اكتشاف أمراض الجهاز الهضمي باستخدام تصوير طبي قائم على المحولات من أجل رعاية صحية مستدامة

لماذا تحتاج فحوصات الأمعاء إلى مساعدة أذكى

آلام المعدة أو النزف أو فقدان الوزن غير المبرر قد تشير أحيانًا إلى مشكلات خطيرة داخل الجهاز الهضمي، من التهابات طويلة الأمد إلى السرطان. يعتمد الأطباء على كاميرات صغيرة، مثل تلك المستخدمة في تنظير القولون أو الكبسولات القابلة للبلع، لرصد المناطق الشاذة. لكن وجود الآلاف من الصور لكل مريض يجعل هذه المهمة مرهقة ومن السهل أن تفوت علامات تحذيرية دقيقة. تبحث هذه الدراسة في نوع جديد من الذكاء الاصطناعي القادر على قراءة هذه الصور بدقة ملحوظة، مما يساعد على اكتشاف أمراض الجهاز الهضمي مبكرًا وفي الوقت نفسه يخفف العبء على أنظمة الرعاية الصحية المجهدة.

رؤية أعمق في صور الأمعاء

يمكن أن يتعرض الجهاز الهضمي لعدد من الحالات، بما في ذلك التهاب القولون التقرحي والتهاب المريء وسلاائل قد تتطور إلى سرطان القولون والمستقيم. غالبًا ما تظهر هذه المشكلات على شكل تغيرات دقيقة في اللون أو الملمس على السطح الداخلي للأمعاء. الأدوات الحاسوبية التقليدية المبنية على الشبكات العصبية «التلافيفية» قد ساعدت بالفعل في تمييز البقع المشبوهة في الصور الطبية، لكنها تواجه صعوبة عندما تكون الأنماط معقدة أو موزعة عبر الصورة. نتيجة لذلك، قد تفوت الأنظمة الحالية علامات مرضية دقيقة، خاصة عند وجود بيانات تدريب محدودة أو موزعة بشكل غير متوازن بين أنواع التشخيص المختلفة.

قارئ رقمي من نوع جديد

تختبر هذه البحوث تصميمًا أحدث للذكاء الاصطناعي يُعرف بالمحول البصري، وبالتحديد نموذجًا يُدعى ViT-B16، لتصنيف صور الجهاز الهضمي. بدلاً من مسح الصور قطعةً قطعة بطريقة جامدة، يقوم هذا النموذج بتقسيم كل صورة إلى رقع صغيرة ويتعلم كيف ترتبط هذه الرقع ببعضها في آن واحد. بنى المؤلفون مجموعة متكاملة مكونة من 10,000 صورة منظار مقسمة بالتساوي إلى أربع فئات: نسيج طبيعي، التهاب القولون التقرحي، سلايل، والتهاب المريء. قاموا بترشيح الصور منخفضة الجودة أو ذات الوسوم الخاطئة بعناية، وغيروا أحجامها إلى صيغة قياسية، وزادوا التنوع بتقنيات مثل الانعكاس والدوران وتغيير السطوع حتى يكون النموذج قويًا أمام التباينات الواقعية.

كيف يتعلم الذكاء الاصطناعي ويتخذ القرار

داخل المحول البصري، تتحول كل رقعة صغيرة من الصورة إلى «رمز» رقمي، وتتعلم طبقات وحدات الانتباه أي الرقع يجب أن تؤثر على بعضها البعض بشدة أكبر. يتيح هذا للنظام وزن المناطق البعيدة ولكن ذات الصلة ضمن نفس لقطة الأمعاء، على نحو يشبه كيفية ربط الطبيب للأنماط عبر الإطار الواحد ذهنيًا. قام الفريق بضبط نموذج ViT-B16 مُسبق التدريب باستخدام تقنيات تدريب حديثة مثل التحسين التكيفي والتحقق المتبادل، ثم قارنوه مع معماريات تعلم عميق واسعة الاستخدام مثل EfficientNet ومجَمّعات شهيرة من شبكات متعددة. كما استخدموا أدوات تفسير تنتج خرائط حرارية، تبرز المناطق الدقيقة في المخاطية التي يركز عليها الذكاء الاصطناعي عندما يشخّص منطقة ملتهبة أو سليلة.

الدقة والثقة والوصول إلى العالم الحقيقي

وصل المحول البصري إلى دقة إجمالية بنحو 99.5% على مجموعة الاختبار المتوازنة، متفوقًا قليلًا على أفضل النماذج المنافسة وبفارق كبير عن الأساليب السابقة. بالنسبة لكل من الفئات الأربعة، كانت مقاييس الدقة والاستدعاء وF1 تقريبًا حول 99.4%، ومنحنيات قياس قدرة التمييز بين الأمراض كانت شبه مثالية. لم تُخطئ سوى مجموعة ضئيلة من الصور من بين ألف حالة اختبار. عندما اختُبر النظام المدرب على مجموعة بيانات خارجية جُمعت في ظروف مختلفة، حقق دقة تقارب 96.8%، ما يدل على تعميم مشجع. كشفت خرائط التوضيح أن «انتباه» النموذج تركز على مناطق ذات معنى سريري—مثل سطح السلايل أو الرقع الملتهبة—ما يعزز ثقة الأطباء في أن الذكاء الاصطناعي ينظر إلى الأماكن الصحيحة بدل الخلفية غير المهمة.

ماذا يعني هذا للمرضى والعيادات

تخلص الدراسة إلى أن أنظمة قائمة على المحولات البصرية يمكن أن تعمل كمساعدين ذوي كفاءة عالية للأطباء الذين يقرؤون صور الجهاز الهضمي. من خلال اكتشاف الشذوذات الدقيقة بصورة موثوقة وسريعة، قد تمكّن من التشخيص المبكر، ورعاية أكثر اتساقًا عبر المستشفيات، وتقليل الآفات الفائتة. وبما أن النموذج كفء بما يكفي للتشغيل على عتاد رسومي قياسي، فيمكن دمجه في سير العمل الروتيني للفحص، مع وضع إطارات تستدعي مراجعة بشرية دقيقة تلقائيًا. وبينما لا تزال تحديات قائمة—مثل التحقق من الأداء عبر العديد من المستشفيات، والتعامل مع الأمراض النادرة، ومعالجة القضايا الأخلاقية المتعلقة بالتشخيص الآلي—تشير هذه العمل إلى أن «قراء مشتركين» بالذكاء الاصطناعي قد يصبحون قريبًا أداة عملية لرعاية هضمية أكثر أمانًا واستدامة.

الاستشهاد: Kehkashan, T., Abdelhaq, M., Al-Shamayleh, A.S. et al. Gastroenterological disease detection using transformer-based medical imaging for sustainable healthcare. Sci Rep 16, 10672 (2026). https://doi.org/10.1038/s41598-026-45222-9

الكلمات المفتاحية: تصوير الجهاز الهضمي, محول بصري, الذكاء الاصطناعي في التنظير, كشف السلائل, تصنيف الصور الطبية