بالنظر إلى أمثلة سابقة مشابهة. وسّع المؤلفون هذه الفكرة إلى تجمع: جربوا إعدادات مسافة عديدة وأعدادًا مختلفة للجيران ثم استخدموا تصويتًا متكررًا بالأغلبية لدمج القرارات المرشحة المتعددة. خطوة نهائية جشعة اختارت أي تركيبة أدّت أفضل أداء خلال اختبارات التحقق المتقاطع. بشكل عام، وصل الإطار إلى دقة بلغت 93.42 بالمئة، مع حساسية مرتفعة بشكل خاص للحالات التي تحتوي فعليًا على نتوءات. بعبارة أخرى، كان من المرجح أن يفوت النظام تشخيص كعب طبيعي أكثر مما يتغاضى عن نتوء، وهو توازن قد يكون أكثر أمانًا في سياق الفحص.

ماذا تعني النتائج بخلاف ألم الكعب

للتأكد من أن النظام يركّز على المكان الصحيح، صور الباحثون المناطق التي ركّزت عليها الشبكات ووجدوا تركيزًا قويًا حول أسفل الكعب، حيث يتوقع تكون النتوءات. كما أظهروا أن الجمع الدقيق بين عدة شبكات تفوق على أي شبكة منفردة، وأن مكاسب مماثلة ظهرت عند تطبيق الإطار على مجموعة بيانات خلوية منفصلة وأكثر تعقيدًا. وبما أن الطريقة تعمل على حاسوب قياسي بدون بطاقة رسومية وتستخدم عددًا محدودًا من الشبكات عند النشر، فمن الممكن إدراجها عمليًا في سير عمل المستشفيات كمساعد في الخلفية. بالنسبة للمرضى، لا يستبدل هذا حكم الخبير، لكنه قد يعني قراءات أكثر اتساقًا لأشعة شائعة، وطمأنينة أسرع عند عدم وجود نتوء، ودعمًا أفضل للأطباء الذين يضطرون إلى تقرير أفضل طرق إدارة ألم الكعب المستمر.

الاستشهاد: Demir, S., Can, B., Goktas, O.F. et al. Calcaneal spur detection from lateral foot radiographs using deep feature engineering. Sci Rep 16, 14125 (2026). https://doi.org/10.1038/s41598-026-44671-6

الكلمات المفتاحية: ألم الكعب, تصوير بالأشعة السينية, الذكاء الاصطناعي الطبي, نتوء عظمي, التشخيص بمساعدة الحاسوب