الكشف المدعوم بالذكاء الاصطناعي عن إعدادات صمام تحويلة Certas Plus في فحوصات التصوير المقطعي

لماذا يهم هذا الأشخاص الذين لديهم مصارف في الدماغ

يعتمد العديد من الأشخاص المصابين بحالة تُسمى استسقاء الرأس على أنابيب صغيرة مزروعة تُسمى تحويلات لتصريف السائل الزائد من الدماغ. تحتوي هذه التحويلات على صمام قابل للتعديل يمكن للأطباء ضبطه كقرص تحكم لتحديد كمية السائل التي تُزال. إذا كان الإعداد خاطئًا أو تعطل الصمام، قد يمرض المريض بشدة، وغالبًا ما يحتاج الأطباء إلى إجابات سريعة من صور الدماغ. تبحث هذه الدراسة فيما إذا كان بإمكان الذكاء الاصطناعي قراءة إعدادات تلك الصمامات مباشرة من فحوصات التصوير المقطعي الروتينية، مما قد يوفر الوقت والاختبارات الإضافية وحتى نقل المرضى بين المستشفيات.

التحدي المتمثل في قراءة قرص صغير داخل الجمجمة

بالنسبة للمرضى الذين لديهم تحويلات قابلة للتعديل، فإن معرفة إعداد الصمام الحالي أمر بالغ الأهمية. يمكن أن يتغير الإعداد بطريق الخطأ، على سبيل المثال بعد التعرض لمجالات مغناطيسية قوية في أجهزة الرنين المغناطيسي، مما يؤدي إلى تصريف زائد أو منخفض جدًا للسائل. من الناحية النظرية، يمكن للأطباء رؤية الإعداد على صور أشعة خاصة أو باستخدام أداة محمولة، لكن في الحياة الواقعية يقتصر توافر الأجهزة أحيانًا على جهاز تصوير مقطعي فقط. للأسف، تجعل الأجزاء المعدنية في التحويلة والطبيعة ثلاثية الأبعاد لصور التصوير المقطعي المؤشر الصغير صعب القراءة، حتى على أيدي جراحي أعصاب ذوي خبرة. ركزت هذه الدراسة على نموذج شائع واحد، صمام Certas Plus، وتساءلت عما إذا كان بإمكان نظام ذكاء اصطناعي تحديد إعداده بدقة من فحوصات التصوير المقطعي القياسية.

تحويل صور التصوير المقطعي إلى زاوية بسيطة

جمع الفريق 391 تصويرًا مقطعيًا للرأس لمرضى لديهم صمامات Certas Plus على مدى سبع سنوات. لكل فحص، تأكدوا من أن الإعداد الموثق للصمام في السجل الطبي يتطابق مع ما رآه جراحان أعصاب على الصور، مما أنشأ معيار حقيقة قوي. ثم استخدموا نوعًا حديثًا من الذكاء الاصطناعي للصور ثلاثية الأبعاد، يُسمى شبكة عصبية على شكل حرف U، لتعليم حاسوب تحديد خمسة علامات معدنية صغيرة داخل كل صمام. بعد تحديد هذه العلامات، حسب البرنامج المخصص مركز كل منها وأعاد بناء اتجاه الصمام. بمقارنة الخط المار عبر مغناطيسين خاصين مع الخط المار عبر علامات مرجعية أخرى، قاس البرنامج زاوية، والتي يمكن بعد ذلك ترجمتها إلى واحد من ثمانية إعدادات ممكنة للصمام.

مدى تطابق نتائج الحاسوب مع الإعدادات الواقعية

في مجموعة اختبار منفصلة مكونة من 75 تصويرًا مقطعيًا، نجح نظام الذكاء الاصطناعي في العثور على العلامات وحساب زاوية في 97.3% من الحالات. وتنبأ بالإعداد الموثق بالضبط في 81.3% من الصور. والأهم من ذلك، عندما كان النظام «مخطئًا» فإنه في الغالب يختار إعدادًا يقع مباشرة بجانب الإعداد الحقيقي على القرص، ولم يقفز أبدًا من إعداد بتدفق منخفض جدًا إلى إعداد مغلق تمامًا. وبما أن الصمام نفسه يمكن تعديله باستمرار بين المواضع المُوسومة، فإن حتى الأدوات الرسمية قد تكافح لتمييز الإعدادات المجاورة. عندما اعتبر الباحثون التنبؤ مقبولًا إذا كان صحيحًا أو يبعد خطوة واحدة فقط، ارتفعت الدقة الإجمالية إلى 96%، وهو ما يجادلون بأنه ذي مغزى لاتخاذ قرارات سريرية يومية.

ما الذي قد يغيره هذا في الرعاية اليومية

تُعد رعاية استسقاء الرأس مكلفة، ومن بين التكاليف الرئيسية نقل المرضى بين المستشفيات لإجراء اختبارات متخصصة. إذا أمكن تحليل فحص تصوير مقطعي روتيني في مستشفى صغير تلقائيًا لتأكيد أن إعداد الصمام معقول، فقد يُتجنب بعض هذه التحويلات. كما ينتج نموذج الذكاء الاصطناعي مخططات ملونة لأجزاء الصمام على الصورة، حتى يتمكن الأطباء من فحص ما قام به الحاسوب بصريًا والتحقق منه بدلاً من الاعتماد الأعمى على رقم واحد. وعلى الرغم من أن الدراسة أُجريت في مركز واحد باستخدام أجهزة تصوير مقطعي من مصنع واحد في الغالب، فإن النتائج تشير إلى أن القراءة الآلية لإعدادات صمامات التحويلة ممكنة تقنيًا.

إلى أين قد يقودنا هذا لاحقًا

يخلص المؤلفون إلى أن الذكاء الاصطناعي يمكنه تحديد إعدادات صمامات تحويلة Certas Plus في صور التصوير المقطعي بدقة تقارن بخبراء البشر ومن المحتمل أن تكون كافية لدعم الرعاية الواقعية. ويؤكدون على الحاجة إلى دراسات أكبر ومتعددة المستشفيات لتأكيد أن الطريقة تعمل عبر أجهزة ومسح لمجموعات مرضى مختلفة، ولتكييفها مع أنواع صمامات أخرى أو المرضى الذين لديهم أكثر من صمام واحد. إذا نجحت تلك الجهود، قد يتمكّن مرضى استسقاء الرأس في المستقبل من فحص إعدادات صماماتهم بسرعة وأمان من خلال الفحوصات التي يتلقونها بالفعل، مما يقلل الحاجة إلى تصوير إضافي ويساعد الأطباء في اكتشاف مشاكل التحويلة في وقت أبكر.

الاستشهاد: Scheffler, P., Shah, M., Amirah, R. et al. AI-based detection of Certas Plus shunt valve settings in CT scans. Sci Rep 16, 9647 (2026). https://doi.org/10.1038/s41598-026-45388-2

الكلمات المفتاحية: استسقاء الرأس, تحويلة سائل الدماغ الشوكي, التصوير المقطعي المحوسب, الذكاء الاصطناعي في التصوير الطبي, صمام قابل للبرمجة